基于模糊逻辑的自主移动级机器人避障控制算法研究毕业论文(编辑修改稿)

基于模糊逻辑的自主移动级机器人避障控制算法研究毕业论文(编辑修改稿)内容摘要：

局部避障，全局避障根据己知地理数据进行避障；局部避障是部分未知或整体未知环境数据，利用传感器对环境进行实时检测，得知障碍物位置、大小和形状等数据再进行避障。 全局避障方法 自由空间法：采用预先定义的基本形状，如广义锥形、凸多边形等来构造自由空间，再将其表示成连通图，再经过搜索连通图进行路径规划 [13]。 这种方法比较灵活，算法根据障碍物的增多而增多，成正比关系，所以并不是任意情况都可以做到最有规划。 栅格法：将移动机器人的工 作环境分成有二值信息的网络单元，每一个栅格都有一个累积值，累积值表示的是该位置上有障碍物的可信度。 位姿空间法：就是用位姿空间的一点来表示机器人的位置和方向，位姿空间法分为 3 可视图法和几何法。 常用可视图法，将机器人的初始点和终点以及轨迹都由点来表示，在障碍物密集处由于搜索时间长，可能会碰触障碍物。 可视图法能够判断出最短路径，但是由于该方法灵活性不够，会存在组合爆炸的严重问题。 局部避障方法 模糊逻辑算法：是仿照生物躲避障碍物的思想，把思想里的感觉与行动统一协作。 根据参考人的驾驶经验的出一系列规则，再经过查表得 到规划信息，实现路径规划。 人工势场法：由 Khatib 提出的一种虚拟力法，就是机器人在人工受力场中运动，障碍物对机器人产生一定的斥力，同时目标点对机器人也生引力，此时两力的合力为移动机器人的加速力，进而控制机器人的方向 [14]。 该算法简单，便于低层的实时控制，在实时避障和平滑的轨迹控制方面得到了广泛的应用，但传统的人工势场法由于没有引入优化过程而容易陷入局部极小区域，不易调节，因而不适于寻求最短路径。 遗传算法：在 60 年代初由 提出的，这种方法是借助生物的自然选择和遗传机制的搜索算法。 它属于 多点搜索，容易得到最优解，但是由于进化规则众多，占空间较大，所以算法速度不快，实时性不好。 论文主要内容及论文安排 机器人避障如今已是机器人技术中的关键之一，虽然之前各位学者们就已研究了机器人人避障的问题，但为实现移动机器人在环境未知或部分未知情况下进行动态避障的要求。 此论文通过了解已有的避障算法提出了一种基于模糊逻辑的避障算法的方法进行研究，着重进行自主避障算法的研究。 首先进行移动机器人模糊控制策略研究，再进行自主避障算法设计以及仿真，在避障算法设计上，本文引入模糊控制理论，设计模糊控制器，通过对环境信息 及被控对象的自身信息的采集和处理，对被控对象进行控制，使得被控对象进行行动，以达到避障目的。 论文安排如下： 第一章 前言。 首先说明该选题的研究背景以及意义，并介绍国内外避障算法的研究现状，更多的了解当前研究的大环境，再对目前一些常用的避障算法进行介绍，根据以上内容最后介绍本论文的主要内容以及安排。 第二章 移动机器人建模。 为了对机器人的运动做定量的研究，首先要选定机器人的坐标系，在本论文中我们选择绝对坐标系；然后再建立机器人的运动模型及位姿的确定，为清楚分析机器人运动时的角度；同时要进行遇障碍物时的安全距离的选取，使得机 器人更好的完成避障。 第三章 模糊逻辑控制系统的策略研究。 首先我们先了解当前模糊逻辑控制研究现状，并介绍模糊控制的理论基础以及模糊控制系统的组成，在此基础上进行移动机器人模糊系统的设计，为了用 Matlab 建立模糊控制工具箱，首先先选定输入输出量，建立其隶属度函数，设计模糊控制规则，然后进行模糊推理与解模糊。 第四章 模糊逻辑避障控制算法仿真与验证。 首先构建仿真平台，使用 Matlab 建立模糊控制工具箱，做到输入量通过模糊控制器有确定的输出量输出，将工具箱的建立做个仿真，并与第三章模糊推理的结果对比，验证工具箱建立成功，最后再 进行机器人的仿真、模糊算法仿真以及系统仿真。 