蔡存成，姚立健，曾松偉，柴善鵬，王露露

(浙江農(nóng)林大學(xué) a工程學(xué)院，b信息工程學(xué)院，浙江 杭州 311300)

林產(chǎn)品與生產(chǎn)物資的運(yùn)輸是林業(yè)生產(chǎn)的重要環(huán)節(jié)，目前傳統(tǒng)機(jī)械化運(yùn)輸常采用軌道[1-2]、索道[3]和運(yùn)輸車[4]等方式，為適應(yīng)高效作業(yè)的需求，自動(dòng)化[5]、智能化[6]運(yùn)輸設(shè)備越來越受到研究人員的重視，自動(dòng)導(dǎo)航技術(shù)對提高林間生產(chǎn)運(yùn)輸?shù)男屎桶踩跃哂兄匾饬x[7]。由于林木生長位置無序，在制定導(dǎo)航路徑時(shí)無法提前避開，因此避障成為解決林間自動(dòng)導(dǎo)航問題的關(guān)鍵。

根據(jù)避障路徑的規(guī)劃方式，可將常用避障算法分為全局路徑規(guī)劃和局部路徑規(guī)劃[8]。全局路徑規(guī)劃算法中，機(jī)器人根據(jù)環(huán)境先驗(yàn)信息自主規(guī)劃全部路徑，但林間環(huán)境存在不確定性，無法提前獲取準(zhǔn)確的障礙物信息；局部路徑規(guī)劃算法有人工勢場法[9]、啟發(fā)式算法[10]和應(yīng)激式算法[11-12]等，其中前2種算法分別存在局部最優(yōu)解和計(jì)算死循環(huán)等問題，故路徑規(guī)劃容易失敗。在應(yīng)激式算法中，Lumelsky等[13]提出的爬蟲(Bug)算法適用于未知環(huán)境，計(jì)算少且避障時(shí)效高，因而獲得了較多關(guān)注；黃培奎等[14]提出了圓弧Bug算法和折線Bug算法，并分別進(jìn)行半實(shí)物仿真試驗(yàn)驗(yàn)證了2種Bug算法的可行性；彭艷等[15]基于多爬蟲(Multi-Bug)機(jī)制尋求避障路徑，利用格柵法進(jìn)行環(huán)境建模，并與多種算法做仿真試驗(yàn)對比，得出Bug算法路徑更短、效率更高等結(jié)論；康亮等[16]將Bug算法與滾動(dòng)窗口算法相結(jié)合，利用三次螺旋線對避障路徑進(jìn)行光滑化處理，得到機(jī)器人易于追蹤的路徑。上述Bug算法均在軟件仿真中實(shí)現(xiàn)，由于該算法默認(rèn)機(jī)器人是一個(gè)質(zhì)點(diǎn)且具備全方位無死角探測能力，使其較難應(yīng)用于實(shí)際[17]，因此較多學(xué)者進(jìn)行了改進(jìn)：代峰燕等[18]通過六邊形拓補(bǔ)法和坐標(biāo)建模法改進(jìn)Bug路徑規(guī)劃算法，使油罐清洗機(jī)器人能在有障礙物的工況下降低清洗重疊率；江濟(jì)良等[19]運(yùn)用神經(jīng)行為學(xué)原理改進(jìn)Bug算法，依靠機(jī)器人生物觸角非360°探測環(huán)境，實(shí)時(shí)激勵(lì)并觸發(fā)相應(yīng)行為，能使機(jī)器人避障轉(zhuǎn)向少、距離短；趙祚喜等[20]基于機(jī)器人非360°探測改進(jìn)Bug算法，將分段直線與速度空間結(jié)合，得到繞行障礙物邊緣的圓滑路徑，并應(yīng)用于實(shí)車進(jìn)行試驗(yàn)。以上改進(jìn)多基于超聲傳感器非360°探測，且實(shí)現(xiàn)成本較低，但均未對如何跟蹤障礙物邊緣進(jìn)行專門討論。良好的“邊緣跟蹤”能力可有效縮小避障范圍，適用于狹窄的林間環(huán)境，但如何精準(zhǔn)地進(jìn)行“邊緣跟蹤”是一個(gè)難點(diǎn)[21]。模糊控制設(shè)計(jì)簡捷、應(yīng)用方便，常被用于避障控制中：Hacene等[22]利用5個(gè)超聲波傳感器采集機(jī)器人周圍的環(huán)境信息，并采用模糊控制實(shí)現(xiàn)了移動(dòng)機(jī)器人的避障，其中“墻體跟隨”功能使機(jī)器人能夠沿行墻體，但對非墻體障礙物跟隨性較差；譚蓮子等[23]利用多傳感器融合技術(shù)，通過超聲波、紅外等傳感器共同獲取障礙物信息，使用模糊控制方法實(shí)現(xiàn)了輪式機(jī)器人的避障；金兆遠(yuǎn)等[24]將二分法和模糊控制相結(jié)合，使用6個(gè)超聲波傳感器組成超聲波陣列，可獲得較小的探測盲區(qū)，最終使機(jī)器人能夠根據(jù)周圍環(huán)境選擇最佳避障路徑進(jìn)行避障。上述模糊控制均能較好地控制機(jī)器人避障，但忽視了輸入變量權(quán)重對控制精度的影響，同時(shí)對避障路徑的冗余問題也未進(jìn)行深入討論，因此仍有必要進(jìn)一步研究與改進(jìn)。

