未知環境下的變形移動機器人路徑規劃

龐 杰，熊開封，楊曉帥，陳 竹，趙 胡

（1.西南科技大學 信息工程學院，綿陽 621010；2.西南科技大學 工程技術中心，綿陽 621010；3.西南科技大學 制造科學與工程學院，綿陽 621010）

未知環境下的變形移動機器人路徑規劃

龐 杰1，熊開封2，楊曉帥3，陳 竹1，趙 胡3

（1.西南科技大學 信息工程學院，綿陽 621010；2.西南科技大學 工程技術中心，綿陽 621010；3.西南科技大學 制造科學與工程學院，綿陽 621010）

為提高移動機器人在未知環境下的避障能力及導航能力，提出了基于變形以及模糊算法的路徑規劃方法。變形移動機器人利用超聲波傳感器對靜態未知環境進行檢測，得到障礙物以及目標的位置信息，采取適當的變形措施以及在模糊控制的基礎上調整自己的運動方向，最終實現避障和最優路徑規劃。仿真及實物實驗結果表明，此方法能使變形機器人與環境實現交互調整，能使機器人通過變形以及避障結合的方式實現有效避障，提高了路徑規劃的優良性。

移動機器人；變形；路徑規劃；模糊控制

0 引言

在移動機器人研究中，自主式導航能極大地提高移動機器人在未知環境中的實時性與靈活性。如何使機器人在有障礙物的環境中去自動尋找一條恰當的從初始點到目標點的運動路徑，使移動機器人在運動過程中能安全無碰撞地到達目的地，是機器人研究領域的一個核心內容[1]。本文在之前的研究基礎上[2]提出了一種在可變形機器人平臺上的基于模糊算法的路徑規劃方法。最后，通過實物驗證了此方法的有效性。

1 模型建立

本文研究的移動機器人如圖1所示，主控采用STM32F103ZET6系列芯片，布設12個HC-05型超聲波傳感器、8支10cm長的觸碰開關作為測距傳感器。

1.1 機器人運動控制及變形

圖1 變形移動機器人模型

如圖1所示，整體機器人為四邊形結構，頭部位置裝有舵機，通過控制舵機改變頭部兩臂夾角，從而改變機器人前后、左右結構的伸縮形變，以此達到多種方式避障目的。相對文獻[3～5]所采用的結構及變形方式，該機器人結構更加簡單，變形方式更實用，能確保擁有較大工作底盤的機器人靈活通過特殊障礙區域。其中頭部夾角改變范圍為[0，π]，其中，夾角為[0，π/4]設定為前后伸展模式；（π/4，3π/4）設定為正常模式；[3π/4，π]設定為左右伸展模式，示意如圖2所示。控制器根據此模式設定不同的傳感器分配方式。

此機器人運動底盤，不同于普通的輪式結構，采用四個90°的萬向輪。分別命名為F、L、R、B。其中以F為前方向輪，F、L、R為驅動輪，形成三角形驅動結構，左右電機軸方向與機器人前后方向始終為/3。機器人采用正三角形萬向輪驅動方式，與變形結構配合使用，能實現多方向直線運動、原地轉向等多種運動操作。

圖2 機器人變形

1.2 傳感器系統

機器人簡化模型的俯視圖如圖3所示，以模型的中心O為坐標原點建立平面直角坐標系，機器人運動方向為y軸正方向，四周坐標表示超聲波的對應位置。

如圖3所示為，12路超聲波傳感器均勻分布于機器人本體周圍。為避免各傳感器相互串擾及鏡面反射造成的測量誤差，控制器控制超聲波傳感器根據分組依次循環啟動：

1）正常模式，分為前（1，2，3號傳感器）、左（4，6，8號傳感器）、右（5，7，9號傳感器）、后（10，11，12號傳感器）四組。

2）左右伸展，分為前（1，2，3，4，5號傳感器）、左（6號傳感器）、右（7號傳感器）、后（8，9，10，11，12號傳感器）四組。

3）前后伸展，分為前（1號傳感器）、左（2，4，6，8，10號傳感器）、右（3，5，7，9，11號傳感器）、后（12號傳感器）四組。

每組中取最小測量值作為該方向的障礙物距離。此傳感器分配方法，經實驗證明，在機器人變形情況下也能完全使用。

圖3 超聲波傳感器布局

2 模糊控制器

2.1 輸入與輸出模糊表示

本文設定模糊控制器[6,7]的四個輸入變量為前方、左方、右方的障礙物距離信息及目標物的方向信息，輸出變量為機器人前進方向。其模糊控制系統如圖4所示。

圖4 模糊控制系統

前組超聲波傳感器測量前方障礙物，其中取機器人外表面離障礙物最小距離測量值為前方障礙物距離信息，命名為DF。同理，左、右方障礙物距離分別為DL、DR，設定機器人左方向為負方向，右方向為正方向。令機器人當前前進方向為，目標方向為，目標方向與機器人當前方向夾角為β，障礙物相對于當前進方向夾角為α，經過模糊控制后機器人前進方向為其方向改變量為θ，其機器人運動模型如圖5所示。

機器人超聲波傳感器測量距離范圍為[2cm，300cm]，定義其模糊語言為DF={Near，Far}，DL={Near，Far}，DR={Near，Far}；目標方向信息為E={LB,LM,LS,ZO,RS,RM,RB}；輸出變量θ={VLB，VLM，VLS，VZO，VRS，VRM，VRB}。各個變量的隸屬度函數如圖6所示。

