基于模糊控制的機(jī)器人避障障研究

熊長(zhǎng)煒 陳彥勤 梅陽(yáng)寒

摘 要：本文通過使用多傳感器采集機(jī)器人周圍環(huán)境信息并進(jìn)行對(duì)信息進(jìn)行了融合處理，確定了控制系統(tǒng)的輸入輸出，根據(jù)模糊推理將信息模糊化處理，設(shè)計(jì)了模糊控制器，以已達(dá)到對(duì)機(jī)器人的合理避障控制。通過Matlab軟件進(jìn)行了仿真，得到連續(xù)平滑且穩(wěn)定的機(jī)器人運(yùn)動(dòng)路徑，表明了設(shè)計(jì)的可行性。

關(guān)鍵詞：機(jī)器人；避障；信息融合；模糊控制

DOI：10.16640/j.cnki.37-1222/t.2019.07.121

1 引言

機(jī)器人是通過各種傳感器獲取周圍環(huán)境信息以及自身的狀態(tài)，然后對(duì)各種環(huán)境狀態(tài)數(shù)據(jù)進(jìn)行分析、判斷和做出相應(yīng)的決策，設(shè)計(jì)出相應(yīng)的自身運(yùn)動(dòng)參數(shù)，控制機(jī)器人向目的地自主運(yùn)動(dòng)。機(jī)器人獲得周圍環(huán)境的信息很多，需要將大量信息進(jìn)行融合，減少計(jì)算量，提高運(yùn)動(dòng)控制時(shí)效性。近些年來，卡爾曼濾波、貝葉斯理論、人工神經(jīng)網(wǎng)絡(luò)和模糊集合理論等人工智能方法都應(yīng)用于多傳感器信息融合技術(shù)[1]。本文中機(jī)器人通過超聲波傳感器獲得信息，采用模糊控制進(jìn)行信息融合算法，經(jīng)過模糊推理控制機(jī)器人在位置環(huán)境下避開障礙物，經(jīng)MATLAB仿真實(shí)驗(yàn)，驗(yàn)證了算法的合理性和時(shí)效性。

2 信息融合算法設(shè)計(jì)

為使機(jī)器人在移動(dòng)中能夠快速和準(zhǔn)確地避開障礙物，需要機(jī)器人獲得障礙物的距離、位置和形狀信息。機(jī)器人上安裝超聲波傳感器和CCD攝像機(jī)，并利用超聲波傳感器探測(cè)的距離信息[2]和CCD云臺(tái)攝像機(jī)獲得的視覺信息能夠獲得機(jī)器人移動(dòng)中所需的外部環(huán)境信息。本文采用的移動(dòng)機(jī)器人避障控制模型如圖1所示。

機(jī)器人在行走過程中能夠根據(jù)外部超聲波傳感器的信息和其自身的運(yùn)動(dòng)狀態(tài)來修正運(yùn)動(dòng)位姿，并進(jìn)行運(yùn)動(dòng)參數(shù)或狀態(tài)的改變進(jìn)而改變運(yùn)動(dòng)的速度和角度，完成避障的功能。

2.1 輸入與輸出量

在模糊神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(jì)當(dāng)中，重要的是控制算法的設(shè)計(jì)?；诳刂埔螅卷?xiàng)目設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)控制器有5個(gè)輸入和2個(gè)輸出?？刂破髟O(shè)定的5個(gè)輸入量為dl、dc、dr、emin和Φ，（dl、dc、dr和emin的意義見傳感器的數(shù)據(jù)分組與預(yù)處理）。2個(gè)輸出為左輪的速度L-V和右輪的速度R-V；Φ表示機(jī)器人的目標(biāo)角度，當(dāng)機(jī)器人轉(zhuǎn)向?yàn)橛視r(shí)，定義為正；當(dāng)機(jī)器人轉(zhuǎn)向?yàn)樽髸r(shí)，則定義為負(fù)。

