外文翻译-解耦,分布式AUV控制架构

解耦 ,分布式 制架构 斯蒂芬 b 威廉姆斯、保罗 纽曼 ,术观 ,胡里奥 大利亚中心的机器 澳大利亚悉尼新南威尔士大学 ,2006 文摘 目前的工作在海底机器人领域集中于中心车辆在澳大利亚 航技术的发展 ,传感器融合和车辆控制架构实时 平台控制。准确的位置和姿态估计和控制方法利用扫描声纳信息补充有限的车辆动力学模型和不可见的环境干扰。在本文中 ,我们目前的车辆控制体系结构目前在奥伯龙潜水器上运行。我们使用一个分布式、解耦控制模式来促进个人控制的优化模式 。 创建了一系列的行为直接的运动车。我们表明 ,当加上一个低级 航方案 ,可以实现车辆的有效控制。 I. 我的介 绍 有里程碑意义的地点。在不断运动中 ,机器人构建一个完整的地标和使用这些地图提供 连续的估计车辆的位置 目前的工作在海底机器人领域集中于中心车辆在澳大利亚 航技术的发展 ,传感器融合和车辆控制架构实时平台控制。准确的位置和姿态估计和控制方法利用扫描声纳信息补充有限的车辆动力学模型和不可见的环境干扰。这项工作的关键要素包括声纳的发展特性模型 ,这些模型的跟踪和使用地图和位置的估计 ,和低速的发展平台模型用于车辆控制。正在开发的关键技术之一的这项工作是构建 (大满贯 )同步定位和地图。机器人通常始于一个未知的位置没有地标位置的先验知识。从相对观测的地标 ,它同时计算估计车辆的位 置和估计具。 地图构建代表只有一个功能所需的为了一个机器人在动态环境中自主经营。一个水下机器人还必须有能力决定控制行动 ,为了实现它的目标。这些目标可能会改变 ,随着任务的进展 ,必须有一种机制对机器人应对不可预见的情况下 ,可能发生的任务。我们已经开发了一个分布式、解耦控制架构基于分布式架构的移动导航 (该死的 )提出了 10 在本文中 ,我们目前奥伯龙潜水器上的车辆控制体系结构目前使用的结果同时本地化的应用和地图构建来估计车辆的运动。第二部分介绍了汽车传感器和致动器 ,第三部分描述了分布式 ,解耦控 制方案目前操作车辆。在第四节我们提出的摘要同时定位和地图构建算法。第五节中我们将描述一系列的试验 ,结果显示这种技术应用到自然地形环境中收集的数据。最后 ,第六部分总结了论文总结的结果和讨论未来的研究主题以及正在进行的工作。 测试我们的水下导航技术在一个中型潜水机器人车辆被称为奥伯龙设计和建造中心 (见图 1)。车辆配备了两个扫描低频 波和彩色 机 ,连同 度传感器和光纤陀 螺仪 12。这个设备主要目的是作为研究平台 ,在该平台上可以测试新型传感策略和控制方法。自主导航的使用提供的信息车载传感器代表项目的终极目标之一 8. 图 1。奥伯龙在海上 机器人控制系统的核心是嵌入式控制器。图 2 显示了一个示意图的车辆传感器和连接。奥伯龙机器人使用 行 T 系统直接接口硬件和用于控制机器人的运动 ,并获 得传感器数据。虽然 作系统不支持硬实时的性能 ,适用于软实时应用程序和开发和调试工具的广泛使它理想的环境中测试新导航算法。时序要求严格的操作 ,如模拟到数字转换器的采样 ,在硬件设备上执行自己和使用厂家提供的设备驱动程序将数据转移到适当的流程。 传感器数据整理和发送到表面使用的以太网连接网络的计算机被用于进一步的数据处理 ,数据记录和向用户提供反馈子的状态。表面的计算机之间的通信通过系绳和接头。这个范围还提供了机器人 ,同轴电缆传输视频数据和泄漏检测电路设计关闭权力的车辆 ,以防泄漏。虽然有些工作可能是用 于消除系绳 ,这是觉得导航技术的发展是更直接的利益。 图 2。车辆系统图 声纳是主要的传感器在奥伯龙汽车感兴趣的。目前有两个声波机器人。纳装置操作在 675 千赫已经安装在汽车的前面。它定位 ,扫描头可以用作向前和向下看梁这使海床上方的高度以及障碍物的距离确定使用声纳的广角光束。第二个声纳是 鱼王。这是一个成像声纳和有一头双频率窄波束 声纳安装的接头 ,用于扫描子运行的环境。它可以达到 360 度扫描率的 兹。返回的信息从这个声纳是用来构建和维护环境的地图功能。 安德鲁斯激光陀螺已经包括在奥伯龙机器人 ,让机器人的定位有待确定。