基于模糊控制的移動機(jī)器人路徑規(guī)劃仿真研究

王 茜

（江西省減災(zāi)備災(zāi)中心，江西 南昌330036）

人工智能的出現(xiàn)大大解放了勞動力，特別是移動機(jī)器人的設(shè)計(jì)與使用，在越來越多的應(yīng)用領(lǐng)域開始逐步替代人工，如應(yīng)急救援、礦產(chǎn)工業(yè)等方面。近年來特別是在煤礦發(fā)生事故后的環(huán)境探測和救援任務(wù)，機(jī)器人輔助救援人員展開工作，提高了救援效率、降低了救援危險(xiǎn)系數(shù)[1]。而機(jī)器人獲取事故現(xiàn)場信息和實(shí)現(xiàn)自主避障及路徑規(guī)劃問題已經(jīng)成為移動機(jī)器人應(yīng)用中一項(xiàng)非常重要的技術(shù)[1-3]。移動機(jī)器人在執(zhí)行裝配、救災(zāi)、搶險(xiǎn)、焊接、惡劣環(huán)境作業(yè)等任務(wù)時(shí)，有著得天獨(dú)厚的優(yōu)勢。使用正確高效的路徑規(guī)劃技術(shù)，不僅能夠節(jié)省大量的時(shí)間，還可以降低成本、節(jié)約勞動力，因此針對移動機(jī)器人的路徑的合理規(guī)劃是目前智能機(jī)器人研究的重點(diǎn)。

路徑規(guī)劃目的是在一個(gè)設(shè)定的區(qū)域或范圍內(nèi)，從起始點(diǎn)到目的地尋找出一條既滿足某些指標(biāo)要求，同時(shí)又能有效的避開各種障礙的連續(xù)路徑[4-5]。其關(guān)鍵就是移動機(jī)器人視覺下的導(dǎo)航和避障。機(jī)器人在移動中進(jìn)行的路徑規(guī)劃是動態(tài)的、實(shí)時(shí)的，要滿足以下三點(diǎn)：

1）機(jī)器人能從起點(diǎn)到達(dá)終點(diǎn)。

2）前進(jìn)過程中能夠發(fā)現(xiàn)并最終躲避開障礙。

3）規(guī)劃出的路線盡可能達(dá)到最優(yōu)。

本文就機(jī)器人移動過程中的路徑規(guī)劃技術(shù)的關(guān)鍵方法進(jìn)行探索，基于模糊控制算法展開路徑規(guī)劃設(shè)計(jì)，并借助于模糊控制的仿真工具編寫路徑規(guī)劃算法進(jìn)行仿真，探索基于模糊控制的移動機(jī)器人路徑規(guī)劃方法。

1 模糊控制器設(shè)計(jì)

模糊控制器的結(jié)構(gòu)見圖1，主要包括模糊化、知識庫模糊推理、解模糊等4 個(gè)部分。

圖1 模糊控制器的基本結(jié)構(gòu)

1）模糊化。這是模糊控制算法的起始點(diǎn)，也是一個(gè)建模過程，將精確的輸入量，轉(zhuǎn)成控制器所要求的模糊量。模糊化先要根據(jù)控制器的要求處理輸入量，然后進(jìn)行尺度轉(zhuǎn)換，最后定義模糊語言及輸入量對應(yīng)的隸屬度函數(shù)。

2）知識庫。依專家經(jīng)驗(yàn)而建立的經(jīng)驗(yàn)庫，也稱作規(guī)則庫，是將實(shí)際客觀世界中的經(jīng)驗(yàn)變成模糊控制器工作的重要內(nèi)容。

3）模糊推理。基于知識的推理和決策，并由此得出相應(yīng)的控制數(shù)據(jù)或控制量。

4）解模糊。是將模糊推理所得到的控制量轉(zhuǎn)化為輸出量。

2 基于模糊控制的避障方法

機(jī)器人在移動時(shí)，有很多方法實(shí)現(xiàn)信息的輸入，如超聲波傳感方式、機(jī)器人視覺方式、紅外探測或接觸感知等等，各種各樣的傳感器均可以完成數(shù)據(jù)的輸入，進(jìn)一步由前述理論進(jìn)行模糊化，為后續(xù)的模糊控制做好基礎(chǔ)。后續(xù)的處理就是將采集到的信息進(jìn)行分析、定位、計(jì)算，依據(jù)經(jīng)驗(yàn)或已有法則進(jìn)行分析，完成推理和決策，此過程不斷循環(huán)往復(fù)，直至完成整個(gè)的路徑規(guī)劃任務(wù)。在此過程中完全的詮釋了整個(gè)模糊控制器的設(shè)計(jì)過程，即4個(gè)組成部分的實(shí)現(xiàn)內(nèi)容，從而實(shí)現(xiàn)基于模糊控制算法的移動機(jī)器人的路徑規(guī)劃。整個(gè)模糊控制過程將人的駕駛經(jīng)驗(yàn)融入到機(jī)器人的控制系統(tǒng)中，模擬人的思維方式，因此在機(jī)器人智能避障系統(tǒng)中得到廣泛的研究與應(yīng)用[6-7]。

