基于改進(jìn)模糊算法的水面無人艇自主避障

林政 呂霞付

摘 要：為了提高水面無人艇（USV）在未知、復(fù)雜環(huán)境下的連續(xù)避障性能，提出一種具有速度反饋的模糊避障算法。USV利用激光掃描雷達(dá)與多路超聲波傳感器感知周圍環(huán)境，通過對(duì)障礙物信息進(jìn)行分組并設(shè)置權(quán)值的方式進(jìn)行多傳感器數(shù)據(jù)融合，并在模糊控制的基礎(chǔ)上根據(jù)環(huán)境情況自動(dòng)調(diào)整航速;進(jìn)而提出一種考慮障礙物所有分布情況的更全面的模糊控制規(guī)則表，增強(qiáng)了USV對(duì)復(fù)雜環(huán)境的適應(yīng)能力。實(shí)驗(yàn)結(jié)果表明，所提方法能通過與環(huán)境交互調(diào)整USV航速使其成功避障并優(yōu)化避障路徑，具有良好的可行性和有效性。

關(guān)鍵詞：水面無人艇;避障;數(shù)據(jù)融合;模糊控制;速度反饋

中圖分類號(hào)：TP273.4

文獻(xiàn)標(biāo)志碼：A

Autonomous obstacle avoidance of unmanned surface vessel based on improved fuzzy algorithm

LIN Zheng*， LYU Xiafu

College of Automation， Chongqing University of Posts and Telecommunications， Chongqing 400065， China

Abstract：

In order to improve the performance of continuous obstacle avoidance ability of Unmanned Surface Vessel （USV） in unknown and complex environment， a fuzzy algorithm of obstacle avoidance with speed feedback was proposed. The USV utilized laser scanning radar and multi-channel ultrasonic sensors to perceive the surroundings and performed multi-sensor data fusion by grouping and setting the weight of the obstacle information， and the speed of USV was automatically adjusted according to the environmental situation based on fuzzy control. Then a more comprehensive fuzzy control rule table considering all the distribution of obstacles was proposed to enhance the adaptability of USV to complex environments. The experimental results show that the algorithm can make the USV successfully avoid obstacles and optimize the obstacle avoidance path by adjusting the speed through interaction with the environment， and has good feasibility and effectiveness.

Key words：

unmanned surface vessel; obstacle avoidance; data fusion; fuzzy control; speed feedback

0 引言

水面無人艇（Unmanned Surface Vessel， USV）是一類為應(yīng)對(duì)各種特殊場(chǎng)景和不適宜有人船只執(zhí)行的任務(wù)而設(shè)計(jì)的水面艦艇[1]。而路徑規(guī)劃作為USV研究領(lǐng)域的一個(gè)核心問題，其水平高低在一定程度上反映了USV的智能化程度[2]。根據(jù)文獻(xiàn)[3-15]的介紹，目前常將其分為兩類：第一類是基于環(huán)境模型的全局路徑規(guī)劃，在已知整體環(huán)境數(shù)據(jù)的情況下，USV根據(jù)相應(yīng)算法規(guī)劃出自身位置到目的地的一條安全路徑;但是在環(huán)境發(fā)生變化時(shí)避障效果不太理想，具體的方法包括柵格法[3]、可視圖法[4]、A*算法[5]等。第二類是根據(jù)傳感器信息進(jìn)行實(shí)時(shí)避障的局部路徑規(guī)劃，USV通過雷達(dá)等傳感裝置感知周圍的環(huán)境信息，來確定當(dāng)前所在水域環(huán)境中附近的障礙物分布情況，并依此進(jìn)行小范圍避障，實(shí)現(xiàn)實(shí)時(shí)避障功能，具體方法包括遺傳算法[6-7]、人工勢(shì)場(chǎng)法[8-9]、神經(jīng)網(wǎng)絡(luò)法[10-11]、模糊邏輯法[12-15]等。在USV航行期間周圍環(huán)境不斷變化，是一個(gè)不可控的系統(tǒng)，難以建立精確的數(shù)學(xué)模型。模糊邏輯法借鑒人的駕駛經(jīng)驗(yàn)，并通過查詢知識(shí)庫(kù)等方式獲取規(guī)劃信息以實(shí)現(xiàn)實(shí)時(shí)避障，計(jì)算量小，可更好地解決此類問題。

