根據移動機器人工作環境的不確定性，本文設計了雙模糊協調控制器，把機器人的行為分成接近目標行為和中途避障行為，并對兩種行為進行協調，達到對機器人下一步行動進行控制的目的，仿真實驗結果驗證了本文所提方法的有效性和可行性
1 引言
移動機器人的路徑規劃是機器人應用中的一項重要技術,例如,在執行裝配、焊接及搶險救災等任務時,采用良好的機器人路徑規劃技術可以節省大量機器人作業時間、減少機器人磨損,同時也可以節約人力資源,減小資金投入,為機器人在多種行業中的應用奠定良好的基礎。機器人的路徑規劃問題是現代機器人控制領域內的一個焦點問題，機器人在移動過程中常會處在無法事先預知的變化環境，目前許多的研究采用基于傳感器的局部路徑規劃來實現移動機器人在動態未知環境中導航與避障。具體方法有: 人工勢場法、柵格法、模糊邏輯法等。人工勢場法把移動機器人在環境中的運動視為一種在抽象的人造受力場中的運動,目標點對移動機器人產生“引力”,障礙物對移動機器人產生“斥力”,最后通過求合力來控制移動機器人的運動。但是,由于人工勢場法把所有信息壓縮為單個合力,這樣就存在把有關障礙物分布的有價值的信息拋棄的缺陷,且易陷入局部最小值。柵格法將機器人的工作空間劃分為多個簡單的區域,一般稱為柵格。由這些柵格構成了一個連通圖,在這個連通圖上搜索一條從起始柵格到目標柵格的路徑,這條路徑是用柵格的序號來表示的。近年來國內外許多學者對柵格表示法進行了大量的研究工作,但對于在密集障礙物環境中如何提高移動機器人通過性的問題尚未解決。模糊邏輯法是在線規劃中通常采用的一種規劃方法,包括建模和局部規劃。該方法在環境未知或發生變化的情況下,能夠快速而準確地規劃機器人路徑,對于要求有較少路徑規劃時間的機器人是一種很好導航方法。但是,其缺點是當障礙物的數目增加時,該方法的計算量會很大,影響規劃結果。本文在文獻[1]所提出的滾動優化方法基礎上,運用雙模糊協調控制模糊邏輯推理來研究動態不確定環境下自主移動機器人的路徑規劃,解決了自主移動機器人導航和避障問題,較好地實現了不確定環境下移動機器人的實時滾動路徑規劃和控制。
2 帶雙模糊協調控制的控制原理和結構
為簡化問題,設在任何時刻機器人都能準確知道自己現在的位置和目標位置,并能根據所裝載的超聲傳感器獲取機器人前方距離信息，并且可以全方位移動。 自主移動機器人如右圖1 所示
其中方向傳感器可以測定機器人正前方與目標點的夾角θ，針對實驗參考系統結構模型,我們在機器人模型小車前放置9個超聲傳感器,按左、前、右3個方向分成3組,每組3個, 每組傳感器安排在600范圍內，用來測量障礙物的距離。每組都用取最小值的方法來選擇數據作為該方向上的障礙物信息,這是最簡單的數據融合方法。在滾動的每一步,定義以機器人當前位置為中心、Ｒ為半徑的前方半圓形區域為優化窗口。機器人以當前點為起點,采用模糊邏輯推理確定該窗口區域的局部目標,機器人沿此路徑運動,直到下一周期。2．2 模糊控制器的設計
機器人通過傳感器系統搜集障礙物的位置和速度信息,并對得到的信息進行數據融合,以減少傳感器的信息誤差所造成的不確定性, 上述由傳感器得到的數據是進行數據融合后的結果,在滾動窗口內,局部目標的確定很大程度上決定移動機器人路徑規劃的優劣。通過觀察駕駛員的工作過程可以發現,駕駛員避碰動作并不是根據對環境信息的精確計算來完成的,而是根據環境比較模糊的信息,靠經驗來決策采取什么樣的操作。因此,我們可以參考人的駕駛經驗,利用模糊數學的理論解決移動機器人局部目標點問題。本文將機器人的動作看作為兩種行為:接近目標行為及在此進程中所穿插的對障礙物的避障行為。采用模糊控制來實現機器人的實時路徑規劃。
⑴輸入輸出變量的模糊化
機器人到左側障礙、右側障礙和前方障礙的距離用模糊語言變量DL、DF、DR表示,機器人前方與目標點的夾角為θ。DL、DF、DR的模糊子集確定為{close, med, far}分別表示近、中和遠,根據變換公式: ｙ=4ｘ/(ｂ-ａ) 可將超聲傳感器距離作用范圍 〔ａ,ｂ〕轉換成為〔1,5〕區間內,這里ａ=0.5ｍ, ｂ=2.5ｍ。設定DL 、DF 、DR的論域為{1,2,3,4,5}，定義隸屬度如圖2 所示。根據機器人與目標點的關系,當目標點位于移動機器人右側, 令θ為正; 當目標點位于移動機器人左側,令θ為負。θ的模糊子集確定為 {n, z, p} 分別表示負、零、正。根據同樣變換公式變換后,θ的論域為〔-2,2〕區間內,其中ａ=-π/2, ｂ=π/2,其隸屬度見圖3。