基于以上原因，本研究采用基于Bug原理的避障方法，使用純追蹤算法以實(shí)現(xiàn)精準(zhǔn)的全局路徑跟蹤，在避障初期自動(dòng)判斷最佳避障時(shí)機(jī)并使用最大轉(zhuǎn)向角度，然后采用自適應(yīng)調(diào)節(jié)的模糊控制器控制平臺(tái)繞障，以減少避障路徑冗余，以期為提高林間移動(dòng)平臺(tái)避障效率提供參考。

1 林間移動(dòng)平臺(tái)硬件及控制系統(tǒng)

如圖1所示，林間移動(dòng)平臺(tái)采用純電動(dòng)后驅(qū)前轉(zhuǎn)向四輪機(jī)構(gòu)，由48 V、20 A·h鋰電池供電。平臺(tái)大小(長×寬×高)為130 cm×70 cm×125 cm，軸距和輪徑分別為85和32 cm。由L298N驅(qū)動(dòng)器推動(dòng)電動(dòng)推桿(BMXL150，48 mm/s，250 N)實(shí)現(xiàn)前輪轉(zhuǎn)向，最大轉(zhuǎn)向角為40°，最小轉(zhuǎn)向半徑1.24 m。驅(qū)動(dòng)器AQMD6020BLS驅(qū)動(dòng)后輪直流電機(jī)，并通過減速器、差速器傳動(dòng)實(shí)現(xiàn)平臺(tái)行駛。平臺(tái)四周安裝有4個(gè)KS102和2個(gè)KS109超聲波傳感器，用來探測平臺(tái)與障礙物之間的距離，量程分別為13～796和0～1 126 cm，精度分別為1和0.1 cm，波束角分別為50°和10°，收發(fā)頻率同為50 Hz。

1.天線；2.KS102超聲波傳感器；3.KS109超聲波傳感器；4.電動(dòng)推桿；5.鋰電池；6.推桿電機(jī)驅(qū)動(dòng)器；7.GPS信號接收機(jī)；8.直流電機(jī)驅(qū)動(dòng)器；9.主控制器；10.后輪直流電機(jī)1.Antenna;2.KS102 ultrasonic sensor;3.KS109 ultrasonic sensorr;4.Electric push rod;5.Lithium battery;6.Electric push rod driver;7.GPS signal receiver;8.DC motor driver;9.Main controller;10.DC motor圖1 林間移動(dòng)平臺(tái)的結(jié)構(gòu)Fig.1 Structure of forest mobile platform

