一、背景介紹

本方案提供集成機器人集成教學單元系統 2 套，嚴格滿足實現《機器人基礎 課程實驗》、《機器人高級課程實驗》和機器人雙機對弈研究的實驗要求。 其中，機器人集成教學單元主要包括：六軸工業機器人、機器人教學控制系 統、機器人教學課程功能包、機器人實驗操作臺、六維力傳感器、手眼視覺系統、 遙操作手柄系統及固定視覺系統。

二、方案設計

機器人教學系統能夠向學生提供完整的機器人教學實驗環境，包括機器人系 統認識、正逆運動學、關節空間規劃、笛卡爾空間規劃、動力學辨識、機器人動 力學前饋控制、拖動示教、基于末端力傳感器的導納控制、機器人視覺相機標定、 機器人視覺手眼標定、機器人視覺引導抓取、遙操作等實驗課程。 同時支持棋盤位置和棋子的動態識別，為機器人雙機對弈提供棋子位置信息；

支持與開源棋類軟件進行配合，實現自動下棋；結合棋子偏好因子，對根節點所 產生局面的估值進行調整，分析棋子偏好因子對于博弈走法決策的影響；結合博 弈風格因子，對根節點所產生局面的估值進行調整，通過調整博弈風格因子大小 使得博弈程序具有激進、適中及穩健型風格。

三、平臺配置參數

3.1、六軸工業機器臂本體

1）自由度：6

2）負載：7kg

3）精度：0.02mm

4）工作半徑：650-750mm

5）工作環境溫度：0/+40°C

6）驅動方式：交流伺服驅動

7）防護等級：IP67

8）噪聲水平：≤70dB(A)

采用珞石XB7型號機器人，其技術參數指標如下：

一個完整的機器人系統包括機器人本體，控制器，示教器，連接線纜，軟件，末端執行器及其他附件，XB7如下圖所示。

圖中各部分表示：

①XB機器人；      ②xPad示教器；    ③控制柜；  ④示教器電纜；    ⑤柜間電纜

機器人本體主要結構材質為鑄造鋁合金，共6個自由度，每個關節電機都配有制動器。

提供機器人連桿慣量信息

XB7各軸電機參數如下表所示：

開放式機器人控制系統

1） 整體要求：包括通信模塊、運動控制模塊和安全模塊，實現多種構型機器人控制?？梢钥焖俅罱C器人研究或應用平臺，支持機器人控制算法驗證及機器人應用的快速開發。

平臺基于Matlab/Simulink構建快速原型控制系統，可以通過模型化開發方式，快速搭建機器人應用。

2）功能要求：

支持Matlab/Simulink下建立的動態系統數學模型應用于實時仿真、算法測試，便于全流程控制和局部算法驗證。

機器人應用開發工具(CPS Builder)實現機器人控制系統的模型搭建，快速仿真測試。

開發流程

數字仿真。在Simulink中建立機器人控制模型，初步驗證模型及算法；

半實物模型準備。對數字仿真模型進行修改，建立半實物仿真模型；

目標代碼自動生成。將Simulink模型轉化為C代碼，并最終編譯為可執行程序；

仿真配置管理。配置仿真目標機屬性；

實時仿真。連接目標機成功后，啟動實時仿真?？蓤绦形募詣舆\行，與實際機器人系統或HIL交互；開發工具支持在線調參，啟?？刂?，實時數據存儲等功能；

仿真數據分析處理。

支持控制算法的純數字仿真和硬件在環仿真與機器人真機實時控制。支持Simulink環境下的自動代碼生成與部署、動態調參、參數回顯等調試功能。

以提供給的實驗課程為例，按照結構框圖在MATLAB Simulink中為搭建機器人閉環控制系統，Robot為仿真被控對象模型，對象輸入為各關節力矩（Nm），輸出為關節角度（rad）。

PID Control模塊使用實驗二的PID控制模塊。并完善動力學前饋模塊內容。仿真系統為離線系統，控制周期為0.001s。

調整控制器參數，保證控制系統的動態性能和穩態性能。PID Control模塊的期望輸入Expect 取為階躍信號，以二關節和六關節為例，完成下表（PID參數取值與實驗二內容一致）。