这个传感器提供偏航率信息和用于控制潜艇的标题。我们目前估计陀螺仪阅读之前的偏见的使命。然后综合偏差补偿偏航率提供一个估计的车辆。由于偏航率信号不可避免地会吵闹 ,这个信号的整合将导致估计前往随时间漂移。目前 ,任务通常运行不超过 30 分钟 ,偏航漂移不会在这个时间框架的一个重要问题。在未来 ,指南针将被添加到系统允许我们定期重置时间任务。这也将使我们能够检测偏航率偏差的变化通常发生由于内部温度的变化。 压力传感器测量车辆经历的外部压力。这个传感器提供了一个压力成正比的电压信号 ,采样的模拟数字转换器的嵌入式控制器。压力可以转换为深度海洋表面以下。 反馈从这个传感器是用来控制潜艇的深度。 松下相机在一个水下房屋安装外部车辆。它是用来提供视频反馈的水下机器人操作 的场景。这是一个彩色摄像机 ,将视频信号发送到表面通过系绳。 器 目前有 5 个推进器在奥伯龙车辆。这三种都是垂直方向的 ,其余两个是导演水平。这给汽车上下移动本身的能力 ,控制其偏航、音高和辊和向前和向后移动。这个 进器配置不允许横向运动但这并不构成问题的任务的设想 。 车辆控制系统 控制移动机器人在非结构化六维空间 ,动态环境 ,如发现水下可以是一个艰巨的计算密集型努力。导航和控制在水下域都是艰难的挑战。我们已经开发了一个分布式、解耦控制架构来帮助简化控制器的设计。 当前车辆控制架构运行子是基于分布式架构的移动导航 (该死的 )提出了10。这 制体系结构使用一个集中的仲裁者来组合各种行为的选票中运行的系统 ,以确定最优的行动。行为封装了感知、规划和任务执行能力需要实现机器人控制的一个特定方面 ,只和接收数据所需的专门任务 2。 通过解耦控制问题 ,个人可以大大简化控制器的设计。在奥伯龙车辆的情况下 ,垂直运动控制独立的横向运动使用两个单独的 制器。这些控制器调整提供所需的性能在每种情况下。 这种分工控制已被选中 ,因为它符合预期的任务承担的许多车辆。一个典型的任务可能会看到一个区域的车辆进行的一项调查大堡礁海底以上 ,同时保持一个固定的高度 12。执行调查的任务可以独立维护车辆的高度。这也使得我们可以优化深度控制器的性能之前部署环境的导航算法用于映射 ,以确保车 辆撞击海底的风险不大。 在车辆运行的行为也分为水平和垂直的行为和结果有两个目前仲裁者。一个负责车辆的设置所需的深度 ,而另一组所需的偏航和转发抵消达到水平运动。 图 3。低液位控制过程运行在嵌入式控制器。这些过程包括抽样过程内部的传感器读数 ,计算 制输出和驱动推进器 调查任务 ,垂直行为通常负责这些行为的输出的组合决定了深度的车辆操作。维护大型反对票的最低高度的行为将车辆保持在最小距离海底。防止接头与海底发生碰撞。垂直运行车辆的行为包括维持最低深度 ,保持最低高度 ,维持深度和高度。 水 平的行为 ,将运行在一个调查任务包括遵循线 (声纳和 /或视觉 ),避免障碍 ,移动位置和执行调查。这些行为的输出的组合决定了方向由车辆维护以及向前抵消应用到两个横向推进器。这允许车辆前进 ,同时保持其标题。 高液位控制 进一步的控制解耦成低级的和高级的控制流程。低级别的进程运行在嵌入式控制器 ,用于接口直接与硬件 (参见图 3)。此外 ,这个层次的 制器实现了。这使得 制器对变化作出快速反应的状态子不受影响的数据处理和高级控制算法运行在水 面。 高级流程运行在一对奔腾机在地面控制站。信息从潜艇的传感器是美联储在这些机器上运行的一系列流程。这些进程使用传感器提供的数据来确定所需的设置点的低级控制过程。原始的传感器数据预处理产生虚拟传感器 信息 信息系统中多个感兴趣的行为。 行为登记他们的兴趣的数据生成的虚拟传感器和送票的仲裁者来指定所需的行动。任务级别的任务规划系统中用于启用和禁用行为取决于任务的当前状态和其预期的目标。仲裁者结合了选票的行为和选择最优行动来满足系统的目标。示意图表示系统中的数据流图 4 所示。这种控制策略依赖于子收集信息的能力对其环 境和原因对其期望的行为。通过持续的监控环境状况的 ,子 能 够 应 对 变 化 发 生 。图 3。