基于模糊力控制算法的移动机器人避障控制

　　1　引言

　　近年来,移动机器人受到广泛关注。根据机器人对环境信息知道的全局路径规划和环境信息完全未知或部分未知,通过传感器在线地对机器人的工作环境进行探测,以获取障碍物的位置、形状和尺寸等信息的局部路径规划[1]。这些算法的思想是通过从传感器绘出机器人周围环境的地图,绘出的地图可以避免机器人与墙和路径上的物体碰撞,机器人找到静态物体,并且保持机器人与物体之间的期望距离。但是机器人需要对移动物体避免碰撞做出及时反应,而不是依靠静态图形避免碰撞。在这种情况下,在两个移动的动态系统中就需要动态避免碰撞的算法。另外一点就是许多避撞算法是由移动机器人的运动学模型得到的,忽视了移动机器人的动态行为,而移动机器人的动态行为可以改善系统的性能。同时仅用位置控制不足以处理动态的相互作用的位置关系,对于移动机器人与运动物体之间的动态关系,引入力控制算法是必要的。

　　在文献中提出用神经网络中的BP网络来对其进行参数补偿,并且通过仿真验证了其可行性。由于机器人模型的不确定性及神经网络控制的一些弊端比如实时性能差,再加上模糊控制技术的成熟及优点,因此将模糊逻辑控制加入到机器人的混合力/位置控制中,以期实现移动机器人良好的避障控制效果。因为力控制算法对于机器人与环境接触位置的效果是众所周知的,这一点与机器人和障碍物的虚拟接触相类似,且混合力/位置控制算法结构清晰,可同时协调地分别控制力和位置,进而可实现移动机器人路径跟踪和避障的功能[2]。

　　2　基于模糊自适应PD的混合力/位置控制的避障算法

　　3　仿真研究

　　混合力位置控制是在位置和力两个方向上进行控制,在位置方向上使机器人能到达期望的位置,或跟踪某条期望的轨迹;而在力方向上使机器人能保持期望的距离(以虚拟力的形式)。而无论是位置还是力都要涉及到有关误差调整的过程,对上述的两种控制方案进行了仿真对比。

　　机器人参数如下[6]:机器人的车轮半径r=0.13m;两轮距离l =0.5m;车轮轴中点到机器人重心距离d =0.2m;机器人的重量m =0.13m;无轮机器人的重量mc=0.5kg;前进方向角速度·的力矩Iw=0.2Nm;两轮的力矩I=3Nm。外力和力矩的输入信号参数是:外力的水平分量f1=9.2N;垂直分量f2=8.7N;外力力矩u =2Nm。

　　位置输入信号: Zd= [xd　yd　d]T,三个变量的含义分别是,移动机器人在全局坐标系下的横坐标、纵坐标及它的前进方向角。仿真时,取xd=2,yd=2,d=pi/4。

　　力的输入信号:Fd= [fxd　fyd　d]T,三个变量的含义是,移动机器人与障碍物之间的虚拟力在x和y方向的分力,以及它的前进方向角。其:fxd=2,fyd=2,d=pi/4。这三个量的含义分别是指机器人和障碍物分别在x方向和y方向上应保持的距离,还有前进方向角。通常设障碍物的坐标(xe,ye)为原点(0,0)。