模糊控制用于机器人避障

北京工业大学结课论文课题名称：基于模糊控制的机器人避障姓名：崔鑫元12521121唐堂12521130成绩：引言-1-智能小车是移动机器人的一种，可通过计算机编程来实现其对行驶方向、启停以及速度的控制。要想让智能小车在行驶过程中能成功地避开障碍物，必须对其进行路径规划⋯，路径规划的任务是为小车规划一条从起始点到目标点的无碰路径。路径规划方法有：BP人工神经网络法（BackPropagation）、机器学习（ReinforcementLearning）、以及模糊控制（FuzzyControl）方法等。模糊技术具有人类智能的模糊性和推理能力，在路径规划中，模糊推理的应用主要体现在基于行为的导航方式上，即将机器人的运动过程分解为避障、边界跟踪、调速、目标制导等基本行为，各基本行为的激活由不同的机构分别控制，机器人的最终操作由高层控制机构对基本行为进行平衡后作出综合反应。模糊控制方法将信息获取和模糊推理过程有机结合，其优点在于不依赖机器人的动力学、运动学模型，系统控制融入了人类经验，同时计算量小，构成方法较为简单，节省系统资源，实时性。本文探讨了模糊控制技术在避障路径规划中的应用，并对其进行了仿真设计。摘要基于MATLAB的仿真结果表明模糊逻辑推理方法在智能小车的导航控制中具有良好的效果。目录-2-引言，摘要……………………………………………………………………11.模糊控制技术基本理………………………………………………32模糊控制器设计…………………………………………………………43.避障算法设计…………………………………………………………64仿真实验……………………………………………………145.实验截图………………………………………………………………176.结论……………………………………………………………197.实验心得……………………………………………………………208.参考文献…………………………………………………………22-3-1模糊控制技术基本原理环境中存在障碍物时，路径规划控制系统具有高度不确定性，是一个多输入多输出(MIMO)系统。对于这种具有高度不确定性的MIMO系统，传统的控制方法不能达到很好的控制效果。模糊推理控制方法将人类的驾驶经验融入系统控制之中，因此可以较好地满足系统自适应性、鲁棒性和实时性的要求。模糊控制方式借助模糊数学这一工具通过推理来实现控制。模糊逻辑模拟了人类思维的模糊性，它采用与人类语言相近的语言变量进行推理，因此借助这一工具可将人类的控制经验融人系统控制之中，使得系统可以像有经验的操作者一样去控制复杂、激励不明的系统。总的说来模糊控制具有以下特点：1)不依赖于被控对象的精确数学模型，易于对不确定性系统进行控制；2)易于控制、易于掌握的较理想非线性控制器，是一种语言控制器；3)抗干扰能力强，响应速磨陕，并对系统参数的变化有较强的鲁棒性。模糊控制器的基本结构由模糊输入接口、模糊推理以及模糊输出接口三个模块组成。模糊输入接口的主要功能是实现精确量的模糊化，即把物理量的精确值转换成语言变量值。语言变量的分档根据实际情况而定，一般分为3—7档，档数越多，控制精度越高，计算量也越大。模糊推理决策机构的主要功能是模仿人的思维特征，根据总结人工控制策略取得的语言控制规则进行模糊推理，并决策出模糊输出控制量。模糊输出接口的主要功能是把输出模糊量转化为精确量，施于被控对象。2模糊控制器设计-4-模糊控制系统结构如图2.1所示，其与传统控制系统最大的区别在于采用了模糊控制器（图2.2）。图2.1模糊系统结构图模糊控制器主要有模糊化、知识库、模糊推理和清晰化这四部分组成。首先把输入的精确量转换成模糊量。知识库包含了具体应用领域的知识和要求的控制目标和规则等，由数据库和模糊规则库两部分组成。模糊推理是模糊控制器的核心，它具有模拟人的模糊概念推理能力，输入量经由模糊推理得到模糊量控制量；再经过解模糊变换为用于实际控制的清晰量，作用于被控对象。