長(zhǎng)沙民政職業(yè)技術(shù)學(xué)院 劉懌恒 歐亞軍

1.概述

智能小車實(shí)際上是一類輪式移動(dòng)機(jī)器人，其運(yùn)行原理是依據(jù)單片機(jī)程序來自動(dòng)實(shí)現(xiàn)行使、轉(zhuǎn)向、加速等運(yùn)動(dòng)形式。因此對(duì)智能小車運(yùn)動(dòng)方式的控制屬于機(jī)器人學(xué)的范疇。對(duì)智能小車運(yùn)動(dòng)軌跡的控制主要依賴于傳感器的信息采集技術(shù)和智能控制技術(shù)。而在智能小車的運(yùn)動(dòng)軌跡控制問題中的一個(gè)重要問題是如何實(shí)現(xiàn)其自動(dòng)避障。要完成這一任務(wù)，需要解決兩個(gè)方面的問題，一是利用傳感器準(zhǔn)確的收集小車所在的環(huán)境信息，二是將環(huán)境信息自動(dòng)處理后變成控制信息。實(shí)踐表明，采用的單一的傳感器技術(shù)已經(jīng)不能滿足收集充足環(huán)境信息的需要，而需要多種類型的傳感器相配合，從而獲得準(zhǔn)確的環(huán)境信息。對(duì)這些通過多種類型傳感器獲得的環(huán)境信息的處理需要實(shí)現(xiàn)不同數(shù)據(jù)的之間的整合，即需要利用多傳感器的數(shù)據(jù)融合技術(shù)。常用的數(shù)據(jù)融合技術(shù)如傳統(tǒng)的卡爾曼濾波法、D-S證據(jù)推理等，但其核心思想是一致的，即通過對(duì)多種信息的融合來實(shí)現(xiàn)對(duì)目標(biāo)的識(shí)別和跟蹤。采用基于多傳感器的數(shù)據(jù)融合技術(shù)已經(jīng)成為智能小車避障控制中的重要研究方向。在本文中將以多傳感器的數(shù)據(jù)融合技術(shù)為基礎(chǔ)，研究智能小車的避障問題。

2.基于多傳感器的數(shù)據(jù)融合

基于多傳感器的數(shù)據(jù)融合技術(shù)需要處理來自多個(gè)傳感器的實(shí)時(shí)數(shù)據(jù)，并進(jìn)行快速的處理。從傳感器獲得數(shù)據(jù)的類型來看，這些數(shù)據(jù)代表不同的物理含義，如速度、距離、角度等，數(shù)據(jù)類型和特征也不盡相同，分屬于不同的層次，因此對(duì)來自多個(gè)傳感器的數(shù)據(jù)融合實(shí)際上要完成對(duì)多層次數(shù)據(jù)的綜合評(píng)定，這必須依賴于一定的數(shù)據(jù)融合結(jié)構(gòu)。

2.1 基于多傳感器信息的融合結(jié)構(gòu)

從現(xiàn)有的研究成果來看，基于多傳感器信息的數(shù)據(jù)融合結(jié)構(gòu)主要有四種形式：無反饋分布式融合、反饋分布式融合、集中式融合和反饋并行融合，各類融合結(jié)構(gòu)的主要特點(diǎn)分別為：①無反饋分布式融合。無反饋分布式融合模式需要對(duì)每個(gè)傳感器的數(shù)據(jù)都進(jìn)行濾波分析，并完成對(duì)各傳感器的局部信息融合，最后再實(shí)現(xiàn)對(duì)多個(gè)傳感器數(shù)據(jù)的融合。這類數(shù)據(jù)融合方式的優(yōu)點(diǎn)是不需要太大的通信開銷，融合速度較快，所需的存儲(chǔ)空間也較小。②反饋分布式融合。反饋分布式融合的基本原理和無反饋分布式融合類似，但每個(gè)傳感器多了一個(gè)信息反饋通道，可提高預(yù)測(cè)和狀態(tài)估計(jì)的精度，但需要更大的通信開銷。③集中式融合。集中式融合的主要特點(diǎn)是對(duì)所有傳感器采集的信息進(jìn)行狀態(tài)的估計(jì)和預(yù)測(cè)，通過對(duì)每個(gè)傳感器采集信息的檢測(cè)判定來實(shí)現(xiàn)對(duì)所有傳感器信息的綜合判定。由于采用了所有傳感器的全部信息，因此這類融合方法的精度較高，但也需要更高的硬件配置。④反饋并行融合。這類數(shù)據(jù)融合結(jié)構(gòu)綜合了以上三類融合結(jié)構(gòu)的優(yōu)點(diǎn)，對(duì)局部、整體的數(shù)據(jù)處理效率和精度都很高，但對(duì)硬件和數(shù)據(jù)關(guān)聯(lián)技術(shù)等要求也較高，是一類重要的研究方向。

