摘要：模糊技術(shù)具有人類智能的模糊性和推理能力，在路徑規(guī)劃中，模糊推理的應(yīng)用主要體現(xiàn)在基于行為的導(dǎo)航方式上，機(jī)器人的最終操作由高層控制機(jī)構(gòu)對(duì)基本行為進(jìn)行平衡后作出綜合反應(yīng)。模糊控制方法將信息獲取和模糊推理過(guò)程有機(jī)結(jié)合，同時(shí)計(jì)算量小，構(gòu)成方法較為簡(jiǎn)單，節(jié)省系統(tǒng)資源，實(shí)時(shí)性。本文探討了模糊控制技術(shù)在避障路徑規(guī)劃中的應(yīng)用，并對(duì)其進(jìn)行了仿真設(shè)計(jì)?；贛ATLAB的仿真結(jié)果表明模糊邏輯推理方法在智能小車的導(dǎo)航控制中具有良好的效果。

1、前言

環(huán)境中存在障礙物時(shí)，路徑規(guī)劃控制系統(tǒng)具有高度不確定性，是一個(gè)多輸入多輸出(MIMO)系統(tǒng)。對(duì)于這種具有高度不確定性的MIMO系統(tǒng)，傳統(tǒng)的控制方法不能達(dá)到很好的控制效果。模糊推理控制方法將人類的駕駛經(jīng)驗(yàn)融入系統(tǒng)控制之中，因此可以較好地滿足系統(tǒng)自適應(yīng)性、魯棒性和實(shí)時(shí)性的要求。模糊控制方式借助模糊數(shù)學(xué)這一工具通過(guò)推理來(lái)實(shí)現(xiàn)控制。模糊邏輯模擬了人類思維的模糊性，它采用與人類語(yǔ)言相近的語(yǔ)言變量進(jìn)行推理，因此借助這一工具可將人類的控制經(jīng)驗(yàn)融人系統(tǒng)控制之中，使得系統(tǒng)可以像有經(jīng)驗(yàn)的操作者一樣去控制復(fù)雜、激勵(lì)不明的系統(tǒng)。總的說(shuō)來(lái)模糊控制具有以下特點(diǎn)：

1)不依賴于被控對(duì)象的精確數(shù)學(xué)模型，易于對(duì)不確定性系統(tǒng)進(jìn)行控制；

2)易于控制、易于掌握的較理想非線性控制器，是一種語(yǔ)言控制器；

3)抗干擾能力強(qiáng)，響應(yīng)速磨陜，并對(duì)系統(tǒng)參數(shù)的變化有較強(qiáng)的魯棒性。

神經(jīng)網(wǎng)絡(luò)控制的研究與應(yīng)用已深入到眾多的領(lǐng)域和學(xué)科。同樣，它的發(fā)展也給電氣傳動(dòng)系統(tǒng)的控制策略帶來(lái)了新思想、新方法。與傳統(tǒng)的控制方法相比，神經(jīng)網(wǎng)絡(luò)控制有一系列的優(yōu)點(diǎn)：神經(jīng)網(wǎng)絡(luò)控制突破了傳統(tǒng)控制理論中必須基于被控對(duì)象的數(shù)學(xué)模型，它按實(shí)際效果進(jìn)行控制而不依賴于被控對(duì)象的數(shù)學(xué)模型；其次，智能控制模仿了人腦思維，而人腦的思維是非線性的，因此神經(jīng)網(wǎng)絡(luò)控制器也具有非線性的特點(diǎn)。

模糊控制器的基本結(jié)構(gòu)由模糊輸入接口、模糊推理以及模糊輸出接口三個(gè)模塊組成。模糊輸入接口的主要功能是實(shí)現(xiàn)精確量的模糊化，即把物理量的精確值轉(zhuǎn)換成語(yǔ)言變量值。語(yǔ)言變量的分檔根據(jù)實(shí)際情況而定，一般分為3—7檔，檔數(shù)越多，控制精度越高，計(jì)算量也越大。模糊推理決策機(jī)構(gòu)的主要功能是模仿人的思維特征，根據(jù)總結(jié)人工控制策略取得的語(yǔ)言控制規(guī)則進(jìn)行模糊推理，并決策出模糊輸出控制量。模糊輸出接口的主要功能是把輸出模糊量轉(zhuǎn)化為精確量，施于被控對(duì)象。

2、模糊控制器設(shè)計(jì)

模糊控制器主要有模糊化、知識(shí)庫(kù)、模糊推理和清晰化這四部分組成。首先把輸入的精確量轉(zhuǎn)換成模糊量。知識(shí)庫(kù)包含了具體應(yīng)用領(lǐng)域的知識(shí)和要求的控制目標(biāo)和規(guī)則等，由數(shù)據(jù)庫(kù)和模糊規(guī)則庫(kù)兩部分組成。模糊推理是模糊控制器的核心，它具有模擬人的模糊概念推理能力，輸入量經(jīng)由模糊推理得到模糊量控制量；再經(jīng)過(guò)解模糊變換為用于實(shí)際控制的清晰量，作用于被控對(duì)象。