智能机器人模糊控制器设计的主要目标是：当红外传感器探测到障碍物或者目标时，模糊控制器根据探测到的信息，确定智能机器人的位置、距离、方位，然后控制智能机器人避开障碍物，按预定的路径和方位行走。1)确定系统的输入、输出-5-设置模糊控制器的输入变量为X1、X2,X3和X4，输出Y。其中：X1、X2,X3分别表示智能机器人距离障碍物右方、左方和前方的距离；X4表示智能机器人运动方向与目标中心连线的目标定位；Y表示智能机器人的转动角。当目标在智能机器人右前方时，目标定位X4为正，否则x4为负；当智能机器人转向右时，转向角Y定义为正，当转向左时，Y定义为负。以上输入变量均由红外传感器的状态数据所确定，经过模糊控制器的模糊化处理和模糊推理后，输出动作行为结果，该动作行为结果的执行是由子控制系统(电机控制器)执行，最终的执行者为电机。2)定义模糊控制集合在距离描述上采用如下模糊集合：{Near，Far}={“近”，“远”}，论域范围为(O～6m)；目标定位变量X4的模糊语言描述为{LB，LS，Z，RS，RB}={‘‘左大”，“左小”，“零”，“右小”，“右大”}，论域范围为(一1800，1800)；输出变量Y的模糊语言描述为{TLB，TLS，TZ，TRs，TRB}={“左大”，“左小”，“零”，“右小”，“右大”}，论域范围为(一300，300)。3)建立模糊控制规则库智能机器人在远离障碍或不存在障碍物环境下，依据不同的智能机器人轨迹和目标方位，可以先建立5条导航规则(1～5)。这几条规则控制智能机器人转向目标位置：1：ifX1isFARandX2isFARandX3isFARandX4isLBthenYisTLB：2：ifXlisFARandX2isFARandX3isFARandX4isLSthenYisTLS；3：ffX1isFARandX2isFARandX3isFARandX4isZthenYisTZ；4：ifX1isFARandX2isFARandX3isFARandX4isRSthenYisTRS；5：ifXlisFARandX2isFARandX3isFARandX4isRBthenYisTRB：当探测到障碍物接近智能机器人时，小车应改变运动轨迹，以避免碰撞。依据驾驶操作经验，可得到智能机器人避障的控制规则，基于篇幅所限，这里只列出其中的5条：6：ifX1isFARandX2isNEARandX3isFARandX4isLBthenYisTZ；7．uX1isFARandX2isNEARand．X3isFARandX4isLSthenYisTZ；8：ifX1isFARandX2isNEARandX3isFARandX4isZthenYisTZ；-6-9：ifX1isFARandX2isNEARandX3isFARandX4isRSthenYisTI10：ifXlisFARandX2isNEARandX3isFARandX4isRBthenYisTRB；以上共同构成了小车的动作行为控制规则。小车转动的基本规则是，当探测到小车左(右)和前方出现障碍物时，小车应及时转向右(左)方向，并依据目标方位决定转动角的大小。4)模糊推理及反模糊化处理模糊控制器先将红外传感器给出的距离信息进行模糊化，后存储模糊逻辑状态，再依据模糊逻辑状态判断各个方向上障碍物的状态，然后将各个方向上障碍物的状态数据进行融合，得到障碍物的状态结果。最终依据这个结果查询避障动作行为。反模糊化采用预先定制机器人动作行为对应速度的方式实现。模糊控制器根据设定规则得到动作行为编码，该编码实际上也代表了一个模糊动作行为，其动作行为的执行由电机控制器控制电机完成。电机控制器接收到动作行为编码后，首先解释该代码的意义，接着将相应的电机速度值取出送至存储单元，以改变电机的运行速度，从而改变机器人的动作行为。对应不同的动作行为，左、右驱动电机的速度会有不同，必须预先计算速度值做成查询表。3.