【正文】 器人上安裝測量設備，為的是在行進過程中測量一些行進參數(shù)，并且根據(jù)這些參數(shù)進行計算得出當前機器人的位姿信息。但是本文是使用絕對定位，需要對數(shù)據(jù)進行坐標變 換，也就是絕對坐標系。, 39。xtg y???? (21) 因此， A 點在絕對坐標系中的坐標值 ? ?,xy 為 220 ( 39。) s iny y x y ?? ? ? （ 23） 經過以上分析，就可以進行局部與全局坐標系之間的變換。 建立機器人的結構模型如 圖 2 3 移動機器人坐標變換 圖 2 4 移動機器人運動示意圖 所示，圖中 XOY 作為絕對坐標系，則 Rxoy 作為相對坐標系，該坐標是以機器人兩輪之間中心點連線的中點 Ro 作為參考點，從而得出運動學模型。 這樣方便控制，同樣我們的輪子是由兩個直流伺服電機獨立驅動的。經過方程式（ 22）與（ 27）比較，存在一定誤差，若是工作時間較長，誤差會更加大，會影響到機器人運動的精確度，所以應該選擇適當?shù)牟蓸訒r間來提高精確度，降低誤差。 接下來，我們根據(jù)兩種不同的情況進行討論安全距離的選取方法。圓弧運動是由于機器人的左右輪在行進過程中的速度不一樣而產生的，如果假設移動機器人的運動速度表示為 v， 轉動時的圓弧運動半徑為 R，并且在碰撞到前方障礙物之前機器人旋轉 90○ 。 側面存在障礙物時的安全距離選取 接下來，分析側面存在障礙物時安全距離選取。 本章小結 本章主要是 進行移動機器人的運動建模。 1989 年，日本將模糊控制應用在電冰箱、洗衣機等家用消費產品上，把模糊控制的應用推向高潮， 1992 年在美國召開了第一屆 IEEE 模糊控制國際會議，從此模糊控制也成為了智能控制的一個重要的分支。 模糊控制的概況及理論基礎 模糊控制的主要特點就是模擬人在控制復雜對象中采用語言變量描述模糊概念，采用基于經驗的控制規(guī)則描述對象輸入 輸出建的模糊關系（模型），進而實現(xiàn)模糊邏輯推理的一種計算機數(shù)字控制。 年提出了模糊邏輯控制器模型結構，其模糊控制輸出即為解析描述形式； 年提出了雙輸入雙輸出的模糊控制器解析結構；王立新和 年證明了一類模糊系統(tǒng)是萬能逼近器，為模糊控制工程應用提供了理論依據(jù)。 9 (二 )模糊控制的基本原理 模糊控制系統(tǒng)一般包括測量裝置、輸入輸出接口、模糊控制器、執(zhí)行機構以及被控對象 [16]。該系統(tǒng)以模糊數(shù)學、模糊語言以及模糊推理做為理論基礎，利用計算機控制技術構成閉環(huán)的控制結構。輸入接口將輸入量轉換成模糊量，輸出接口將模糊結果轉化成為明確的輸出量，從而控制對控制對象。 若輸入數(shù)據(jù) x。 如果輸入數(shù)據(jù)中存在隨機測量的噪聲，此時的模糊化就等于是把隨機量變化成模糊量。 模糊控制設計時的主要任務是根據(jù)被控系統(tǒng)的性能指標來設計并調節(jié)控制器參數(shù)。 (2)目標評估模糊控制規(guī)則 典型的形式如下 : R1:如果 [u 是 C1 (x 是 A1 and y 是 B1)]，則 u 是 C1 式中， u 是系統(tǒng)的控制量， x 和 y 為要得出的狀態(tài)和目標，所以 x 和 y 的取值常用“好”、“差”等模糊語言來表示。簡而之，從己知條件求未知結果的思維過程就是推理。另外還包括合成運算方法：最大 最小合成法 (Zadeh)、最大 代數(shù)積合成法 (Kaufmann)和最大 有界積合成法 (Mizumoto)等。 1）平均最大隸屬度法 (mom) 輸出量的模糊集合 C 的隸屬度函數(shù)中有且只有一個最大值作清晰值，即 ? ? ? ?0ccZZ??? (33) 式中 Z0 表示清晰值。 4)中位數(shù)法 中位數(shù)法是取 ()c z? 的中位數(shù)作為 z的清晰量，即 0 ( ) ( )cz df z z???的中位數(shù)，它滿足 00( ) ( )z bccazz dz z dz????? (34) 就是以 0z 為分界， a 作為下界， b 作為上界， ()c z? 與 z 軸中間的面積兩邊是相等的，如 圖 3 3 所示。移動機器人模糊避障系統(tǒng)的框圖如 圖 3 4 移動機器人模糊避障系統(tǒng)組成 。