移動機器人避障模糊控制仿真研究

馬輝

【摘 要】 當前，移動機器人在躲避障礙物過程中，導致輸出誤差較大，不能很好地跟蹤期望運動軌跡。本文借助于仿真軟件MATLAB對機器人避障效果進行驗證，結果表明：采用傳統(tǒng)PID控制器，機器人雖然能夠避開障礙物，但是輸出誤差較大，控制系統(tǒng)不穩(wěn)定。采用模糊控制器，機器人不僅能夠躲避障礙物，而且輸出誤差較小，控制系統(tǒng)相對穩(wěn)定。采用模糊控制器，移動機器人自適應調節(jié)能力強，不僅可以躲避障礙物的干擾，而且輸出誤差較小。

【關鍵詞】 移動機器人;模糊控制器;二次線性調節(jié)器;避障;仿真

【中圖分類號】 TH112 【文獻標識碼】 A 【文章編號】 2096-4102（2021）05-0094-03

一直以來，控制系統(tǒng)都是阻礙機器人發(fā)展的重要問題，必須對機器人控制系統(tǒng)進行改進，才能在未來發(fā)展中占據市場。對此，本文建立了移動機器人運動模型簡圖，結合理論和實際運動軌跡定義了機器人運動誤差模型，將誤差模型進行線性化。

1移動機器人

1.1運動學模型

移動機器人簡圖模型在直角坐標系中如圖1所示。

假設移動機器人不能橫向滑動，其運動學模型如下：

[xyθ=cosθ? ? 0sinθ? ? 0? ?0? ? ? ?1vw]? ? ? ? ?（1）

式中：x、y、θ為移動機器人實際運動坐標;v、w分別為實際線速度和角速度。

1.2運動誤差模型

移動機器人運動誤差定義為：

[exeyeθ=? ?cosθ? ? ?sinθ? ? 0-sinθ? ? cosθ? ? 0? ? ? 0? ? ? ? ?0? ? ? ? ?1xr-xyr-yθr-θ]? ?（2）

式中：xr、yr、θr為移動機器人參考運動坐標。

考慮到移動機器人具有如式（1）所示的運動學模型，通過推導式（2）得到如下運動學模型：

[exeyeθ=sineθ? ? 0coseθ? ? 0? ? ?0? ? ? ?1vrwr+-1? ? ? ey0? ? ? -ex0? ? ? -1 u]? （3）

式中：vr、wr分別為參考線速度和角速度;u為反饋控制輸入。

u定義如下所示：

[u=uF+uB=vrcoseθwr+vw] （4）

式中：uF、uB分別為控制器輸入和輸出。

將上述模型線性化后可以得到如下所示：

[exeyeθ=? ?0? ? ?wr? ? 0-wr? ? 0? ? ?vr? ?0? ? ?0? ? ?0exeyeθ+-1? ? ? 0? 0? ? ? 0? 0? ? -1vw] （5）

方程式（5）為狀態(tài)空間形式，定義為e′=Ae+Bu。

2控制器設計

2.1 T-S模糊建模

T-S模糊模型是Takagi和Sugeno提出的一種多模型建模方法。方程（5）所描述系統(tǒng)的T-S模糊模型的第i條規(guī)則如下：

如果w1（t）為Fi1，···，wg（t）為Fig，那么e（t）′=Aie（t） +Biu（t）。

w1（t），w2（t），···，wg（t）為假定變量，F(xiàn)ig為模糊集，i=1，2，···，L。L為模糊規(guī)則個數，并且Ai∈Rn×n，Bi∈Rn×m分別為狀態(tài)矩陣和輸入矩陣。

整個模糊系統(tǒng)推斷如下：

[e（t）=i=1Lμi（w（t））Aie（t）+Biu（t）i=1Lμi（w（t））] （6）

令hi=μi/Σμi為第i個模糊規(guī)則的激活函數，方程式（6）被寫成：

[e（t）=i=1Lhi（w（t））Aie（t）+Biu（t）] （7）

式中：w（t）=[w1（t），w2（t），···，wg（t）]。

對于i=1，2，···，L，μ（μi（t））≥0，激活函數具有以下性質：

[i=1Lhi（w（t））=1]? （8）

T-S模糊控制器的第i條規(guī)則如下：

如果w1（t）為Fi1，···，wg（t）為Fig，那么u（t）= -Kie（t）。其中，i=1，2，···，L。Ki為狀態(tài)反饋增益。

通過與全局模糊系統(tǒng)的匹配，將全局模糊控制器寫成：

[u（t）=-i=1Lhi（w（t））kie（t）] （9）

將式（9）代入式（7），得到閉環(huán)系統(tǒng)：

[e（t）=i=1Li=1Lhi（w（t））hj（w（t））Ai-BiKje（t）]

（10）

2.2線性二次型調節(jié)器

線性二次型調節(jié)器是設計線性狀態(tài)反饋控制器最常用的現(xiàn)代控制方法。它包括尋找一個使二次成本函數最小化并保證線性系統(tǒng)穩(wěn)定性的最優(yōu)控制律。由于我們使用的是誤差狀態(tài)空間模型，控制問題的形式如下，計算最優(yōu)控制律為：