避障算法设计3.1参考坐标系建立被控对象和行驶环境的二维参考坐标系（图2.3），为计算方便，假设车轮与地面无滑动，能绕其质心转向。xoy为固定的全局坐标系，设定目标点坐标为（XG,YG）,在任一时刻，小车位置为（x(t),y(t)）,航向为，步长为step，当前航向与小车质心到目标连线的的夹角为tg，转向角为sa。-7-图2.3参考坐标系3.2传感器选择和应用移动机器人要获得自主行为，就需要有能感知周围环境信息的能力，其主要是通过传感器来实现的。常用于避障机器人的传感器有超声波传感器，红外传感器，激光传感器，CCD视觉传感器等。其中，超声波传感器具有技术成熟，成本低，接口容易实现等优点，成为避障机器人的首选[11]。图2.4超声波传感器原理图虽然超声波传感器有众多优点，但也存在一定的不稳定性，超声传感器的幻影现象。产生这种现象的原因是，超声传感器发出的超声波信号是具有一定方向性的波束，当传感器与障碍物形成较大角度时，会发生镜面反射，从而产生幻影，如图2.5所示。为了解决这种现象所带来的误差，本设计使用多个传感器来补偿，抵消幻影现象带来的误差。障碍物OYXT时刻位置（x(t),y(t)）t+1时刻位置(x(n+1),y(n+1))目标点（XG,YG）steptggt控制器调节器计时器振荡器接收检测换能器障碍物-8-图2.5幻影现象示意图图2.6机器人基本结构如图2.6,机器人前方成扇形排分布三组超声波传感器，分别用于探测左侧，前方和右侧的的障碍物，有效距离为0.3至10米。每组传感器由两支三只超声波传感器组成，分别取测得最小数值作为该方向上障碍物的距离。同时，为了保证机器人的运动有方向性，在机器人中心有一只方位传感器，测量范围是（-180°，180°）。用于获得机器人航向与目标到机器人连线的夹角，引导机器人向目标点运动。3.3算法说明小车自起始点出发之前，程序判断出发点和终点是否在随机生成四组传感器开始工作，探测环境信息。若超声波传感器未探测到障碍物信息或探测到的障碍物距离较远时，则根据方位传感器探测到的机器人航向和目标到机器人连线的夹角tg进行转向，控制机器人向目标点移动。运动过程中，若超声波探测到有较近距离的障碍物时，则根据障碍物相对机器人的方位和目标点方位进行转向控制，避开障碍物；障碍物距离越近，则转向角sa越大，以免发生碰撞。躲开障碍物后，继续根据方位探测器测得夹角tg控制机器人向目标点移动。算法流程如图2.7。前方传感器右侧传感器前轮左侧传感器方位传感器传感器障碍物障碍物幻影-9-图2.7算法流程图3.4模糊控制器的设计3.4.1输入输出量的选取模糊控制器的输入输出语言变量的选取应该尽量的简单，又要考虑机器人行驶和避让障碍物的实际情况，较好的反应机器人避障的过程[12]。因此，我们选取超声传感器及方位传感器采集的外部环境信息作为模糊控制器的输入，模糊控制器的输出则是机器人的方向控制。根据上节介绍，将九只超声波传感器分为三组（前方，左侧，右侧各三只），每组取其最小距离信号作为该方向的输入，dr为右侧障碍物距离，dc为前方障碍物距离，dl为左侧障碍物距离；方位传感器则测得航向与目标点到机器人连线的夹角，为tg。因此模糊控制器输入变量为四个，分别是：dr，dc，dl和tg；模糊控制器的输出变量有一个，即机器人转向角sa。开始根据超声传感器探测信息判断是否有障碍物根据障碍物方位和目标点方位躲避进行避障Y根据方位传感器探测的方位角tg向目标点移动N判断是否到终点结束YN-10-3.4.2输入输出量的模糊语言描述及模糊分割模糊语言的确定包括由语法规则生成适当的模糊语言值，根据语义规则确定语言值的隶属度函数以及确定语言变量的论域等。这里使用连续型论域，采用简单线性化处理方法，对个输入量进行模糊语言描述，如下：距离输入变量：d={近，远}={near，far}；目标方位输入变量：tg={左大，左中，左小，前，右小，右中，右大}={lb，lm，ls，zo，rs，rm，rb}；输出转向角变量：sa={左转，左中转，左稍转，直走，右稍转，右中转