設定該推理規(guī)則的輸入變量為：移動機器人左右前三個方向距離障礙物的距離 LD、 FD、 RD，機器人目標方向的夾角以及機器人的運動速度 v。這里我們取各語言變量的隸屬度函數(shù)為對稱的三角形的形狀并且模糊分割也做到對稱。根據(jù)模糊邏輯推理的基本理論要求，設定了五個定性的輸入信號和兩個定性的輸出信號。當傳感器探測到有障礙物信息出現(xiàn)時，機器人就會改變其運動方向，防止碰撞。根據(jù)已確定的輸入輸出集合，模糊控制規(guī)則利用如下形式來描述： If（條件） then（結果），由于是多輸入多輸出即可變換成： If（條件） and（條件） and（條件） and（條件） and（條件） then（結果） and（結果）。該規(guī)則將一個負責的行為分成幾個簡單的行為，這樣既可以簡化模糊規(guī)則的確定，同時也減少了規(guī)則的數(shù)量，避免繁雜。 在 此 ， 我 們 以 一 組 數(shù) 據(jù) 來 說 明 推 理 控 制 器 的 實 現(xiàn) 過 程 ， 在1 0 5 , 1 1 7 , 4 0 , 4 5 d e g , 3 . 5 /F D c m L D c m R D c m t h e t a v c m s? ? ? ? ?的狀態(tài)下進行說明。解模糊的作用就是映射出一個確定值控制機器人的運動。其中加速度的取值就是表示左右兩邊面積相等。具體步驟如下： 1 、 建 立 環(huán) 境 信 息 2 、 建 立 模 擬 機 器 人 3 、 建 立 模 擬 傳 感 器 4 、 設 計 控 制 器 5 、 傳 遞 控 制 指 令圖 4 1 系統(tǒng)仿真步驟 仿真時重復循環(huán) 35 步，直至達到目標。總之這兩種方法都為研究模糊控制提供了一種很好的工具。模糊推理系統(tǒng)編輯器處理系統(tǒng)的高層屬性。在這里定義了五個輸入的隸屬度函數(shù)，移動機器人左右前三個方向距離障礙物的距離，機器人目標方向的夾角以及機器人的運動速度 v 為輸入量以及機器人左右輪的加速度 la 和 ra 為輸出量，距離的輸入變量模糊語言設定 為 {NEAR,FAR}；目標方向夾角輸入變量的模糊語言定為 {LEFT,FRONT,RIGHT}；運動速度 v 模糊語言定為 {SLOW,FAST}；左右輪的加速度和 的模糊語言定為 {NB,NS,ZE,PS,PB}。如 圖 4 4 為規(guī)則編譯器，設計了機器人模糊避障的規(guī)則。 22 結論 本篇論文先是介紹選題的研究背景及意義，再介紹國內外 機器人的研究現(xiàn)狀以及模糊邏輯控制的研究；同時也介紹了幾種常用的避障算法，包括全局避障以及局部避障，較為詳細地介紹了局部避障，包括模糊邏輯算法、人工勢場法以及遺傳算法等。 錯誤 !使用“開始”選項卡將 標題 ,章標題 (無序號 ) 應用于要在此處顯示的文字。 在本論文中也存在一定的問題，在移動機器人的避障過程中只運用模糊邏輯算法較為單一，應該結合其他的控制算法，例如結合遺傳算法或者是結合神經網絡算法，進行多種控制算法的融合控制應該會更優(yōu)的控制移 動機器人進行避障行為。 圖 4 6 模糊規(guī)則的觀察器 模糊避障系統(tǒng)仿真 圖 4 7 模糊避障系統(tǒng)模型 21 仿真結果 從仿真結果 圖 4 8 我們可以看出，模糊算法避障的路徑相對勢場法避障時的路徑短，所以我們選擇模糊算法進行避障，模擬人類駕駛的經驗減少路徑偏長的現(xiàn)象。 圖 43a 圖 43b 圖 43c 圖 43d 圖 4 3 隸屬度函數(shù)的編譯器 構建規(guī)則編譯器 規(guī)則編輯器用于定義系統(tǒng)行為的一系列規(guī)則。編輯如 圖 4 2 所示 18 圖 4 2 模糊推理系統(tǒng) 構建隸屬函數(shù)編譯器 隸屬度函數(shù)編輯器就是用來定義規(guī)則中每個變量的隸屬度函數(shù)的形狀。 在模糊邏輯工具箱中用五個圖形用戶界面工具建立模糊推理系統(tǒng)?？梢暂斎朊钫{用函數(shù)來生成并且編輯模糊推理系統(tǒng)，還可以用工具箱中的圖 形用戶界面來編輯函數(shù)進行生成系統(tǒng)。 17 4 模糊邏輯避障控制算法仿真與驗證 構建仿真平臺 移動機器人通過多傳感器獲取信息，將信息融合再通過模糊控制器進行處理再做出決策，從而實現(xiàn)避障、到達目標位置。本文仿真使用的是重心法，這種方法最合理的方法。 