2.2 基于多傳感器信息的數(shù)據(jù)融合方法

基于多傳感器信息的數(shù)據(jù)融合方法主要分為兩類，一是基于概率統(tǒng)計(jì)的方法，如統(tǒng)計(jì)決策法、貝葉斯法等，二是人工智能方法，如模糊控制法、人工神經(jīng)網(wǎng)絡(luò)、D-S證據(jù)推理等。每種方法可參考有關(guān)文獻(xiàn)，此處不再一一詳述。

3.模糊神經(jīng)網(wǎng)絡(luò)基本原理

模糊神經(jīng)網(wǎng)絡(luò)是模糊控制理論和人工神經(jīng)網(wǎng)絡(luò)理論的耦合技術(shù)，能夠有效的處理對(duì)經(jīng)驗(yàn)性依賴較高的問題，并能廣泛的適用于無法精確建模的系統(tǒng)。而人工神經(jīng)網(wǎng)絡(luò)則能夠具備自學(xué)習(xí)能力和快速求解能力。通過模糊控制和人工神經(jīng)網(wǎng)絡(luò)的結(jié)合，能夠形成函數(shù)估計(jì)器，有效的處理模糊信息和完成模糊推理，其性能比單一采用模糊控制或人工神經(jīng)網(wǎng)絡(luò)控制效果更優(yōu)。模糊神經(jīng)網(wǎng)絡(luò)的基本原理為：①定義若干各模糊集合，并形成對(duì)應(yīng)的控制規(guī)則。定義神經(jīng)網(wǎng)絡(luò)的層次(一般分為三層)和節(jié)點(diǎn)數(shù)量。②定義輸入層。將輸入層中的節(jié)點(diǎn)與輸入向量分量之間實(shí)現(xiàn)連接。③定義隸屬函數(shù)層。以語言變量值構(gòu)成隸屬函數(shù)層的節(jié)點(diǎn)，與輸入層的連接權(quán)值固定為1，節(jié)點(diǎn)閾值為0。④定義規(guī)則層。每一條模糊控制規(guī)則定義為一個(gè)節(jié)點(diǎn)，節(jié)點(diǎn)的輸出為隸屬函數(shù)的輸出。

4.實(shí)例應(yīng)用

4.1 硬件

在本例中，智能小車所采用硬件平臺(tái)為STC89C52型單片機(jī)，動(dòng)力系統(tǒng)為AUSRO馬達(dá)130，驅(qū)動(dòng)芯片型號(hào)為TA7267，驅(qū)動(dòng)芯片與單片機(jī)相連，其輸出端和馬達(dá)直流電機(jī)連接，從而實(shí)現(xiàn)對(duì)小車的方向控制，小車通過兩輪驅(qū)動(dòng)。

小車采用的傳感器有兩種類型：超聲波測(cè)距系統(tǒng)和紅外傳感器系統(tǒng)。超聲波測(cè)距系統(tǒng)的型號(hào)為TCT40-10T/R，紅外傳感器的型號(hào)為索尼CX20106。

4.2 傳感器數(shù)據(jù)融合規(guī)則

在采用了5路超聲波測(cè)距系統(tǒng)后，基本上可以對(duì)小車周圍的障礙狀況有比較可靠的了解，紅外傳感器的作用是為了彌補(bǔ)超聲波測(cè)距系統(tǒng)的盲區(qū)。對(duì)這兩類傳感器所采集數(shù)據(jù)的處理方式為：①超聲波測(cè)距系統(tǒng)和紅外傳感器同時(shí)工作；②若紅外傳感器的有效探測(cè)距離內(nèi)發(fā)現(xiàn)障礙，以紅外傳感器的數(shù)據(jù)為準(zhǔn)；③其他情況以超聲波測(cè)距系統(tǒng)的探測(cè)值為準(zhǔn)。

