基于模糊控制的機器人避障障研究

熊長煒 陳彥勤 梅陽寒

摘 要：本文通過使用多傳感器采集機器人周圍環(huán)境信息并進(jìn)行對信息進(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)計了模糊控制器，以已達(dá)到對機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)定的機器人運動路徑，表明了設(shè)計的可行性。

關(guān)鍵詞：機器人；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)計出相應(yīng)的自身運動參數(shù)，控制機器人向目的地自主運動。機器人獲得周圍環(huán)境的信息很多，需要將大量信息進(jìn)行融合，減少計算量，提高運動控制時效性。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)過模糊推理控制機器人在位置環(huán)境下避開障礙物，經(jīng)MATLAB仿真實驗，驗證了算法的合理性和時效性。

2 信息融合算法設(shè)計

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

機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動狀態(tài)來修正運動位姿，并進(jìn)行運動參數(shù)或狀態(tài)的改變進(jìn)而改變運動的速度和角度，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)計當(dāng)中，重要的是控制算法的設(shè)計。基于控制要求，本項目設(shè)計的模糊神經(jīng)網(wǎng)絡(luò)控制器有5個輸入和2個輸出。控制器設(shè)定的5個輸入量為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個輸出為左輪的速度L-V和右輪的速度R-V；Φ表示機器人的目標(biāo)角度，當(dāng)機器人轉(zhuǎn)向為右時，定義為正；當(dāng)機器人轉(zhuǎn)向為左時，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器人環(huán)境信息，將大量信息融合技術(shù)具有許多優(yōu)點。但是，采用多傳感器信息融合技術(shù)時，如果不進(jìn)行一定的限制，將會大大增加機器人的計算工作量，降低了移動機器人運動控制的實時性。為減少數(shù)據(jù)的計算量，在具體問題中，往往不是對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來源于超聲波傳感器和CCD攝像機的原始信息進(jìn)行預(yù)處理。對超聲波傳感器的信息，采取對傳感器數(shù)據(jù)進(jìn)行分組的方法；根據(jù)超聲波傳感器的測量數(shù)據(jù)，可以得到5個探測數(shù)據(jù)，將這5個數(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CCD攝像機采集的視覺信息進(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方法得到物體的左右邊緣在圖像坐標(biāo)系中成像對應(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)計算機圖像坐標(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、右邊緣距離移動機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)則也會成倍地增加，運算時間就會變長，影響了控制器的實時性。因此對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器人中軸線最近距離及目的地的方位角作為輸入信息，機器人的左右輪的速度作為控制器的輸出。

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

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}，論域為[0，3]，表示0～3m。定義機器人的安全距離為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}，論域為[0，2]，表示0～2m。定義機器人運動的左側(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}，論域為[0，2]，表示0～2m。定義機器人運動的右安全距離為0.6m。

機器人的障礙物角度Φ的模糊語言變量為{N，Z，P}={Negative， Zero， Positive}，論域為[-60，+60]，表示左右60°角。當(dāng)轉(zhuǎn)動障礙物角度Φ在左方的-30°與右方的+30°之間時為Z（正前方），當(dāng)障礙物角度Φ大于右方+30°且小于+60°時為P（右），當(dāng)障礙物角度Φ大于右方-60°且小于-30°時為N（左）。

障礙物左、右邊緣距離機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}，論域為[0，1]，表示0～1m。定義機器人運動的右安全距離為0.4m。

機器人的左輪速度L-V的模糊語言變量為{F，M，L}={Fast， Middle， Slow}，論域為[0，0.3]，表示0～0.3m/s。機器人的右輪速度R-V的模糊語言變量為{F，M，L}={Fast， Middle， Slow}，論域為[0，0.3]，表示0～0.3m/s。

各個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，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)計共有1125條規(guī)則。

3 仿真實驗及結(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)計機器人仿真界面。設(shè)置了環(huán)境信息、運動區(qū)域及其障礙物信息，然后進(jìn)行仿真實驗。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?zāi)：刂频暮侠硇院陀行浴?/p>

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

本文對通過多信息傳感器融合處理對機器人的避障運動路線設(shè)計研究，采用了模糊控制算法對機器人進(jìn)行有效的運動控制，使其在復(fù)雜環(huán)境下能夠安全運行。

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機器人避障[D].傳感器與微系統(tǒng)，2014，33（05）：35-38.

基金項目：2017年東莞市社會科技發(fā)展項目，項目名稱：基于多傳感器信息融合的微型機器人關(guān)鍵技術(shù)研究；項目編號：2017507156400。

作者簡介：熊長煒（1982-），男，河南信陽人，碩士研究生，教師，研究方向：產(chǎn)品數(shù)字化設(shè)計與制造、機器視覺技術(shù)和機電控制技術(shù)。

*為通訊作者