文摘
一个先进的模糊势场方法对移动机器人避障算法。主要处理斥力势场方法周围的障碍,而模糊控制逻辑集中在处理语言变量和模糊规则描述知识的专家。模糊controller-advanced模糊势场的设计方法(AFPFM)——模型和增强了传统势场法提出和讨论。这项研究还考察了rule-explosion传统模糊逻辑问题和评估我们的表现提出AFPFM通过使用移动机器人进行仿真。
1。介绍
移动机器人不断的主题是最重要的和有吸引力的主题领域的机器人技术。有效利用机器人是基于其流动性。因此,许多研究人员调查的方法来提高这一特性(1- - - - - -5]。本文主要涉及移动机器人的避障功能。避障是最重要的能力之一,移动机器人的安全可靠的运动。势场方法(PFM)是最青睐和广泛的网络移动机器人避障方法由于其计算简单和效率(6- - - - - -10]。人工势场的概念应用于1985年由哈提卜避障(11]。从直观的想法,他的算法进化机器人被吸引到目标和障碍。通过利用这些排斥和吸引人的力量,一个机器人可以避免碰撞与周边安全障碍,达成其目标。然而,尽管它的优点,烤瓷被遗弃等局限性之间缺乏一段紧密放置障碍和振荡在狭窄的通道12]。介绍了向量场直方图(VFH)伯伦斯坦和科伦作为替代避障方法(13- - - - - -15]。乌尔里希和伯伦斯坦改善VFH和扩展它VFH + (16),(17]。VFH技术生成一个极柱状图的所有开口大到足以通过识别。方法基于VFH中央路径可以选择通过一段被极地直方图和转向控制与消除波动的平均影响极地直方图。然而,VFH技术有一些缺点。它们都使用一个二维直方图网格作为一个世界模型,他们不断更新与数据来自传感器范围。处理这个柱状图,VFH技术可能需要更多的存储空间和计算成本比烤瓷。因此,这些技术不适合机器人系统,只有小的计算能力,应该分配的存储空间和计算时间尽可能小,避障。此外,在VFH技术性能的准确性取决于正确的直方图是积累的信息。如果直方图被出乎意料的干扰,机器人可能无法识别正确的空缺,因此可能无法通过通道操作。此外,在VFH技术,性能极其稳定,敏感阈值(18]。如果阈值太低,机器人不能穿过狭窄的通道;如果它太高了,机器人与障碍物相撞。使用阈值,VFH技术数字转换的高层确定值直方图只分成两个水平,放弃有益的信息,可以从周围的障碍。因为只有候选人信息方向(选择阈值),避障机器人不能执行效率和稳定。最后,与烤瓷一样,避障使用VFH技术无法克服局部最小值的问题。避障方法(烤瓷和VFH技术)局部路径规划,因此他们需要额外的逃逸技术可用于全局路径规划的局部最小值的情况。虽然VFH技术提出了目标是烤瓷的克服缺点,他们也有一些关键的缺陷。因此,本研究提出了克服的局限性烤瓷和VFH技术提出一种新的移动机器人避障方法使用一个先进的模糊烤瓷(AFPFM)。拟议的避障方法基于烤瓷由模糊逻辑可以提高所有烤瓷的优点[19,20.]。的简单和直观的特点AFPFM(继承了烤瓷)使容易实现和低计算成本。此外,使用最近的传感器值使机器人的问题发生在由VFH使用不正确的信息积累。因此,我们的方法可广泛应用甚至机器人缺少的计算能力,不可预测的干扰和绑架。
2。先进的模糊势场方法:AFPFM
2.1。移动机器人的模型和传统的烤瓷
本文认为机器人系统有两个主要部分:机器人控制器和机器人,如图1。机器人控制器的位置和姿态(POS)估计,路径规划,障碍回避型的人,和运动控制器。至少,该机器人由汽车和距离传感器。机器人及其控制器配置了反馈。机器人的机器人控制器控制电机,可以改变其POS和速度。机器人的移动时,传感器测量值反馈给机器人控制器。在典型的移动机器人,POS估计量和障碍观察周围参考信息障碍(附加传感器提供的)进行定位和避障,分别。在这篇文章中,然而,我们假设机器人的测程法是比较理想的,因此不考虑范围传感器的连接POS估计量。