借助于傳感器獲取機(jī)器人路徑上的障礙物信息，進(jìn)行分析、推理、決策，得出實(shí)現(xiàn)機(jī)器人移動控制的輸出信息，此為模糊推理，見圖2。

圖2 模糊推理避障框圖

機(jī)器人在移動中，通過獲取前方、左方、右方等三個(gè)方位的障礙信息 （這里采用較簡單的三點(diǎn)信息測量方式，在復(fù)雜的工況或環(huán)境下，可以增加測量方位，方法及原理同于此），這三個(gè)方位信息作為模糊控制器輸入量，輸入至模塊控制器的推理運(yùn)算中心進(jìn)行分析，得出輸出量進(jìn)行控制機(jī)器人的運(yùn)動狀態(tài)。模糊推理的流程見圖3。

圖3 模糊推理避障流程

3 路徑規(guī)劃中模糊控制器輸入輸出的處理

移動機(jī)器人通過三個(gè)方向傳感器獲取到輸入信息，分別是前方障礙物、左方障礙物、右方障礙物的距離，以及機(jī)器人的運(yùn)動方向相對于目標(biāo)點(diǎn)的方位角θ。控制器的輸入信息見圖4。輸出信息為控制機(jī)器人轉(zhuǎn)動的角度Ψ。計(jì)入輸入輸出的模糊控制器結(jié)構(gòu)見圖5。

圖4 模糊控制器的輸入信息

圖5 模糊控制器的結(jié)構(gòu)

4 機(jī)器人路徑規(guī)劃仿真設(shè)計(jì)

MATLAB 仿真工具箱中自帶模糊控制器，可以對輸入的數(shù)量和輸入信息進(jìn)行分別設(shè)置，選取的輸入變量中各方向的障礙物距離及機(jī)器人運(yùn)動方向相對目標(biāo)點(diǎn)的方位角，得出輸出變量為機(jī)器人轉(zhuǎn)動的角度Ψ。

4.1 實(shí)驗(yàn)步驟

結(jié)合模糊控制器及控制算法設(shè)計(jì)好程序，預(yù)設(shè)起始點(diǎn)與終點(diǎn)，進(jìn)行基于模糊控制的移動機(jī)器人路徑規(guī)劃仿真實(shí)驗(yàn)，步驟如下：

（1）設(shè)定機(jī)器人運(yùn)動的起始坐標(biāo)點(diǎn)和目的地坐標(biāo)點(diǎn)，由此可規(guī)劃出理想航線。

（2）設(shè)置障礙物，本文以圓柱形障礙物為例，隨機(jī)設(shè)定障礙物數(shù)量和分布點(diǎn)。

（3）運(yùn)行仿真程序，規(guī)劃避障路線，從起點(diǎn)移動到目標(biāo)點(diǎn)。

（4）輸出規(guī)劃路徑信息，包括繪制理想和實(shí)際路線、移動步數(shù)等。

4.2 實(shí)驗(yàn)分析

仿真過程中設(shè)置起點(diǎn)坐標(biāo)和終點(diǎn)坐標(biāo)為[0，0]～[500，500]，給出不同的終點(diǎn)，模擬環(huán)境中的障礙物數(shù)量為20 個(gè)和50 個(gè)，障礙物的形狀為圓柱體情況進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果見圖6、圖7，分別顯示出了理想航線、運(yùn)動軌跡以及路徑步數(shù)等信息。

圖6 障礙物數(shù)量20的仿真實(shí)驗(yàn)結(jié)果

圖7 障礙物數(shù)量50 的仿真實(shí)驗(yàn)結(jié)果

圖中，在理想路線上，明顯的分布著各種大小不一的障礙物，圖6 和圖7 中在不同的預(yù)設(shè)路線和不同數(shù)量障礙物的情況下，機(jī)器人在沿著理想路線前進(jìn)時(shí)，均能夠在模糊控制算法的程序控制下，正確繞過障礙物并繼續(xù)行進(jìn)，在偏離理想路線上仍然能夠找出一條通往目的地的合理路線，直至終點(diǎn)。

5 結(jié)論

機(jī)器人在事故救援中其移動路徑規(guī)劃、合理避障是保障救援效果的關(guān)鍵。基于模糊控制理論，將模糊控制與人工駕駛經(jīng)驗(yàn)相結(jié)合，并利用設(shè)計(jì)好的算法對移動機(jī)器人在仿真平臺進(jìn)行路徑規(guī)劃，借助MATLAB 進(jìn)行仿真實(shí)驗(yàn)，實(shí)現(xiàn)了機(jī)器人在設(shè)定好目標(biāo)點(diǎn)后的移動路徑規(guī)劃，并得到較為理想的實(shí)驗(yàn)結(jié)果。