摘 要：智能機器人只有具備自主移動能力才能實現(xiàn)應(yīng)用價值。路徑規(guī)劃用于決策機器人在環(huán)境中如何行走的問題，是實現(xiàn)機器人智能化的關(guān)鍵技術(shù)。為提高機器人路徑規(guī)劃，對未知環(huán)境的實時性、適應(yīng)性和優(yōu)化性要求越來越高。自主移動機器人是集環(huán)境感知、動態(tài)策略與規(guī)劃、行為控制與執(zhí)行等多功能于一體的綜合系統(tǒng)。近幾年，移動機器人技術(shù)在工業(yè)、農(nóng)業(yè)、醫(yī)學(xué)、航天航空等許多領(lǐng)域發(fā)揮了重要作用。其中智能避障更是研究領(lǐng)域的難點和熱點，智能避障是能夠根據(jù)采集障礙物的狀體信息，按照一定的方法進行有效的避障，最后到達終點。本文主要介紹了動態(tài)窗口和Bug2的避障算法和研究與仿真。實現(xiàn)這兩種避障算法主要基于Matlab等語言編程開發(fā)，實現(xiàn)對移動機器人避障算法的仿真。Matlab功能強大、編程簡單、適用廣。

最后，驗證基于Bug算法的幾種路徑規(guī)劃方法，將避障實時性，環(huán)境的適應(yīng)性、規(guī)劃路徑的優(yōu)化性作為算法性能指標(biāo)，進行仿真實驗與對比實驗分析。結(jié)果驗證了算法的有效性。

關(guān)鍵詞：智能機器人；避障；MATLAB仿真；路徑規(guī)劃

1 緒論

智能機器人避障算法的研究對于推進機器人領(lǐng)域的應(yīng)用和發(fā)展具有重要的意義。隨著計算機技術(shù)、傳感器技術(shù)、控制技術(shù)的發(fā)展，智能機器人的避障技術(shù)已經(jīng)取得了豐碩的研究成果，其應(yīng)用領(lǐng)域不斷的擴大，應(yīng)用復(fù)雜程度也越來越高，因此對其關(guān)鍵技術(shù)提出了更高要求，相應(yīng)的方法也更加成熟。

本文通過查閱文獻資料，對目前智能機器人的發(fā)展動態(tài)有了一定了解。對現(xiàn)階段機器人避障的一些常用方法做了研究，然后設(shè)計了不同算法在未知環(huán)境下的避障仿真實驗來驗證本文所設(shè)計的算法的可行性。路徑規(guī)劃要求機器人能夠在較短的時間內(nèi)，感知到范圍盡可能大的區(qū)域，從而找到最近的路徑使機器人能夠沿著最優(yōu)路徑運動到終點，并避開障礙物。

2 基于動態(tài)窗口的避障算法及仿真

2.1 概述

機器人局部路徑規(guī)劃的方法很多，動態(tài)窗口法就是其中的一種，其主要是在速度（v，w）空間中采樣多組速度，并模擬機器人在這些速度下一定時間內(nèi)的軌跡。在得到多組軌跡以后，對這些軌跡進行評價，選取最優(yōu)軌跡所對應(yīng)的速度來驅(qū)動機器人運動。該算法突出點在于動態(tài)窗口這個名詞，它的含義是依據(jù)移動機器人的及速度性能限定速度采樣空間在一個可行的動態(tài)圖范圍內(nèi)。

2.1.1 機器人的運動模型

在動態(tài)窗口算法中，要模擬機器人的軌跡，需要知道機器人的運動模型。它采用的是假設(shè)兩輪移動機器人的軌跡是一段一段的圓弧或者直線（選擇速度為0），一對（Vt，Wt）就代表一個圓弧的軌跡。具體推導(dǎo)如下：

在這里，假設(shè)不是全向運動機器人，它做圓弧運動的半徑為：

2.1.2 速度采樣

機器人的軌跡運動模型有了，根據(jù)速度就可以推算出軌跡。因此只需采樣很多速度，推算軌跡，然后評價這些軌跡好不好就行了。

速度如何采樣是動態(tài)窗口的核心：在速度（v，w）的二維空間中，存在無窮多組速度。但是根據(jù)機器人本身的限制和環(huán)境限制可以將采用速度控制在一定范圍內(nèi)：

移動機器人受自身最大速度最小速度的限制：

移動機器人受電機性能的影響：

由于電機力矩有限，存在最大的加速度限制，因此移動機器人軌跡前向模擬的周期內(nèi)，存在一個動態(tài)窗口，在該窗口內(nèi)速度是機器人能夠?qū)嶋H達到的速度：

其中是機器人的當(dāng)前速度，其他標(biāo)志對應(yīng)最大加速度和最大減速度。

基于移動機器人安全的考慮：

為了能夠在碰到障礙物前停下來，因此在最大速度條件下，速度有一個范圍：

為了簡化每組速度對應(yīng)軌跡的計算，該算法假設(shè)機器人在往前模擬軌跡的這段時間內(nèi)速度不變，直到下一時刻采樣給新的速度命令。

2.2 評價函數(shù)

在采樣的速度組中，有若干組軌跡是可行的，因此采用評價函數(shù)的方式為每條軌跡進行評價。采用的評價函數(shù)如下：

2.3 方位角評價函數(shù)

方位角評價函數(shù)是用來評價機器人在當(dāng)前設(shè)定的采樣速度下，達到模擬軌跡末端時的朝向和目標(biāo)之間的角度差距。

若采用的方式來評價，也就是越小，評價得分越高。

2.4 空隙

代表機器人在當(dāng)前軌跡上與最近的障礙物之間的距離。如果在這條軌跡上沒有障礙物，那就將其設(shè)定一個常數(shù)。

2.5 速度

Velocity（v，w）用來評價當(dāng)前軌跡的速度大小。總結(jié)起來三者構(gòu)成的評價函數(shù)的物理意義是：在局部導(dǎo)航過程中，使得機器人避開障礙，朝著目標(biāo)以較快速度行駛，缺一不可。