首先，第 5 條規(guī)則推理出來的隸屬度如 圖 3 6 所示 圖 36 1 左輪加速度的隸屬度函數(shù) 圖 36 2 右輪加速度的隸屬度函數(shù) 圖 3 6 左右輪加速度的隸屬度函數(shù) 15 第 6 條規(guī)則推理出來的隸屬度如 圖 3 7 所示 圖 37 1 左輪加速度的隸屬度函數(shù) 圖 372 右輪加速度的隸屬度函數(shù) 圖 3 7 左右輪加速度的隸屬度函數(shù) 第 11 條規(guī)則推理出來的隸屬度如 圖 3 8 所示 圖 38 1 左輪加速度的隸屬度函數(shù) 圖 36 2 右輪加速度的隸屬度函數(shù) 圖 3 8 左右輪加速度隸屬度函數(shù) 第 12 條規(guī)則推理出來的隸屬度如 圖 3 9 所示 圖 39 1 左輪加速度的隸屬度函數(shù) 圖 39 2 右輪加速度的隸屬度函數(shù) 圖 3 9 左右輪加速度的隸屬度函數(shù) 16 經過第 1 12 條規(guī)則的推理，再將規(guī)則進行合成，就可以得出當右側有障礙物時，輸出的隸屬度函數(shù)如 圖 3 10 所示 圖 310 1 左輪加速度的隸屬度函數(shù) 圖 310 2 右輪加速度的隸屬度函數(shù) 圖 3 10 左右輪加速度的隸屬度函數(shù) 通過模糊推理與合成得出了一個模糊集合。根據(jù)模糊規(guī)則推理出輸出量的隸屬度。在這里我們以一種情況作為例子來說明模糊控制規(guī)則建立的方法，如果傳感器探測到機器人右側有障礙物里的很近，左側和前方距離遠，此時根據(jù)目標位置、當前運動速度的不同制定規(guī)則表格如下表， 表 3 1 右側有障礙物時 規(guī)則表 。然而機 器人的轉向時有其左右輪來進行控制的，左輪速度大于右輪速度機器人將右轉，反之是左轉。如果在同一個區(qū)域出現(xiàn)兩個或者兩個以上的障礙物探測信息時，此時只取距離最近的障礙物信息。 13 （ a）距離隸屬度函數(shù) (b)目標方向隸屬度函數(shù) （ c）當前速度隸屬度函數(shù) (d)加速度隸屬度函數(shù) 圖 3 5 輸入輸出變量的隸屬度函數(shù) 建立模糊控制規(guī)則 模糊控制規(guī)則是將專家經驗知識綜合設計而來，其適當?shù)倪x取是做到控制系統(tǒng)最有控制的重中之重，所以要使用一系列的模糊條件來構成模糊控制的規(guī)則庫。經線性處理將與障礙物的距離作為輸入變量，其模糊語言變量設定為 {NEAR,FAR}；將目標方向夾角輸入變量的模糊語言變量定為 {LEFT,FRONT,RIGHT}；將當前機器人的運動速度 v 模糊語言變量定為{SLOW,FAST}；又將左右輪的加速度和 的模糊語言變量定為 {NB,NS,ZE,PS,PB}。機器人共有 4 個傳感器、兩個獨立驅動輪、還有速度表，其中 有三個傳感器作為探測前、左右方向的障礙物的距離，和一個目標傳感器作為探測目標位于機器人的方位。 移動機器人模糊系統(tǒng)的設計 為了使得機器人可以實現(xiàn)避障，我們利用超聲波傳感器來進行測距，在機器人的前、左、右方向的超聲波傳感器探測到的信息作為輸入量，機器人左右輪的速度則是輸出量。 2）最大隸屬度取最小值方法 (som) 取模糊集合中具有最大隸屬度的所有點中的最小點作為清晰化的結果。 清晰化 清晰化的作用就是把模糊推理所得到的控制量也就是模糊量變化成為用于控制的實際清晰量 [18]。其中， Uj (j=1. 2}??， n)是 11 輸入論域， V 是輸出論域。 利用目標評估模糊控制規(guī)則對控制的結果進行預測，再根據(jù)預測到的結果來確定采取的所要控制的行動，這種方法本質上就是一種模糊預測控制。 在模糊控制中，主要的模糊 控制規(guī)則有： (1)狀態(tài)評估模糊控制規(guī)則 它具有如下形式 R1:如果 x 是 A1 and y 是 B1，則 :是 C1 also R2:如果 x 是 A2 and y 是 B2，則 :是 C2 ? also Rn:如果 x 是 An and y 是 Bn，則 :是 Cn 在現(xiàn)有的模糊控制系統(tǒng)中，大多數(shù)情況均采用這種形式。數(shù)據(jù)庫包括語言控制規(guī)則、隸屬度函數(shù)的定義等。設該模糊集合用 A 表示，則有 10 001() 0Axxx xx? ??