模糊控制技術在智能吸塵器自動充電中的應用

劉訓非，張首峰

（1.蘇州工業職業技術學院 電子工程系，江蘇 蘇州 215104；2.河南省城鄉建筑設計院有限公司，河南 鄭州 450003）

1 引言

社會的進步和發展使人們的生活節奏越來越快，如何最大程度地擺脫日常繁雜的生活瑣事，成為人們不斷追求的目標。服務機器人正是為迎合這一目標而出現。智能吸塵器是服務機器人的典型代表，它能夠在無人干預的情況下，自動根據程序設定完成房間清掃工作，并且在自動清掃過程中能夠完成樓梯檢測、防碰撞、自動傾倒收集到的垃圾等功能。但是現有智能吸塵器的充電電池，需要借助人將電源接通到插座上才能完成充電功能，降低了智能吸塵器的智能性，給人們生活帶來不便，所以需要一種能夠完成自動充電的智能吸塵器。

論文提出了一種基于模糊控制技術的自動充電算法，該算法能夠自動檢測電源電量，利用紅外傳感器檢測出充電器的位置，根據模糊控制算法自動規劃出一條從智能吸塵器當前所在位置到充電器的路徑，并能夠在移動過程中自動避障，從而完成智能吸塵器的自動充電行為。

2 總體設計

自動充電算法從本質上說是一種點到點的路徑規劃算法，即尋找一條從智能吸塵器當前所在位置到充電插座的一條無碰路徑。基于模糊控制技術的自動充電算法是將模糊控制技術應用到點到點路徑規劃上，其實現過程如下：

1）首先智能吸塵器的電源檢測模塊自動檢測電池電量，當電量低于設定的閾值時，智能吸塵器停止清掃工作，進入充電器檢測狀態；

2）智能吸塵器根據本體安裝的紅外傳感器檢測電源插座發出的紅外信號，進入外部環境檢測狀態；

3）智能吸塵器根據本體安裝的傳感器檢測智能吸塵器當前位置周圍的傳感器分布情況，對當前環境進行分類，智能吸塵器進入模糊推理階段；

4）模糊控制算法將插座發出的紅外信號以及獲得的外部環境信息模糊化并產生規則庫，根據規則庫推理出一條從智能吸塵器本體位置到目標插座的一條無碰路徑。

基于模糊控制算法的智能吸塵器模糊避障控制系統如圖1所示。

圖1 智能吸塵器模糊避障控制系統Fig.1 Intelligent cleaner fuzzy control system

2.1 模糊控制模塊的組成

模糊控制是建立在模糊推理基礎上的基于規則的非線性控制，它直接使用模糊語言模擬人的直覺或經驗進行控制。基于模糊控制算法具有較好的魯棒性，對環境參數變化的適應性較強，而且具有很好的抗干擾能力［1］。

模糊控制模塊的組成如圖2所示。

圖2 模糊控制模塊Fig.2 Fuzzy control module

如圖2所示，一個典型的模糊控制模塊由4個重要模塊組成：知識庫、模糊推理機制、模糊化輸入接口與模糊化輸出接口。

知識庫包含模糊if－then規則庫和數據庫。規則庫中的模糊規則定義體現了與領域問題有關的專家經驗或知識。模糊推理機制建立在表示為模糊規則的知識庫上，按照這些規則和所給的事實執行推理過程，求得合理的輸出或結論。簡單的說就是根據已知的命題，按照一定的法則，推斷出一個新的命題。也可理解為從已知的條件求未知結果的思維過程。模糊規則的多少取決于輸入和輸出物理量的個數以及所需的控制精度［2］。

模糊輸入接口將明確的輸入轉換為對應隸屬函數（模糊語言值是用隸屬度函數描述的，隸屬度函數反映的是事物的漸變性）的模糊語言值。

模糊輸出接口則將模糊的計算結果轉換為明確的輸出。

2.2 算法實現

課題選用的模糊控制是一種多輸入、多輸出的控制方式，輸入變量為各組傳感器測得的信號強度值：近（N）、中（M）、遠（L）及智能吸塵器當前的傾角Δθ；輸出變量為智能吸塵器轉動的角度和移動速度。

2.2.1 輸入量設計

1）前方、左方、右方傳感器測得信號強度值。傳感器測得的信號強度值為：［0，10］，將其劃分為11個等級，｛0，1，2，3，4，5，6，7，8，9，10｝，距離信息的模糊子集定義如下：｛近（N）、中（M）、遠（L）｝。

隸屬度函數圖形如圖3所示。

圖3 前方、左方、右方傳感器獲得的信號強度隸屬度函數Fig.3 Membership function of front，left，right signal strength

2）智能吸塵器當前位置β。β的隸屬模糊子集定義為｛DL、DR｝。當β≥0，即智能吸塵器在目標插座的左側時，取值為DL；反之取值為DR。

2.2.2 輸出量設置

輸出變量為智能吸塵器移動轉動的角度和速度。

1）移動角度。智能吸塵器的轉向角范圍為［－π／3，π／3］，將其論域劃分為7個等級：｛－60°，－40°，－20°，0°，20°，40°，60°｝，其模糊子集定義如下：｛左轉（TL）、稍微左轉（TFL）、前進（TF）、稍微右轉（TFRL）、右轉（TR）｝。