基于机器人的POS和目标位置,导航的路径规划师发现路径的移动机器人从起始位置到目标位置。之后,机器人轨迹规划的路径到达目标。然而,大多数移动机器人在非稳定的运营环境组成的改变环境,没有完整的关于周围环境甚至在熟悉的环境信息。与未知的环境,以避免碰撞的障碍回避型的人修改路径的路径规划,后引用POS参数由POS估计量。在本文中,我们提出一种新的设计方法的障碍回避型的人。
图2描述了坐标系统和控制的值被认为是移动机器人。移动机器人的位置,th障碍,和目标是用(1),(2)和(3),分别。如同大多数机器人系统,我们还应用离散系统(采样周期)作为控制器: 在哪里是th采样时间,机器人的运动方向用。如果机器人配备了距离传感器,这些传感器的测量距离和标题的方向th传感器描述如下: 在哪里的初始航向单位向量是吗距离传感器。
在势场方法中,机器人的运动约束遵循人工力的方向可以写成 在哪里目标的吸引力和吗排斥力的障碍。实际人工力控制机器人的吸引力和排斥力的组合。可以被定义为有魅力的力量 在哪里积极的引力常数和吗的阈值距离目标。如果该机器人在边界目标的吸引力圆锥势的梯度,。此外,排斥力机器人和障碍物之间的防止碰撞,可以引起的负梯度的和潜在的领域,如 在哪里是周围的障碍,的数量是正的常数的斥力,是影响距离的障碍。最接近点的th障碍被定义为 在哪里意味着所有点的个别凸的障碍。
如果烤瓷雇佣的排斥力亲密障碍数值实现,机器人可能振荡之间的点,它是多个障碍。因此,排斥力的实际烤瓷结合subrepulsive力量个人障碍,相反的斥力最亲密的障碍。实际实现的烤瓷,最近的点的th障碍应该是可识别的。然而,机器人只知道距离本身的障碍,由传感器测量装备在各自的方向。如果距离测量的结果如图3(一个)机器人,那么将无法确定正确的状态,周围的障碍,只有这个可怜的结果。周围的实际障碍可能会在不同的形状和不同的位置,如图3 (b)和3 (c)。
(一)
(b)
(c)
2.2。近似的概念障碍
处理障碍识别的缺点在烤瓷的实际实现,我们假设多个小凸颗粒放在各自的方向传感器和所有这些粒子被认为是个人障碍,如图4。按照这个近似,标题的方向向量th传感器可以写成 和斥力可以写成 在哪里是衡量的距离传感器。
2.3。设计先进的模糊势场方法
斥力,这是烤瓷的主要概念,结合各自的subrepulsive部队的所有个体周围的障碍,所定义的(7)。同样,模糊控制器的输出是一个结合了模糊规则。假设一个模糊规则的模糊控制器可以描述相应的subrepulsive强迫周围的障碍,和的结合模糊规则可以描述subrepulsive力量的总和个人障碍。如果机器人包围个人障碍和机器人的控制器是一个模糊控制器模糊规则,那么这个模糊控制器可以完全传统PFM模型的性能。因此,模糊控制器设计PFM (FPFM),而使用模糊控制器代替传统的烤瓷,应该考虑三个因素:(1)模糊规则的数目是一样的subrepulsive部队的数量。(2)一个模糊规则可以描述相应的subrepulsive力的一个障碍。(3)结合模糊规则是一个数值的总和所有subrepulsive部队的障碍。
第一个因素处理障碍的概念近似表示。最实用的机器人低分辨率传感器范围不能确定实际数量的个人障碍。因此,我们假设每个传感器检测到其各自的障碍,和个人周围障碍物的数量是一样的传感器的数量。因为subrepulsive部队的数量是一样的个体周围的障碍在传统烤瓷,模糊规则的数目在FPFM可以确定是一样的传感器的数量。
第二,subrepulsive传统烤瓷力量可以模仿使用下面的模糊规则设计。模糊控制器标量的输入(例如,),一个向量输出,模糊规则。它使用Takagi-Sugeno模糊模型(21),它是由一组“if - then规则描述如下: 在哪里与所有的模糊规则的总数,,是隶属函数的输入,是标题的方向向量传感器。