本文通過對(duì)障礙物信息進(jìn)行分組并設(shè)置權(quán)值的方式進(jìn)行多傳感器數(shù)據(jù)融合處理，提高了環(huán)境信息的穩(wěn)定性和有效性。在保持模糊控制原有特性的基礎(chǔ)上提出一種具有速度反饋的改進(jìn)模糊控制算法，并創(chuàng)新性地對(duì)USV周圍障礙物分布的所有情況進(jìn)行了模糊避障規(guī)則的總結(jié)。實(shí)驗(yàn)結(jié)果表明，該方法在提高了USV避障性能的同時(shí)實(shí)現(xiàn)了對(duì)其移動(dòng)速度更靈敏和更自主的控制，具有較高的可行性和有效性。

1 無人水面艇系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)結(jié)構(gòu)

如圖1所示，USV的系統(tǒng)結(jié)構(gòu)可分為三層：第一層為感知層，由多路超聲波傳感器和激光掃描雷達(dá)組成，負(fù)責(zé)感知USV周圍環(huán)境中障礙物的距離位置信息;中間為決策層，由一臺(tái)Linux系統(tǒng)的工控機(jī)組成，負(fù)責(zé)處理各傳感器傳輸?shù)臄?shù)據(jù)并下發(fā)運(yùn)動(dòng)控制指令;執(zhí)行層的核心為一塊STM32F407單片機(jī)，負(fù)責(zé)執(zhí)行由決策層下發(fā)的命令，最終利用差速轉(zhuǎn)向原理控制左右電機(jī)實(shí)現(xiàn)USV不同半徑曲道的轉(zhuǎn)彎。

1.2 測(cè)距系統(tǒng)

要實(shí)現(xiàn)USV的實(shí)時(shí)避障，首先需要利用自身傳感器獲取周圍環(huán)境信息，且該信息的準(zhǔn)確性在一定程度上決定了最后實(shí)際避障的效果，故有必要設(shè)計(jì)一種適合本課題平臺(tái)的測(cè)距系統(tǒng)?？紤]到單一傳感器存在檢測(cè)精度低、控制不靈敏等缺點(diǎn)，本文采用激光掃描雷達(dá)和多路超聲波傳感器來采集障礙物位置信息以提高系統(tǒng)的準(zhǔn)確性和可靠性[16]。

無人水面清潔船平臺(tái)寬度為1.2m，長(zhǎng)度為1.6m，單個(gè)超聲波探頭測(cè)距角度為60°。為保證完整采集障礙物信息，將超聲波傳感器按左側(cè)、前左、前中、前右、右側(cè)、后側(cè)6個(gè)方位放置，并使用激光雷達(dá)采集前方180°范圍（前左、前中、前右各占60°）的障礙物信息輔助避障，傳感器布置如圖2所示。

1.3 數(shù)據(jù)處理

為了簡(jiǎn)化數(shù)據(jù)處理過程并提高USV控制的實(shí)時(shí)性和準(zhǔn)確性，有必要對(duì)傳感器進(jìn)行分組。本文將傳感器分為左側(cè)、前左、前中、前右、右側(cè)和后側(cè)六組，對(duì)每組傳感器采集的數(shù)據(jù)進(jìn)行預(yù)處理后分別進(jìn)行融合，從而獲得6個(gè)方向上的障礙物距離信息。傳感器分組情況如表1所示。

超聲波傳感器的測(cè)量范圍為20～250cm，激光雷達(dá)的測(cè)量范圍為30～1000cm。當(dāng)障礙物的距離較近時(shí)，超聲波傳感器的探測(cè)準(zhǔn)確度要高于激光雷達(dá)，故在距離較近時(shí)，以超聲波傳感器的數(shù)據(jù)作為主要探測(cè)結(jié)果，下面給出每組傳感器的融合規(guī)則。

1）左側(cè)、右側(cè)、后側(cè)傳感器組。

左側(cè)、右側(cè)、后側(cè)情況類似，這里以左側(cè)為例：L1、L2、L3超聲波傳感器采集的信息數(shù)據(jù)中較大、居中、較小的數(shù)據(jù)在進(jìn)行融合時(shí)所占權(quán)重比分別為20%、30%、50%，若障礙物距離超出超聲波傳感器的探測(cè)范圍，則忽略傳感器探測(cè)結(jié)果。

