自主移動機器人跟馳行為的模糊推理機仿真研究

劉鳳，房建東

（內蒙古工業大學 信息工程學院，內蒙古 呼和浩特 010080）

自主移動機器人跟馳行為的模糊推理機仿真研究

劉鳳，房建東

（內蒙古工業大學 信息工程學院，內蒙古 呼和浩特 010080）

本文以自主移動機器人跟馳行為模糊控制系統為研究對象，根據自主移動機器人的工作原理及控制功能要求，建立了基于車頭間距、相對速度信息的隸屬度函數以及基于MATLAB-FIS的模糊推理規則，利用MATLAB建立了一個3入（車頭間距、相對速度、臨界間隙）—2出（跟馳、換道）模糊推理機，并對此設計方案進行了仿真研究。仿真結果表明，自主移動機器人可以根據車頭間距、相對速度及臨界間隙的變化，來決定自身的運動行為，從而實現安全行駛。

自主移動機器人；跟馳；模糊控制；仿真

隨著交通量的日益增大，導致交通流中各車輛之間的獨立性越來越小，車輛之間的相互作用也逐漸加強。因此研究交通流中前后車輛之間的作用關系已成為目前研究領域的主要趨勢之一[1]。跟馳理論就是通過動態的判斷前后車之間的相互作用，從而來決定后車的跟馳行為[2-3]。

目前的研究，大都以多個自主移動機器人即多個智能車，來模擬實際多車道多前車的交通流。因為自主移動機器人具有良好的自適應能力，能夠應用在結構化較復雜的環境中，因而對于它的理論研究更具有實用性。機器人可通過對自身配備的各類傳感器采集到的距離、速度信息進行實時的、動態的分析處理，從而自主判斷和決定自身的動作和運動狀態[4]。

模糊控制理論是一種用模糊的語言變量來代替精確的數學變量，并用模糊條件語句來刻畫變量間的函數關系，且具有模擬人類學習和自適應能力的智能控制系統。機器人的運動模型是一個非線性模型，對于很難確定具體模型的研究對象，一般采用模糊理論的方法來實現對機器人行為的控制[5]。

本文以自主移動機器人為研究對象，用模糊控制的方法，對機器人的距離、速度等信息進行識別、判斷和決策，來實現對自主移動機器人跟馳行為的精確控制。

1 物理模型及頂層結構

1.1 物理模型

如圖1所示的跟馳物理模型，在同向行駛的同一列車隊中，前車與后車之間相互影響、相互制約。后車跟隨前車行駛的過程中，需要根據兩車之間的車頭間距S及相對速度△v和臨界間隙的動態判斷，來決定自身的駕駛狀態，或跟馳或換道[6]。

圖1 跟馳物理模型Fig.1 Physical model of following

在實際中，如果換車車道也有車輛，需考慮多前車的情況，在換道后仍然進行動態信息的判斷，從而控制自身的駕駛行為。本推理機在設計時，假設換車車道是安全的，即基于多車道單前車的情況。

1.2 頂層結構

通過對設計任務以及跟馳模型的分析，可以得出推理機的頂層結構圖，如圖2所示。該系統有三個輸入，分別是車頭間距（S）、相對速度(Vr)和臨界間隙（S l）；有兩個輸出，即跟馳(GC)和換道(HD)。

圖2 頂層結構框圖Fig.2 Top-level block diagram

2 模糊控制器設計步驟

2.1 模糊化定義

該自主移動機器人配有距離傳感器、速度傳感器。傳感器采集到的數據是精確的模擬量，首先需要將該量轉換為模糊的語言值。為了對輸入量進行模糊化處理，必須將輸入變量從基本論域轉換到對應的語言量模糊集的論域，需要通過量化因子進行論域轉換[5]。

假設自主移動機器人的距離感知范圍為0～10，即距離的基本論域為[0,10]。

對前后車頭間距進行量化：當S∈[0,2],距離為很近，等級為0；當S∈[2，4],距離為近，等級為1;當S∈[4，6],距離為中，等級為2;當S∈[6,8],距離為遠等級為3;當S∈[8，10],距離為很遠，等級為4。所以車頭間距的論域Y為{0,1,2,3,4}，量化因子為0.4。車頭間距S劃分為五個模糊子集：{很遠，遠，中，近，很近}，對應的模糊集合為{VL,L,M,N,VN}。

