基于模糊控制的機器人避障算法研究

王志騰

摘 要：文章首先對采用的機器人樣機進行了介紹，通過安裝在機器人不同位置的超聲波傳感器采集障礙物信息作為模糊控制機器的輸入，經過控制器處理后輸出機器人左右兩側驅動輪的速度值，經過實驗驗證，該控制器較好的實現了機器人的自主避障。

關鍵詞：機器人；超聲波；模糊控制；自主避障

中圖分類號：TN98 文獻標志碼：A 文章編號：2095-2945（2018）22-0081-02

Abstract： Firstly， the robot prototype is introduced in this paper. The obstacle information is collected by ultrasonic sensors installed in different positions of the robot as the input of the fuzzy control machine. After processing by the controller， the speed value of the driving wheels on the left and right sides of the robot is outputted. The experimental results show that the controller realizes the autonomous obstacle avoidance of the robot.

Keywords： robot； ultrasonic； fuzzy control； autonomous obstacle avoidance

如今，隨著社會經濟和科學技術的快速發展，人工智能技術慢慢滲入到人民生活中，其中，機器人技術已成為當今研究的熱門話題，而機器人如何智能避開障礙物成為研究的重難點。本文在機器人自主避障中利用模糊算法，將超聲波傳感器采集的信息作為模糊控制器的輸入，通過控制機器人兩側的速度躲避障礙物。通過實驗，驗證此算法的有效性和可行性。

1 機器人樣機

其整體機構設計如圖1所示，由車體和四組變形輪模塊組成。車體中包括超聲波傳感器和控制單元，其中，超聲波傳感器用于對未知環境信息的采集，控制單元執行機器人運動決策，控制其兩側的速度。每個車輪均采用獨立的驅動電機，利用差速轉向原理，完成不同半徑曲道的轉彎。

2 模糊控制器設計

本文模糊控制系統主要包括：輸入模糊化、模糊推理和解模糊三個過程，系統結構如圖2所示，通過超聲波傳感器采集障礙物距離，解模糊后的輸出值即為機器人兩側的運動速度。

2.1 輸入輸出模糊化

編號為U1～U4的傳感器分別置于機器人左側（L），左前方（LF），右前方（RF）和右側（R），其設置位置如圖3所示，分別采用模糊語言LD、LFD、RFD和RD表示左側、左前方、右前方和右側四個方向。

所設計系統中的超聲波傳感器距離范圍為0.02～600cm，因此設定LD、LFD、RFD和RD的論域為（10cm，600cm）。將模糊確定值{Far，Mid，Near}簡化為{F，M，N}，分別表示距離的遠、中、近。為了便于在處理器中做移植，輸入輸出隸屬函數均采用如圖4所示的三角形均勻分布。

模糊控制器的輸出為下一時刻機器人兩側的速度，分別用模糊語言變量V1和V2表示，根據機器人的移動速度？自為-3～3m/s，將速度論域Y設定為（-1m/s，1m/s）。

將Y的模糊子集設定為{RR，R，S，F，FR}，分別表示快速反轉，反轉，停止，正轉和快速正轉，隸屬函數采用如圖5所示的三角函數，均勻分布。

2.2 模糊控制規則

根據超聲波傳感器所探測障礙物的信息特征，分4種情況討論：（1）只有一個方向有障礙物；（2）兩個方向有障礙物；（3）在三個方向有障礙物；（4）四個方向均有障礙物。采用IF-THEN條件語句，建立如下模糊控制規則：

ifLD=ANYandLFD=NandRFD=FandRD=F，THEN=FAND=R；

ifLD=ANYandLFD=MandRFD=FandRD=F，THEN=FRAND=R；

ifLD=FandLFD=FandRFD=NandRD=ANY，THEN=RAND=F；

ifLD=FandLFD=FandRFD=MandRD=ANY，THEN=RAND=FR；

ifLD=NandLFD=FandRFD=FandRD=N，THEN=FAND=F；

ifLD=NandLFD=FandRFD=FandRD=M，THEN=FRAND=F；

ifLD=NandLFD=MandRFD=MandRD=N，THEN=FAND=F；

ifLD=NandLFD=MandRFD=FandRD=N，THEN=FRAND=F；

2.3 解模糊

上述模糊推理得到的輸出為模糊量，在控制系統中無法使用，還需對其進行解析，即解模糊。本文采用中心平均法解模糊，不僅繼承了最大隸屬法和重心法的優點，而且簡化了計算，盡可能多的保留數據信息。

3 測試實驗

測試試驗在室內進行，機器人以0.8m/s的速度直線運行，通過在機器人周圍設置障礙物來檢測機器人自主避障性能。下面分兩種情況進行討論，從而驗證本系統的有效性和可行性。

情況1：在機器人右前方設置障礙物。如圖6（a）所示，放置一個質量較小，體積較大的盒子在機器人右前方。機器人先以穩定速度直線前行，當超聲波傳感器檢測到前方有障礙物時，如圖6（b）所示，利用差速轉向原理，通過左轉自主避開右前方障礙物；圖6（c）所示，機器人成功避開障礙物（在另一方向拍攝），實現自主避障功能。

情況2：機器人右側和左前方設置障礙物。分別在機器人右側放置一個體積較小的盒子，左前方放置一個體積較大的盒子，如下圖7（a）所示。

當超聲波傳感器檢測到右側的障礙物時，機器人通過左轉避開障礙物繼續前行，當接近左前方障礙物時，如圖7（b）所示，機器人右轉繼續運動，如下圖7（c）所示，從而驗證了本系統的可行性與有效性。

本文基于模糊控制的算法對機器人自主避障進行了研究，實驗表明，機器人可以根據所制定的模糊控制規則，準確自主地避開障礙物，驗證了系統的可行性與有效性。但是當障礙物形狀多變且分布復雜時，機器人可能會發生誤判行為，因此下一步的工作是優化算法，考慮將神經網絡與模糊控制進行最優融合，使機器人能更準確的自主避障。

參考文獻：

[1]孫樹棟，林茂.基于遺傳算法的多移動機器人協調路徑規劃[J].自動化學報，2000，26（5）：672-676.

[2]楊小菊，張偉，高宏偉，等.基于模糊控制的移動機器人避障研究[J].傳感器與微系統，2017（3）：51-54.

[3]聶章龍，張靜.采摘機器人智能避障決策系統-基于ZigBee和單片機[J].農機化研究，2018（12）：130-134.