2）前左、前右傳感器組。

前左、前右情況類似，以前左為例：若障礙物距離在超聲波傳感器探測(cè)范圍內(nèi)，則FL超聲波傳感器和激光雷達(dá)L方向采集的數(shù)據(jù)融合時(shí)所占權(quán)重比分別為70%、30%;若障礙物距離超出超聲波傳感器探測(cè)范圍而在激光雷達(dá)探測(cè)范圍內(nèi)，則以激光雷達(dá)L方向探測(cè)數(shù)據(jù)為探測(cè)結(jié)果。若障礙物距離超出激光雷達(dá)的探測(cè)范圍，則忽略傳感器探測(cè)結(jié)果。

3）前中傳感器組。

若障礙物距離在超聲波傳感器探測(cè)范圍內(nèi)，則FM1、FM2、FM3超聲波傳感器采集的信息數(shù)據(jù)中較大、居中、較小的數(shù)據(jù)和激光雷達(dá)M方向采集的信息數(shù)據(jù)在進(jìn)行融合時(shí)所占權(quán)重比分別為10%、20%、40%、30%;若障礙物距離超出超聲波傳感器探測(cè)范圍而在激光雷達(dá)探測(cè)范圍內(nèi)，則以激光雷達(dá)M方向探測(cè)數(shù)據(jù)為探測(cè)結(jié)果。若障礙物距離超出激光雷達(dá)的探測(cè)范圍，則忽略傳感器探測(cè)結(jié)果。

各傳感器組采集的信息數(shù)據(jù)在進(jìn)行初步融合時(shí)采用加權(quán)平均法進(jìn)行數(shù)據(jù)融合，下面以前中傳感器組采用加權(quán)平均法進(jìn)行數(shù)據(jù)融合為例，說明通過將以上的融合規(guī)則應(yīng)用于兩種傳感器，就可以建立一個(gè)有效的、有空間深度的信息融合網(wǎng)絡(luò)，其探測(cè)的精度將高于單個(gè)傳感器產(chǎn)生的探測(cè)精度。

設(shè)FM1、FM2、FM3超聲波傳感器的探測(cè)距離中較大、居中、較小數(shù)據(jù)為dmax、dmid、dmin，雷達(dá)M方向探測(cè)距離為dr，融合后前中距離為Dfl，實(shí)際障礙物距離為ds。當(dāng)障礙物距離在超聲波傳感器探測(cè)范圍內(nèi)時(shí)按以下公式計(jì)算：

Dfl=10%dmax+20%dmid+40%dmin+30%dr

當(dāng)障礙物距離超出超聲波傳感器探測(cè)范圍而在激光雷達(dá)探測(cè)范圍內(nèi)時(shí)以激光雷達(dá)數(shù)據(jù)為準(zhǔn)。若障礙物超出激光雷達(dá)探測(cè)范圍，則不作避障處理。

如表2 所示，為實(shí)驗(yàn)測(cè)得的前中傳感器組各傳感器在超聲波探測(cè)范圍內(nèi)的探測(cè)距離以及融合后得到的前中距離與實(shí)際障礙物距離的比較。從表中可以看出經(jīng)過加權(quán)融合得到的探測(cè)距離比單個(gè)傳感器的探測(cè)距離更加接近真實(shí)的障礙物距離。

2 模糊控制器的設(shè)計(jì)

在USV航行期間，周圍環(huán)境動(dòng)態(tài)變化，使得難以建立準(zhǔn)確的數(shù)學(xué)模型來預(yù)測(cè)障礙物的位置。模糊控制基于實(shí)時(shí)傳感器信息，借鑒人類專家控制經(jīng)驗(yàn)進(jìn)行模糊推理，無需搭建復(fù)雜的運(yùn)動(dòng)模型，故可適用于解決USV的實(shí)時(shí)避障問題。

2.1 輸入輸出及模糊語(yǔ)言描述

傳統(tǒng)的模糊避障算法未考慮自身速率，僅將障礙物信息作為模糊控制器的輸入，并不完全符合人類駕駛經(jīng)驗(yàn)。因此，在本文的避障系統(tǒng)中，模糊控制器增加USV航速作為反饋信息輸入，將左右電機(jī)占空比作為輸出，如圖3所示。

