【導(dǎo)讀】下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加以標(biāo)注和致謝的地。及其它教育機(jī)構(gòu)的學(xué)位或?qū)W歷而使用過的材料。對(duì)本研究提供過幫助和做出過。貢獻(xiàn)的個(gè)人或集體，均已在文中作了明確的說明并表示了謝意。提下，學(xué)?？梢怨颊撐牡牟糠只蛉?jī)?nèi)容。人或集體已經(jīng)發(fā)表或撰寫的成果作品。本人完全意識(shí)到本聲明的法律后果由本人承。涉密論文按學(xué)校規(guī)定處理。等），文科類論文正文字?jǐn)?shù)不少于萬字。合國家技術(shù)標(biāo)準(zhǔn)規(guī)范。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準(zhǔn)用徒。自主避障算法屬于智能避障功能中的著重點(diǎn)，在傳統(tǒng)的算法研究中，需要依靠被控對(duì)。用方法，包括人工勢(shì)場(chǎng)法、模糊控制算法以及遺傳算法。然后進(jìn)行機(jī)器人的建模，并在此基。礎(chǔ)上，再采取模糊邏輯控制法進(jìn)行避障算法研究，建立模糊邏輯控制器，。下實(shí)行自主避障。并根據(jù)驗(yàn)證結(jié)果對(duì)算法進(jìn)行改進(jìn)和完善。

　　

【正文】 4 表 3 1 右側(cè)有障礙物時(shí) 規(guī)則表 Rule input output No. LD FD RD v al ar 1 F F F L S PS PB 2 F F F L F NS ZE 3 F F F f S PB PB 4 F F F f F ZE ZE 5 F F F R S PB PS 6 F F F R F ZE NS 7 F F N L S ZE PS 8 F F N L F NS ZE 9 F F N f S ZE PS 10 F F N f F NS ZE 11 F F N R S NS ZE 12 F F N R F NB NS 按照這個(gè)方法，在其他不同條件下也可以建立出多種模糊控制規(guī)則。該規(guī)則將一個(gè)負(fù)責(zé)的行為分成幾個(gè)簡(jiǎn)單的行為，這樣既可以簡(jiǎn)化模糊規(guī)則的確定，同時(shí)也減少了規(guī)則的數(shù)量，避免繁雜。 進(jìn)行模糊推理與解模糊 模糊推理是根據(jù)模糊關(guān)系和推理規(guī)則完成的。根據(jù)模糊規(guī)則推理出輸出量的隸屬度。再根據(jù) Mamdani模糊推理的方法求出模糊關(guān)系的矩陣。 在 此 ， 我 們 以 一 組 數(shù) 據(jù) 來 說 明 推 理 控 制 器 的 實(shí) 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(jìn)行說明。該規(guī)則是由規(guī)則表中 5， 6， 11， 12 條規(guī)則推理合成的。 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(jīng)過第 1 12 條規(guī)則的推理，再將規(guī)則進(jìn)行合成，就可以得出當(dāng)右側(cè)有障礙物時(shí)，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(gè)模糊集合。在實(shí)際控制中，需用轉(zhuǎn)化成確定值控制機(jī)器人的兩個(gè)輪子，這過程叫解模糊。解模糊的作用就是映射出一個(gè)確定值控制機(jī)器人的運(yùn)動(dòng)。在 MATLAB 中提供了五種解模糊的方法有面積重心法、面積等分法、平均最大隸屬度法、最大隸屬度取小法、最大隸屬度取大法 [19]。本文仿真使用的是重心法，這種方法最合理的方法。其表達(dá)式為 ? ? ? ?? ? ? ?= l L l lL l la a d aa d a????左 輪 加 速 度 ? ? ? ?? ? ? ?r= R r rR r ra a d aa d a????右 輪 加 速 度 在式中， ? 表示 在連續(xù)論域上輸出模糊子集所有元素的隸屬度值的代數(shù)積分。其中加速度的取值就是表示左右兩邊面積相等。 本章小結(jié) 本章是基于模糊邏輯進(jìn)行了模糊邏輯控制系統(tǒng)的具體研究設(shè)計(jì)，也是本論文的核心部分，介紹了模糊控制系統(tǒng)的組成，選取了合適的輸入輸出量，并建立了輸入輸出量的隸屬度函數(shù)、模糊規(guī)則以及進(jìn)行了模糊推理與解模糊，為模糊控制器的構(gòu)建做了理論鋪墊。 17 4 模糊邏輯避障控制算法仿真與驗(yàn)證 構(gòu)建仿真平臺(tái) 移動(dòng)機(jī)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(jìn)行處理再做出決策，從而實(shí)現(xiàn)避障、到達(dá)目標(biāo)位置。移動(dòng)機(jī)器人的運(yùn)動(dòng)規(guī)劃入下圖 41 為驗(yàn)證模糊算法有效，需建立系統(tǒng)仿真模型，使用模糊控制工具箱對(duì)該算法進(jìn)行仿真。具體步驟如下： 1 、 建 立 環(huán) 境 信 息 2 、 建 立 模 擬 機(jī) 器 人 3 、 建 立 模 擬 傳 感 器 4 、 設(shè) 計(jì) 控 制 器 5 、 傳 遞 控 制 指 令圖 4 1 系統(tǒng)仿真步驟 仿真時(shí)重復(fù)循環(huán) 35 步，直至達(dá)到目標(biāo)。 