基于模糊算法的移动机器人路径规划

基于模糊算法的移动机器人路径规划

朱晓花

山东理工大学菏泽家政职业学院朱晓花

摘要：本文对未知环境下移动机器人的路径规划进行了研究，提出了一种基于模糊控制的路径规划算法。运用模糊推理，构造出一张实践效果较好的控制响应表。在多种环境中进行了仿真实验，仿真结果表明了该算法的有效性和可行性。

关键词：移动机器人；路径规划；模糊控制；预防死锁

移动机器人的路径规划是智能机器人研究的一个重要组成部分，随着移动机器人的路径规划研究的不断深入，越来越的研究转向了模糊控制算法。模糊逻辑控制算法将基于生理学的模仿人类驾驶员的“感知—动作”行为结合模糊控制本身所具有的鲁棒性，为移动机器人在复杂环境中的避障导航提供了新的解决方案。

一、设计模糊控制器

1.1模糊控制器的输入输出变量

移动机器人通过传感器检测到输入信息为：前方障碍物的距离、左方障碍物的距离、右方障碍物的距离以及机器人运动方向相对于目标点的方位角。规定当目标点位于机器人的左侧时，方位角为正；当目标点位于机器人的右侧时，方位角为负。模糊控制器的输入信息如图1所示。

模糊控制器的输出信息为机器人转动的角度ψ。每次决策后，机器人行走的步长值是固定。模糊控制器的结构如图2所示。

图1模糊控制器的输入信息

图2模糊控制器的结构

1.2输入输出变量的模糊化

模糊控制器的模糊化是将精确的输入量和精确的输出量转变为相对应的语言变量的模糊集合。

1.障碍物距离的模糊化

将前方、左方和右方障碍物距离的值分别在[O，10]区间内均匀量化。其论域为[0，1，2，3，4，5，6，7，8，9，10]。模糊语言为{near，med，far}，各模糊变量的含义为：near，距离近；med，距离适中；far，距离远。

2.方位角的模糊化

将机器人与目标点方位角的范围在[-1.5，1.5]区间内非均匀量化。量化方案为：在[-60°，60°]区间内均匀量化；当θ>60°时量化为1.5，θ<-60°量化为-1.5。方位角θ的论域为[-1.5，-1，-0.5，0，0.5，1，1.5]。模糊语言为{N，Z，P}，各模糊变量的含义为：N，目标点位于机器人的左侧时，方位角为正；P，目标点位于机器人的右侧时，方位角为负。

3.规划转角的模糊化

将输出变量规划转角ψ的范围[-60°，60°]均匀量化到[-4，4]区间内。规划转角ψ的论域为[-4，-3，-2，-1，0，1，2，3，4]。模糊语言为ψ={TLB，TLS，TZ，TRS，TRB}，各模糊变量的含义为：TLB，左转大角度；TLS，左转小角度；TZ，不转；TRS，右转小角度；TRB，右转大角度。

1.3模糊控制规则的制定

模糊规则反映了输入变量和输出变量之间的关系,这种“感知一动作”行为模糊控制规则是模糊控制的核心。为了使移动机器人能够在复杂的环境中达到给定的目标,移动机器人必须具备如下“感知一动作”行为：

1.避障行走行为

根据环境信息，当移动机器人距离障碍物较近时，机器人的主要行为目的是避障。

2.沿障碍物边跟踪行为

当目标点位于机器人的左侧(或右侧),并且机器人距离左侧障碍物的距离也近，此时，机器人应该沿障碍物边跟踪行走。比如，当移动机器人位于一个U型物的内部时，应采取此行为。

3.目标导向行为

当移动机器人周围没有障碍物时,采取目标导向的行为。当障碍物距离移动机器人较远时,机器人可以向着目标快速行走。

4.避障结合目标导向行为

当移动机器人周围的障碍物距离很近时,机器人很容易碰撞障碍物，无法用单纯的避障规则规划机器人的行为，采取避障结合目标导向的行为来解决这个问题。

二、路径规划仿真界面

实现机器人运行轨迹的模拟仿真界面的应具备以下四种功能：

(1)人为设定工作区域；

(2)设置机器人的起始点和目标点的坐标位置；

(3)设置障碍物的数量及模拟形状；

(4)规划出避碰路径。

本仿真实验平台采用GUI界面方式。

三、仿真实验步骤

根据上述算法设计，利用MATLAB软件开发平台进行算法仿真实验，具体步骤如下：

(1）设置机器人的工作环境为一个二维空间；

(2）用户设置机器人起始和目标点位置坐标、障碍物的个数及形状；

(3）机器人根据预先设定好的模糊控制算法进行避障行进；

(4）遭遇死锁状态，采取解死锁命令；

(5）判断机器人是否到达目标点，到达则中止，否则转入(3）。

四、实验结果分析

利用MATLAB软件实现仿真实验平台，在二维环境下进行仿真模拟。本文在起始点坐标为[0,0]，目标点坐标为[500,500]在环境中选取障碍物数量50个，障碍物的形状随机的情况得到的实验结果，如图3所示。

图3仿真实验结果

实验结果表明，该算法在各种障碍物环境中能有效的躲避障碍物，优化行走路线。

参考文献：

[1]MMucientes,DLMoreno,ABugarin,SBarro.Designofafuzzycontrollerinmobileroboticsusinggeneticalgorithms[J].AppliedSoftComputing,2007,7(2):540-546.

[2]RHuq,GKI.Mann,RGGosine.Mobilerobotnavigationus-ingmotorschemaandfuzzycontextdependentbehaviormodula-tion[J].AppliedSoftComputing,2008,8(1):422-436.

[3]李磊，叶涛，谭民，陈细军．移动机器人技术研究现状与未来[J]．机器人．2002(05)

[4]温素芳，朱齐丹，张小仿．基于模糊控制器的移动机器人路径规划仿真[J]．应用科技，2005，32(4)：31—33

[5]郑亚林,黄德隆,郭健.Fuzzy推理的Mamdani算法[J].宝鸡文理学院学报(自然科学版).2001(03)