王志騰

摘 要：文章首先對采用的機(jī)器人樣機(jī)進(jìn)行了介紹，通過安裝在機(jī)器人不同位置的超聲波傳感器采集障礙物信息作為模糊控制機(jī)器的輸入，經(jīng)過控制器處理后輸出機(jī)器人左右兩側(cè)驅(qū)動輪的速度值，經(jīng)過實驗驗證，該控制器較好的實現(xiàn)了機(jī)器人的自主避障。

關(guān)鍵詞：機(jī)器人；超聲波；模糊控制；自主避障

中圖分類號：TN98 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2018）22-0081-02

Abstract： Firstly， the robot prototype is introduced in this paper. The obstacle information is collected by ultrasonic sensors installed in different positions of the robot as the input of the fuzzy control machine. After processing by the controller， the speed value of the driving wheels on the left and right sides of the robot is outputted. The experimental results show that the controller realizes the autonomous obstacle avoidance of the robot.

Keywords： robot； ultrasonic； fuzzy control； autonomous obstacle avoidance

如今，隨著社會經(jīng)濟(jì)和科學(xué)技術(shù)的快速發(fā)展，人工智能技術(shù)慢慢滲入到人民生活中，其中，機(jī)器人技術(shù)已成為當(dāng)今研究的熱門話題，而機(jī)器人如何智能避開障礙物成為研究的重難點(diǎn)。本文在機(jī)器人自主避障中利用模糊算法，將超聲波傳感器采集的信息作為模糊控制器的輸入，通過控制機(jī)器人兩側(cè)的速度躲避障礙物。通過實驗，驗證此算法的有效性和可行性。

1 機(jī)器人樣機(jī)

其整體機(jī)構(gòu)設(shè)計如圖1所示，由車體和四組變形輪模塊組成。車體中包括超聲波傳感器和控制單元，其中，超聲波傳感器用于對未知環(huán)境信息的采集，控制單元執(zhí)行機(jī)器人運(yùn)動決策，控制其兩側(cè)的速度。每個車輪均采用獨(dú)立的驅(qū)動電機(jī)，利用差速轉(zhuǎn)向原理，完成不同半徑曲道的轉(zhuǎn)彎。

2 模糊控制器設(shè)計

本文模糊控制系統(tǒng)主要包括：輸入模糊化、模糊推理和解模糊三個過程，系統(tǒng)結(jié)構(gòu)如圖2所示，通過超聲波傳感器采集障礙物距離，解模糊后的輸出值即為機(jī)器人兩側(cè)的運(yùn)動速度。

2.1 輸入輸出模糊化

編號為U1～U4的傳感器分別置于機(jī)器人左側(cè)（L），左前方（LF），右前方（RF）和右側(cè)（R），其設(shè)置位置如圖3所示，分別采用模糊語言LD、LFD、RFD和RD表示左側(cè)、左前方、右前方和右側(cè)四個方向。

所設(shè)計系統(tǒng)中的超聲波傳感器距離范圍為0.02～600cm，因此設(shè)定LD、LFD、RFD和RD的論域為（10cm，600cm）。將模糊確定值{Far，Mid，Near}簡化為{F，M，N}，分別表示距離的遠(yuǎn)、中、近。為了便于在處理器中做移植，輸入輸出隸屬函數(shù)均采用如圖4所示的三角形均勻分布。

模糊控制器的輸出為下一時刻機(jī)器人兩側(cè)的速度，分別用模糊語言變量V1和V2表示，根據(jù)機(jī)器人的移動速度？自為-3～3m/s，將速度論域Y設(shè)定為（-1m/s，1m/s）。

將Y的模糊子集設(shè)定為{RR，R，S，F(xiàn)，F(xiàn)R}，分別表示快速反轉(zhuǎn)，反轉(zhuǎn)，停止，正轉(zhuǎn)和快速正轉(zhuǎn)，隸屬函數(shù)采用如圖5所示的三角函數(shù)，均勻分布。