Matlab 模糊邏輯工具箱提供了糊邏輯控制器及系統(tǒng)設(shè)計(jì)的各種方法?？梢暂斎朊钫{(diào)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(jìn)行生成系統(tǒng)。這兩者所得結(jié)果是一樣的，不同的是 Matlab 命令式使用更靈活些，而模糊邏輯工具箱可視化法則更直觀、更簡(jiǎn)單些?？傊@兩種方法都為研究模糊控制提供了一種很好的工具。本論文使用圖形用戶界面來設(shè)計(jì)移動(dòng)機(jī)器人的模糊控制系統(tǒng)。 在模糊邏輯工具箱中用五個(gè)圖形用戶界面工具建立模糊推理系統(tǒng)。包括模糊推理系統(tǒng)編輯器、隸屬度函數(shù)編輯器、規(guī)則編輯器、規(guī)則觀察器和曲面觀察器 [20]。模糊推理系統(tǒng)編輯器處理系統(tǒng)的高層屬性。 構(gòu)建模糊推理系統(tǒng)編譯器 在此，我們構(gòu)建一個(gè)五輸入兩輸出的推理系統(tǒng)，首先需要添加五個(gè)輸入框以及兩個(gè)輸出框，并編輯每個(gè)輸入輸出量的名稱。編輯如 圖 4 2 所示 18 圖 4 2 模糊推理系統(tǒng) 構(gòu)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(gè)變量的隸屬度函數(shù)的形狀。如 圖 4 3（ a）、（ b）、（ c）、（ d）所示，通過此編譯器編譯了系統(tǒng)變量的隸屬度函數(shù)。在這里定義了五個(gè)輸入的隸屬度函數(shù)，移動(dòng)機(jī)器人左右前三個(gè)方向距離障礙物的距離，機(jī)器人目標(biāo)方向的夾角以及機(jī)器人的運(yùn)動(dòng)速度 v 為輸入量以及機(jī)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(shè)定 為 {NEAR,FAR}；目標(biāo)方向夾角輸入變量的模糊語言定為 {LEFT,FRONT,RIGHT}；運(yùn)動(dòng)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}。這里所有變量選取三角形隸屬度函數(shù)。 圖 43a 圖 43b 圖 43c 圖 43d 圖 4 3 隸屬度函數(shù)的編譯器 構(gòu)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。規(guī)則觀察器會(huì)顯示出來有哪一條規(guī)則正在被使用，或者是顯示出來隸屬度函數(shù)形狀是怎樣影響結(jié)果的。如 圖 4 4 為規(guī)則編譯器，設(shè)計(jì)了機(jī)器人模糊避障的規(guī)則。 19 圖 4 4 模糊規(guī)則編譯器 仿真結(jié)果 機(jī)器人仿真 在 Simuink 環(huán)境下建立的移動(dòng)機(jī)器人仿真模型如下 圖 4 5 圖 4 5 移動(dòng)機(jī)器人仿真模型 20 模糊算法仿真 在上文中，我們舉例進(jìn)行模糊推理，選取 FD=115cm， LD=108cm， RD=43cm，theta=44deg， v=，利用 matlab 建立的工具箱進(jìn)行仿真我們可以看出在此情況下 la 和 ra 通過合成最終的隸屬度函數(shù)仿真 圖 4 6 與前文分析的 圖 3 10 完全吻合，說明該工具箱建立成功。 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(jié)果 從仿真結(jié)果 圖 4 8 我們可以看出，模糊算法避障的路徑相對(duì)勢(shì)場(chǎng)法避障時(shí)的路徑短，所以我們選擇模糊算法進(jìn)行避障，模擬人類駕駛的經(jīng)驗(yàn)減少路徑偏長(zhǎng)的現(xiàn)象。 圖 4 8 系統(tǒng)仿真結(jié)果 本章小結(jié) 本章構(gòu)建了仿真平臺(tái)，包括模糊推理系統(tǒng)編譯器、隸屬函數(shù)編譯器、以及規(guī)則編譯器，并對(duì)這個(gè)模糊控制器進(jìn)行仿真，又建立的移動(dòng)機(jī)器人的模型以及模糊系統(tǒng)進(jìn)行了仿真，通過仿真結(jié)果可驗(yàn)證出本論文選擇的模糊算法可以使得移動(dòng)機(jī)器人達(dá)到避障的功能。 22 結(jié)論 本篇論文先是介紹選題的研究背景及意義，再介紹國內(nèi)外 機(jī)器人的研究現(xiàn)狀以及模糊邏輯控制的研究；同時(shí)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(xì)地介紹了局部避障，包括模糊邏輯算法、人工勢(shì)場(chǎng)法以及遺傳算法等。