本文采用雙體船結(jié)構(gòu)的USV平臺(tái)，利用左右電機(jī)差速轉(zhuǎn)向?qū)崿F(xiàn)行進(jìn)的速度和方向控制。由剛體平動(dòng)原理可知，USV在任何時(shí)刻繞船身瞬時(shí)中心C轉(zhuǎn)動(dòng)。因此，USV近似為以單個(gè)船體中心線為軸的兩輪移動(dòng)平臺(tái)，如圖4所示。

在XOY是全局坐標(biāo)系的情況下，xoy是船體坐標(biāo)系，C是速度瞬時(shí)中心。在本文中，GPS數(shù)據(jù)可用于推算模糊控制器輸入的反饋速度。首先將t1、t2時(shí)刻的經(jīng)緯度坐標(biāo)（lat1，lon1），（lat2，lon2）作為輸入，考慮到USV僅在水面航行，可以將高程設(shè)為0，故在t1、t2時(shí)刻的大地坐標(biāo)分別為（lat1，lon1，0），（lat2，lon2，0），接著將其轉(zhuǎn)換為空間直角坐標(biāo)系（x2，y2，z2），并以（lat1，lon1）為計(jì)算基準(zhǔn)位置，將（x2，y2，z2）轉(zhuǎn)換為站心坐標(biāo)系（de，dn，du），最后根據(jù)下式計(jì)算航速：

v（t）=（de2+dn2）1/2（t2-t1）-1

按上述融合算法處理傳感器數(shù)據(jù)，并將USV左側(cè)、前左、前中、前右、右側(cè)、后側(cè)6個(gè)方向的障礙物距離信息分別記為L(zhǎng)、FL、FM、FR、R、B，范圍是[0m，3m]，模糊語(yǔ)言為{近，遠(yuǎn)}，對(duì)應(yīng)的語(yǔ)言變量為{N，F(xiàn)};USV航速V的范圍是[0m/s，1m/s]，模糊語(yǔ)言設(shè)為{慢，中，快}，對(duì)應(yīng)的語(yǔ)言變量為{S，M，F(xiàn)};USV左右電機(jī)占空比分別記為ZL和ZR，其范圍均是[-1.0，1.0]，模糊語(yǔ)言設(shè)為{負(fù)大，負(fù)小，零，正大，正小}，對(duì)應(yīng)語(yǔ)言變量為{NB，NS，ZE，PS，PB}。

2.2 輸入輸出的隸屬度函數(shù)

在模糊控制系統(tǒng)中，通常使用梯形隸屬度函數(shù)、三角隸屬度函數(shù)、高斯隸屬度函數(shù)等。其中：高斯隸屬度函數(shù)曲線較為平滑，使系統(tǒng)有較好的準(zhǔn)確性和簡(jiǎn)潔性，但計(jì)算較為復(fù)雜;而梯形隸屬度函數(shù)和三角隸屬度函數(shù)作為常用的分段線性隸屬度函數(shù)，其形式簡(jiǎn)單，物理意義清晰，基本滿足系統(tǒng)需求。本文在參考了文獻(xiàn)[17-18]中同類型問題后，為簡(jiǎn)化模糊控制器設(shè)計(jì)并提高其計(jì)算效率，采用了分段線性隸屬度函數(shù)。根據(jù)專家經(jīng)驗(yàn)及上述論域，取各個(gè)語(yǔ)言變量的隸屬度函數(shù)形狀為對(duì)稱的三角形，可以確定如下隸屬度函數(shù)。圖5（a）所示為USV 6個(gè)方向的傳感器所測(cè)距離LD、FLD、FMD、FRD、RD、BD的隸屬函數(shù);圖5（b）所示為USV平臺(tái)航速V的隸屬度函數(shù); 5（c）所示為左電機(jī)占空比ZL的隸屬度函數(shù); 圖5（d）顯示了右電機(jī)占空比ZR的隸屬函數(shù)。

2.3 模糊控制規(guī)則

模糊控制的核心是建立一個(gè)合適的模糊控制規(guī)則庫(kù)[19]。在USV航行期間，障礙物的分布將影響船體的速度和航向。由人類駕駛經(jīng)驗(yàn)可知，當(dāng)障礙物距船較近時(shí)，USV應(yīng)減速慢行并根據(jù)障礙物的距離及位置信息進(jìn)行轉(zhuǎn)向避障;當(dāng)障礙物距船較遠(yuǎn)時(shí)，USV應(yīng)加速駛向目標(biāo)點(diǎn)。在環(huán)境未知的情況下，若只考慮存在障礙物的方向數(shù)，則USV周圍障礙物的位置分布情況可以分為6類，如圖6所示。