圖2中，林間移動(dòng)平臺(tái)使用Trimble BD982接收GPS(global position system)信號。主控制器(STM32 F767IGT6)讀取各傳感器信號，處理形成平臺(tái)的位置、航向信息及其與障礙物的距離信息，并通過自動(dòng)導(dǎo)航模型計(jì)算出前輪期望轉(zhuǎn)向角，完成路徑追蹤和避障。前后輪均設(shè)有光電增量式編碼器(MK6012-G-400BN-T526)，用以檢測前輪實(shí)際轉(zhuǎn)角和后輪實(shí)際轉(zhuǎn)速，以實(shí)現(xiàn)對試驗(yàn)平臺(tái)運(yùn)動(dòng)狀態(tài)的精準(zhǔn)閉環(huán)控制。

(x,y)為移動(dòng)標(biāo)簽坐標(biāo)，m；θ為航向偏差，(°)；PWM為脈寬調(diào)制；U為電控制電壓，V；PCM為脈沖編碼調(diào)制；α為前輪轉(zhuǎn)向角，(°)；v為后輪速度，m/s；ls為超聲波傳感器探測到的障礙物距離，cm(x,y) is coordinate of moving tag,m;θ is heading deviation,(°);PWM is pulse width modulation;U is electric control voltage,V;PCM is pulse code modulation;α is front wheel steering angle,(°);v is rear wheel speed,m/s;ls is obstacle distance detected by ultrasonic sensor,cm圖2 林間移動(dòng)平臺(tái)的控制系統(tǒng)框圖Fig.2 Control system of forest mobile platform

2 改進(jìn)型林間移動(dòng)平臺(tái)的避障方法

2.1 Bug避障原理及改進(jìn)

Bug算法的原理是：機(jī)器人在追蹤當(dāng)前路徑的同時(shí)通過傳感器探測外部環(huán)境，若發(fā)現(xiàn)有障礙物，則沿障礙物邊緣行駛，繞越障礙物后繼續(xù)向終點(diǎn)前進(jìn)。本研究的改進(jìn)Bug算法如圖3所示，將追蹤全程劃分為路徑追蹤、避行和繞行3個(gè)階段，分別優(yōu)化避行和繞行階段的控制方法，以解決傳統(tǒng)Bug算法難以實(shí)際運(yùn)用的問題。

圖3 林間移動(dòng)平臺(tái)的導(dǎo)航及避障流程Fig.3 Navigation and obstacle avoidance process of forest mobile platform

2.2 超聲波傳感器的布置

根據(jù)Bug算法的思想，將6個(gè)超聲波傳感器S1～S6分布于車身四周，用來模擬爬蟲的觸角，各傳感器的安裝位置及其探測區(qū)域如圖4所示。

S1～S6為超聲波傳感器；A1～A6為探測區(qū)域；A1-2表示A1與A2重疊區(qū)域，A2-5、A1-6同理；陰影部分為盲區(qū)S1-S6 are ultrasonic sensors;A1-A6 are detection areas;A1-2 indicates overlapping area between A1 and A2,and A2-5 and A1-6 are the same.Shaded area is the blind area圖4 超聲波傳感器的分布及其探測區(qū)域Fig.4 Distribution and detection area of ultrasonic sensor

各超聲波傳感器的具體分工為：S1、S2(探測距離13～200 cm)分別位于平臺(tái)正前方，與平臺(tái)前端能否安全避開障礙物密切相關(guān)，為獲得更大的共同探測范圍和更小的盲區(qū)，采用兩波束的外緣平行的安裝方式。S3、S4(0～80 cm)的波束角中心線與車身側(cè)面垂直，主要負(fù)責(zé)偵測繞行障礙物時(shí)平臺(tái)與障礙物的距離信息。S5、S6(13～330 cm)波束角的一邊與車身側(cè)面重合，負(fù)責(zé)監(jiān)視車身兩側(cè)其余區(qū)域，以實(shí)現(xiàn)對車身周圍的全覆蓋探測。