移動角度隸屬函數圖形見圖4。

圖4 移動角度隸屬函數Fig.4 Membership function of moving angle

2）移動速度。模糊子集定義如下：｛中速前進（M）、慢速前進（N）、后退（BA）｝。隸屬度函數同圖3。

2.3 模糊規則的建立

模糊規則是模糊控制的關鍵部分，模糊算法實際上是根據模糊規則進行設計的。而模糊規則是人們根據控制過程中的實際經驗總結出來的用模糊語言表示的條件語句［3］。

論文設計中用D左表示左邊紅外傳感器測得的紅外信號強度值，D前表示前邊紅外傳感器測得的信號強度值，D右表示右邊紅外傳感器測得的信號強度值，angle表示輸入位置，Oangle表示輸出的轉向角，Ov表示輸出的速度。模糊規則形式為

If D左＝…and D前＝…and D右＝…and angle＝ …＝THEN（Oangle＝…and Ov＝… ）

例如：

If D左＝Nand D前＝Land D右＝Land angle＝DL ＝THEN（Oangle＝TF…and Ov＝m ）

If D左＝Nand D前＝Nand D右＝Land angle＝DL ＝THEN（Oangle＝TR…and Ov＝m ）

由于本設計輸入是3組傳感器測得的信號強度值及智能吸塵器當前的方向角，每組距離的模糊語言值有3種情況，智能吸塵器當前方向角有2種情況，輸出為轉向角和加速度，轉向角的模糊語言變量有5種情況，速度有3種情況，所以可以建立81種模糊控制規則。將這些規則放在數據庫中供智能吸塵器避障的時候查詢和使用。本文中為了提高效率，減少重復計算并減少內存占有量，將這些模糊規則制成表格，這樣模糊控制器的工作就可以簡化為根據輸入查表決定輸出，從而大大提高模糊控制的效率。

2.4 清晰化

清晰化也是模糊控制中的關鍵部分，所謂清晰化又叫反模糊化。即把模糊量轉換成精確量，從而控制被控對象。之所以需要清晰化是因為由模糊控制規則表得出的輸出是模糊量，而實際控制被控對象需要的是精確量［4］。本文采用面積重心法進行清晰化。這種方法的做法是取模糊隸屬度函數曲線與橫坐標圍成面積的重心作為模糊推理的最終輸出值［5］。

2.5 仿真實現

本文用智能小車代替智能吸塵器，模擬實現智能吸塵器的自動充電算法。智能吸塵器的硬件組成如圖5所示。

圖5 智能吸塵器硬件組成示意圖Fig.5 Intelligent cleaner hardware schematic

Charger為安裝在墻上的充電器，內有紅外發射模塊A。

Cleaner為智能小車車體，B模塊為遠距離紅外線接收模塊，接收充電器處紅外發射模塊發出的紅外信號，確保智能小車移動到充電器發射出的紅外信號范圍內，并挪動到智能小車正前方。C模塊為近距離紅外線接收模塊，當智能小車在充電器正前方時，以最快速度移動到充電器附近。D模塊為接收器，用來實現對接定位。

當智能小車檢測到電量不足時，停止工作，啟動充電器檢測程序。充電器檢測是根據上文介紹的模糊算法實現的，當智能小車右側的紅外傳感器檢測到強信號時，智能小車向右旋轉直至右側傳感器檢測到的信號強度為弱，左側傳感器檢測到的信號強度為強時停止。與此同時，智能小車記錄小車本次旋轉的角度，并向相反方向旋轉同樣角度的1／2，待旋轉穩定后，向前行走一定距離，重復上述操作，直至智能小車移動到充電器發出的紅外信號區域內。當移動到紅外區域內之后，根據近紅外傳感器測得的信號強度值，智能小車根據算法調整位置并移動到充電器的正前方，同時朝充電器方向移動。當智能小車越來越靠近充電器的時候，智能小車根據檢測到的信號強度值，調整位置完成轉彎掉頭操作，為實現對接做準備。智能小車從尋找充電器，到向充電器逐步靠近直至完成對接，實現充電，整個過程都是智能小車根據充電器發出的信號強度，靠近的過程，它不僅能夠保證探索路徑是最短的，而且具有很強的穩定性。

3 結論

論文提出了一種使用模糊控制技術的智能吸塵器自動充電算法，并且在硬件平臺上對模糊控制理論及算法進行了實現，通過仿真實現可以看出，該算法能夠自動規劃出到目標點的一條無碰路徑。且具有較強的穩定性與實時性。

論文的創新點在于將模糊控制與傳感器結合起來，避免了單純使用傳感器產生的盲區。但是本文中模糊規則使用的是二維表。該方法的缺點是變更模糊規則和隸屬函數不方便，而且當輸入量個數增加時，表格的存儲容量將指數級增長。

［1］Fu Yili，Li Han，Jiang Zainan，et al.Double Layers Fuzzy Logic Based Mobile Robot Path Planning in Unknown Environment［J］.Intelligent Automation and Soft Computing，2009，15（2），275－288.

［2］Yang SX，Luo C.A Neural Network Approach to Complete Coverage Path Planning［J］.IEEE Transaction on System，Man and Cybernetics，2004，34（1）：718－724.

［3］付宜利，顧曉宇，王樹國.基于模糊控制的自主機器人路徑規劃策略研究［J］.機器人，2004，26（6）：548－552.

［4］李群明，熊蓉，褚健.室內移動機器人定位方法研究綜述［J］.機器人，2003，25（6）：506－567，573.

［5］Maaref H，Barret C.Sensor－based Navigation of a Mobile Robot in an Indoor Environment［J］.Robotics and Autonomous Systems，2002，38（1）：1－18.