目前，大多數(shù)研究雖然均考慮到了各種未知環(huán)境下障礙物的分布情況，但給出的模糊控制規(guī)則表卻只針對(duì)所有方向均有障礙物這一種分布情況[20-22]，即在模糊規(guī)則表中默認(rèn)各方向均存在障礙物，只考慮了各方向障礙物的遠(yuǎn)近情況，如只針對(duì)圖6（f）所示的障礙物分布情況來制定模糊控制規(guī)則表，這顯然是不合理的。

本文使用上述多傳感器數(shù)據(jù)融合算法，對(duì)超聲波傳感器和激光掃描雷達(dá)所采集的障礙物信息進(jìn)行處理，能滿足該無人水面清潔船平臺(tái)在未知、復(fù)雜環(huán)境下的信息采集需求。接著對(duì)障礙物在USV周圍的6個(gè)方向上所有的分布情況進(jìn)行了分析，并據(jù)此制定更加完善的模糊控制規(guī)則表。為方便在模糊規(guī)則表中展示出USV周圍障礙物所有的分布情況，首先將每個(gè)方向的障礙物信息分為有障礙物、無障礙物兩種情況。則在僅考慮障礙物有無且輸出為USV整體運(yùn)動(dòng)方向的情況下，可得到26=64條模糊控制規(guī)則，但由于部分規(guī)則沒有實(shí)際意義，故本文在考慮所有障礙物分布情況的前提下對(duì)規(guī)則進(jìn)行了必要的合并簡(jiǎn)化，最終得到一個(gè)僅有36條的基本模糊控制規(guī)則表，如表3所示。該表格依據(jù)專家經(jīng)驗(yàn)對(duì)USV周圍6個(gè)傳感器所能采集的障礙物信息情況均進(jìn)行了相應(yīng)的處理，能有效應(yīng)對(duì)各種復(fù)雜環(huán)境。如規(guī)則1表示前左、前中、前右方向無障礙物，其余方向障礙物情況任意時(shí)USV前進(jìn)。

其中符號(hào)Dir表示USV的運(yùn)動(dòng)控制方案，F(xiàn)、TL、TR、B、S分別表示USV前進(jìn)、左轉(zhuǎn)、右轉(zhuǎn)、后退、停止，1、0分別表示有、無障礙物，X表示任意情況。

接下來將基本模糊控制規(guī)則表按照模糊變量的模糊子集展開， 及進(jìn)一步考慮障礙物距離且輸出以左右電機(jī)占空比表示USV的運(yùn)動(dòng)控制。首先將每個(gè)方向的障礙物信息分為無障礙物、有障礙物且距離近、有障礙物且距離遠(yuǎn)3種情況，由于采集了過多方向的障礙物信息，導(dǎo)致模糊變量數(shù)目過多，使

得模糊控制規(guī)則冗余，多達(dá)36×3=2187條。但由于部分規(guī)則沒有實(shí)際意義，故本文在考慮所有障礙物分布情況的前提下對(duì)規(guī)則進(jìn)行了必要的合并簡(jiǎn)化，得到改進(jìn)模糊控制規(guī)則表，表4所示為部分規(guī)則表?？梢钥吹皆诳紤]了障礙物所有分布情況后，改進(jìn)的模糊控制規(guī)則表將原本多達(dá)2187條的控制規(guī)則簡(jiǎn)化到407條，在保證USV更加完善的避障性能的基礎(chǔ)上也未增加算法難度，有較強(qiáng)的可應(yīng)用性。

2.4 解模糊

由上述規(guī)則庫(kù)進(jìn)行模糊推理會(huì)產(chǎn)生一個(gè)模糊值，而模糊值必須通過解模糊操作轉(zhuǎn)換為清晰值后才能用于控制執(zhí)行機(jī)構(gòu)。去模糊化[23]通常使用加權(quán)平均法、中值法、面積重心法等，本文使用面積重心法來去模糊化。

