基于模糊神經(jīng)網(wǎng)絡(luò )的移動(dòng)機器人沿墻導航控制
加入技術(shù)交流群
沿墻導航控制問(wèn)題是指驅動(dòng)機器人在一定方向上沿墻運動(dòng)，或者更一般意義上的沿著(zhù)物體輪廓運動(dòng)，并與墻保持一定距離。它可以看作是移動(dòng)機器人智能的低層行為，當與其它高層的智能行為相結合時(shí)，可以完成復雜的任務(wù)。墻體情況可分為以下幾種：
跟蹤一個(gè)未知的墻體。當獲得的環(huán)境信息太少或無(wú)法獲得，機器人的軌跡可能會(huì )特定為“沿著(zhù)右邊的墻體運動(dòng)直到發(fā)現第一個(gè)門(mén)口”。另外，如果移動(dòng)機器人的任務(wù)是繪制全局模型，它就必須沿墻體行進(jìn)將地圖描述完全。
跟蹤一個(gè)已知墻體。機器人按照規劃好路徑跟蹤軌跡，為了使算法誤差保持在小范圍內而跟蹤墻體?；蛘?，路經(jīng)規劃中包括已知墻體，需要機器人沿墻行進(jìn)完成特殊的任務(wù)。
目前關(guān)于移動(dòng)機器人沿墻導航控制已有較多研究，大多采用聲納傳感器作為環(huán)境的感知設備。算法應用則從早期的航跡推算法，發(fā)展到后來(lái)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(diǎn)，將模糊技術(shù)和神經(jīng)網(wǎng)絡(luò )有機結合組成模糊神經(jīng)網(wǎng)絡(luò )控制系統，可實(shí)現模糊規則自動(dòng)提取、模糊隸屬函數的自動(dòng)生成及在線(xiàn)調節。因此本文采用模糊神經(jīng)網(wǎng)絡(luò )算法實(shí)現移動(dòng)機器人的沿墻導航控制。
2 模糊神經(jīng)網(wǎng)絡(luò )結構
2．1 輸入輸出值模糊化
本文研究的移動(dòng)機器人沿墻導航控制融合機器人聲納檢測采集到的數據，判斷機器人的位姿，然后通過(guò)模糊神經(jīng)網(wǎng)絡(luò )算法控制移動(dòng)機器人的動(dòng)作，使其在一定距離內沿墻體運。文中移動(dòng)機器人側壁上方安裝有16個(gè)聲納，按順時(shí)針排列從0#到15#。
移動(dòng)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(gè)聲納設置一個(gè)閾值，當聲納檢測到的距離值大于或小于這個(gè)閾值就采取相應的動(dòng)作。這樣，將聲納采集的距離值與各自相應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(gè)輸入；移動(dòng)機器人的角度信息θ作為另外一個(gè)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(dòng)機器人的左右輪速Vl、Vr，模糊化如下：
左右輪速Vl、Vr：左轉(TL)，前進(jìn)(G)，右轉(TR)。
2．2 模糊神經(jīng)網(wǎng)絡(luò )結構圖
模糊神經(jīng)網(wǎng)絡(luò )結構圖如圖1所示，A為輸入層，輸入變量分別是前面所說(shuō)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