2.2 傳感器的數(shù)據(jù)分組與預(yù)處理

采用多傳感器來可以更多地獲取機(jī)器人環(huán)境信息，將大量信息融合技術(shù)具有許多優(yōu)點(diǎn)。但是，采用多傳感器信息融合技術(shù)時(shí)，如果不進(jìn)行一定的限制，將會(huì)大大增加機(jī)器人的計(jì)算工作量，降低了移動(dòng)機(jī)器人運(yùn)動(dòng)控制的實(shí)時(shí)性。為減少數(shù)據(jù)的計(jì)算量，在具體問題中，往往不是對(duì)所有的傳感器信息進(jìn)行融合，而是采用傳感器分組的方法，這樣可以減少融合過程中的計(jì)算量。為了有效地融合來源于多傳感器的信息，本文采用不同的方法對(duì)來源于超聲波傳感器和CCD攝像機(jī)的原始信息進(jìn)行預(yù)處理。對(duì)超聲波傳感器的信息，采取對(duì)傳感器數(shù)據(jù)進(jìn)行分組的方法；根據(jù)超聲波傳感器的測(cè)量數(shù)據(jù)，可以得到5個(gè)探測(cè)數(shù)據(jù)，將這5個(gè)數(shù)據(jù)分為三組，令dl（d1，d2）為左側(cè)超聲波傳感器，dr（d4，d5）為右側(cè)超聲波傳感器，dc（d2）中軸線如圖2所示中間前方超聲波傳感器。

對(duì)CCD攝像機(jī)采集的視覺信息進(jìn)行如下處理：用圖像灰度化、平滑、二值化等圖像預(yù)處理以及基于梯形域的自底向上的檢測(cè)方法得到物體的左右邊緣在圖像坐標(biāo)系中成像對(duì)應(yīng)的坐標(biāo)信息el、er；然后將el、er中距離圖像水平方向上中軸線更近的量的值賦給emin，再根據(jù)計(jì)算機(jī)圖像坐標(biāo)系與車體坐標(biāo)系之間的轉(zhuǎn)換公式，求出emin所對(duì)應(yīng)的車體坐標(biāo)系下X軸的坐標(biāo)值，這樣就可以得到障礙物的左右邊緣在車體坐標(biāo)系中距離車體中軸線最近的邊緣所對(duì)應(yīng)的X軸坐標(biāo).相應(yīng)的，可得到障礙物左、右邊緣距離移動(dòng)機(jī)器人中軸線最近邊緣的距離emin，如圖3所示。

2.3 模糊控制規(guī)則

根據(jù)模糊控制原理，將超聲波傳感器和CCD傳感器的采集到信息作為模糊控制器的輸入，由于傳感器數(shù)量較多，輸入信息的維數(shù)增加，模糊控制規(guī)則也會(huì)成倍地增加，運(yùn)算時(shí)間就會(huì)變長(zhǎng)，影響了控制器的實(shí)時(shí)性。因此對(duì)輸入的傳感器信息進(jìn)行分組處理，獲得數(shù)量較少而且最有效的信息作為輸入信息。此模糊控制器是多輸入多輸出系統(tǒng)，機(jī)器人前方180°范圍內(nèi)的左前方、右前方、正前方超聲波傳感器獲得障礙物距離和障礙物到機(jī)器人中軸線最近距離及目的地的方位角作為輸入信息，機(jī)器人的左右輪的速度作為控制器的輸出。

我們?cè)贛atlab的里面設(shè)定了機(jī)器人的開始位置、目標(biāo)位置和隨機(jī)設(shè)置的障礙物，通過以機(jī)器人與目標(biāo)位置為目標(biāo)角度，計(jì)算獲得障礙物的角度；當(dāng)障礙物角度>目標(biāo)角度時(shí)，定義為障礙物在機(jī)器人的右方；當(dāng)障礙物角度<目標(biāo)角度時(shí)，定義為障礙物在機(jī)器人的左方；當(dāng)障礙物在目標(biāo)點(diǎn)左側(cè)較遠(yuǎn)時(shí)，機(jī)器人不轉(zhuǎn)變運(yùn)動(dòng)方向；當(dāng)障礙物在目標(biāo)點(diǎn)右側(cè)較遠(yuǎn)時(shí)，機(jī)器人不轉(zhuǎn)變運(yùn)動(dòng)方向；當(dāng)障礙物在目標(biāo)點(diǎn)左側(cè)較較近時(shí)，機(jī)器人向右轉(zhuǎn)變方向；當(dāng)障礙物在目標(biāo)點(diǎn)右側(cè)較遠(yuǎn)時(shí)，機(jī)器人向左轉(zhuǎn)變方向；當(dāng)障礙物在目標(biāo)點(diǎn)前方較近時(shí)，分析障礙物左右側(cè)距離機(jī)器人的邊緣信息，參照目標(biāo)角度，控制器決策機(jī)器人轉(zhuǎn)動(dòng)方向；當(dāng)障礙物距離機(jī)器人較遠(yuǎn)時(shí)，機(jī)器人以快速行駛；反之，機(jī)器人以中速和慢速行駛。機(jī)器人的轉(zhuǎn)向是通過左右輪速度的改變控制的，同時(shí)速度的變化能夠控制機(jī)器人運(yùn)動(dòng)的時(shí)效性。