ZL=∫（ZL）μL（ZL）d（ZL）/∫μL（ZL）d（ZL）

ZR=∫（ZR）μR（ZR）d（ZR）/∫μR（ZR）d（ZR）

其中：∫是輸出模糊子集中各元素的隸屬度值在連續(xù)論域上的代數(shù)積分; μL、 μR分別是左電機(jī)與右電機(jī)占空比的隸屬函數(shù)。此后便可將去模糊化得到的信號(hào)用于控制USV左右電機(jī)實(shí)現(xiàn)差速轉(zhuǎn)向。

3 算法驗(yàn)證

3.1 仿真實(shí)驗(yàn)

本文通過MobotSim仿真平臺(tái)進(jìn)行模擬實(shí)驗(yàn)來驗(yàn)證所提出算法的有效性。首先設(shè)置了一個(gè)10m×10m的矩形地圖，采用直徑為0.5m的移動(dòng)機(jī)器人并且將12路超聲波傳感器按等間距放置在機(jī)器人的四周，其中單個(gè)傳感器的輻射錐角為25°，感應(yīng)范圍為[0m，3m]。圖中的深灰色直角框部分均為邊界或障礙物。

首先將人工勢(shì)場(chǎng)法與本文方法在凹型障礙物環(huán)境中進(jìn)行了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖7所示。結(jié)果證明本文算法能成功逃脫凹型障礙物區(qū)域并抵達(dá)終點(diǎn)，較人工勢(shì)場(chǎng)法更容易克服局部最小問題。

然后將傳統(tǒng)的模糊算法與本文算法進(jìn)行了連續(xù)避障的對(duì)比實(shí)驗(yàn)，結(jié)果如圖8所示。兩種算法的運(yùn)動(dòng)軌跡在M點(diǎn)以前基本相同，而在M點(diǎn)之后障礙物更加密集需要連續(xù)避障，此時(shí)傳統(tǒng)的模糊算法由于未考慮自身速度，在速度較快的情況下會(huì)避開整個(gè)障礙物密集區(qū)域。而本文算法具有速度反饋，在相同情況下能自主調(diào)節(jié)機(jī)器人移動(dòng)速度，減速通過障礙物密集區(qū)域?qū)崿F(xiàn)連續(xù)避障。從表5可以看出本文算法較傳統(tǒng)模糊算法更加省時(shí)且路程更短。

最后在復(fù)雜環(huán)境下對(duì)本文算法的避障效果進(jìn)行了測(cè)試，在A、B兩點(diǎn)設(shè)置了紅外信標(biāo)為機(jī)器人提供子目標(biāo)點(diǎn)，避免因出現(xiàn)迂回情況增加不必要的耗時(shí)，實(shí)驗(yàn)結(jié)果如圖9所示。可以看到機(jī)器人在未遇到障礙物時(shí)能快速前進(jìn)且行駛軌跡平滑;當(dāng)遇到障礙物時(shí)能根據(jù)障礙物分布情況自動(dòng)減速并有效避開避障物;且在狹窄通道行駛時(shí)能有效克服人工勢(shì)場(chǎng)法中易出現(xiàn)的擺動(dòng)問題。實(shí)驗(yàn)結(jié)果表明具有速度反饋的模糊避障算法能有效地適應(yīng)復(fù)雜環(huán)境。

3.2 實(shí)際測(cè)試

采用如圖10所示的無人水面清潔船平臺(tái)在重慶郵電大學(xué)湖泊進(jìn)行測(cè)試，來驗(yàn)證本文算法的有效性。湖泊形狀近似為28.8m×20.8m的矩形，且分布有0.5m高的花壇10個(gè)，USV航行過程中每隔2s返回一次航點(diǎn)至上位機(jī)。

本平臺(tái)通過上位機(jī)標(biāo)定USV目標(biāo)點(diǎn)如圖11所示，接收到信號(hào)后USV朝目標(biāo)點(diǎn)航行并進(jìn)行實(shí)時(shí)避障，到達(dá)目的地后根據(jù)返回的一系列航點(diǎn)得USV避障路徑如圖12所示。

測(cè)試過程中，USV在前方?jīng)]有障礙物時(shí)會(huì)自動(dòng)加速至設(shè)定速度并按照預(yù)設(shè)軌跡前進(jìn)。在有障礙物出現(xiàn)時(shí)，USV能根據(jù)自身速度反饋進(jìn)行實(shí)時(shí)避障，根據(jù)船速不同，在障礙物前約1～3m開始避障。整體避障過程比較理想，避障軌跡平滑且對(duì)各種障礙物分布情況均有效地采取了合理安全的避障策略。