然后進(jìn)行移動(dòng)機(jī)器人的運(yùn)動(dòng)建模，建立了移動(dòng)機(jī)器人的坐標(biāo)，在這里我們選擇絕對(duì)坐標(biāo)系；并建立了機(jī)器人的運(yùn)動(dòng)模型及位姿的確定更精確的分析機(jī)器人運(yùn)動(dòng)時(shí)的角度，并做圓弧運(yùn)動(dòng)，再以前方和側(cè)面為例分析其存在障礙物時(shí)安全距離的選取方法，使得機(jī)器人更好的完成避障；然后基于模糊邏輯進(jìn)行了模糊邏輯控制系統(tǒng)的具體研究設(shè)計(jì)，也是本論文的核心部分，介紹了模糊控制系統(tǒng)的組成 ，選取了合適的輸入輸出量，并建立了輸入輸出量的隸屬度函數(shù)、模糊規(guī)則以及進(jìn)行了模糊推理與解模糊，最后構(gòu)建了仿真平臺(tái)，包括模糊推理系統(tǒng)編譯器、隸屬函數(shù)編譯器、以及規(guī)則編譯器，并對(duì)這個(gè)模糊控制器進(jìn)行仿真，又建立的移動(dòng)機(jī)器人的模型以及模糊系統(tǒng)進(jìn)行了仿真，通過仿真結(jié)果可驗(yàn)證出本論文選擇的模糊算法可以使得移動(dòng)機(jī)器人達(dá)到避障的功能。 在本論文中也存在一定的問題，在移動(dòng)機(jī)器人的避障過程中只運(yùn)用模糊邏輯算法較為單一，應(yīng)該結(jié)合其他的控制算法，例如結(jié)合遺傳算法或者是結(jié)合神經(jīng)網(wǎng)絡(luò)算法，進(jìn)行多種控制算法的融合控制應(yīng)該會(huì)更優(yōu)的控制移 動(dòng)機(jī)器人進(jìn)行避障行為。 接下來，就可將本篇文章作為基礎(chǔ)，加入遺傳算法或是神經(jīng)網(wǎng)絡(luò)的知識(shí)，進(jìn)行算法融合，達(dá)到更好的控制機(jī)器人避障。 錯(cuò)誤 !使用“開始”選項(xiàng)卡將 標(biāo)題 ,章標(biāo)題 (無序號(hào) ) 應(yīng)用于要在此處顯示的文字。 23 參考文獻(xiàn) [1] T. Arai, Ogata H.,and T. Suzuki. Collision avoidance among multiple robots using virtual impedance [J]. Proceedings of the IEEE. International Conference on Intelligent Robots and Systems. 1989: 479485. [2] M B Metea. Planning Motion Planning[J]. Pro of IEEE Int Conf on Robotics and Automation, 1997, 19: 19471952. [3] Qussama Khatib. RealTime Obstacle Avoidance for Manipulators and Mob11e Robots[J]. Proc of The IEEE, 1998, 5:7289. [4] K. Chong, L. Kleeman. Mobile robot map building from an advanced sonar array and accurate odemetry[J]. Intl. Journal of Robotics Reaearch, 1999, 18(1):2036. [5] S S Roy, D K Pratihar. A GeicFuzzy Approach for Optimal Pathplanning of a Robotic Manipulator among Static Obstacles[J]. IE(I) Journal. CP, 20xx(84):6871. [6] Kazuo Sugibara, John Smith. Geic algorithms for adaptive motion planning of an autonomous mobile robots[A]. Problems IEEE Trans SMC, 1997, 7:138143. [7] 葉彬強(qiáng) , 王一 . 基于人工勢(shì)場(chǎng)法的機(jī)器人避障算法 [J]. 重慶理工大學(xué)學(xué)報(bào)：自然科學(xué) , 20xx, 26(9):8285. DOI:[8] 申浩宇 ,吳洪濤 ,陳柏 ,嚴(yán)鋮 ,蔣延杰 .冗余度雙臂機(jī)器人協(xié)調(diào)避障算法 [J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào) , 20xx（ 09） . [9] 方承 , 趙京 . 新穎的基于梯度投影法的混合指標(biāo)動(dòng)態(tài)避障算法 [J]. 機(jī)械工程學(xué)報(bào) ,20xx,46(19)::[10]楊晶東 , 楊敬輝 , 蔡則蘇 . 基于多目標(biāo)優(yōu)化的移動(dòng)機(jī)器人避障算法 [J]. 上海交通大學(xué)學(xué)報(bào) , 20xx, (2). [11]王越超 ,申建芳 .未知環(huán)境下基于可拓遺傳算法的避障算法 [J].計(jì)算機(jī)工程與應(yīng)用 ,20xx,46(20):226229,:[12]陳華華 , 杜歆 , 顧偉康 . 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的機(jī)器人動(dòng)態(tài)避障路徑規(guī)劃 [J]. 傳感技術(shù)學(xué)報(bào) , 20xx, (4):551555. DOI:[13]謝云 , 楊宜民 . 全自主機(jī)器人足球系統(tǒng)的研究綜述 [J]. 機(jī)器人 ,20xx,26(5):474::. [14]馮建農(nóng) ,柳明 ,吳捷 .自主移動(dòng)機(jī)器人智能導(dǎo)航研究進(jìn)展 [J].