1 前言

　　模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎的一種智能控制方法，它是從行為上模仿人的模糊推理和決策過程的一種智能控制方法。該方法首先將操作人員或專家經驗編成模糊規(guī)則，然后將來自傳感器的實時信號模糊化，將模糊化后的信號作為模糊規(guī)則的輸入，完成模糊推理，將推理后得到的輸出量加到執(zhí)行器上。

　　環(huán)境中存在障礙物時，路徑規(guī)劃控制系統(tǒng)具有高度不確定性，是一個多輸入多輸出 (MIMO) 系統(tǒng)。對于這種具有高度不確定性的 MIMO 系統(tǒng)，傳統(tǒng)的控制方法不能達到很好的控制效果。模糊推理控制方法將人類的駕駛經驗融入系統(tǒng)控制之中，因此可以較好地滿足系統(tǒng)自適應性、魯棒性和實時性的要求。模糊控制方式借助模糊數學這一工具通過推理來實現(xiàn)控制。模糊邏輯模擬了人類思維的模糊性，它采用與人類語言相近的語言變量進行推理，因此借助這一工具可將人類的控制經驗融人系統(tǒng)控制之中，使得系統(tǒng)可以像有經驗的操作者一樣去控制復雜、激勵不明的系統(tǒng)。

　　模糊控制器的輸入必須通過模糊化才能用于控制輸出的求解，因此它實際上是模糊控制器的輸入接口。它的主要作用是將真實的確定量輸入轉換為一個模糊矢量。模糊控制器的基本結構由模糊輸入接口、模糊推理以及模糊輸出接口三個模塊組成。模糊輸入接口的主要功能是實現(xiàn)精確量的模糊化，即把物理量的精確值轉換成語言變量值。語言變量的分檔根據實際情況而定，一般分為 3—7 檔，檔數越多，控制精度越高，計算量也越大。模糊推理決策機構的主要功能是模仿人的思維特征，根據總結人工控制策略取得的語言控制規(guī)則進行模糊推理，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化為精確量，施于被控對象。

　　2 模糊控制器設計

　　模糊控制是一種基于規(guī)則的控制，它直接采用語言型控制規(guī)則，出發(fā)點是現(xiàn)場操作人員的控制經驗或相關專家的知識，在設計中不需要建立被控對象的精確的數學模型。機器人的運動系統(tǒng)和汽車駕駛系統(tǒng)很相似，汽車駕駛是一個比較復雜的問題，難以建立精確的數學模型和用數學解析式描述; 有經驗的駕駛員能把汽車駕駛的很好，這主要是依靠他們的經驗。依據這個思路，采用模糊控制算法，解決機器人的運動是一個很還的解決方案。

　　智能機器人模糊控制器設計的主要目標是：當紅外傳感器探測到障礙物或者目標時，模糊控制器根據探測到的信息， 確定智能機器人的位置、距離、方位，然后控制智能機器人避開障礙物，按預定的路徑和方位行走。根據硬件電路設計可知，HC—SR04 的距離信號可以用來判斷抓取物的距離和方向信息，轉彎角度和機器人運動相對位移是用來控制機器人和抓取物的相對位置。本設計中采用兩個獨立的模糊控制器來控制轉彎角度和運動相對位移，輸入量分別是距離和方向信息。為了實現(xiàn)的簡便性與快速性，在本系統(tǒng)中都采用二維模糊控制器結構形式，即輸入量 E 和變化率 Ec。控制轉彎角度的模糊控制器設定輸入變量方向 (E1) 和方向變化率 (E1c) 語言值的模糊子集為{ 負大，負小，零，正小，正大 }( 負代表左， 正代表右 )，并簡記為 {NB，NS，Z，PS，PB }，輸出量轉彎角度(K1) 的模糊子集為{NB，NM，NS，Z，PS， PM， PB }; 同理控制運動相對位移的模糊控制器設定輸入變量相對位移(E2) 和相對位移變化率 (E2c) 語言值的模糊子集為 { 負大，負小，零，正小，正大 }( 負代表遠，正代表近 )，并簡記為 {NB， NS，Z，PS，PB }，輸出量運動相對位移 (K2) 的模糊子集為{NB，NM，NS，Z，PS， PM， PB }。輸入變量的隸屬函數的論域定為[-2，2]，輸出變量的隸屬函數的論域定為 [-3，3]。隸屬函數均選為靈敏度高且在論域范圍內均勻分布、等距離的三角形函數。