4 結(jié)語(yǔ)

為了提高USV在復(fù)雜動(dòng)態(tài)環(huán)境中的連續(xù)避障性能，本文設(shè)計(jì)了一種帶速度反饋的模糊避障算法，提出的多傳感器數(shù)據(jù)融合算法保證了超聲波傳感器與激光掃描雷達(dá)所采集數(shù)據(jù)的穩(wěn)定性和有效性。針對(duì)當(dāng)前大多數(shù)模糊控制規(guī)則表僅考慮各方向均有障礙物這一種分布情況，本文提出了一種考慮障礙物所有分布情況的更全面的模糊控制規(guī)則表，并進(jìn)一步簡(jiǎn)化得到改進(jìn)模糊控制規(guī)則表，在保證USV避障性能的基礎(chǔ)上降低了USV控制系統(tǒng)的復(fù)雜度。測(cè)試結(jié)果表明，本文提出的模糊避障算法計(jì)算復(fù)雜度低、魯棒性強(qiáng)，能夠有效適應(yīng)各種復(fù)雜環(huán)境。若結(jié)合強(qiáng)化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等理論進(jìn)一步改進(jìn)模糊算法，將極大地提高其自學(xué)習(xí)和自適應(yīng)能力，實(shí)現(xiàn)更好的避障性能。

參考文獻(xiàn)

[1]陳華，張新宇，姜長(zhǎng)鋒，等.水面無人艇路徑規(guī)劃研究綜述[J].世界海運(yùn)，2015，38（11）：30-33.（CHEN H， ZHANG X Y， JIANG C F， et al. Review on path planning of unmanned surface vehicle[J]. World Shipping， 2015， 38（11）： 30-33.）

[2]馬天宇，楊松林，王濤濤，等.多USV協(xié)同系統(tǒng)研究現(xiàn)狀與發(fā)展概述[J].艦船科學(xué)技術(shù)，2014，36（6）：7-13.（MA T Y， YANG S L， WANG T T， et al. An outline of current status and development of the multiple USV cooperation system [J]. Ship Science and Technology， 2014， 36（6）： 7-13.）

[3]ZHANG X J， BI J， LIU M Z. The study of soccer robot path planning based on grid-based potential field method improvements [J]. Advanced Materials Research， 2010， 139（9）： 1798-1802.

[4]陳超，唐堅(jiān)，靳祖光，等.一種基于可視圖法導(dǎo)盲機(jī)器人路徑規(guī)劃的研究[J].機(jī)械科學(xué)與技術(shù)，2014，33（4）：490-495.（CHEN C， TANG J， JIN Z G， et al. A path planning algorithm for seeing eye robots based on V-graph [J]. Mechanical Science and Technology for Aerospace Engineering， 2014， 33（4）： 490-495.）

[5]GAO X， JIA Q， SUN H， et al. Research on path planning for 7-DOF space manipulator to avoid obstacle based on A* algorithm[J]. Sensor Letters， 2011， 9（4）： 1515-1519.

[6]LEE J， KIM D W. An effective initialization method for genetic algorithm-based robot path planning using a directed acyclic graph [J]. Information Sciences—Informatics and Computer Science， Intelligent， 2016， 332（C）： 1-18.

[7]PEHLIVANOGLU Y V. A new vibrational genetic algorithm enhanced with a Voronoi diagram for path planning of autonomous UAV [J]. Aerospace Science and Technology， 2012， 16（1）： 47-55.

[8]MONTIEL O， SEPULVEDA R， OROZCO-ROSAS U. Optimal path planning generation for mobile robots using parallel evolutionary artificial potential field [J]. Journal of Intelligent and Robotic Systems， 2015， 79（2）： 237-257.

[9]HASSAN S， YOON J. Haptic assisted aircraft optimal assembly path planning scheme based on swarming and artificial potential field approach [J]. Advances in Engineering Software， 2014， 69： 18-25.

[10]VANDENBERGHE L， VANDEWALLE J. A path-following method for finding multiple equilibrium points in cellular neural networks [J]. International Journal of Circuit Theory and Applications， 1992， 20（5）： 519-531.