智能機(jī)器人模糊控制器設(shè)計(jì)的主要目標(biāo)是：當(dāng)紅外傳感器探測(cè)到障礙物或者目標(biāo)時(shí)，模糊控制器根據(jù)探測(cè)到的信息，確定智能機(jī)器人的位置、距離、方位，然后控制智能機(jī)器人避開障礙物，按預(yù)定的路徑和方位行走。

1)確定系統(tǒng)的輸入、輸出

設(shè)置模糊控制器的輸入變量為X1、X2,X3和X4，輸出Y。其中：X1、X2,X3分別表示智能機(jī)器人距離障礙物右方、左方和前方的距離；X4表示智能機(jī)器人運(yùn)動(dòng)方向與目標(biāo)中心連線的目標(biāo)定位；Y表示智能機(jī)器人的轉(zhuǎn)動(dòng)角。當(dāng)目標(biāo)在智能機(jī)器人右前方時(shí)，目標(biāo)定位X4為正，否則x4為負(fù)；當(dāng)智能機(jī)器人轉(zhuǎn)向右時(shí)，轉(zhuǎn)向角Y定義為正，當(dāng)轉(zhuǎn)向左時(shí)，Y定義為負(fù)。以上輸入變量均由紅外傳感器的狀態(tài)數(shù)據(jù)所確定，經(jīng)過(guò)模糊控制器的模糊化處理和模糊推理后，輸出動(dòng)作行為結(jié)果，該動(dòng)作行為結(jié)果的執(zhí)行是由子控制系統(tǒng)(電機(jī)控制器)執(zhí)行，最終的執(zhí)行者為電機(jī)。

2)定義模糊控制集合

在距離描述上采用如下模糊集合：{Near，F(xiàn)ar}={“近”，“遠(yuǎn)”}，論域范圍為(O～6m)；目標(biāo)定位變量X4的模糊語(yǔ)言描述為{LB，LS，Z，RS，RB}={‘‘左大”，“左小”，“零”，“右小”，“右大”}，論域范圍為(一1800，1800)；輸出變量Y的模糊語(yǔ)言描述為{TLB，TLS，TZ，TRs，TRB}={“左大”，“左小”，“零”，“右小”，“右大”}，論域范圍為(一300，300)。

3)建立模糊控制規(guī)則庫(kù)

智能機(jī)器人在遠(yuǎn)離障礙或不存在障礙物環(huán)境下，依據(jù)不同的智能機(jī)器人軌跡和目標(biāo)方位，可以先建立5條導(dǎo)航規(guī)則(1～5)。這幾條規(guī)則控制智能機(jī)器人轉(zhuǎn)向目標(biāo)位置：

1：ifX1isFARandX2isFARandX3isFARandX4isLBthenYisTLB：

2：ifXlisFARandX2isFARandX3isFARandX4isLSthenYisTLS；

3：ffX1isFARandX2isFARandX3isFARandX4isZthenYisTZ；

4：ifX1isFARandX2isFARandX3isFARandX4isRSthenYisTRS；

5：ifXlisFARandX2isFARandX3isFARandX4isRBthenYisTRB：

3、避障算法設(shè)計(jì)

2.1參考坐標(biāo)系

建立被控對(duì)象和行駛環(huán)境的二維參考坐標(biāo)系（如圖1所示），為計(jì)算方便，假設(shè)車輪與地面無(wú)滑動(dòng)，能繞其質(zhì)心轉(zhuǎn)向。xoy為固定的全局坐標(biāo)系，設(shè)定目標(biāo)點(diǎn)坐標(biāo)為（XG,YG）,在任一時(shí)刻，小車位置為（x(t),y(t)）,航向?yàn)?/p>

，步長(zhǎng)為step，當(dāng)前航向與小車質(zhì)心到目標(biāo)連線的的夾角為tg，轉(zhuǎn)向角為sa。

圖1參考坐標(biāo)系

2.2傳感器選擇和應(yīng)用

移動(dòng)機(jī)器人要獲得自主行為，就需要有能感知周圍環(huán)境信息的能力，其主要是通過(guò)傳感器來(lái)實(shí)現(xiàn)的。常用于避障機(jī)器人的傳感器有超聲波傳感器，紅外傳感器，激光傳感器，CCD視覺傳感器等。其中，超聲波傳感器具有技術(shù)成熟，成本低，接口容易實(shí)現(xiàn)等優(yōu)點(diǎn)，成為避障機(jī)器人的首選，如圖2所示。

