自主式追踪机器人终端行为的Petri网建模-孔庆艳

优先出版计算机应用研究第33卷----------------------------基金项目：国家自然科学基金项目（61164012）作者简介：孔庆艳（1989-），女，河南新乡人，硕士研究生，主要研究方向为Petri网理论、化学羽流追踪；袁杰（1975-），男（通信作者），博士，副教授，主要研究方向为智能控制、Petri网理论、机器人控制（[e-mail]）；郭俊辉（1988-），男，河南信阳人，硕士研究生，主要研究方向为智能控制、Petri网理论．自主式追踪机器人终端行为的Petri网建模*孔庆艳，袁杰，郭俊辉(新疆大学电气工程学院，乌鲁木齐830047)摘要：针对含有资源流动和信息交互的终端行为建模问题，提出了一种混合Petri网行为建模方法。首先，引入活性变迁和惰性变迁两种变迁模式，描述终端行为的耦合、制约、异步关系。其次，建立混合Petri网模型，揭示化学羽流追踪终端各行为之间的交互关系，以Robotics模块为验证与分析工具，仿真机器人终端运动过程，同时获得6个关节角度变化的平稳曲线。最后，在六自由度串联机器人平台加以验证。实验结果表明，该混合Petri网模型客观真实地表达对象内部逻辑关系与交互作用机制，对自主式羽流追踪机器人终端行为建模是有效可行的。关键词：Petri网；行为建模；化学羽流；变迁；机器人；自主式中图分类号：TP399TerminalbehaviormodelingforautonomoustrackingrobotsusingPetrinetsKongQingyan,YuanJie,GuoJunhui(CollegeofElectricalEngineering,XinjiangUniversity,Urumqi830047,China)Abstract:Focusedontheissuethattheterminalbehaviormodelingcontainsresourceflowingandinformationinteraction,thispaperproposedabehaviormodelingmethodofhybridPetrinet.Firstly,theactivetransitionsandinertiatransitionsintroducedinthispaperdescribedthecoupling,restriction,andasynchronousrelationshipsamongbehaviors.Secondly,thehybridPetrinetmodelshowedtheinteractionsamongthevariousterminalbehaviorsduringachemicalplumetrackingprocess.Itusedaroboticsmoduleastheverificationandanalysistoolsforsimulatingtherobotterminalmovements,andobtainedthesmoothcurvesofsixjointsanglechanges.Finally,themethodwasverifiedina6-DOFindustrialrobotplatform.TheresultsshowthatthehybridPetrinetsmodelcantrulyexpresstheinternallogicalrelationshipsandtheinteractionmechanismsofobjects.Terminalbehaviormodelsareeffectiveandfeasibleforautonomousrobotstotrackplumes.KeyWords:Petrinet;behaviormodeling;chemicalplumes;transition;robot;autonomous0引言自然界中的许多动物都可以利用环境中随空气或水传播的化学物质来觅食求偶和躲避敌害，比如大马哈鱼靠嗅觉制导返回栖息地[1]，以及某些昆虫靠嗅觉交配和觅食[2]，这些不可见并且少量的化学物质随着流体的输运就形成了化学羽流，简称羽流。LiW.等[3]通过模仿飞蛾的跟踪气味的过程，开发出用于羽流追踪的自适应任务规划器。其海上实验在2小时之内准确找到1000米以外的化学羽流源头。YuanJ.等[4]提出一种知识驱动的化学羽流自主追踪方法。该方法充分利用环境变化信息、知识及控制规则，通过知识/信息与机器人行为的实时交互、启发，分别实现在扩散与湍流空气环境下的羽流追踪过程。以上研究工作取得较好的羽流追踪与源定位效果，但对自主式机器人终端避障和抓取行为的研究较少。因此，对自主式化学羽流追踪机器人的复杂终端行为建模方法进行研究。机器人行为建模的典型方法有：状态图表[5]和神经—模糊技术[6]。这些方法针对特定系统有其各自的优势，但在建模系统行为的耦合、制约、异步关系时会遇到以下困难：状态图表描述面向数据的模型；神经—模糊技术同时具备了神经网络与模糊逻辑的优势，但是，该方法在规则获取、隶属度函数和神经网络结构的确定以及可操作性方面尚需进一步研究。故需提出一种新方法来对机器人行为建模。相对以上方法Petri网可以把复杂问题图形化，能够精确描述以上关系。Petri网已被成功应用于故障诊断[7]、工作流模型的性能分析[8]、系统的死锁控制[9]等研究领域。但是，传统的Petri网在建模具有资源流动和信息交互的复杂系统时存在困难。就目前所掌握的国内外资料来看，尚缺乏自主式化学羽流追踪机器人（Therobotoftrackingchemicalplume，文中简称AR）终端行为建模的适用方法，阻碍着对该领域的研究与探索。