2.3 避障策略

在圖4的A1、A2區(qū)域中，由于單傳感器無法對障礙物進(jìn)行精確定位且這2個(gè)區(qū)域與探測盲區(qū)所在位置十分靠近，較危險(xiǎn)，若障礙物出現(xiàn)在該區(qū)域內(nèi)則停車。當(dāng)障礙物出現(xiàn)在A1-2區(qū)域時(shí)，若平臺(tái)直行則一定會(huì)發(fā)生碰撞，因此必須采取避行措施。當(dāng)障礙物位于A3、A4區(qū)域時(shí)，使用模糊控制器嚴(yán)格控制該區(qū)域車-障距離，使平臺(tái)沿障礙物邊緣精準(zhǔn)移動(dòng)。A5、A6區(qū)域不包含與A3、A4重疊的部分，當(dāng)障礙物出現(xiàn)在移動(dòng)平臺(tái)的側(cè)面時(shí)，平臺(tái)前輪轉(zhuǎn)向角保持0°行駛，直至探測不到障礙物后再進(jìn)行追蹤路徑。

對各區(qū)域影響避障決策優(yōu)先級進(jìn)行規(guī)定，即規(guī)定優(yōu)先級次序?yàn)锳1、A2>A3、A4>A1-2>A5、A6>A2-5、A1-6。若移動(dòng)平臺(tái)的左右兩側(cè)同時(shí)存在障礙物，則平臺(tái)保持直行；若A1-2與兩側(cè)同時(shí)存在障礙物，則平臺(tái)無法避開，應(yīng)停車，其余情況都可根據(jù)優(yōu)先級完成避障。

當(dāng)所有區(qū)域都無障礙物影響行駛時(shí)，平臺(tái)采用文獻(xiàn)[25]的純追蹤導(dǎo)航模型進(jìn)行路徑追蹤。

2.4 避行階段最大轉(zhuǎn)向角策略

2.4.1 避障轉(zhuǎn)向角計(jì)算 如圖5所示，當(dāng)安裝在車頭的傳感器S1和S2探測到障礙物P點(diǎn)時(shí)，平臺(tái)右輪至少要以αmin的角度向左轉(zhuǎn)向，平臺(tái)的右前端點(diǎn)C才能“剛好”避開P點(diǎn)。根據(jù)幾何知識(shí)，可求得αmin的計(jì)算公式為：

(1)

式中：K=(LBP+LCP+LBC)(LBP+LCP-LBC)×(LBP-LCP+LBC)(LCP-LBP+LBC)，LBP、LCP分別為S1、S2探測的障礙物距離，LBC、LCM、LMN為移動(dòng)平臺(tái)自身固定尺寸，可測量獲取。為使式(1)進(jìn)行有效計(jì)算并得到符合上述幾何規(guī)則的轉(zhuǎn)向角，必須保證以LBP、LCP為半徑的弧線能在A1-2區(qū)域內(nèi)相交，即滿足：

(2)

圖5 林間移動(dòng)平臺(tái)最大前輪轉(zhuǎn)角的計(jì)算示意圖Fig.5 Calculation of the maximum front wheel angle of forest mobile platform

2.4.2 轉(zhuǎn)向響應(yīng)速度測定 由于推桿固有速度限制及轉(zhuǎn)向時(shí)地面對輪胎的阻力等因素，會(huì)造成前輪轉(zhuǎn)向響應(yīng)延遲，該延遲會(huì)影響避障的安全性和效率，因此需通過載荷試驗(yàn)掌握前輪實(shí)際的轉(zhuǎn)向速度，為后期彌補(bǔ)措施做準(zhǔn)備。通過給0.5 m/s恒速移動(dòng)的平臺(tái)施加100 kg載荷進(jìn)行轉(zhuǎn)向延時(shí)試驗(yàn)，結(jié)果如圖6所示。