[u（t）=-Ke（t）]? ? ? （11）

使二次型性能指標最小化為：

[J=∞t0（eTQe+uTRu）dt] （12）

控制線性系統(tǒng)為：

[e（t）=Ae（t）+Bu（t）]? ?（13）

其中：

[K=R-1BTP]? ? ? ? （14）

P是下列方程的解，如下所示：

[PA=ATP+Q-PBR-1BTP=0] （15）

式中：Q為控制收斂速度的半正定矩陣;R為懲罰控制輸入的正定矩陣。

該控制程序對T-S模糊模型的每個子系統(tǒng)都適應。采用線性二次型調節(jié)器作為避障控制器，通過模糊邏輯控制器實時調整其權值矩陣。

移動機器人的控制輸入如下：

[v=（1-F）vT+Fvobw=（1-F）wT+Fwob] （16）

由于機器人具有前進速度和轉向能力，必須對其加以限制，以防止移動機器人打滑或側翻。

假設速度和加速度限制為：

[v≤vmaxw≤wmaxaT=dv/dt≤aT，maxaL-kv2≤aL，max] （17）

式中：vmax和wmax分別為最大線速度和角速度;aT、aL、aT，max和aL，max分別為縱向加速度、橫向加速度、最大縱向加速度和橫向加速度;κ=v/w。

實際速度（vc，wc）及實際加速度（aTc和aLc）應該滿足如下條件：

如果|v|/vmax>1，并且|v|/vmax>|w|/wmax，那么

[vc=sign（v）vmaxwc=wvmax/vaTc=sign（aT）aT，maxaLc=aLaT，max/a]? ? ? ? ? ? ? ? ?（18）

如果|w|/wmax>1，并且|w|/wmax>|v|/vmax，那么

[vc=vwmax/wwc=sign（w）wmaxaTc=aTaL，max/aLaLc=sign（aL）aL，max]? ? ? ? ?（19）

如果|v|/vmax<1，并且|w|/wmax<1，那么

[vc=vwc=waTc=aTaLc=aL] （20）

在所提出的控制系統(tǒng)時，必須根據機器人的摩擦力和質量，選擇合適的參數aT，max和aL，max，以保證機器人不會打滑。

3誤差仿真

采用模糊控制的移動機器人，其避障效果如何。接下來，通過仿真實驗驗證模糊控制輸出效果，并且與傳統(tǒng)PID控制輸出效果進行比較和分析。假設移動機器人初始位置坐標為（-3.0，0），期望跟蹤軌跡為圓形，其方程式為：x2+y2=9。在相同環(huán)境中，采用傳統(tǒng)PID控制器，移動機器人避障效果如圖2所示。采用模糊控制器，移動機器人避障效果如圖3所示。

根據圖2可知，采用傳統(tǒng)PID控制器，移動機器人雖然能夠成功躲避障礙物，但是，移動機器人在避開障礙物的同時，導致輸出誤差較大。機器人在軌跡跟蹤過程中，控制系統(tǒng)不穩(wěn)定。

根據圖3可知，采用模糊控制器，移動機器人不僅能夠成功躲避障礙物，而且輸出誤差較小。機器人控制系統(tǒng)運動相對穩(wěn)定。因此，采用模糊控制器，不僅可以成功躲避障礙物，還能夠保持控制系統(tǒng)的穩(wěn)定性，控制精度較高。

4結語

仿真模擬結果具有良好的跟蹤性能，跟蹤誤差較小，平穩(wěn)地避開障礙物，證明了所提出的控制方法在解決機器人軌跡跟蹤問題中的有效性，為設計人員提供理論依據。但是，對機器人能源效率沒有研究，未來可作為研究問題。

【參考文獻】

[1]孔海怡.基于全向移動機器人的軌跡跟蹤與避障控制[D].廣州：華南理工大學，2020.

[2]呂作明.輪式移動機器人機動性研究及實驗平臺實現(xiàn)[D].北京：北方工業(yè)大學，2021.

[3]蔡衛(wèi)國，陳思遠，劉志巖，等.輪式機器人避障控制系統(tǒng)研究[J].機械工程與自動化，2019（4）：15-16.

[4]覃尚活，郭乾，劉穎輝.基于SMART PLC的移動機器人控制系統(tǒng)[J].機床與液壓，2021，49（15）：33-36.

[5]曹薇，陳亮.電氣巡檢機器人避障導航PLC控制系統(tǒng)設計[J].自動化與儀器儀表，2021（6）：157-160.

[6]姜光，姜久超，李愛寧.基于PLC的農業(yè)機器人電氣控制系統(tǒng)設計[J].農機化研究，2021，44（2）：219-223.

[7]張郭，許艷英，張亮.基于動靜態(tài)安全場的機器人避障路徑控制仿真研究[J].中國工程機械學報，2021，19（3）： 233-236.

[8]Javier Pliego-Jiménez，Rigoberto Martínez-Clark，César Cruz-Hernández，et al.Trajectory tracking of wheeled mobile robots using only Cartesian position measurements[J].Automatica，2021，35（5）：28-40.

[9]陳俊.非完整輪式移動機器人的軌跡跟蹤控制研究[D].杭州：浙江工業(yè)大學，2017.

[10]雷春輝.基于T-S模糊模型的非高斯隨機分布控制系統(tǒng)的故障診斷與容錯控制[D].鄭州：鄭州大學，2016.