最后,去模糊化控制器方程的加权平均输出,如下: 在哪里th重量值。等效斥力的传统烤瓷和模糊控制系统,一个合适的隶属函数为th模糊规则必须设计的基础上,设计模糊规则,和defuzzified整体输出的模糊控制器(12)必须相当于烤瓷。从所有输出(11)和去模糊化方程(12),模糊控制器的输出 如果(即th重量值。成员函数为设计模糊规则) 和替换成(13),然后模糊控制器的输出是相同的传统烤瓷。模糊规则的输出(11)是由(加权14由()和平均12)。因此,整个模糊控制器的输出是一样的(10),并且每个输出的模糊规则表示的排斥力th障碍,这被描述为势函数。这个参数的模糊规则增加时,排斥力变得强大,强烈推动机器人的障碍。
从(10),传统的烤瓷的排斥力可以改写如下: 在哪里 排斥力的总和subrepulsive部队,subrepulsive力量的大小仅仅是关于机器人和障碍物之间的距离传统的烤瓷。此外,FPFM的斥力,这模仿传统的烤瓷,可以改写如下: 在哪里 和FPFM的框图如图5。
的设计从FPFM AFPFM可以考虑在两个步骤:添加额外的模糊规则和添加额外的控制输入。
第一种方法来改善FPFM是添加模糊规则。模糊“if - then规则是语言的基本单位表示知识的模糊控制系统。每个模糊规则代表了一种专家控制策略的一部分,和一个完整的收集他们代表整个控制策略的专家。模糊“if - then规则通常是表示如下:如果(前期),(结果)。
先行词描述了一个条件,随之而来的描述了一个结论。改善FPFM的第一步是改善的祖先和顺向的模糊规则。
如图5FPFM,模糊控制系统是一种特殊情况的一般模糊控制逻辑,描述如下:(1)模糊规则是对的每个前期只有一个输入变量,。(2)每个输入变量fuzzified只有一个隶属函数,。(3)模糊规则的所有祖先是相同的,也就是说,。
前提可以提高通过采用复杂的和完整的模糊规则,而随之而来的由不同的描述可以提高的结论。然而,这些改进也最具挑战性的问题在模糊控制系统中,也就是说,rule-explosion问题[22,23]。为了处理这个问题,在这项研究中,我们引入分布式模糊控制系统的设计。
模糊规则的完整性,模糊规则应包括所有的组合空间模糊输入。FPFM的模糊规则,然而,不满足条件的模糊规则的完整性。从(11),模糊规则的前提是对只有一个输入。此外,前期的模糊规则FPFM只有一个隶属函数,用(14)。充分描述控制策略,模糊规则的前提需要改善。因此,FPFM可以提高通过改善和完成模糊规则的前提。模糊规则的前提应该考虑所有输入变量传感器和隶属度函数的数量增加。先进的模糊规则可以写成 在哪里和为。此外,排斥力这些先进的模糊规则可以写成: 在哪里 (相比11FPFM),先进的模糊规则的先行词(19)更多的模糊条件补充道输入变量。FPFM代表一个subrepulsive力量只有一个模糊规则,但AFPFM先进的模糊规则(19)可以代表个人subrepulsive部队使用多个模糊规则,可以描述所有机器人的控制条件。
除了这个改进的模糊规则的前提,FPFM可以增强更多的通过改善随之而来的模糊规则。以上改善前期增加模糊规则的数目和多样化机器人的控制条件。这些不同的条件必须完全由不同和精致的顺向模糊控制的规则。输出函数每个模糊规则可以被几个非线性函数所取代。
先进的模糊控制器的框图,通过添加额外的模糊规则,如图6。基于改进的模糊规则的前提和结论,该模糊控制器可以完全描述的复杂和精细的控制策略专家。然而,这种先进的模糊控制器,面临着rule-explosion限制。FPFM模糊控制器相比,只考虑一个输入变量和一个隶属函数为每个模糊规则,高级FPFM的模糊规则对所有输入变量传感器(例如,)和多个隶属度函数。假设有一个移动机器人配备声纳传感器和建模如图2。如果模糊控制器为每个输入变量隶属度函数,然后先进FPFM要求模糊规则的完整的结构如图6。输入变量和成员函数的大量增加模糊规则的数目(即呈指数级增长。,模糊rule-explosion问题)。为了克服rule-explosion问题,一些研究人员认为分层模糊控制器的设计,大大减少了模糊规则的数量涉及到(24,25]。然而,这个控制器系统识别的困难等缺点以及语言解释能力的损失。建立一个分层模糊控制器比构建一个单层模糊控制器更困难。本研究提出了一个分布式的设计模糊控制器,它结合了单层和分层模糊控制器的优点,利用AFPFM的设计。
