【正文】 trb=sa/201。(sa=40)) tlb=0。 trs=sa/20。amp。 tz=sa/20+1。elseif((sa20)amp。 tls=sa/20+2。 rb=1。(tg=180)) lb=0。 rs=tg/30+2。amp。 zo=tg/30+1。elseif((tg0)amp。 ls=tg/30。 rb=0。(tg=30)) lb=tg/301。 rs=0。amp。amp。amp。a(5)=10*(2*trbtrb^2)。 %輸出變量隸屬度函數(shù)重心向量a(1)=10*(2*tlbtlb^2)。 %2,22,23,27,33,34,35,共7條tz=(d1+d2+d6+d8)*zo+d2*lb+(d2+d8)*ls+(d6+d8)*rs+d6*rb。d7=rnear*ear*lfar。d3=rfar*ear*lnear。[lnear,lfar]=dmembership(dl)。else d=t(2)。x3=A*c^2+B*e^2E。 endendfunction [t,d]=detectedquare(a,A,B,C,D,E,x,y)%二次曲線障礙物邊界探測程序c=xC。j=1。else t=(bx)*100000。 for i=2:N d(i)=detectedline2(a,T(i,1),x,y,T(i,2),T(i,3))。endfunction dmin2=mindetected2(a,T,N,x,y)if(N==0) dmin2=100000。 if(d(i)dmin1)j=i。else d(1)=detectedline1(a,T(1,1),T(1,2),x,y,T(1,3),T(1,4))。 endend%距離傳感器的模擬%對直線段障礙物邊界求最小距離function dmin=mindetected(a,T1,N1,T2,N2,x,y)dmin1=mindetected1(a,T1,N1,x,y)。 x(n+1)=x(n)+step*sin(sa)。 dg=atan((XGx(n))+i*(YGy(n)))*180/pitheta。 dl2=mindetectedquare((t3theta),T3,N3,x(n),y(n))。 dr2=mindetectedquare((t1theta),T3,N3,x(n),y(n))。 y(n+1)=y(n)+step*cos(sa)。 %計算轉(zhuǎn)向角、步長、移動后坐標(biāo) sa=fuzzylogic(dr,dc,dl,tg)。(N3~=0)) while(((x(n)XG)^2+(y(n)YG)^2)STEP^2) %傳感器探測環(huán)境信息 dr=mindetectedquare((t1theta),T3,N3,x(n),y(n))。 y(n+1)=y(n)+step*cos(sa)。 %由模糊控制器計算轉(zhuǎn)向角 sa=fuzzylogic(dr,dc,dl,tg)。((N1+N2)~=0)) while(((x(n)XG)^2+(y(n)YG)^2)STEP^2) %四個傳感器對環(huán)境探測 dr=mindetected((t1theta),T1,N1,T2,N2,x(n),y(n))。((N1+N2)==0)) error(39。t3=3*pi/4。%機器人初始位置x(1)=X0。沒有張柱華老師的辛勤栽培、孜孜教誨，就沒有我論文的順利完成。論文的寫作是枯燥艱辛而又富有挑戰(zhàn)的。在這四年的時間里，我在學(xué)習(xí)上和思想上都受益非淺。機器人運行連續(xù)、平穩(wěn)，能行走到目標(biāo)點。設(shè)DE段距離為，E點坐標(biāo)為(),點坐標(biāo)為(),則有： {目標(biāo)點A 起點BCD半封閉U型陷阱E 虛擬目標(biāo)點 半封閉U型陷阱的改出3 結(jié)論自主移動機器人由于傳感器的限制以及周圍環(huán)境的不確定性，很難預(yù)先對機器人的移動路徑進行規(guī)劃。方向設(shè)置一虛擬目標(biāo)點。 