移動機器人到達下一局部目標速度和角度分別用模糊語言變量Ｖ、Φ表示。Ｖ的模糊子集確定為{slow, med, fast}分別表示慢、中和快。根據變換公式可將作用范圍{ａ,ｂ}轉換成〔1,5〕區間內,其中ａ=0ｍ/ｓ,ｂ=1ｍ/ｓ。設定Ｖ的論域為{1,2,3,4,5}，其隸屬度見圖4。Φ的模糊子集確定為 {n, z, p}根據變換公式可將作用范圍〔ａ,ｂ〕轉換成〔-2,2〕區間內,其中ａ=-π/2, ｂ=π/2 。設定Φ的論域為〔-2, 2〕，其隸屬度見圖5。
⑵ 建立模糊控制規則
第I個模糊子控制器稱為避碰行為控制器，以障礙物與機器人的距離為輸入變量,以移動機器人到達下一局部目標速度V和下一步的角度Φ為輸出變量。 通過建立被控對象的模糊模型來實現-----即用建立模糊控制規則一樣的“if-then ”形式來描述被控對象的動態特性。模糊規則如下:
1. if DL is close and DF is close and DR is close then V is slow and Φ=p
2. if DL is med and DF is close and DR is close then V is slow and Φ= n
3. if DL is far and DF is med and DR is far then V is med andΦ= z
4. if DL is far and DF is far and DR is close then V is med andΦ= n
5. if DL is close and DF is far and DR is far then V is med and Φ= p
6. if DL is far and DF is far and DR is far then V is fast and Φ= z
同理第Ⅱ個模糊子控制器稱為接近目標行為控制器，以轉向角、機器人到目標點之間的距離為輸入變量,同樣以移動機器人到達下一局部目標速度V和下一步的角度Φ為輸出變量。
⑶.精確化計算
由模糊控制推理得出的模糊輸出是一個模糊子集,它無法對機器人直接作用,必須精確化計算得出最具代表性的確定值作為系統的控制輸出。采用重心法進行計算，可得到精確的移動機器人的速度控制量和角度控制量。
2．3 模糊協調器
上面兩個模糊子控制器的輸出變量都是機器人下一步行動的期望速度和轉角。可實際運行時,必須根據機器人所處的環境,在兩個模糊子控制器中的行動決策進行融合出一個輸出給控制器執行。根據實際情況，當機器人接近障礙物時，機器人的主要任務是避障，第I個模糊子控制器的控制作用強，而第Ⅱ個模糊控制器的控制作用弱。當機器人遠離障礙物時機器人的主要任務變為接近目標行為，第Ⅱ個模糊子控制器起主要作用，而第I個模糊控制器的控制作用弱。因此本文提出用一個協調器來調節兩個模糊控制器各自輸出的權值, 取μI =β，μⅡ=1-β。則系統的控制量為V=βV I +（1-β）VⅡ。β可以取為機器人與前方障礙物的距離的倒數。角度Φ的計算也同理可得。
3．仿真結果
運用上述原理, 進行了仿真實驗,如圖6所示, 機器人起點Ｓ(0, 0), 方向垂直向上,終點Ｇ(0, 20),障礙物形狀規則。最后的仿真結果表明移動機器人能安全避開障礙物，從起點出發成功地移動到終點。仿真實驗結果驗證了本文所提方法的有效性和可行性。
參考文獻：
[1] 席裕庚 動態不確定環境下廣義控制問題的預測控制 中國自動化學會第七次理論研討會 北京,1997
[2] 諸靜 模糊控制原理及應用北京:機械工業出版社,1995
[3] 韋巍 智能控制技術 北京:機械工業出版社,2001
[4] Lee, P. S. and Wang, L. L., Collision avoidance by fuzzy logic control for automated guided vehicle navigation. J. Robotic Systems.1994.11(8),743-760
[5] 馮東青、謝宋和等 模糊智能控制 化學工業出版社,1998
[6] 張純剛 基于滾動窗口的移動機器人路徑規劃系統工程與電子技術
2002，24（6）63-65
[7] 尚游等 下機器人分層運動規劃技術 中南工業大學學報 1998，（29），105-108
[8] L EE L ,WU J u. Fuzzy motion planning of mobile robots in unknown environments[J ] . Journal of Intelligent and Robotic Systems ,
2003 ,37 :177 - 191.
今日頭條
官方微信
官方抖音
案例頻道
北京市公安局海淀分局備案號：11010802023656號