對(duì)5個(gè)方向的超聲波測(cè)距的數(shù)據(jù)所采用的數(shù)據(jù)融合流程為：開始→選擇通道→發(fā)射超聲波→盲區(qū)延時(shí)→接收信號(hào)→計(jì)算小車與障礙之間的距離→數(shù)據(jù)融合→選擇小車動(dòng)作。數(shù)據(jù)的融合技術(shù)采用模糊神經(jīng)網(wǎng)絡(luò)法。

4.3 模糊神經(jīng)網(wǎng)絡(luò)的構(gòu)建

結(jié)合智能小車避障控制的需要，在小車車身配置5個(gè)超聲波系統(tǒng)和一個(gè)紅外系統(tǒng)，分別完成對(duì)前、左、左前、右、右前5個(gè)方向的測(cè)量，因此模糊神經(jīng)網(wǎng)絡(luò)共需要建立起5個(gè)輸入和2個(gè)輸出的網(wǎng)絡(luò)結(jié)構(gòu)。各個(gè)輸入量的物理含義為小車在上述5個(gè)方向的與障礙的距離，神經(jīng)網(wǎng)絡(luò)的輸出量為小車的前進(jìn)和停止。以紅外傳感器采集的數(shù)據(jù)作為小車運(yùn)動(dòng)控制的開關(guān)量。隸屬函數(shù)層的函數(shù)形式采用高斯型，模糊語言變量分別為｛“遠(yuǎn)”、“近”｝，因此結(jié)合第一層的5個(gè)輸入，共構(gòu)成10個(gè)神經(jīng)元。結(jié)合輸入層和隸屬函數(shù)層的情況，輸出層的神經(jīng)元數(shù)量為2的5次方，共32個(gè)神經(jīng)元。

4.4 模糊控制規(guī)則和樣本訓(xùn)練

(1)模糊控制規(guī)則

模糊控制規(guī)則體現(xiàn)的是人為控制經(jīng)驗(yàn)的總結(jié)，分別對(duì)5個(gè)方向的超聲波探測(cè)到的距離信息為基礎(chǔ)來控制小車的轉(zhuǎn)向。其基本原則為，若距離障礙較近，則小車停止前進(jìn)，若距離障礙較遠(yuǎn)，則小車?yán)^續(xù)前進(jìn)。分別以F表示前進(jìn)、TF表示左轉(zhuǎn)、TR表示右轉(zhuǎn)、在實(shí)際控制規(guī)則中，共有9條，這里僅舉一條來進(jìn)行說明：若前方障礙較近，且左、左前、右、右前距離障礙較遠(yuǎn)，則小車左轉(zhuǎn)。將上述規(guī)則轉(zhuǎn)換為模糊語言后，即可獲得具體的控制規(guī)則。具體轉(zhuǎn)換方式可參照有關(guān)文獻(xiàn)。

(2)模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本

依據(jù)上述模糊神經(jīng)網(wǎng)絡(luò)的基本組成方式，其模糊輸入范圍的論域?yàn)閇0,5]，以高斯型隸屬度函數(shù)來劃分距離遠(yuǎn)近的模糊集合。訓(xùn)練樣本的數(shù)據(jù)量較大，因此這里不便一一列出，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法可參照有關(guān)文獻(xiàn)。

4.5 運(yùn)行效果

在上述的步驟完成后，對(duì)小車的避障能力進(jìn)行了實(shí)際驗(yàn)證。實(shí)驗(yàn)表明，利用超聲波測(cè)距系統(tǒng)結(jié)合紅外傳感器后，以模糊神經(jīng)網(wǎng)絡(luò)融合上述兩類傳感器采集的數(shù)據(jù)可有效的實(shí)現(xiàn)智能小車的避障運(yùn)動(dòng)。

[1]楊鵑.多信息融合技術(shù)在移動(dòng)機(jī)器人避障系統(tǒng)中的應(yīng)用[D].哈爾濱:哈爾濱理工學(xué),2007.

[2]陸越.模糊神經(jīng)網(wǎng)絡(luò)在列車運(yùn)行調(diào)整中應(yīng)用的研究[D].鐵道科學(xué)研究院,2007.