圖6 林間移動(dòng)平臺(tái)前輪轉(zhuǎn)向延時(shí)的測定Fig.6 Measurement of front wheel steering delay of forest mobile platform

由圖6可知，實(shí)際轉(zhuǎn)向角在一定時(shí)間后才到達(dá)期望轉(zhuǎn)向角，并在期望轉(zhuǎn)向角附近波動(dòng)，該波動(dòng)是推桿內(nèi)閉環(huán)控制調(diào)節(jié)的結(jié)果，該行駛速度對行駛穩(wěn)定性的影響可忽略不計(jì)。根據(jù)每次轉(zhuǎn)向過程中實(shí)際轉(zhuǎn)向角到達(dá)期望轉(zhuǎn)向角的時(shí)間差和所轉(zhuǎn)過的角度差，得到前輪每轉(zhuǎn)1°所需的平均時(shí)間為0.045 s。通過該轉(zhuǎn)向速度可根據(jù)車速和所需轉(zhuǎn)向的角度，得到轉(zhuǎn)向期間移動(dòng)平臺(tái)的理論移動(dòng)距離，其中最大移動(dòng)距離為90 cm。

2.4.3 最大轉(zhuǎn)向角轉(zhuǎn)向時(shí)機(jī)的確定 根據(jù)式(1)、(2)，計(jì)算障礙物在移動(dòng)平臺(tái)正前方A1-2區(qū)域中任一位置時(shí)所需的最小轉(zhuǎn)向角。以傳感器S1、S2的距離信息為橫、縱坐標(biāo)軸，以對應(yīng)的最小轉(zhuǎn)向角為坐標(biāo)值，建立如圖7所示前輪轉(zhuǎn)向角索引圖。圖7中轉(zhuǎn)向角正負(fù)號根據(jù)“左轉(zhuǎn)為正，右轉(zhuǎn)為負(fù)”的原則確定。由圖7可知，在圖的右上角區(qū)域，即障礙物與平臺(tái)距離較遠(yuǎn)時(shí)，所需的轉(zhuǎn)向角較小，反之則較大。

為減少避障過程中的路徑冗余，提高避障效率，移動(dòng)平臺(tái)需在盡可能靠近障礙物時(shí)，以最大轉(zhuǎn)向角轉(zhuǎn)向。根據(jù)式(1)可以得到轉(zhuǎn)向角達(dá)到最大值時(shí)S1和S2的多組距離組合，將這些組合反映在圖7中，會(huì)形成2條相交的曲線?？紤]到平臺(tái)轉(zhuǎn)向的延遲，實(shí)際轉(zhuǎn)向時(shí)機(jī)應(yīng)該“提前”，即這2條曲線應(yīng)向右上角移動(dòng)90 cm，此時(shí)2條曲線會(huì)被拉長。如圖8所示，2條綠色曲線將轉(zhuǎn)向角索引圖分為藍(lán)、紅兩部分，當(dāng)車-障距離位于藍(lán)色區(qū)域時(shí)，平臺(tái)保持路徑追蹤行駛;當(dāng)車-障距離一旦到達(dá)綠色曲線處，立刻使用最大轉(zhuǎn)向角避障；紅色部分為危險(xiǎn)轉(zhuǎn)向區(qū)域，當(dāng)車-障距離在該區(qū)域內(nèi)時(shí)，平臺(tái)會(huì)因轉(zhuǎn)向延時(shí)而不能及時(shí)避開障礙物，因此需停車。

圖7 林間移動(dòng)平臺(tái)轉(zhuǎn)向角索引圖Fig.7 Index map of steering angle of forest mobile platform