4 2 移动机器人建模 为了对自主移动机器人的运动做定量的研究，所以必须得对机器人建立合适的数学模型，也就是建立系统的运动学模型方程。 运动学方程就是来描述系统所处的位置与位姿的方程，它没有考虑到系统移动过程中的变化，只是研究了位姿与其相对的时间周期还有其他变量之间的导数关系。 建移动机器人坐标系 移动机器人在行走过程中，要让机器人具备自身定位的能力是为了可以使其可以按照事先规划的路线行驶。 目前都会在移动机器人上安装测量设备，为的是在行进过程中测量一些行进参数，并且根据这些参数进行计算得出当前机器人的位姿信息。 而这些信息的准确性依赖于移动机器人准确建立初始位姿。 移动机器人的坐标系是由绝对坐标系与相对坐标系构成的，我们所用的超声波传感器探测到的参数信息是指移动机器人探测到障碍物的距离，是相对机器人而言的。 若使用相对定位方法，探测的数值不用进行处理，可直接采用。 但是本文是使用绝对定位，需要对数据进行坐标变 换，也就是绝对坐标系。 为表示方便，我们用椭圆形来表示移动机器嗯，其内部坐标系如 图 2 1。 在机器人运动的过程中，机器人的内部坐标系的数值与实际情况下的绝对坐标系之间进行不断地转换。 图 2 1 机器人内部坐标系 图 2 2 移动机器人坐标系统 机器人在运动时，两个坐标系的变换不是 图 2 1 图 2 1 机器人内部坐标系 图 2 2 移动机器人坐标系统 所示加减关系，应如 图 2 3，坐标系的 X 轴有夹角， 39。 , 39。 xy 为 A 点在局部坐标系中坐标值，为 A 点与全局坐标系 X 轴夹角，此时该机器人在全局坐标系中为  00,xy。 根据三角变换可得 39。 arc 39。 xtg y (21) 因此， A 点在绝对坐标系中的坐标值  ,xy 为 220 ( 39。 ) ( 39。 ) c o sx x x y    (22) 5 220 ( 39。 ) ( 39。 ) s iny y x y    （ 23） 经过以上分析，就可以进行局部与全局坐标系之间的变换。 移动机器人运动模型及位姿的确定 在分析移动机器人的动态过程中的动作角度时，该移动机器人属于两轮驱动的。 所以在运动过程中只能做直线运动与圆弧运动，若两个轮子的线速度一样时，该机器人就是进行直线行驶；若是两个轮子的线速度不同时，该机器人就是做半径一定的圆弧运动。 因此，我们通过对两个轮子速度的控制来实现控制机器人的运动途径。 建立机器人的结构模型如 图 2 3 移动机器人坐标变换 图 2 4 移动机器人运动示意图 所示，图中 XOY 作为绝对坐标系，则 Rxoy 作为相对坐标系，该坐标是以机器人两轮之间中心点连线的中点 Ro 作为参考点，从而得出运动学模型。 图 2 3 移动机器人坐标变换 图 2 4 移动机器人运动示意图 假设移动机器人的左轮和右轮的角速度分别是 l ， r。 则得出 1 ()2 lrRv  (24) 2 ()2 rlRv D  (25 ) 上式中， R 为驱动轮的半径， D 为两轮间的距离。 我们只要控制两个轮子的转速就可以实现机器人沿不同方向运动，在这，假设左 右轮的转速比是 pk ，则有 （ 26） 当 1pk 时，则有 lr ，此时移动机器人作直线运动； 当 1pk 时，则有 lr ，此时移动机器人作左转弯； 当 1pk 时，则有 lr ，此时移动机器人作右转弯。 这样方便控制，同样我们的轮子是由两个直流伺服电机独立驱动的。 此时，我们还可以加入增量式旋转编码器中的计数脉冲来重建机器人的状态。 假设rplk  6 移动机器人的左右轮的计数脉冲在第 k 个采样周期中分别为 km 和 kn ，那么式子 22 便可以写成    111c ossi n2k k k k kPk k k k kPk k k kPRx x m n tMRy y m n tMRm n tDM          (27) 式子 27 中， 1 1 1,k k kxy   和 是第 1k 周期的位移与方向角度， pM 是轮子转动一圈的脉冲数， t 是采样时间。 