其避讓路徑如下圖所示。設(shè)置的虛擬目標(biāo)點位于小車左前側(cè)45176。下面針對普通U型陷阱和辦封閉U型陷阱分別提出改進策略。但是在碰到某些特定形狀的障礙物時，根據(jù)現(xiàn)有控制規(guī)則機器人可能會陷入到死循環(huán)中，猶如掉到陷阱中無法改出。輸入量隸屬函數(shù)輸出量dr= dc=dl=1 tg=0改變前Sa=改變后Sa=dr= dc=dl=1 tg=0改變前Sa=改變后Sa=dr= dc=dl=1 tg=0改變前Sa=改變后Sa= 隸屬函數(shù)改變前后輸出量改變對比 (a)改變后 (b)改變前 隸屬函數(shù)改變前后輸出量曲面改變對比，輸入輸出變量隸屬函數(shù)改變后，雖然曲面大體結(jié)構(gòu)并未改變，但在障礙物距離由近到遠(yuǎn)的過程中，轉(zhuǎn)向角的改變顯得較為平穩(wěn)順滑；而在距離障礙物較近時，轉(zhuǎn)向角的變化顯得較為快速。如本設(shè)計中，根據(jù)障礙物距離和目標(biāo)點夾角的一般特點，為方便計算，采取線性化的處理方法，簡單地選擇了三角形的隸屬函數(shù)來表述各個模糊集合。對不同形狀的障礙物均能進行識別和躲避，角度變化符一般駕駛規(guī)律，能順利到達(dá)目標(biāo)點，基本實現(xiàn)了控制要求。(c) 模糊控制器 這一部分對整個模糊控制器進行了描述，包括輸入輸出變量模的模糊化，模糊規(guī)則，解模糊方法和輸入輸出變量的隸屬函數(shù)。對超聲波傳感器和方位傳感器設(shè)置，對模糊控制器輸入變量和行進軌跡的點坐 賦初值是否有障礙物？是否有A類障礙？是否有B類障礙？按無障礙規(guī)則處理按兩類障礙情況同時存在規(guī)則計算按B類障礙規(guī)則處理是否到達(dá)終點？按A類障礙規(guī)則處理結(jié)束NYYYYNNN 主函數(shù)流程(b) 超聲傳感器的模擬 由于用函數(shù)模擬的超聲傳感器是理想的，不存在幻影現(xiàn)象等引起的誤差，因此程序中，機器人只有三只超聲傳感器，其探測方向分別是機器人正前方和其左右45176。程序主要包含三個部分：主函數(shù)，超聲波傳感器的模擬，模糊控制器仿真。要建立模糊控制系統(tǒng)，首先要建立起系統(tǒng)中各部分，即各個模塊，然后連接它們組成模糊控制系統(tǒng)。順序點擊菜單Edit→Surface即可顯示輸出量曲面觀測窗。小圖框先輸出覆蓋輸入、輸出變量的模糊子集，并顯示有模糊子集的隸屬函數(shù)圖線。參照上一節(jié)制定的模糊規(guī)則表，依次將56條模糊規(guī)則輸入到規(guī)則顯示區(qū)。完成后情況如下圖： MF編輯器界面 在任一編輯器界面中，依次單擊菜單Edit→Rules…，或雙擊FIS界面的模糊規(guī)則模框，即可打開模糊控制規(guī)則編輯器界面。以輸入變量夾角sa為例，根據(jù)前面設(shè)計，其模糊子集共有五個。右下角區(qū)域則可看到點選的變量的相關(guān)信息。工具箱默認(rèn)的模糊控制器時單輸入單輸出的。這五個圖形化工具操作簡單，相互動態(tài)聯(lián)系，可以用來快速、直觀地構(gòu)建余戶設(shè)計的模糊系統(tǒng)。模糊邏輯工具箱（Fuzzy logic Toolbox）提供了模糊邏輯系統(tǒng)的命令行（在Command Window中使用）和圖形用戶界面（Graphical User Interface，GUI）兩種仿真方式，兩者均可方便地建立、編輯、觀察、分析和設(shè)計模糊推理系統(tǒng)（Fuzzy Inference System，F(xiàn)IS），進行模糊推理系統(tǒng)的仿真。這種方法計算較為復(fù)雜，但它包含了輸出模糊子集的所有元素信息，較為精確。這一把模糊推理結(jié)果轉(zhuǎn)換為確定數(shù)值的過程就是解模糊，或是清晰化[15]。(1)對于規(guī)則25，其輸出為。