圖2超聲波傳感器原理圖

雖然超聲波傳感器有眾多優(yōu)點(diǎn)，但也存在一定的不穩(wěn)定性，超聲傳感器的幻影現(xiàn)象。產(chǎn)生這種現(xiàn)象的原因是，超聲傳感器發(fā)出的超聲波信號(hào)是具有一定方向性的波束，當(dāng)傳感器與障礙物形成較大角度時(shí)，會(huì)發(fā)生鏡面反射，從而產(chǎn)生幻影，如圖3所示。為了解決這種現(xiàn)象所帶來(lái)的誤差，本設(shè)計(jì)使用多個(gè)傳感器來(lái)補(bǔ)償，抵消幻影現(xiàn)象帶來(lái)的誤差。

圖3幻影現(xiàn)象示意圖圖

4機(jī)器人基本結(jié)構(gòu)

如圖4所示,機(jī)器人前方成扇形排分布三組超聲波傳感器，分別用于探測(cè)左側(cè)，前方和右側(cè)的的障礙物，有效距離為0.3至10米。每組傳感器由兩支三只超聲波傳感器組成，分別取測(cè)得最小數(shù)值作為該方向上障礙物的距離。同時(shí)，為了保證機(jī)器人的運(yùn)動(dòng)有方向性，在機(jī)器人中心有一只方位傳感器，測(cè)量范圍是（-180°，180°）。用于獲得機(jī)器人航向與目標(biāo)到機(jī)器人連線的夾角，引導(dǎo)機(jī)器人向目標(biāo)點(diǎn)運(yùn)動(dòng)。

4、模糊控制器的設(shè)計(jì)

4.1輸入輸出量的選取

模糊控制器的輸入輸出語(yǔ)言變量的選取應(yīng)該盡量的簡(jiǎn)單，又要考慮機(jī)器人行駛和避讓障礙物的實(shí)際情況，較好的反應(yīng)機(jī)器人避障的過(guò)程[12]。因此，我們選取超聲傳感器及方位傳感器采集的外部環(huán)境信息作為模糊控制器的輸入，模糊控制器的輸出則是機(jī)器人的方向控制。根據(jù)上節(jié)介紹，將九只超聲波傳感器分為三組（前方，左側(cè)，右側(cè)各三只），每組取其最小距離信號(hào)作為該方向的輸入，dr為右側(cè)障礙物距離，dc為前方障礙物距離，dl為左側(cè)障礙物距離；方位傳感器則測(cè)得航向與目標(biāo)點(diǎn)到機(jī)器人連線的夾角，為tg。因此模糊控制器輸入變量為四個(gè)，分別是：dr，dc，dl和tg；模糊控制器的輸出變量有一個(gè)，即機(jī)器人轉(zhuǎn)向角sa。

4.2輸入輸出量的模糊語(yǔ)言描述及模糊分割

模糊語(yǔ)言的確定包括由語(yǔ)法規(guī)則生成適當(dāng)?shù)哪：Z(yǔ)言值，根據(jù)語(yǔ)義規(guī)則確定語(yǔ)言值的隸屬度函數(shù)以及確定語(yǔ)言變量的論域等。這里使用連續(xù)型論域，采用簡(jiǎn)單線性化處理方法，對(duì)個(gè)輸入量進(jìn)行模糊語(yǔ)言描述，如下：

距離輸入變量：d={近，遠(yuǎn)}={near，far}；

目標(biāo)方位輸入變量：tg={左大，左中，左小，前，右小，右中，右大}

={lb，lm，ls，zo，rs，rm，rb}；

輸出轉(zhuǎn)向角變量：sa={左轉(zhuǎn)，左中轉(zhuǎn)，左稍轉(zhuǎn)，直走，右稍轉(zhuǎn)，右中轉(zhuǎn)，右轉(zhuǎn)}；

={tlb，tlm，tls，tz，trs，trm，trb}；

模糊分割是指模糊語(yǔ)言對(duì)所在論域的劃分，決定了模糊控制的精細(xì)化程度。模糊分割的越多，控制越精細(xì)，但對(duì)應(yīng)控制規(guī)則數(shù)目也就越多；模糊分割太粗，則難以對(duì)控制性能進(jìn)行細(xì)致調(diào)整。所以，模糊分割的數(shù)目并無(wú)指導(dǎo)性的方法，主要根據(jù)具體情況和經(jīng)驗(yàn)來(lái)劃分。例如上面對(duì)距離輸入變量的劃分，通常情況下對(duì)距離變量劃分為{近，中，遠(yuǎn)}，但如此一來(lái)，模糊規(guī)則的數(shù)量共有條，較難實(shí)現(xiàn)。因此將距離變量簡(jiǎn)單劃分為{近，遠(yuǎn)}，模糊規(guī)則數(shù)減少到條。模糊規(guī)則數(shù)大幅減少，既容易實(shí)現(xiàn)，又未過(guò)多降低控制精度。