低水平运行在嵌入式控制流程控制器。这些过程包括抽样过程内部传感器读数 ,计算 制输出 和驱动推进器。 图 4。高水平的车辆运行的过程和行为。传感器数据预处理产生虚拟传感器信息的行为。行为接收虚拟传感器信息和发送票的仲裁者将控制信号发送到低电平控制器。灰色的盒子是大满贯将在第四部分详细的过程。 c 一系列的流程已经开发完成的任务从机器人的传感器收集数据 ,处理这些数据和推理所采取的行动是机器人。这些过程分布在计算机网络和通信通过 IP 口使用异步消息传递协议开发的中心。 中央通信中心负责运行分布式进程之间路由消息的车辆和在命令。流程注册他们的兴趣在其他进程发送的消息系统和中心路线到达时的消息。虽然这种通信结构也有一些缺点 ,比如潜在的通信瓶颈和依赖中央枢纽的性能 ,它灵活的配置提供了一些有趣的可能性 ,特别是在系统的开发周期。如图 5 所示 ,底层过程控制工具可以很容易地取代了数据回放过程重复任务数据或模拟器的开发工具部署之前闭环控制算法。 图 5。 )的低级过程控制工具可以很容易地取代 b)数据回放过程重复任务数据或 c)模拟器开发车辆部署之前闭环控制算法。 大满贯 ) 同步定位和绘制建筑 (大满贯 )是一个过程 ,同时建立一个基于特征的地图环境和使用这种获得的估计车辆的位置 345611。机器人通常始于一个未知的位置没有地标位置的先验知识。从相对观测的地标 ,它同时计算估计车辆的位置和估计具有里程碑意义的地点。在不断运动中 ,机器人构建一个完整的地标和使用这些地 图提供连续的估计车辆的位置。 本地化和地图构建过程由递归、三级更新过程组成 预测、观察和更新步骤使用扩展卡尔曼滤波 ( 状态估计 x(k)的增广状态向量组成的二维构成的汽车十五 (k),由 (十五 ,青年志愿 )的位置和方向 v,连同 N 地标的位置的估计 = 1 N4。点地标正在追踪地图虽然国家制定的估计可以容纳高阶特性 ,比如线、曲线和折线。 本节描述结果从部署在测试期间的车辆在悉尼的沿岸的自然地形环境。我们表明 ,控制架构似乎工作 有效地通过展示高度与深度的情节在一个特定的运行。我们还显示一些成果的使用同时定位和地图构建技术。可以看到 ,车辆能够导航直线相对于声纳目标部署。 A. 高度 /深度控制 通过与深度传感器耦合深度控制器 ,这是连续采样深度、子可以快速响应扰动深度。车辆的关键行为设想之一是能够保持一个固定的高度高于海底。 目前提供的 纳高度估计比深度传感器运行速度慢得多 (在 1 赫兹 )的顺序 ,将无法供应的信息速度足够高拒绝干扰深度。 纳也共享任务 ,保持高度的 接头和避障任务感兴趣。自任何机器人将是有限的 ,资源共享这些资源是很重要的。任务调度器之间可以实现资源共享的实现各种基于他们的相对优先级的任务。 图 6 显示了一个系统的性能的典型例子。保持高度的行为是投票给海拔 纳返回正在处理产生的估计车辆的高度。这个高度数据传递到仲裁者考虑它在确定所需的深度。当前高度之间的差异和所需的高度代表所需的深度的变化需要维护正确的高度。可以看到车辆成功保持期望的高度标准偏差为0。 2 米 ,尽管改变海底概要文件在运行。 图 6。结果显示测量的高度与深度。的 理想的高度 ,有能力维持这种高度标准偏差为 在整个运行尽管明显变化的底部概要文件。向下垂直推进器的平均值 力是由于车辆的积极的浮力。 b 我们还测试了 法在部署期间在悉尼海岸附近的自然环境。潜艇部署在自然进气的声纳目标定位在间隔 10 米的一条直线。子的偏航控制器保持恒定的标题而车辆驾驶线平行。因为目前还没有绝对位置传感器的车辆 ,我们不能测量定位过滤器的性能对地面实况。 最后的图如图 7 所示的情节清楚地显示了声纳功能目 标的位置和数量的初步目标。一些初步目标是礁壁而另一些来自回报的范围。这些回报通常不是很稳定 ,因此不要纳入大满贯地图。声纳校长回报绘制相对于估计车辆的位置。礁壁右边的车辆和入口的结束是清晰可见。 图 7。机器人的路径显示最终的环境地图。的估计位置显示功能与协方差椭圆圈显示他们的 95%信心。还没有的初步目标被添加到地图上显示为 “ +