真機實驗部分，利用仿真實驗中的控制器完善PID+dynamics Control，由于仿真被控對象與真機不完全一致，因此控制器參數需要調整。本實驗僅對機器人六關節進行實驗，其他軸控制無效。

將該程序拷貝到真實機器人的上位機系統中，單擊編譯。

在應用程序中，打開快速開發工具

在run_model 面板中，依次進行以下操作。

• 單擊1，目標機連接測試
• 單擊2，打開需要下載的文件
• 單擊3，選擇目標平臺類型x86以及單擊
• 單機4，使用機器人庫
• 單擊5，下載程序到目標機中，并編譯（需要一定時間，提示成果后進行下一步）
• 單擊6，編譯成功后，運行該程序。

回到simulink程序，依次進行如下操作

初始化開關狀態，開關1：move；開關2：off；開關3：off

單擊1連接目標機

單擊2運行目標機程序

將機器人運動到初始構型（可雙擊robot模塊進行設置，參數可在線修改，修改的目標在開關3由off變為on時才會生效）

將開關1置于move狀態；將開關2置于on，機器人上電；將開關3置于on，開始移動。完成移動完成后，依次將開關3置于off，開關2置于off。

具有機器人基礎運動庫和高級動力學庫、視覺庫、人工智能算法庫，集成多種總線通訊模塊，支持快速搭建機器人教學和科研的算法開發環境。

系統提供多類型功能庫，支持用戶封裝自定義庫文件?；贛ATLAB S-Function和MATLAB Function模塊，可以封裝不同功能，不同算法的功能組件。

技術參數：

機器人運動控制器與伺服驅動器通信方式：EtherCAT

機器人IO端口數：數字量16-in, 16-out

與伺服間通信頻率：1KHz

通信接口類型：位置接口，速度接口，力接口

控制模式：位置，速度，力

控制器支持EtherCAT總線，提供16路DI、DO接口，伺服通信周期頻率滿足402協議，通信頻率為1Khz，支持位置、速度、力三種控制模式，控制接口封裝在機器人庫中。

開發語言：MATLAB, C/C++

應用基于MATLAB/Simulink仿真，

同時可以基于支持C語言封裝。

項目提供多課時實驗內容，同時提供相關demo。

支持通信方式：EtherCAT，TCP/IP, UDP

控制器支持EtherCAT，TCP/IP, UDP，相關的功能組件封裝在MATLAB庫中。

△2、軟件參數：

1）機器人教學科研開發環境：

支持Simlink環境下的虛擬機器人仿真與真機實時控制；

2）機器人軟件開發工具：

在Simulink環境下，提供運動學、動力學、視覺功能庫；提供程序下載部署工具軟件；

2.1 軟件系統概述

本實驗臺控制系統以機器人應用開發工具(CPS Builder)為核心軟件單元。實現機器人控制系統的模型搭建，快速仿真測試。

2.2開發流程

1. 數字仿真。在Simulink中建立機器人控制模型，初步驗證模型及算法；

2. 半實物模型準備。對數字仿真模型進行修改，建立半實物仿真模型；

3. 目標代碼自動生成。將Simulink模型轉化為C代碼，并最終編譯為可執行程序；

4. 仿真配置管理。配置仿真目標機屬性；

5. 實時仿真。連接目標機成功后，啟動實時仿真?？蓤绦形募詣舆\行，與實際機器人系統或HIL交互；開發工具支持在線調參，啟?？刂?，實時數據存儲等功能；

6. 仿真數據分析處理。

2.3 機器人模型庫

機器人工具箱：

? 機器人單軸控制庫

? 機器人接口庫

? 機器人基礎控制庫

? 機器人3D顯示庫

? 傳感器接口庫

2.4 仿真軟件使用流程

2.4.1運行

1、Matlab  -> APPS，中找到ExSim_DeT，單擊打開，顯示如下

2、點RPI_target，到運行時（包括本機+目標機）配置頁

3、Connect Test后執行ERT Configuration  配置ertcoder

4、Target Initialization 配置目標機編譯初始環境：

注：這個配置的目的是使目標機編譯的依賴庫，匹配開發主機的matlab版本;