[11]DUAN H， HUANG L. Imperialist competitive algorithm optimized artificial neural networks for UCAV global path planning [J]. Neurocomputing， 2014， 125： 166-171.

[12]BAKDI A， HENTOUT A， BOUTAMI H， et al. Optimal path planning and execution for mobile robots using genetic algorithm and adaptive fuzzy-logic control [J]. Robotics and Autonomous Systems， 2017， 89（1）： 95-109.

[13]ELSHEIKH E A， EL-BARDINI M A， FKIRIN M A. Practical design of a path following for a non-holonomic mobile robot based on a decentralized fuzzy logic controller and multiple cameras [J]. Arabian Journal for Science and Engineering， 2016， 41（8）： 3215-3229.

[14]TRAN H-K， CHIOU J-S， PENG S-T. Design genetic algorithm optimization education software based fuzzy controller for a tricopter fly path planning [J]. EURASIA Journal of Mathematics， Science and Technology Education， 2016， 12（5）： 1303-1312.

[15]KUMAR V， PARK Y， REDDY D V， et al. A mobile robot obstacle avoidance using fuzzy logic and model predictive control[J]. Applied Mechanics and Materials， 2014， 548/549： 922-927.

[16]GRAVINA R， ALINIA P， GHASEMZADEH H， et al. Multi-sensor fusion in body sensor networks： state-of-the-art and research challenges [J]. Information Fusion， 2017， 35： 68-80.

[17]陳衛(wèi)東，朱奇光.基于模糊算法的移動(dòng)機(jī)器人路徑規(guī)劃[J].電子學(xué)報(bào)，2011，39（4）：971-974.（CHEN W D， ZHU Q G. Mobile robot path planning based on fuzzy algorithm [J]. Acta Electronica Sinica， 2011， 39（4）： 971-974.）

[18]李擎，張超，韓彩衛(wèi)，等.動(dòng)態(tài)環(huán)境下基于模糊邏輯算法的移動(dòng)機(jī)器人路徑規(guī)劃[J].中南大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，44（S2）：104-108.（LI Q， ZHANG C， HAN C W， et al. Path planning based on fuzzy logic algorithm for mobile robots in dynamic environments [J]. Journal of Central South University （Science and Technology）， 2013， 44（S2）： 104-108.）

[19]KOVACIC Z， BOGDAN S. Fuzzy Controller Design： Theory and Applications [M]. Boca Raton， FL： CRC Press， 2006： 32-50.

[20]彭玉青，李木，張媛媛.基于改進(jìn)模糊算法的移動(dòng)機(jī)器人避障[J].計(jì)算機(jī)應(yīng)用，2015，35（8）：2256-2260.（PENG Y Q， LI M， ZHANG Y Y. Mobile robot obstacle avoidance based on improved fuzzy algorithm [J]. Journal of Computer Applications， 2015， 35（8）： 2256-2260.）

[21]胡靜波，陳定方，吳俊峰，等.基于改進(jìn)模糊算法的移動(dòng)機(jī)器人自主避障研究[J].自動(dòng)化與儀表，2018，33（6）：48-52.（HU J B， CHEN D F， WU J F， et al. Research on autonomous obstacle avoidance of mobile robot based on improved fuzzy algorithm [J]. Automation and Instrumentation， 2018， 33（6）： 48-52.）

[22]陳文釗，張雨晨，梁振奇.基于改進(jìn)模糊控制的機(jī)器人自主避障研究[J].工業(yè)控制計(jì)算機(jī)，2018，31（10）：22-24.（CHEN W Z， ZHANG Y C， LIANG Z Q. Research on robot autonomous obstacle avoidance based on improved fuzzy control [J]. Industrial Control Computer， 2018， 31（10）： 22-24.）

[23]張新超，李鵬峰，陳紅新，等.模糊控制在井下供電電源中的應(yīng)用[J].中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2012，42（7）：597-602.（ZHANG X C， LI P F， CHEN H X， et al. Application of fuzzy PID controlling technique in downhole power supply [J]. Journal of University of Science and Technology of China， 2012， 42（7）： 597-602.）

This work is partially supported by the National Natural Science Foundation of China （61275077）.

LIN Zheng， born in 1995， M. S. candidate. His research interests include embedded development， smart robot.

LYU Xiafu， born in 1966， Ph. D.， professor. His research interests include instruments and apparatuses， automotive electronics.