If(dr is near)and(dc is near)and(dl is near)and(tg is rs)then(sa is trb(26)),。為減少計算量，只根據(jù)輸入量用被激活的控制規(guī)則進行近似推理，而不用計算由1到56的全部。上節(jié)模糊規(guī)則基本形式為：if(dr is )and(dc is )and(dl is)and(tg is ),then(sa is ).其中dr、dc、dl、tg和sa代表系統(tǒng)狀態(tài)和控制語言變量，、和分別是對應(yīng)的語言值，各變量對應(yīng)的論域分別為DR、DC、DL、TG和SA。模糊控制規(guī)則經(jīng)簡化后，放入模糊規(guī)則庫，供模糊控制器查詢。用模糊邏輯表示如下：如果dc為近，dr為遠(yuǎn)，dl為遠(yuǎn)，且目標(biāo)標(biāo)點在機器人左側(cè)，則機器人左轉(zhuǎn)；如果dc為近，dl為遠(yuǎn)，dr為遠(yuǎn)，且目標(biāo)點在機器人右側(cè)，則機器人右轉(zhuǎn)。當(dāng)機器人右側(cè)近距離內(nèi)有障礙物，而左側(cè)和前方近距離內(nèi)均無障礙物時（）,根據(jù)人的駕駛經(jīng)驗。轉(zhuǎn)向角度的大小則視障礙物距離和航向與目標(biāo)點到機器人連線的夾角而定：障礙物距離越近，轉(zhuǎn)向角越大；夾角越大，轉(zhuǎn)向角越小。本設(shè)計中包含四個定性輸入信號，一個定性輸出信號。各輸入輸出變量隸屬函數(shù)如下圖所示。通常，隸屬函數(shù)的形狀越陡，分辨率就越高，控制靈敏度也就越高；相反，若隸屬函數(shù)變化緩慢，則控制特性也平緩，對應(yīng)的系統(tǒng)穩(wěn)定性好。因此將距離變量簡單劃分為{近，遠(yuǎn)}，模糊規(guī)則數(shù)減少到條。這里使用連續(xù)型論域，采用簡單線性化處理方法，對個輸入量進行模糊語言描述，如下： 距離輸入變量：d={近，遠(yuǎn)}={near，far}； 目標(biāo)方位輸入變量：tg={左大，左中，左小，前，右小，右中，右大}={lb，lm，ls，zo，rs，rm，rb}； 輸出轉(zhuǎn)向角變量：sa={左轉(zhuǎn)，左中轉(zhuǎn)，左稍轉(zhuǎn)，直走，右稍轉(zhuǎn)，右中轉(zhuǎn)，右轉(zhuǎn)}； ={tlb，tlm，tls，tz，trs，trm，trb}；模糊分割是指模糊語言對所在論域的劃分，決定了模糊控制的精細(xì)化程度。因此，我們選取超聲傳感器及方位傳感器采集的外部環(huán)境信息作為模糊控制器的輸入，模糊控制器的輸出則是機器人的方向控制。若超聲波傳感器未探測到障礙物信息或探測到的障礙物距離較遠(yuǎn)時，則根據(jù)方位傳感器探測到的機器人航向和目標(biāo)到機器人連線的夾角tg進行轉(zhuǎn)向，控制機器人向目標(biāo)點移動。180176。為了解決這種現(xiàn)象所帶來的誤差，本設(shè)計使用多個傳感器來補償，抵消幻影現(xiàn)象帶來的誤差。計算公式為：D=CT/2。障礙物OYXT時刻位置（x(t),y(t)）t+1時刻位置(x(n+1),y(n+1))目標(biāo)點（XG,YG）steptg 參考坐標(biāo)系移動機器人要獲得自主行為，就需要有能感知周圍環(huán)境信息的能力，其主要是通過傳感器來實現(xiàn)的。知識庫包含了具體應(yīng)用領(lǐng)域的知識和要求的控制目標(biāo)和規(guī)則等，由數(shù)據(jù)庫和模糊規(guī)則庫兩部分組成。若(x)接近1，表示X屬于A的程度高，(x)接近0，表示X屬于A的程度低。 ，它包括模糊集合理論，模糊邏輯，模糊推理和模糊控制等方面的內(nèi)容，是智能控制領(lǐng)域的一個重要分支。然而，在被控對象的過程的非線性，有較大隨即干擾、過程錯綜復(fù)雜及現(xiàn)場儀器儀表條件不足等情況下，通常無法建立被控對象的精數(shù)學(xué)模型