2.5 繞行階段自調(diào)節(jié)模糊控制

當(dāng)平臺(tái)沿障礙物邊緣行駛時(shí)，為兼顧平臺(tái)與障礙物以盡可能小的距離“緊貼”同時(shí)又避免相撞，特設(shè)計(jì)一種帶自調(diào)節(jié)函數(shù)的模糊控制器。通過構(gòu)建車-障距離(lz)與預(yù)設(shè)繞行距離(繞行時(shí)平臺(tái)與障礙物的理想距離)的偏差、車-障距離變化率和前輪轉(zhuǎn)向角之間的對應(yīng)關(guān)系，利用函數(shù)動(dòng)態(tài)調(diào)節(jié)輸入?yún)?shù)權(quán)重，以提高繞行效率，減少繞行路徑。

2.5.1 模糊控制器的輸入及輸出 根據(jù)多次試驗(yàn)的經(jīng)驗(yàn)，繞行時(shí)移動(dòng)平臺(tái)與障礙物的距離為50 cm左右最合適，因此預(yù)設(shè)繞行距離為50 cm。由于傳感器S3、S4存在10°波束角，因此反饋相同探測距離的障礙物時(shí)，實(shí)際距離會(huì)有一定的偏差，當(dāng)探測距離為50 cm時(shí)，車-障實(shí)際距離變化范圍為-0.8～0.8 cm，該探測誤差為繞行距離的1.6%，對繞行過程的影響較小，因此可將傳感器反饋的距離作為實(shí)際車-障距離使用。繞行時(shí)定義車-障距離大于50 cm為正，反之為負(fù)。

Δlz=lz-50。

(3)

車-障距離相對變化率ηz：為

(4)

式中：ηz的正負(fù)分別表示移動(dòng)平臺(tái)遠(yuǎn)離或靠近障礙物，數(shù)值越大反映lz變化速度越快。

將Δlz、ηz作為模糊控制器的輸入，前輪轉(zhuǎn)向角α作為輸出，分別將三者模糊化，模糊等級均為{NB、NM、NS、ZO、PS、PM、PB}，Δlz、ηz、α的基本論域分別為[-30 cm，30 cm]、[-120%，120%]、[-40°，40°]。本研究使用Mamdani型模糊推理規(guī)則，將輸入輸出變量分別在[-6，+6]區(qū)間內(nèi)歸一化處理，得到Δlz與ηz的量化因子分別為kΔ/z=0.2、kηz=0.05，α的比例因子kα=6.67。

2.5.2 模糊控制器的自調(diào)節(jié)函數(shù)解析式 繞行模糊控制器的自調(diào)節(jié)函數(shù)解析式為：

Az=，n∈[0,1]。

(5)

式中：Az為前輪轉(zhuǎn)向角模糊變量；<·>表示取整運(yùn)算；n為自調(diào)整函數(shù)；ΔLz為車-障距離與繞行距離偏差的模糊變量；Hz為車-障距離相對變化率的模糊變量。

控制器工作的基本原則為：當(dāng)平臺(tái)繞行時(shí)，若車-障距離過近或過遠(yuǎn)，則增加距離權(quán)重，使其更快速地收斂至繞行距離；若車-障距離變化率過快，則增加距離變化率權(quán)重，使平臺(tái)高效繞行的同時(shí)行駛更穩(wěn)定，避免因障礙物外形變化過快導(dǎo)致脫離繞行或者發(fā)生碰撞。相較于普通模糊控制規(guī)則，該控制原理更加靈活，同時(shí)更適應(yīng)繞行需求，提升繞行精度。根據(jù)上述原則，建立自調(diào)整函數(shù)如下：

(6)

式中：k為比例系數(shù)；W為最大偏差范圍，取值為30；p為函數(shù)冪次。

如圖9所示，當(dāng)p<1時(shí)，函數(shù)n的值遞增較快，車-障距離因素在控制決策中權(quán)重占比較大；當(dāng)p>1時(shí)，車-障距離變化率權(quán)重變大，因此該權(quán)重隨著p值的增加而增強(qiáng)。

圖9 模糊控制器自調(diào)節(jié)函數(shù)的變化Fig.9 Change of self-adjusting function of fuzzy controller