通过上式可以得出此时的状态变量值。 经过方程式（ 22）与（ 27）比较，存在一定误差，若是工作时间较长，误差会更加大，会影响到机器人运动的精确度，所以应该选择适当的采样时间来提高精确度，降低误差。 移动机器人安全距离的选取原则 在本节讨论移动机器人的安全距离选取时，为方便分析，将移动机器人看成一个椭圆形的物体，并且参考点是其中心点，移动机器人会做直线运动还有圆弧运动，在一个指令发出的周期里，圆弧的运动中心点不会发生变化。 移动机器人在行进过程中要尽量做到与周围的物体一定的安全距离距周围的物体有一定的距离，以免碰触到障碍物，这个距离就是最小的安全的距离。 安全距离一般 是由公式得出 D=R + Rr，式中， R 为运动的半径， Rr 为机器人的半径。 接下来，我们根据两种不同的情况进行讨论安全距离的选取方法。 一种是前方存在障碍物时的安全距离选取，另一种是侧面存在障碍物时的安全距离选取。 前方存在障碍物时的安全距离选取 首先我们分析前方存在障碍物时安全距离选取。 当移动机器人在前进时，超声波传感器检测到前方有障碍物时，需要采取策略使机器人通过转动角度进行避障，在转动时机器人做圆弧运动。 圆弧运动是由于机器人的左右轮在行进过程中的速度不一样而产生的，如果假设移动机器人的运动速度表示为 v， 转动时的圆弧运动半径为 R，并且在碰撞到前方障碍物之前机器人旋转 90○。 由 图 2 5 可知，移动机器人前方的安全距离为D=R + Rr。 图 2 5 前方有障碍物安全距离确定 7 由上图可知 R 的大小是与机器人的运动速度有关系的， v 越大则 R 越大，一般的机器人的运动速度在 5cm/s 到 10cm/s 之间，若 v=10cm/s 时，通过实验所得，根据最小二乘法处理得出， cm ，声纳在移动机器人的分布半径是 25cm，因此机器人的实际安全距离应该是： 1 5 .8 2 5 4 0 .8D cm  。 声纳所测得的安全距离是 0 R cm。 侧面存在障碍物时的安全距离选取 接下来，分析侧面存在障碍物时安全距离选取。 在此我们以左侧存在障碍物信息为例来进行其安全距离的测定。 图 2 6 左侧有障碍物安全距离确定 如上 图 2 6 所示，移动机器人的运动方向与全局坐标中横坐标夹角为，同时机器人在转弯时做圆弧运动，便可求出此时的安全距离为 c os ( 1 c os ) 25rrD d R R R R R         (31) 同样，声纳安全距离 0 (1 cos )d 。 其中， 90 。 本章小结 本章主要是 进行移动机器人的运动建模。 首先是进行移动机器人的坐标的建立，在这里我们选择绝对坐标系，然后建立了机器人的运动模型及位姿的确定更精确的分析机器人运动时的角度，并做圆弧运动，最后以前方和侧面为例分析其存在障碍物时安全距离的选取方法，使得机器人更好的完成避障。 8 3 模糊逻辑避障控制系统的策略研究 模糊逻辑控制研究现状 模糊应用在在工业、经济以及人类生活等领域已有广泛的应用。 在这些领域里，想对控制对象建立出准确的数学模型是有一定困难的，但是在这些领域中，拥有可以用语言描述的控制规则以及只可以用语言来表述的性能指标， 因此不能够运用传统控制的方法来实现这种控制，但是可以运用模糊控制理论的方法处理和解决，这也便促进了模糊控制理论的发展。 1989 年，日本将模糊控制应用在电冰箱、洗衣机等家用消费产品上，把模糊控制的应用推向高潮， 1992 年在美国召开了第一届 IEEE 模糊控制国际会议，从此模糊控制也成为了智能控制的一个重要的分支。 避障控制一直都是机器人路径规划中的难点，是机器人智能化的体现。 由于环境条件的有限，障碍物信息通常是未知的，很难建立精准的数学模型来实现避障控制。 但是采用了模糊控制算法就能很容易地实现这一个控制要求，很多 学者也对此进行研究，都为模糊控制应用于机器人避障控制提供了思路，指明了方向。 模糊控制的概况及理论基础 模糊控制的主要特。