如果不確定上下是否一致，請執行此操作

4*、更新自定義庫操作

步驟2中，已經配置了GKJ、Robot、和PCIE庫；界面中三個Update鍵的作用是，無需重新安裝app,來更新Libs只替換app路徑下包含lib 的壓縮包后，點擊對應按鍵，即可更新目標機的對應庫包；

PCIE鍵前的 ’當前路徑‘勾選，的作用是，用戶在調用了block塊之后，進行了修改，在模型路徑下生成了新的wrapper.c，勾選"當前路徑"，并Update,可快速更新庫；主要是考慮用戶需要經常修改block的情況

但此操作并不修改app路徑下的庫包，可以不勾選，點Update,恢復安裝路徑下的庫包；

5、模型參數配置

a、Hardware Implementation

b、Optimization -> Signals and Parameters  選擇Tunable

c、Code Generation：Browser 選擇tlc

d、Code Generation -> Interface

6、仿真設置：外部模式

設置成External模式

7、點build生成代碼 (快捷鍵ctrl+B)  

 注意：生成代碼之前要保存所有設置，否則仿真時會報錯模型與目標中不匹配。

點擊模型下方View diagnositcs 可以查看生成進展；生成失敗會自動彈出。

8、可以確認，操作是否使用了正確的生成工具鏈

注意：當前路徑下有同名tmf文件，系統默認使用第一個工具鏈；

9、APP打開該模型

10、Deploy部署到目標機

編譯成功（勾選LIB_Robot）

11、RUN 鍵使能，目標程序運行

點RUN，彈出DOS窗口

如果不確定，可以點Get Run Info 獲取PID(進程號)

如圖，目標機程序的ID = 4815；

12、模型聯接目標機

點擊Connect to target,

右下角看連接操作進度.

連接成功狀態：Run鍵由灰變亮，右下角T=0,0%等待開始；

13、RUN開始仿真

由于目標機程序執行./ModelName -w,是等待模式，所以在模型連接目標機成功后再點擊RUN，模型才開是仿真。

點RUN，可以看到右下角的時間，和進度條 顯示仿真進度；

DOS窗口顯示目標機程序執行打印信息，默認為周期執行超出時間(給個周期超出才打印)

14、由于系統設置的時間15s,所以仿真自行結束；

點Get Run Info 可知目標機程序以結束；此時可點RUN，重復步驟4~6進行仿真；

注意：這里設的仿真時間，只是按所設solver情況下的時間；如果發生超時，仿真時間并不等于15s,即并不表示實際執行實際。執行過程中，或時間設置了inf,可點擊Stop停止仿真

3）機器人控制器運行時工具：

基于實時Linux環境，支持各類機器人研發相關軟件包的便利集成，如ROS相關軟件包、OpenCV/Halcon等視覺軟件包及TensorFlow人工智能應用框架軟件包的移植；

機器人控制器基于實時Linux系統，可以安裝ROS相關軟件包、OpenCV/Halcon等視覺軟件包及TensorFlow人工智能應用框架軟件包的移植。

△3、教學資源：

1）機器人教學課程實驗指導書：不少于16次課程，課程內容需涵蓋機器人系統認識、DH建模、正逆運動學、關節空間規劃、笛卡爾空間規劃、雅克比矩陣、動力學辨識、機器人動力學前饋控制、拖動示教、基于末端力傳感器的導納控制、機器人視覺相機標定、機器人圖像坐標系到世界坐標系的變換、機器人視覺手眼標定、機器人視覺引導抓取等實驗內容，指導書包括實驗目的、實驗設備、實驗原理、實驗步驟等內容。