2.2 模糊控制規(guī)則

根據(jù)超聲波傳感器所探測障礙物的信息特征，分4種情況討論：（1）只有一個方向有障礙物；（2）兩個方向有障礙物；（3）在三個方向有障礙物；（4）四個方向均有障礙物。采用IF-THEN條件語句，建立如下模糊控制規(guī)則：

ifLD=ANYandLFD=NandRFD=FandRD=F，THEN=FAND=R；

ifLD=ANYandLFD=MandRFD=FandRD=F，THEN=FRAND=R；

ifLD=FandLFD=FandRFD=NandRD=ANY，THEN=RAND=F；

ifLD=FandLFD=FandRFD=MandRD=ANY，THEN=RAND=FR；

ifLD=NandLFD=FandRFD=FandRD=N，THEN=FAND=F；

ifLD=NandLFD=FandRFD=FandRD=M，THEN=FRAND=F；

ifLD=NandLFD=MandRFD=MandRD=N，THEN=FAND=F；

ifLD=NandLFD=MandRFD=FandRD=N，THEN=FRAND=F；

2.3 解模糊

上述模糊推理得到的輸出為模糊量，在控制系統(tǒng)中無法使用，還需對其進(jìn)行解析，即解模糊。本文采用中心平均法解模糊，不僅繼承了最大隸屬法和重心法的優(yōu)點(diǎn)，而且簡化了計算，盡可能多的保留數(shù)據(jù)信息。

3 測試實驗

測試試驗在室內(nèi)進(jìn)行，機(jī)器人以0.8m/s的速度直線運(yùn)行，通過在機(jī)器人周圍設(shè)置障礙物來檢測機(jī)器人自主避障性能。下面分兩種情況進(jìn)行討論，從而驗證本系統(tǒng)的有效性和可行性。

情況1：在機(jī)器人右前方設(shè)置障礙物。如圖6（a）所示，放置一個質(zhì)量較小，體積較大的盒子在機(jī)器人右前方。機(jī)器人先以穩(wěn)定速度直線前行，當(dāng)超聲波傳感器檢測到前方有障礙物時，如圖6（b）所示，利用差速轉(zhuǎn)向原理，通過左轉(zhuǎn)自主避開右前方障礙物；圖6（c）所示，機(jī)器人成功避開障礙物（在另一方向拍攝），實現(xiàn)自主避障功能。

情況2：機(jī)器人右側(cè)和左前方設(shè)置障礙物。分別在機(jī)器人右側(cè)放置一個體積較小的盒子，左前方放置一個體積較大的盒子，如下圖7（a）所示。

當(dāng)超聲波傳感器檢測到右側(cè)的障礙物時，機(jī)器人通過左轉(zhuǎn)避開障礙物繼續(xù)前行，當(dāng)接近左前方障礙物時，如圖7（b）所示，機(jī)器人右轉(zhuǎn)繼續(xù)運(yùn)動，如下圖7（c）所示，從而驗證了本系統(tǒng)的可行性與有效性。

本文基于模糊控制的算法對機(jī)器人自主避障進(jìn)行了研究，實驗表明，機(jī)器人可以根據(jù)所制定的模糊控制規(guī)則，準(zhǔn)確自主地避開障礙物，驗證了系統(tǒng)的可行性與有效性。但是當(dāng)障礙物形狀多變且分布復(fù)雜時，機(jī)器人可能會發(fā)生誤判行為，因此下一步的工作是優(yōu)化算法，考慮將神經(jīng)網(wǎng)絡(luò)與模糊控制進(jìn)行最優(yōu)融合，使機(jī)器人能更準(zhǔn)確的自主避障。

參考文獻(xiàn)：

[1]孫樹棟，林茂.基于遺傳算法的多移動機(jī)器人協(xié)調(diào)路徑規(guī)劃[J].自動化學(xué)報，2000，26（5）：672-676.

[2]楊小菊，張偉，高宏偉，等.基于模糊控制的移動機(jī)器人避障研究[J].傳感器與微系統(tǒng)，2017（3）：51-54.

[3]聶章龍，張靜.采摘機(jī)器人智能避障決策系統(tǒng)-基于ZigBee和單片機(jī)[J].農(nóng)機(jī)化研究，2018（12）：130-134.