速度范圍為[0,2],相對速度范圍則為[-2,2]。

相對速度Vr的量化：因為相對速度指的是后車相對與前車的速度差，所以有正負之分。當Vr∈[-2,-1],等級為-1；當Vr∈[-1,1],等級為0；當Vr∈[1,2],等級為1。設相對速度論域為V,則V={-1,0,1}，量化因子為0.5。描述相對速度Vr的語言值的模糊子集{正，相等，負}，對應的模糊集合為{Z,D,F}。

輸出變量跟馳GC的量化：基本論域為{-2,2}。當跟馳行為∈[-2,-1],等級為-1；當跟馳行為∈[-1,1],等級為0；當跟馳∈[1,2],等級為1。則跟馳的論域P={-1，0，1}，量化因子為0.5。描述跟馳GC的語言值的模糊子集為{減速，勻速，加速}，對應的模糊集合為{DV,YV,AV}。

臨界間隙即為跟馳機器人行駛過程中的安全距離，SL= 1。它與車頭間距在很近時的關系有三種，即S＞SL，S=SL，S＜SL。描述這種關系R的模糊子集為{小于，等于，大于}，對應的模糊集合為{XY,EY,DY}.

2.2 隸屬度函數

2.2.1 車頭間距的隸屬度函數

車頭間距的隸屬度函數如公式(1)：

2.2.2 相對速度的隸屬度函數

相對速度的隸屬度函數如公式(2)：

2.2.3 跟馳行為的隸屬度函數

跟馳行為的隸屬度函數如公式(3)：

2.2.4 臨界間隙的隸屬度函數

臨界間隙的隸屬度函數如公式(4)：

2.3 推理規則

推理規則的基本思想：首先考慮車頭間距大的情況，為縮小車頭間距，不論相對速度是正還是負，后車均進行加速運動。

當車頭間距為近，相對速度為負時，為跟馳前車，后車加速(AV);當相對速度為相等和正時，為保持跟馳，后車勻速(YV)。

當車頭間距為很小，相對速度為負和相等時，為保持車距,后車勻速運動。相對速度為正時，主要考慮臨界間隙。若SSL，則換道；若S＜SL，為安全駕駛，則后車減速。

推理規則表如表1所示,規則轉換圖如圖3所示。

3 去模糊化

控制量的去模糊化，一般采用最大隸屬度的方法來實現。它的特點是簡單、易實現。這個方法是在輸出量的模糊集合中選取隸屬度最大的論域元素值作為輸出結果，如果在多個論域元素上同時具有隸屬度最大值，則選取它們的平均值作為輸出結果。將此結果乘以控制量輸出的量化因子，就能將輸出論域上的點轉化為輸出的物理量，進而完成控制輸出。

4 仿真算例及仿真結果

4.1 算例參數

為了驗證自主移動機器人跟馳行為模糊推理機的有效性。本文在MATLAB環境下，搭建了推理機的仿真模型，如圖4所示。仿真模型的參數表如表2所示。

表1 模糊規則控制表Tab.1 Table of Fuzzy rules control

圖3 控制規則狀態轉換圖Fig.3 State transition diagram of control rules

圖4 仿真模型Fig.4 Model of simulation

表2 仿真參數表Tab.2 Table of Simulation param eter

4.2 仿真結果

模糊推理機三維曲面圖形如圖5～圖8所示。

圖5 S、Vr與GC的關系Fig.5 Relations S,Vr and the GC

圖6 S、Sl與GC的關系Fig.6 Relations S,Sl and the GC

圖7 S、Vr與HD的關系Fig.7 Relations S,Vr and the HD

通過對比圖5、圖6、圖8可知，當車頭間距大時，不必考慮臨界間隙，此時不論相對速度為正負，后車GC均為加速。當車頭間距為小時，若相對速度為正，后車GC為勻速；若相對速度為負時，后車GC為加速。當車頭間距為很小時，則必須考慮臨界間隙，此時若相對速度為負，則后車GC為勻速；若相對速度為正，則后車減速。

對比圖5與圖7，車頭間距大時，不論相對速度如何，都不必換道，后車GC加速。若車頭間距很小，此時相對速度起決定作用。若相對速度為正，后車換道；否則，不必換道,后車GC為勻速。仿真結果均符合實際情況，由此表明，自主移動機器人可以根據車距以及相對速度等信息進行跟馳或者道路變更。