4.3輸入輸出量的模糊化

模糊語(yǔ)言值只是一個(gè)模糊子集，語(yǔ)言值要通過(guò)隸屬函數(shù)來(lái)描述。在論域連續(xù)是的情況下，隸屬度常用函數(shù)的形式來(lái)進(jìn)行描述，常見的有隸屬函數(shù)有三角形，梯形，高斯型等。

通常，隸屬函數(shù)的形狀越陡，分辨率就越高，控制靈敏度也就越高；相反，若隸屬函數(shù)變化緩慢，則控制特性也平緩，對(duì)應(yīng)的系統(tǒng)穩(wěn)定性好。因此，在選擇語(yǔ)言值的隸屬度函數(shù)是，一般在誤差為零的附近區(qū)域采用分辨率較高的隸屬函數(shù)，而在誤差較大的區(qū)域，可采用分辨率較低的隸屬函數(shù)，以獲得較好的魯棒性。

此外，大多數(shù)情況下，隸屬函數(shù)的選取具有較大的隨意性，對(duì)同一模糊集不同的人肯能選取不同的隸屬函數(shù)去表述，并無(wú)絕對(duì)的對(duì)錯(cuò)。因此，在利用MATLAB建立模糊控制器時(shí)，可通過(guò)改變隸屬函數(shù)來(lái)觀察其對(duì)輸出的影響。各輸入輸出變量隸屬函數(shù)如下圖5所示。

圖5夾角tg的隸屬函數(shù)

5、實(shí)驗(yàn)仿真

模糊控制器設(shè)計(jì)完成后，需要連接到模糊控制系統(tǒng)中仿真，以檢驗(yàn)其是能否有效完成控制要求。要建立模糊控制系統(tǒng)，首先要建立起系統(tǒng)中各部分，即各個(gè)模塊，然后連接它們組成模糊控制系統(tǒng)。在Matlab中的Simulink是一個(gè)專門用于對(duì)各種動(dòng)態(tài)系統(tǒng)進(jìn)行建模、仿真和分析的軟件包，能夠很容易的簡(jiǎn)歷控制系統(tǒng)模型。但其中并未包含有關(guān)移動(dòng)機(jī)器人的仿真模塊，因此需要自行建立。

主函數(shù)

主函數(shù)包含機(jī)器人避障和行進(jìn)軌跡的全部算法，是仿真程序的核心部分。

(b)超聲傳感器的模擬

由于用函數(shù)模擬的超聲傳感器是理想的，不存在幻影現(xiàn)象等引起的誤差，因此程序中，機(jī)器人只有三只超聲傳感器，其探測(cè)方向分別是機(jī)器人正前方和其左右45°方向。此外，針對(duì)障礙物邊界的不同，模擬超聲傳感器有不同的計(jì)算函數(shù)。因此在主函數(shù)中，要先分析障礙物屬性，再進(jìn)行測(cè)距。

(c)模糊控制器

這一部分對(duì)整個(gè)模糊控制器進(jìn)行了描述，包括輸入輸出變量模的模糊化，模糊規(guī)則，解模糊方法和輸入輸出變量的隸屬函數(shù)。

程序編寫完后，輸入到Matlab中，形成m文件，進(jìn)行調(diào)試。調(diào)試成功后即可給定程序中障礙物位置參數(shù)、起點(diǎn)坐標(biāo)、終點(diǎn)坐標(biāo)及步長(zhǎng)，進(jìn)行仿真試驗(yàn)。如圖6為仿真實(shí)驗(yàn)圖。

圖6仿真實(shí)驗(yàn)圖

6、結(jié)論

智能小車運(yùn)動(dòng)過(guò)程中所遇到的障礙物具有不可預(yù)測(cè)性，其數(shù)學(xué)模型難以確定，因此在避障方式上采用模糊控制是適用的。模糊控制作為一種非線性控制，已經(jīng)成為實(shí)現(xiàn)智能控制的一種重要而有效的形式?；谀：壿嬐评淼谋苷显O(shè)計(jì)對(duì)于小車遇見突發(fā)性障礙物后的避障行為控制尤為適宜，且控制方法靈活，可根據(jù)仿真效果修改相應(yīng)的參數(shù)和模糊推理規(guī)則。但考慮到單片機(jī)的處理能力和實(shí)時(shí)性要求，本文所采用的模糊控制規(guī)則仍較為簡(jiǎn)單，而且沒有使用模糊矩陣進(jìn)行運(yùn)算。在處理器功能更加完善的情況下，應(yīng)增加模糊控制規(guī)則，引人矩陣運(yùn)算，提升控制效果。