提供88學時實驗內容，包括22次課程內容，設計機器人基礎和高級兩本實驗指導書

基礎課程如下：

高級課程如下：

2）實驗PPT：提供與機器人教學課程實驗指導書配套的課件內容；

3）實驗程序：提供與機器人教學課程實驗指導書相對應的實驗程序。實驗程序采用Matlab/Simulink，實驗包括虛擬仿真和機器人在線控制。前者提供機器人仿真模型，進行算法開發與驗證。后者支持代碼快速生成與一鍵部署，可以在線控制工業機械臂進行課程實驗。

提供相關指導書和對應實驗程序，包括基礎理論建模、離線仿真試驗，以及半實物仿真試驗。

△4、開放式機器人對弈軟件

總體功能：

支持用戶可參與的開放式及模塊式軟件，實現棋盤建模、棋子識別、機器人離線編程、棋類AI等功能的構建及升級。計算機對弈,簡單的講就是計算機模擬人類思維下棋，所以計算機對弈也是人工智能的一部分，是現代智能化研究水平的集中體現。

4.1、運行環境：

Linux操作系統由眾多微內核組成，其源代碼完全開源。Linux繼承了Unix的特性，具有非常強大的網絡功能，其支持所有的因特網協議，包括TCP/IPv4、 TCP/IPv6和鏈路層拓撲程序等，且可以利用Unix的網絡特性開發出新的協議棧。Linux系統工具鏈完整，簡單操作就可以配置出合適的開發環境，可以簡化開發過程，減少開發中仿真工具的障礙，使系統具有較強的移植性。支持各類機器人研發相關軟件包的便利集成，如ROS相關軟件包、OpenCV/Halcon等視覺軟件包及TensorFlow人工智能應用框架軟件包的移植。

Linux系統界面

4.2、軟件功能

1）視覺識別功能：支持棋盤位置和棋子的動態識別，為機器人棋子拾取提供位置信息；基于棋盤背景圖像實現棋盤角點粗定位；按序掃描棋盤角點，利用基于HSV空間的角點鄰域圖像判定角點處是否存在棋子及棋子的顏色類別。

2）棋類AI功能：支持與開源棋類軟件進行配合，實現自動下棋；結合棋子偏好因子，對根節點所產生局面的估值進行調整，分析棋子偏好因子對于博弈走法決策的影響；結合博弈風格因子，對根節點所產生局面的估值進行調整，通過調整博弈風格因子大小使得博弈程序具有激進、適中及穩健型風格。

3） 機器人接口功能： 支持與機器人控制系統間的通信，調度機器人執行拾取操作。支持通信方式： EtherCAT，TCP/IP， UDP。

1） 下棋決策

決策方式是受到 [sunfish]啟發，撰寫的純python的對弈引擎， 整個對弈引擎核心代碼簡潔高效,子力價值表直接的參考了 [象眼]mtd search部分的代碼。

由于其代碼簡潔高效，可以很方便的進行各種實驗，并且開放用戶對算法進行優化. 如果在優化后想要評估和目前版本的棋力差別，支持使用test.py中的self_arena來將用戶代碼和elephantfish進行對弈。

決策采用常見的幾種方式：

a.使用簡單而高效的 MTD 二分搜索算法

b.使用眾所周知的現代象棋引擎trick 比如空著裁剪.

c.通過簡單的子力價值表進行局面評估.

d.使用python標準數據結構. 

2） 視覺處理

視覺處理部分支持棋子的分類識別、判斷棋子位置、生成棋局態勢，并將棋盤信息通過TCP/IP協議發送至決策端。

采用工業相機讀取棋盤信息，將拍攝到的圖片利用opencv進行圖像處理（調節亮度、對比度等）。利用霍夫變換檢測圓，將所有的棋子提取出來，并將每個棋子進行360度旋轉，每次旋轉間隔1度，從而生成深度學習所用的數據集。通過Efficientnet深度學習算法實現對棋子的分類識別，將棋盤按照棋盤格劃分為9*10的子圖片，將提取的子圖片進行分類識別，并返回識別結果，生成棋盤信息并存入緩存中。

棋盤識別過程

將本次采集的棋盤信息與上一次的棋盤信息做異或處理，并生成棋盤態勢。采用TCP/IP通信協議與決策系統通信，將棋盤信息發送給決策端。視覺處理流程如下所示。