圖8 Sl、Vr與GC的關系Fig.8 Relations Sl,Vr and the GC

5 結論

本文以自主移動機器人[7]的跟馳行為為研究對象，設計了基于認知信息的三入二出的模糊推理機，推理機的輸入為車頭間距、相對速度、臨界間隙，輸出為跟馳、換道，并對其進行MATLAB仿真分析。仿真結果表明，自主移動機器人可以根據兩車車頭間距和相對速度及兩車的臨界間隙的變化，來決定自身的運動行為，或跟馳或換道，進而實現安全行駛。本推理機在設計時，假設換車車道是安全的，但是在實際中，換車車道也存在車輛，所以在做模糊控制時，應考慮前車多的情況。換道后仍進行動態信息判斷，從而控制自身的駕駛行為。

[1]孫棣華,李永福，田川.基于多前車位置及速度差信息的車輛跟馳模型[J].系統工程理論與實踐,2010,30(7)：1326-1332. SUN Di-hua,LI Yong-fu,TIAN Chuan.Car一following model based on the information of multiple ahead& velocity difference [J].Systems Engineering Theory & Practice，2010,30(7)：1326-1332.

[2]羅強,許倫輝.基于最小安全距離的跟馳模型的建立和仿真研究[J].科學技術與工程2010,10(2):569-573. LUO Qiang,XU Lun-hui.Car-following model based on a minimum safety distance and simulation research[J].Science Technology and Engineering2010,10(2):569-573.

[3]許倫輝,羅強,吳建偉,等.基于最小安全距離的車輛跟馳模型研究[J].公路交通科技，2010,27(10):95-100. XU Lun-hui,LUO Qiang,WU Jian-wei,et al.Study of car-following model based on minimum safety distance[J].Journal of Highway and Transportation Research and Development, 2010,27(10):95-100.

[4]張繼軍.自主式移動機器人控制系統設計與模糊控制實現[D].青島:中國海洋大學，2004

[5]賈順平,李志鵬.車輛跟馳模擬中的駕駛行為與模糊邏輯控制[J].北方交通大學學報，2002,26(5)：62-66 JIA Shun-ping,LI Zhi-peng.Driving behavior and fuzzy logic control model in car.-following simulation [J].Journal of Northern Jiao tong University,2002,26(5):62-66.

[6]許倫輝,倪艷明,羅強,等.基于最小安全距離的車輛換道模型研究[J].廣西師范大學學報，2011，29(4):1-6. XU Lun-hui,NI Yan-ming,LUO Qiang,et al.Study of vehicles lane-changing model based on minimum safety distance[J]. Journal of Guangxi Normal University:Natural Science Edition,2011，29(4):1-6.

[7]曾品善，妙全興，徐磊.自主移動機器人即時定位與地圖構建方法研究[J].電子科技,2013(9):177-178,181. ZENG Pin-shan,MIAO Quan-xing,XU Lei.Research of Autonomous mobile robot real-time localization and map building methodr[J].Electronic Science and Technology,2013 (9):177-178,181.

Study on simulation of autonomous mobile robot follow ing behavior fuzzy inference engine

LIU Feng,FANG Jian-dong
（School of Information Engineering of Inner Mongolia University of Technology，Hohhot 010080,China）

In this paper,ordered fuzzy control system of autonomous mobile robot following behavior for the study,established the membership function of headway and the relative velocity information and made the fuzzy inference rules based on MATLAB-FIS.In addition,the design created a fuzzy inference engine with 3 inputs(headway,relative velocity,critical gap)-2 outputs(following,Changing lanes)by using MATLAB,and the design was simulated.Simulation results show that the autonomous mobile robot determine their own motor behavior according to changes of headway and the relative velocity and the critical gap,and achieve safe driving.

autonomous mobile robot;following;fuzzy control;simulation

TN964.3

A

1674－6236（2015）07-0054-04

2014-07-19 稿件編號：201407151

內蒙古自治區自然科學基金資助項目（2014MS0619）；內蒙古自治區科技計劃項目（20120304）

劉 鳳(1990—)，女，內蒙古鄂爾多斯人，碩士研究生。研究方向：交通信息工程及控制方向。