由于林間移動(dòng)平臺(tái)在林間行駛時(shí)，多為靜態(tài)障礙物且障礙物邊緣變化幅度較小，因此車-障距離變化率相對平緩，故應(yīng)重視距離值大小，增加其比重。通過Matlab R2014a仿真，自調(diào)節(jié)函數(shù)的參數(shù)為:k=1.2，p=0.8。

3 試驗(yàn)驗(yàn)證及分析

3.1 試驗(yàn)設(shè)計(jì)

為驗(yàn)證上述避障方法的有效性，于2020年5月在浙江農(nóng)林大學(xué)林學(xué)實(shí)驗(yàn)基地對林間移動(dòng)平臺(tái)進(jìn)行導(dǎo)航避障試驗(yàn)，試驗(yàn)場地(長×寬)為12 m×3 m的林間泥地。由于移動(dòng)平臺(tái)在林間進(jìn)行路徑追蹤時(shí)，較難避開林間樹木和堆疊物等物體，因此本試驗(yàn)設(shè)計(jì)大、小2種障礙物。大障礙物為3 m×0.3 m×1.2 m(長×寬×高)的紙箱，小障礙物為直徑約0.5 m的樹木，障礙物均位于期望路徑中央，距離導(dǎo)航起點(diǎn)4 m，跟蹤路徑全程12 m，車速0.5 m/s。

對試驗(yàn)中的數(shù)據(jù)進(jìn)行如下定義：平均繞行偏差為移動(dòng)平臺(tái)位置與預(yù)設(shè)繞行距離偏差的均值，可反映繞行過程的偏差大小，表明算法控制的準(zhǔn)確程度；繞行偏差范圍為平臺(tái)與預(yù)設(shè)繞行距離偏差的最小值和最大值，該范圍對行駛的穩(wěn)定性、控制的準(zhǔn)確度均有一定參考意義；繞行標(biāo)準(zhǔn)差為繞行偏差的標(biāo)準(zhǔn)差，該值可反映繞行過程中行駛的穩(wěn)定性，在狹隘的林間環(huán)境中穩(wěn)定行駛可提高避障安全性和避障效率；試驗(yàn)總路程為移動(dòng)平臺(tái)從起點(diǎn)到終點(diǎn)所行駛的路程總和，理論總路程為與實(shí)際試驗(yàn)相同情況下理論上使用上述算法所需的總路程，將2種路程進(jìn)行對比可為路徑冗余、系統(tǒng)控制精確程度提供參考。

避障軌跡及其試驗(yàn)數(shù)據(jù)如圖10、11及表2所示。為更好地顯示避障效果，圖10(a)和11(a)中的虛線矩形為平臺(tái)輪廓的移動(dòng)軌跡。

3.2 試驗(yàn)結(jié)果與分析

從圖10(a)和圖11(a)可見，在2種障礙物避障試驗(yàn)中，全程各階段路徑銜接流暢，繞行軌跡平滑且與障礙物無碰撞，避障成功。結(jié)合圖10(b)和圖11(b)可知，繞障過程中轉(zhuǎn)向角均有明顯調(diào)節(jié)，繞障軌跡均與其對應(yīng)障礙物邊緣相似，無軌跡突變和偏離，說明通過自調(diào)節(jié)模糊控制的方法可解決“邊緣跟蹤”的問題，同時(shí)實(shí)現(xiàn)了將改進(jìn)型Bug算法應(yīng)用于實(shí)際中。

從圖10(b)和圖11(b)可知，當(dāng)期望轉(zhuǎn)向角首次變?yōu)樽畲笾禃r(shí)即開始避障，此時(shí)S1和S2探測到大、小障礙物的距離分別為98.0，103.0和96.0，84.0 cm，并據(jù)此算得提前避障距離分別為93.9和81.7 cm，將2組探測距離對應(yīng)在圖8中剛好位于綠色部分，因此提前轉(zhuǎn)向的時(shí)機(jī)判斷正確；避行全程無碰撞和停車等情況發(fā)生，說明避障轉(zhuǎn)向角控制索引圖設(shè)計(jì)合理，可解決轉(zhuǎn)向響應(yīng)延遲影響避障安全的問題。