图7显示了一个框图避障,先进的模糊控制器的设计与分布式结构。这种分布式结构模糊控制器组成当地的模糊逻辑系统,当地的模糊逻辑产生中间输出。此外,分布式模糊控制器的输出总代表总结和归一化输出当地模糊逻辑系统。相比传统的模糊控制器的要求模糊规则的完整的建筑图6的分布式结构,模糊控制器可以显著减少模糊规则的数目,以及分布式AFPFM只需要模糊控制器模糊规则。先进的分布式模糊控制器的模糊规则可以写成 在哪里,,,是顺向的非线性输出功能,可以用吗 与模糊规则(19)的模糊规则(22)在随之而来的非线性函数。作为规则的数量随之增加,排斥力更准确地描述。
这种分布式结构的模糊控制器是基于一个假设:所有传感器的机器人是相互独立的。根据传感器的独立关系,分布式模糊控制器是免费的从系统设计的难度。与分层模糊控制器的设计,不能基于物理意义,这个分布式模糊控制器的结构可以很容易地确定。分布式移动机器人配备的模糊控制器传感器是分解为范围模糊逻辑系统,如图7,所有地方模糊逻辑设计代表subrepulsive部队从各自的传感器。因为输入之间的关系和中间输出简单明了,这些分布式局部模糊逻辑系统可以轻松地设计和优化。
第二步的改进FPFM的控制输入。如上所述,可以改善FPFM完成模糊规则,并完整的模糊规则可以完全描述专家的控制策略。同样,额外的控制输入增加模糊规则的数目,和额外的模糊规则描述复杂的和复杂的控制策略使用的专家。从(15)- (18),subrepulsive力量的大小仅仅是关于机器人和障碍物之间的距离在烤瓷和FPFM。然而,AFPFM不仅认为机器人和障碍物之间的距离,还额外的信息涉及到机器人之间的关系,障碍,和目标。通过这种附加信息,模糊规则的FPFM可以增强和阐述,导致了更高级的AFPFM。
图8说明了控制策略基于机器人之间的关系,障碍,和目标。机器人朝着目标,周围存在一个障碍。在图8,排斥力是所有周围的障碍总斥力的不失一般性。的大小是可变的,即使距离机器人和障碍物之间是固定的相比之下,在烤瓷和FPFM。如图8,人工力控制机器人的力是斥力的大小。
(一)
(b)
(c)
(d)
图8表明,角在数据8 (b)和8 (d)很小,是吗在数据8 (c)和8 (d)。因此,斥力的大小在数据8 (b)和8 (c)必须大于图吗8(一个)和较小的比图8 (d)。额外的控制策略描述的模糊规则AFPFM如下:(1)如果机器人正朝着障碍(即。的角向量之间和小),斥力的大小必须大。(2)如果引力机器人正朝着障碍(即。的角向量之间和小),斥力的大小必须大。
基于这些控制策略和分布式模糊控制器的设计方案(见图7),AFPFM的模糊控制器的结构设计如图9和先进的模糊规则AFPFM设计如下: 在哪里和。此外,排斥力这些先进的模糊规则可以写成: 在哪里 斥力的大小可以通过积极的处理参数,这些排斥力各种规模的因素可以显著提高烤瓷和FPFM的操作性能。
3所示。模拟
在本节中,提出了避障AFPFM的性能是使用移动机器人仿真验证了该方法。在模拟的性能提出了避障方法,比较传统的烤瓷。
