基于模糊神經(jīng)網(wǎng)絡(luò)的移動機器人沿墻導(dǎo)航控制
加入技術(shù)交流群
沿墻導(dǎo)航控制問題是指驅(qū)動機器人在一定方向上沿墻運動，或者更一般意義上的沿著物體輪廓運動，并與墻保持一定距離。它可以看作是移動機器人智能的低層行為，當與其它高層的智能行為相結(jié)合時，可以完成復(fù)雜的任務(wù)。墻體情況可分為以下幾種：
跟蹤一個未知的墻體。當獲得的環(huán)境信息太少或無法獲得，機器人的軌跡可能會特定為“沿著右邊的墻體運動直到發(fā)現(xiàn)第一個門口”。另外，如果移動機器人的任務(wù)是繪制全局模型，它就必須沿墻體行進將地圖描述完全。
跟蹤一個已知墻體。機器人按照規(guī)劃好路徑跟蹤軌跡，為了使算法誤差保持在小范圍內(nèi)而跟蹤墻體?；蛘撸方?jīng)規(guī)劃中包括已知墻體，需要機器人沿墻行進完成特殊的任務(wù)。
目前關(guān)于移動機器人沿墻導(dǎo)航控制已有較多研究，大多采用聲納傳感器作為環(huán)境的感知設(shè)備。算法應(yīng)用則從早期的航跡推算法，發(fā)展到后來使用卡爾曼濾波，模糊控制，神經(jīng)網(wǎng)絡(luò)控制等。由于模糊邏輯技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)各自獨到的特點，將模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)有機結(jié)合組成模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)，可實現(xiàn)模糊規(guī)則自動提取、模糊隸屬函數(shù)的自動生成及在線調(diào)節(jié)。因此本文采用模糊神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)移動機器人的沿墻導(dǎo)航控制。
2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2．1 輸入輸出值模糊化
本文研究的移動機器人沿墻導(dǎo)航控制融合機器人聲納檢測采集到的數(shù)據(jù)，判斷機器人的位姿，然后通過模糊神經(jīng)網(wǎng)絡(luò)算法控制移動機器人的動作，使其在一定距離內(nèi)沿墻體運。文中移動機器人側(cè)壁上方安裝有16個聲納，按順時針排列從0#到15#。
移動機器人要避免與墻體碰撞又要保持一定距離，所以本文為每個聲納設(shè)置一個閾值，當聲納檢測到的距離值大于或小于這個閾值就采取相應(yīng)的動作。這樣，將聲納采集的距離值與各自相應(yīng)的閾值相減得到差值△di(i=O，1，2，…，15)作為模糊神經(jīng)網(wǎng)絡(luò)的一個輸入；移動機器人的角度信息θ作為另外一個輸入。將距離差值△di和角度θ輸入模糊化如下：
距離差值△di：較小(NB)，小(NS)，中(Z)，大(PS)，較大(PB)。
角度θ：左(L)，偏左(LS)，正(Z)，偏右(RS)，右(R)。
輸出變量為移動機器人的左右輪速Vl、Vr，模糊化如下：
左右輪速Vl、Vr：左轉(zhuǎn)(TL)，前進(G)，右轉(zhuǎn)(TR)。
2．2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖
模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示，A為輸入層，輸入變量分別是前面所說的距離差值△di(i=0，l，2，3，4)和角度θ。A層的作用是將輸入值傳送到下一層。
評論