一、前言
随着现代工业和农业的迅猛发展，管道作为一种物料运输手段已越来越广泛的应用于各个领域。但是诸如管道对接焊缝的探伤与内防腐喷涂等问题一直是管道工程中的难点问题。管道机器人可高效便捷的解决这个问题，其系统结构如图1所示。
由于机器人在管道内部行走时存在着打滑、颠簸等情况，依据电机码盘对作业位置的检测在实际作业中难以准确定位。因此，考虑管道机器人也可象其他远距离遥控作业机器人一样采用”视觉”作为机器人位置控制的传感器。
图1 管内作业机器人的组成
通常的管道机器人是采用电机轴上码盘计程的方法，在确知起始点与目标(对接焊缝)之间距离的条件下，间接计算出作业机构与目标之间的相对距离;而视觉传感器则可在一定的视角范围内直接测量出作业机构与目标之间的相对距离。
视觉传感器作为管道内部状态的检测装置，是管内作业机器人的一个重要组成部分，它主要由光学成像装置球面镜和CCD摄像机组成。实验证明：管道对接焊缝在视觉传感器上成像的圆环半径与机器人和焊缝之间的距离具有“分段线性”的特点，当成像半径大于某一值后，其线性度可以满足一定的测量要求，配以适当的控制器则可实现管道机器人在焊缝处的自主定位控制。下面给出一种基于视觉模糊推理的管道机器人自主定位控制方法。
二、机器人的定位过程
机器人进行管内作业的首要任务是将作业装置送到作业位置(焊缝)处。机器人要完成这一任务一般要经历图2所示的运动过程。首先机器人从A点启动至最高速，通过码盘反馈回来的位置信息在预定降速点B点降速至低速行驶，同时视觉传感器开始寻找目标;在C点捕捉到目标后，位置控制系统采取模糊推理控制方法将管道机器人停在视觉传感器测量误差最小的范围内(准确区内)。而后，控制系统可精确测量出机器人与作业位置(焊缝)间的相对距离，则机器人可再依靠码盘将作业装置低速运送到焊缝处。
三、模糊控制器设计
综上所述，建立从A点到D点的位置控制系统模型，如图3所示。
(一)模糊推理算法经分析比较
在系统中我们采用了Sugeno模糊推理算法。Sugeno模糊推理算法又称为“代数积—加法—重心法”。具体来讲，就是采用“代数积”的方法，由前提和各模糊规则得到各子推理结果，然后采用“加法”将各子推理结果合成为综合推理结果，由“重心法”得到模糊集合的“重心”;它的输出模糊变量的隶属函数一般是常数或者一条直线。与常规方法相比，它具有计算效率高、能够与PID控制器等线性装置较好的配合，输出量具有线性连续而且可以用数学矩阵的方法进行运算等特点。
(二)模糊变量的选择
一般的位置模糊控制器常常是采用位置和速度作为作为输入变量的二维模糊控制器，虽然二维模糊控制器具有普遍的代表性，但在本文中如果采用位置和速度作为控制器的输入，那么为尽量避免输入和输出之间的逻辑冲突，应选择加速度作为输出变量，这个加速度变量和速度环节速度变量之间则必然要引入一个中间过渡环节。实践证明，此中间环节的引入会带来其内部参数整定的困难，使机器人对于环境的适应性变差。因此，本着简单实用与性能达标的原则，本文采用一维模糊控制器，即输入是位置变量，输出是速度变量。
(三)模糊变量隶属函数的选择
模糊变量隶属函数的形状对于整个位置控制系统的性能起着举足轻重的作用。仿真实验证明，不同的隶属函数可以得到如图2所示的三种典型的停车曲线。可以分析出曲线A具有停车效率高、对机械系统冲击小的特点，而曲线C过早过大的降速，致使机器人处于低效工作状态，而曲线B介于前二者之间。所以，本文选择曲线A作为目标停车曲线。为此设计如图4所示的模糊变量隶属函数和表1的模糊控制规则。
模糊语言描述：
设视觉位置传感器所检测到的位置偏差为ΔX
模糊控制器的输出为V
ΔX=﹝零，小，中等，大，很大﹞
V=﹝零，小，中等，大，很大﹞
模糊控制规则如表1所示。
表1 改进方案的模糊规则表
四、仿真实验
(一)参数整定
为进行系统的仿真实验，需要对系统的其他组成部分进行参数整定与数值建模。
图6所示是实际应用中的一个直流调速系统模型，其中已忽略了较小的电机电磁时间常数。速度环节的性能要求：一是跟随性能好，以便快速准确的执行控制器的指令;二是由于机器人不能在管内产生振动，因此速度控制环节不能有超调。应用工程设计方法将整个速度环节整定成典型Ι型系统。由设计方法得调节器积分时间为0.01s，比例系数在0.7485～1.167，仿真实验证明比例系数为1时，速度环节跟随性和稳定性比较好。
(二)实验结果
为验证定位方法的有效性，进行了如下的仿真试验，以验证管道机器人在不同负载，不同坡度，不同干扰以及不同停车距离情况下的定位的准确性。
仿真实验中，负载的大小以及坡度的陡缓采用相对应的负载电流来描述。管道机器人在行进过程中遇到的颠簸等情况则用加在负载上的一个随机噪声来表示。例如：停车距离越长，拖缆也越长，负载也就越大，这一负载用下面经验公式表示：Idl=α×X
其中，α为常数，它与管道内壁和拖缆之间的摩擦系数有关。X表示管道机器人已经行走的距离，也即拖缆的长度。
仿真实验采用了Matlab5.2版。图7给出了系统采样频率为4Hz，恒定负载1A，干扰噪声为1mm/1Hz，坡度系数为1，目标位置X=3m的情况下的仿真结果。
综合仿真结果表明即使在较恶劣的条件下，如强烈颠簸，大坡度，远距离等情况，管道机器人的定位也具有快速、一次定位成功(进入准确测量区)的特点，可满足工程上的需要。
五、结论
本文采用Sugeno模糊推理算法较简洁地解决了基于视觉的管道机器人自主定位控制问题。由于视觉传感器比码盘测量更直接，而且基于规则的模糊控制技术是建立在人工经验的基础上的，二者的结合可使管内作业机器人的“停车定位过程”具有快速、准确的特点。本文所述的“基于视觉模糊推理的管道机器人的自主定位控制方法”对于一类运动载体的视觉伺服控制问题具有普遍意义。