为解决该问题，将探索建模羽流自主追踪复杂行为的Petri网新方法，即2016-01-0815:53:27优先出版计算机应用研究第33卷混合Petri网。1Petri网相关定义针对化学羽流追踪终端行为存在资源流动和信息交互的特点，尝试采用混合Petri网为其行为建模的方法。为了更好地理解混合Petri网行为建模方法，以下给出与行为建模相关的Petri网定义[10]。定义1由以下四元组描述的有向图称为Petri网（PN）：(,,,)PNPTIO(1)其中：1)1{,...,}nPPP是库所的所有集合，0n是库所的个数；2)1{,...,}mTtt是变迁的有限集合，0m是变迁的个数，PT（空集）；3):IPTN是输入函数，它定义了从P到T的有向弧权的集合，其中{0,1,...}N为非负整数集；4):OTPN是输出函数，它定义了从T到P的有向弧权的集合。定义2:mPN称为Petri网的标识，是一列向量，其第i个元素表示第i个库所中的token数目。定义3变迁tT在标识m下使能，当且仅当：:()(,)ptmpIpt。其中t表示变迁t的前集。由输入函数定义可知，该库所表示变迁t的输入库所，即连接该库所的有向弧由p指向t。()mp表示在标识m下库所p中token数量。定义4禁止弧[11]连接着变迁的一输入库所，其弧终端的小圆是对弧权值的“取反”操作，按输入函数与变迁激发的定义，一旦禁止弧连接的输入库所中拥有的token数量大于或等于禁止弧的权，则该弧将禁止该变迁的激发。在Petri网的物理描述中，库所通常表示状态、行为、事实或条件等;库所中token表示资源或信息;变迁表示状态或行为的转移。在Petri网的图形描述中，采用圆表示库所，库所中的实心圆点表示token信息，以短线段表示变迁，变迁与库所连接的有向弧采用箭头(普通有向弧)或直线与小圆(禁止弧)表示。根据AR终端的“空间识别”、“避障”、“角度检测”等行为特点，本文中各库所中的token有些表示事实或信息，有些表示资源例如，“左障碍”、“右障碍”表示事实信息，而“角度检测”表示资源。因此，{0,1}token，且各有向弧权值均为1(含禁止弧)。2PN元模型AR终端行为包括前方羽流源确定、前方障碍检测、障碍方位确定、避障、羽流源抓取等。根据角度检测的结果做出相应的动作，然后抓取并提升化学源。本文主要解决在含障碍物的复杂环境下AR终端行为的建模问题。首先将障碍分为4种，分别是无障碍、左障碍、右障碍和前障碍。在复杂障碍模式下，AR终端按照预先建立的混合Petri网逻辑规则进行自主行为切换，并且只要有障碍就激发变迁进行角度检测。机器人从障碍检测到准确抓取化学源需同时满足以下条件：存在i个事实(信息)和j个不能出现的事实(信息)(,1,2,...)ij。建立AR终端行为交互的PN元模型如图1。●●P1PAPiPBPi+1......tt2t1Pi+j图1羽流追踪终端行为交互的PN元模型图在混合Petri网原模型中包含两种激发模式，即活性变迁和惰性变迁。为了更好的阐述该模型，下面将两种激发模式定义如下：对于,,,iijP使变迁前集11{,,...,,,...,}AiiijtPPPPP(2)变迁t各输入库所的token数量为：1()()...()1AimPmPmP(3)101()()iijmPmP(4)式(4)中符号“0”表示对值0的“取反”操作。各有向弧权值：(,)1kIPt,其中{,1,2,...,,1,...,}kAiiij，因此，()(,)kkmPIPt。由定义3可知，变迁t能被成功激发。定义5活性变迁t：当行为库所1{,,...,}AiPPP中，token流向行为库所BP，完成由行为{,1,2,...,,1,...,}Aiiij到行为{}B的转移，此变迁过程被称为活性变迁。活性变迁激发过程如图2。●●●P1PAPBPi+1......t●P1PAPB......Pi+jPi+1Pi+jtPiPi(a)活性变迁t激发前(b)活性变迁t激发后图2活性变迁激发过程定义6惰性变迁t：当行为库所1{,,...,}AiPPP中，token流向行为库所BP，且1{,,...,}AiPPP中保留token信息，此变迁过程被称为惰性变迁。惰性变迁激发过程如图3。●●●P1PAPiPBPi+1......t●●●●P1PAPB......PitPi+1Pi+jPi+j(a)惰性变迁t激发前(b)惰性变迁t激发后图3惰性变迁激发过程其中在图2和图3中，变迁t的禁止条件相同，如下：{,1,2,...,},()0kkAimP(5){,1,...,},()1ssiiijmP(6)优先出版计算机应用研究第33卷当式(5)、式(6)任意一个条件成立，变迁t均被禁止，表示AR终端不能从当前行为集{,1,2,...,,1,...,}Aiiij转移至行为{}B。3行为建模与验证3.1AR终端行为的混合Petri网模型AR终端行为有：该机器人对危险化学源进行抓取并移除操作，其间进行定位、操作空间识别、障碍检测和调整机械臂姿态进行抓持并提升。其羽流追踪行为逻辑如图4。化学源目标识别在操作空间?锁定化学源化学源周边障碍检测调整机械臂姿态抓持并提升化学源位姿调整是否羽流定位图4AR行为逻辑的PN模型针对图4描述的AR行为逻辑，采用本文提出的混合Petri网模型建模如图5。其中，各弧的权值(,)1Ipt。各库所含义见表1。●P0P2P14P18P10P9P11P8P7P5P4P3P6P16P15P17P12P13P1t0t12t13t10t9t8t7t6t5t4t3t2t1t11t19t17t16t15t20t18t14t21t22t23t25t24t26t27●PAtA图5AR终端行为混合Petri网模型表1库所及含义库所含义库所含义PA羽流源定位P0目标识别P1定位P2空间识别P3超出操作范围P4位姿调整P5在可