　表 1 K1 模糊控制規(guī)則表

　　表 2 K2 模糊控制規(guī)則表

圖 1 參考坐標系

　　　　根據駕駛汽車的經驗，E1、E1c 和 K1 應滿足以下規(guī)律：

　　(1) 當 |E1| 較大時，同時 |E1c| 較大時，應取較大的 K1;

　　(2) 當 |E1| 中等時，應取適當的 K1;

　　(3) 當 |E1| 較小時，同時 |E1c| 較小時，應取較小的 K1。E2、E2c 和 K2 應滿足以下規(guī)律：

　　(1) 當 |E2| 較大時，同時 |E2c| 較大時，應取較大的 K1;

　　(2) 當 |E2| 中等時，應取適當的 K1;

　　(3) 當 |E2| 較小時，同時 |E1c| 較小時，應取較小的 K1。基于上述考慮，將 E 和變化率Ec 作為模糊控制器的輸入，

　　K1 和 K2 的模糊控制規(guī)則分別如表 1、表 2 所示。

　　3 避障算法設計

　　3.1 參考坐標系

　　建立被控對象和行駛環(huán)境的二維參考坐標系(如圖 1 所示)，為計算方便，假設車輪與地面無滑動，能繞其質心轉向。xoy 為固定的全局坐標系，設定目標點坐標為(XG,YG), 在任一時刻，小車位置為(x(t),y(t)), 航向為，步長為 step， 當前航向與小車質心到目標連線的的夾角為 tg，轉向角為 sa。

　　3.2 傳感器選擇和應用

　　移動機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，其主要是通過傳感器來實現(xiàn)的。常用于避障機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成熟，成本低，接口容易實現(xiàn)等優(yōu)點，成為避障機器人的首選，如圖2 所示。

　　雖然超聲波傳感器有眾多優(yōu)點，但也存在一定的不穩(wěn)定性，超聲傳感器的幻影現(xiàn)象。產生這種現(xiàn)象的原因是，超聲傳感器發(fā)出的超聲波信號是具有一定方向性的波束，當傳感器與障礙物形成較大角度時，會發(fā)生鏡面反射，從而產生幻影， 如圖 3 所示。為了解決這種現(xiàn)象所帶來的誤差，本設計使用多個傳感器來補償，抵消幻影現(xiàn)象帶來的誤差。

　　如圖 4 所示 , 機器人前方成扇形排分布三組超聲波傳感器，分別用于探測左側，前方和右側的的障礙物，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， 分別取測得最小數值作為該方向上障礙物的距離。同時，為了保證機器人的運動有方向性，在機器人中心有一只方位傳感器，測量范圍是(-180°，180°)。用于獲得機器人航向與 目標到機器人連線的夾角，引導機器人向目標點運動。

　　圖 2 超聲波傳感器原理圖

　　圖 3 幻影現(xiàn)象示意圖

圖 4 機器人基本結構

　　4 輸入輸出量的模糊化

　　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器人的方向控制。將九只超聲波傳感器分為三組(前方，左側，右側各三只)， 每組取其最小距離信號作為該方向的輸入。

　　模糊語言的確定包括由語法規(guī)則生成適當的模糊語言值， 根據語義規(guī)則確定語言值的隸屬度函數以及確定語言變量的論域等。這里使用連續(xù)型論域，采用簡單線性化處理方法， 對個輸入量進行模糊語言描述，如下：

　　距離輸入變量：d={ 近，遠 }={near，far};

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

　　={lb，lm，ls，zo，rs，rm，rb};

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

　　={tlb，tlm，tls，tz，trs，trm，trb};

　　模糊語言值只是一個模糊子集，語言值要通過隸屬函數來描述。在論域連續(xù)是的情況下，隸屬度常用函數的形式來進行描述，常見的有隸屬函數有三角形，梯形，高斯型等。

　　通常，隸屬函數的形狀越陡，分辨率就越高，控制靈敏度也就越高;相反，若隸屬函數變化緩慢，則控制特性也平緩， 對應的系統(tǒng)穩(wěn)定性好。因此，在選擇語言值的隸屬度函數是， 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，而在誤差較大的區(qū)域，可采用分辨率較低的隸屬函數，以獲得較好的魯棒性。

　　5 結論

　　模糊控制作為一種非線性控制，已經成為實現(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計對于小車遇見突發(fā)性障礙物后的避障行為控制尤為適宜，且控制方法靈活，可根據仿真效果修改相應的參數和模糊推理規(guī)則。