2.6 matlab仿真（圖1）

3 Bug2避障算法的研究與仿真

3.1 未知環(huán)境下基于Bug算法的移動機器人路徑規(guī)劃研究改進

在未知環(huán)境下的移動機器人路徑規(guī)劃己經(jīng)有一些成熟實用的算法。這里介紹的爬行蟲Bug算法就是一例。本章在已有的Bug族算法基礎(chǔ)上，對傳統(tǒng)Bug算法進行了改進，提高了Bug算法路徑規(guī)劃的優(yōu)化性和實時性。

3.2 Bug2算法原理

Bug2算法在Bugl算法基礎(chǔ)上進行改進，引入了從起點到終點的直線M。具體思想如下：

3.2.1 沿著直線M向障礙物移動，直到發(fā)生以下兩種情況：

①到達終點，結(jié)束算法；

②遇見障礙物，標(biāo)記為，轉(zhuǎn)到3.2.2。

3.2.2 沿著障礙物左邊移動，直到發(fā)生以下三種情況：

①到達終點，結(jié)束算法；

②找到一個點，滿足條件，且該點在M上，則轉(zhuǎn)到3.2.1；

③機器人回到相遇點，則表示機器人繞行一周，終點不可到達。

可知Bug2算法在Bugl算法上對從Hl運動到Hl的路徑循環(huán)進行了改進，但是機器人的運動方向是固定的初始值，即算法規(guī)定為沿障礙物左邊移動，那么在所有的沿障礙物移動的狀態(tài)中，機器人都是向障礙物左方移動。

3.3 算法設(shè)計

本文提出的路徑規(guī)劃算法可在線運行，進行實時運動規(guī)劃，對未知環(huán)境下的

機器人路徑規(guī)劃，該算法具有很好的環(huán)境適應(yīng)性。

3.4 Bug2算法仿真（圖2）

4 總結(jié)與展望

本論文在許許多多機器人研究者的研究經(jīng)驗與研究成果之基礎(chǔ)上，綜合相關(guān)的理論基礎(chǔ)知識，對智能機器人進行了相關(guān)的研究。主要針對其避障控制算法及路徑規(guī)劃方案作了一定的研究和探討，提出了相對有效的模糊控制算法和田埂式路徑規(guī)劃方案，并經(jīng)過一系列的仿真實驗來對本文中使用的算法和方案的穩(wěn)定性及可行性進行驗證。對于本研究課題，本人主要做了以下工作：

①綜述智能機器人國內(nèi)外研究及應(yīng)用現(xiàn)狀，了解到智能機器人在完成任務(wù)的過程中遇到障礙物或者落差區(qū)域時容易發(fā)生碰撞和跌落，而且其清潔路徑不能做到全覆蓋，重復(fù)率也較高。因此，本文將智能機器人的研究方向確定為避障和全覆蓋路徑規(guī)劃這兩個方面。

②簡要論述了模糊控制算法，而且將其應(yīng)用至智能機器人的避障控制之中，并且設(shè)定了模糊控制器以及模糊規(guī)則，使其適應(yīng)于本文中所研究的智能機器人，讓智能機器人在執(zhí)行任務(wù)過程中能夠避開障礙物并防止跌落，并且對本論文中提出的避障控制進行算法有效性仿真實驗，證明了該算法是有效且可靠的。

③簡要介紹路徑規(guī)劃的原理及分類，并就比較經(jīng)典的算法作出了簡要描述。研究了基于柵格地圖法的田埂式路徑規(guī)劃方案，描述了該方案中的環(huán)境地圖構(gòu)建，運行模式，死角解決方案，并針對該方案進行了不同環(huán)境不同障礙物分布情況下的仿真實驗，分別對比了無障礙環(huán)境下，有障礙無死角環(huán)境下，有障礙及簡單死角環(huán)境下，有障礙及復(fù)雜死角環(huán)境下，有障礙及多種死角環(huán)境下的仿真實驗結(jié)果，均驗證了本論文所設(shè)計的路徑規(guī)劃方案能使智能機器人做到區(qū)域環(huán)境全覆蓋并己最短路徑跳出死角，提升了機器人清潔工作的完整性與高效性。

在本課題的研究過程中，一些不足之處也顯現(xiàn)出來。例如柵格大小的劃分是一個難點，柵格太大容易使準(zhǔn)確率降低，影響機器人清潔效果，柵格太小會使算法復(fù)雜，導(dǎo)致運行速度過慢，也會對智能機器人的清潔效果有影響。另外，本文中所研究的都是靜態(tài)障礙物，忽略了動態(tài)障礙物的研究，生活中的小動物和可動型玩具等也是機器人清潔工作中極易遇到的障礙物，因此，動態(tài)障礙的研究是很有必要的。這些問題都將是以后的研究工作中需要繼續(xù)解決的。

在未來，智能機器人以及其他家用型機器人將會愈來愈頻繁的進入到人類的生活和工作中，所以對于它們的研究很有必要性，且在很長一段時間內(nèi)都將是一個熱點。避障控制與路徑規(guī)劃更將是研究工作中的重中之重，未來的研究成果必將會在這兩個方向突飛猛進，同時提高智能機器人的工作效率，避障運行的靈活性都將是研究熱點。

作者簡介：張永妮（1982-），畢業(yè)于西北工業(yè)大學(xué)，現(xiàn)主要從事北斗PVT解算及智能機器人路徑規(guī)劃等方面的研究。