圖10 林間移動(dòng)平臺(tái)小障礙物避障試驗(yàn)結(jié)果Fig.10 Obstacle avoidance test result of small obstacles on mobile platform in forest

圖11 林間移動(dòng)平臺(tái)大障礙物避障試驗(yàn)結(jié)果Fig.11 Obstacle avoidance test result of large obstacles on mobile platform in forest

由表1可知，大、小障礙物繞行偏差范圍分別為0.1～29.2和0.7～23.4 cm，由于林間泥地存在坑洼、石塊等因素，會(huì)導(dǎo)致平臺(tái)行駛時(shí)發(fā)生側(cè)滑，造成偏差范圍偏大。平均繞行偏差分別為-7.9和-15.2 cm，該偏差分別為車寬的11.3%和21.7%，小障礙物試驗(yàn)繞行偏差相對較大是因?yàn)檎系K物半徑較小，移動(dòng)平臺(tái)還未來得及調(diào)整就已結(jié)束繞障過程。2種試驗(yàn)的繞行標(biāo)準(zhǔn)差分別為7.5和12.4 cm，表明避障過程行駛穩(wěn)定、控制精確，符合林間環(huán)境的避障要求。

由表1可知，大、小障礙物避障試驗(yàn)的總路程分別為1 315.5和1 223.1 cm，理論計(jì)算得到的避障路程分別為1 307.1和1 228.2 cm，差值分別為8.4和5.1 cm，試驗(yàn)實(shí)際值與理論值的差值分別占理論值的0.64%和0.42%，說明使用改進(jìn)的Bug算法對平臺(tái)控制精確且避障路徑冗余小，保證了運(yùn)輸?shù)母咝?，適用于林間環(huán)境的導(dǎo)航行駛。

表1 林間移動(dòng)平臺(tái)不同障礙物避障試驗(yàn)結(jié)果的統(tǒng)計(jì)Table 1 Statistics of obstacle avoidance test of different obstacles on forest mobile platform

4 結(jié) 論

1)用GPS定位系統(tǒng)獲取移動(dòng)平臺(tái)的位置信息，在林間進(jìn)行避障試驗(yàn)，通過改進(jìn)傳統(tǒng)Bug算法，將其導(dǎo)航及避障過程分為路徑追蹤、避行和繞行3個(gè)階段，路徑追蹤階段使用純追蹤算法；在避行階段結(jié)合轉(zhuǎn)向所需的時(shí)間，確定提前轉(zhuǎn)向的位置，使用最大轉(zhuǎn)向角的方式避開障礙物；在繞行階段通過設(shè)計(jì)帶自調(diào)節(jié)函數(shù)的模糊控制器，控制平臺(tái)對障礙物進(jìn)行“邊緣跟蹤”，從而實(shí)現(xiàn)將Bug算法應(yīng)用于林間移動(dòng)平臺(tái)避障。

2)在大、小障礙物實(shí)際避障試驗(yàn)中，提前避障時(shí)機(jī)判斷恰當(dāng)，控制精確；平均繞行偏差分別為7.9和15.2 cm，繞行偏差最大值分別為29.2和23.4 cm，繞行標(biāo)準(zhǔn)差分別為12.4和7.5 cm，表明避障過程中移動(dòng)平臺(tái)行駛穩(wěn)定；大、小障礙物避障試驗(yàn)總路程與理論總路程的差值占理論值的比例均小于1%，說明避障控制較精確，避障路徑冗余較少。

3)林間環(huán)境較為復(fù)雜，平臺(tái)行駛會(huì)受路面?zhèn)然纫蛩赜绊?，從而?dǎo)致避障過程中繞行偏差變大，后期可對行走機(jī)構(gòu)進(jìn)行相應(yīng)改進(jìn)，以更加適應(yīng)林間地面環(huán)境。