模拟执行了Matlab在基于Intel®2009核心™2双核CPU E8500 @ 3.16 GHz 2.00 GB RAM的电脑。参照常用研究移动机器人MobileRobots先驱P3-DX [21),目标控制机器人被近似为圆的直径0.45米,可达到1.6 m / s的速度。此外,机器人配备了16个声纳传感器,如图10。声纳传感器的测量范围从0.10到5米,和他们的采样时间是40毫秒。模糊控制器的隶属函数如图11,由此产生的模糊规则如表所示1。主模糊集表示语言含义如ND(近距离),医学博士(中等距离),FD(远方),SA(小角度)、马(媒介角度),和洛杉矶(大角度)。
(一)
(b)
斥力规模不变传统的烤瓷决心由GA (0.16426]。
3.1。传递之间紧密放置障碍
图12显示移动机器人的轨迹,当它试图通过两个紧密放置障碍:和。左边和右边的图12显示的轨迹移动机器人与传统烤瓷AFPFM,分别。这两个障碍是放在变量位置和方向同时保持常规的间隔(即。,1.0)。图中所示的障碍12(一个)如图,最主要障碍12 (b)和12 (c)分别低0.3米和0.6米,,,如图12 (d)和12 (e)是面向在25°和50°角,分别。如左边所示图12,机器人使用传统的烤瓷之间无法轻松高效地通过两个紧密放置障碍。事实上,机器人的轨迹时使用传统的烤瓷和AFPFM只有类似机器人接近这两个障碍几乎等距离。在其他情况下,使用传统的机器人烤瓷急剧弯曲的轨迹。相比之下,机器人使用AFPFM不仅通过紧密放置障碍之间的开放也有光滑和短向目标轨迹。这个最小的时间达到目标,和机器人没有撞上周围的障碍。
(一)
(b)
(c)
(d)
(e)
右边的图12描述了使用AFPFM机器人的轨迹。两个障碍被沿着路径,机器人向目标。当障碍放在一条直线从机器人目标,斥力的大小是大障碍的早期检测,不管距离的障碍。因此,机器人运动方向不断,稍微提前的急转弯。因为这个预测回避的障碍,机器人的轨迹平滑和温柔。此外,生成的机器人不仅平滑的轨迹,但也大幅轨迹要求的场合时,右边的图12 (e)。机器人只能的急转弯时生成一个障碍突然出现在面前。在第一次轻微障碍造成的,机器人是面对第二个障碍,。因为机器人正朝着的方向障碍和它们之间的距离很短,机器人将大幅避免碰撞与障碍因此通过安全之间的两个障碍。因此,机器人使用AFPFM避免周围的障碍有效、安全地使用适当的移动轨迹。这些适当的轨迹,根据不同的场合,可以生成的完整的和肥沃的控制策略专家,是描述模糊规则的模糊控制逻辑在这个研究。
3.2。穿过狭窄的通道
仿真如图13代表了机器人,通过狭窄的通道与凸起的点0米,0.2米和0.4米的高度。通常,当一个机器人通过这样的段落,提出点可以干扰机器人和引起振荡。然而,本仿真的目的是为机器人安全退出这个障碍课程,没有野生的振荡。机器人在图(13日)使用传统的烤瓷,机器人在图13 (b)拟议中的AFPFM使用。在狭窄的通道中,机器人使用传统的PFM对干扰更敏感,比使用提出AFPFM更不稳定。
(一)
(b)
图(13日)显示机器人使用传统的烤瓷穿过狭窄的通道。机器人在图13(a - 1)通过通道,没有斑点和安全到达我们的目标,没有野生的振荡。然而,机器人在图13(a)产生振动轨迹经过了斑点的通道。甚至提出的干扰从一个小点造成野生,连续振荡。此外,提出点越高,王尔德机器人的轨迹。这一现象的关键问题是传统的烤瓷,AFPFM得以克服。图13 (b)显示了使用AFPFM机器人的轨迹。使用传统的烤瓷与机器人,机器人使用AFPFM穿过狭窄的通道没有振荡。避免出现后,机器人顺利回到通道的中心。
4所示。结论
尽管它的优点,烤瓷不能在这种情况下使用,因为其固有的局限性。在这项研究中,烤瓷的性能改善,纳入AFPFM提出的设计。因此,传统的烤瓷成功克服的局限性。传统的烤瓷的另一个严重的缺点是局部最小值的问题,这已被证明难以捉摸的大多数避障方法包括VFH VFH +。我们计划把AFPFM介绍了全局路径规划算法,从而有效地解决局部最小值的问题。
相互竞争的利益
作者宣称没有利益冲突。
确认
这项工作是支持的仁川国立大学(国际合作)2012年科研补助金。