圖5 機器人運動模型

圖6 隸屬函數模型

2.2 模糊控制

本文根據實際遇障及避障情況[8]來建立模糊控制規則，當障礙物較遠時，機器人將按正常速度向目標方向前進，當障礙物與機器人最小距離達到安全閾值后，機器人將減速并采取變形以及模糊控制的方式來實現避障以及趨向目標。為合理建立模糊規則庫，將機器人的遇障情況總結為8類，如圖7所示。

圖7 機器人遇障情況

機器人根據未知環境下障礙物分布情況，以及目標物方向信息決策推理出前進方向，從而達到在避障的前提下往目標物方向前進的目的，并實現最優路徑規劃。本文中設定實驗數據，左方向為負，右方向為正。機器人警戒距離為vw=30cm，安全閥值距離為vs=10cm，最大行駛速度為vmax=8cm/s。采用的決策規則[9,10]如下：

其速度控制模型為：

其運動方向控制基于模糊規則如下：

1）當DF＞Ds時：

（1）當min(DL,DR)＞DS，θ=β；

（2）當DL≤DS＜DR，θ=π/12；

（3）當DL≤DS＜DR，θ=π/12；

（4）當max(DL,DR)≤DS，θ=0。

2）當DF≤DS時：

（1）當min(DL,DR)＞DS且β＜0，θ=?π/6；

（2）當min(DL,DR)＞DS且β≥0，θ=π/6；

（3）當DL≤DS＜DR，θ=π6；

（4）當DR≤DS＜DL，θ=?π/6；

（5）當max(DL,DR)≤DS且β＜0，θ=-π/3；

（6）當max(DL,DR)≤DS且β≥0，θ=π/3。

使用輸入輸出變量模糊表示，采用模糊規則的“IF-THEN”語句來描述決策規則，建立了56條模糊規則，如表1所示。

表1 模糊規則

2.3 解模糊

本文采用面積重心法將模糊化的輸出量清晰化，來得到精確的機器人前進方向。設定為隸屬度函數，為橫坐標，u為最終輸出值，即：

面積重心法具有平滑的輸出推理，即使對應于輸入信號的微小變化，輸出會發生改變。

3 算法仿真及實現

為驗證本文方法的有效性，本實驗基于MATLAB平臺設計了單獨的GUI界面對其進行仿真，預設起始點、目標位置，多邊形黑色圖塊為障礙物，綠色圓圈為機器人行走軌跡，仿真效果如圖8所示。

圖8 路徑規劃仿真

由仿真結果可見：

1）在遇見1、3、4、5號障礙物時執行第29～30條模糊規則；

2）在5、6號障礙物間采取前后伸長的變形方式，并執行第37～38條模糊規則；

3）在遇見2、8號障礙物時執行第10條模糊規則；

4）在遇見7號障礙物時執行第8～9條模糊規則。

由圖8可知，變形移動機器人從出發到到達目標位置過程中，實現了基本的避障以及高效率的的路徑規劃。驗證了本文算法的有效性。

根據仿真情況，結合機器人變形的特性，搭建了與仿真相似的場景，實際驗證如圖9所示，表現出了實際情況下結合變形方式的避障有效性以及體現了路徑規劃的高效性。

4 結論

本文介紹了一種變形移動機器人在靜態未知環境下進行檢測，檢測到障礙物以及目標的位置信息，在模糊控制的基礎上調整自己的運動方向及速度，最終能實現避障和最優路徑的一種方法。本文系統的描述了模糊規則控制器的設計，利用MATLAB進行了仿真實驗，以及實物驗證。實驗結果表明這種方法可以使機器人與環境實現交互調整，并能通過包括變形方式在內的多種方式實現有效避障，提高路徑規劃的優良性。

圖9 機器人避障

[1] 朱大奇,顏明重.移動機器人路徑規劃技術綜述[J].控制與決策,2010(7):961-964.

[2] 熊開封,張華.基于改進型FNN的移動機器人未知環境路徑規劃[J].制造業自動化,2013(11):2-4.

[3] 趙騰,葛為民,等.新型自重構機器人構型表達及空間變形線策略研究[J].組合機床與自動化加工技術,2015(4):109-111.

[4] 劉志,趙正大,等.考慮結構變形的機器人運動學標定及補償[J].機器人,2015(5):377-381.

[5] Qiang Zhan,Ze Ning Liu.A Deformable Spherical Mobile Robot[J].Applied Mechanics and Materials,2014:422-426.

[6] 張營,魯守銀.基于模糊控制算法的變電站巡檢機器人路徑規劃[J].制造業自動化,2015(6):54-55.

[7] 梁順健,汪俊彬,等.基于模糊算法的多移動機器人目標跟蹤[J].自動化與儀表,2014(2):6-7.

[8] 彭玉清,李木,等.基于改進模糊算法的移動機器人避障[J].計算機應用,2015(8):2258.

[9] Ming Ming Bian，Jin Lan Zhang，Binzhou Polytechnic.Mobile Robot Path Tracking Based on Fuzzy Control[J].Applied Mechanics and Materials,2015:736-739.

[10] Mehdi Ghanavati，Afshin Ghanbarzadeh. Control and Guidance of an Underwater Robot via Fuzzy Control Method[J].Majlesi Journal of Mechanical Engineering,2010:25.

Deformable and mobile robot’s path planning in unknown environments

PANG Jie1, XIONG Kai-feng2, YANG Xiao-shuai3, CHEN Zhu1, ZHAO Hu3

TP24

：A

1009-0134(2017)06-0001-04

2017-02-22

西南科技大學大學生創新創業訓練計劃項目（教育部 201510619018）

龐杰（1995 -），男，四川西充人，本科，研究方向為電子信息工程。