2.4 輸入輸出語言描述

根據(jù)模糊控制原理，使用連續(xù)論域?qū)斎胼敵隽窟M(jìn)行模糊化處理。

中間正前方的距離CD（Center distance）的模糊語言變量為{VB，B，M，S，VS}={Very Big， Big， Middle， Small， Very Small}，論域?yàn)閇0，3]，表示0～3m。定義機(jī)器人的安全距離為1 m。

左前方的距離LD（Left distance）的模糊語言變量為{LVB，LB，LM，LS，LVS}={L Very Big， L Big， L Middle， L Small， L Very Small}，論域?yàn)閇0，2]，表示0～2m。定義機(jī)器人運(yùn)動(dòng)的左側(cè)安全距離為0.6m。

右前方的距離RD（Right distance）的模糊語言變量為{RVB，RB，RM，RS，RVS}={R Very Big， R Big， R Middle， R Small， R Very Small}，論域?yàn)閇0，2]，表示0～2m。定義機(jī)器人運(yùn)動(dòng)的右安全距離為0.6m。

機(jī)器人的障礙物角度Φ的模糊語言變量為{N，Z，P}={Negative， Zero， Positive}，論域?yàn)閇-60，+60]，表示左右60°角。當(dāng)轉(zhuǎn)動(dòng)障礙物角度Φ在左方的-30°與右方的+30°之間時(shí)為Z（正前方），當(dāng)障礙物角度Φ大于右方+30°且小于+60°時(shí)為P（右），當(dāng)障礙物角度Φ大于右方-60°且小于-30°時(shí)為N（左）。

障礙物左、右邊緣距離機(jī)器人中軸線最近邊緣的距離E的模糊語言變量為{EB，EM，ERS}={E Big， E Middle， E Small}，論域?yàn)閇0，1]，表示0～1m。定義機(jī)器人運(yùn)動(dòng)的右安全距離為0.4m。

機(jī)器人的左輪速度L-V的模糊語言變量為{F，M，L}={Fast， Middle， Slow}，論域?yàn)閇0，0.3]，表示0～0.3m/s。機(jī)器人的右輪速度R-V的模糊語言變量為{F，M，L}={Fast， Middle， Slow}，論域?yàn)閇0，0.3]，表示0～0.3m/s。

各個(gè)輸入輸出變量隸屬函數(shù)如圖4所示。

根據(jù)人類獲取環(huán)境信息和駕駛經(jīng)驗(yàn)，采用了Mamdani型模糊推理制定出模糊控制規(guī)則；采用了IF-THEN條件語言，結(jié)合本文中設(shè)計(jì)共有1125條規(guī)則。

3 仿真實(shí)驗(yàn)及結(jié)論

本文在Matlab軟件中的FuzzyLogic工具箱中建立模糊控制系統(tǒng)，利用Simulink建立仿真模型，利用GUIDE設(shè)計(jì)機(jī)器人仿真界面。設(shè)置了環(huán)境信息、運(yùn)動(dòng)區(qū)域及其障礙物信息，然后進(jìn)行仿真實(shí)驗(yàn)。本文設(shè)置不同形狀的障礙物，擺放位置松散凌亂，可以更好地檢驗(yàn)?zāi)：刂频暮侠硇院陀行浴?/p>

從圖5仿真結(jié)果中可以得出，機(jī)器人避障的路線連續(xù)一致性好而且平滑穩(wěn)定。

本文對(duì)通過多信息傳感器融合處理對(duì)機(jī)器人的避障運(yùn)動(dòng)路線設(shè)計(jì)研究，采用了模糊控制算法對(duì)機(jī)器人進(jìn)行有效的運(yùn)動(dòng)控制，使其在復(fù)雜環(huán)境下能夠安全運(yùn)行。

參考文獻(xiàn)：

[1]馬平，呂鋒，杜海蓮.多傳感器信息融合基本原理及應(yīng)用[J].控制工程，2006，13（09）：48-51.

[2] 陳紹茹，陳奕梅.基于多傳感器信息融合的移動(dòng)機(jī)器人避障[D].傳感器與微系統(tǒng)，2014，33（05）：35-38.

基金項(xiàng)目：2017年?yáng)|莞市社會(huì)科技發(fā)展項(xiàng)目，項(xiàng)目名稱：基于多傳感器信息融合的微型機(jī)器人關(guān)鍵技術(shù)研究；項(xiàng)目編號(hào)：2017507156400。

作者簡(jiǎn)介：熊長(zhǎng)煒（1982-），男，河南信陽(yáng)人，碩士研究生，教師，研究方向：產(chǎn)品數(shù)字化設(shè)計(jì)與制造、機(jī)器視覺技術(shù)和機(jī)電控制技術(shù)。

*為通訊作者