1 前言

　　模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種智能控制方法，它是從行為上模仿人的模糊推理和決策過程的一種智能控制方法。該方法首先將操作人員或?qū)＜医?jīng)驗編成模糊規(guī)則，然后將來自傳感器的實時信號模糊化，將模糊化后的信號作為模糊規(guī)則的輸入，完成模糊推理，將推理后得到的輸出量加到執(zhí)行器上。

　　環(huán)境中存在障礙物時，路徑規(guī)劃控制系統(tǒng)具有高度不確定性，是一個多輸入多輸出(MIMO)系統(tǒng)。對于這種具有高度不確定性的MIMO系統(tǒng)，傳統(tǒng)的控制方法不能達(dá)到很好的控制效果。模糊推理控制方法將人類的駕駛經(jīng)驗融入系統(tǒng)控制之中，因此可以較好地滿足系統(tǒng)自適應(yīng)性、魯棒性和實時性的要求。模糊控制方式借助模糊數(shù)學(xué)這一工具通過推理來實現(xiàn)控制。模糊邏輯模擬了人類思維的模糊性，它采用與人類語言相近的語言變量進(jìn)行推理，因此借助這一工具可將人類的控制經(jīng)驗融人系統(tǒng)控制之中，使得系統(tǒng)可以像有經(jīng)驗的操作者一樣去控制復(fù)雜、激勵不明的系統(tǒng)。

　　模糊控制器的輸入必須通過模糊化才能用于控制輸出的求解，因此它實際上是模糊控制器的輸入接口。它的主要作用是將真實的確定量輸入轉(zhuǎn)換為一個模糊矢量。模糊控制器的基本結(jié)構(gòu)由模糊輸入接口、模糊推理以及模糊輸出接口三個模塊組成。模糊輸入接口的主要功能是實現(xiàn)精確量的模糊化，即把物理量的精確值轉(zhuǎn)換成語言變量值。語言變量的分檔根據(jù)實際情況而定，一般分為3-7檔，檔數(shù)越多，控制精度越高，計算量也越大。模糊推理決策機(jī)構(gòu)的主要功能是模仿人的思維特征，根據(jù)總結(jié)人工控制策略取得的語言控制規(guī)則進(jìn)行模糊推理，并決策出模糊輸出控制量。模糊輸出接口的主要功能是把輸出模糊量轉(zhuǎn)化為精確量，施于被控對象。

　　2 模糊控制器設(shè)計

　　模糊控制是一種基于規(guī)則的控制，它直接采用語言型控制規(guī)則，出發(fā)點(diǎn)是現(xiàn)場操作人員的控制經(jīng)驗或相關(guān)專家的知識，在設(shè)計中不需要建立被控對象的精確的數(shù)學(xué)模型。機(jī)器人的運(yùn)動系統(tǒng)和汽車駕駛系統(tǒng)很相似，汽車駕駛是一個比較復(fù)雜的問題，難以建立精確的數(shù)學(xué)模型和用數(shù)學(xué)解析式描述;有經(jīng)驗的駕駛員能把汽車駕駛的很好，這主要是依靠他們的經(jīng)驗。依據(jù)這個思路，采用模糊控制算法，解決機(jī)器人的運(yùn)動是一個很還的解決方案。

　　智能機(jī)器人模糊控制器設(shè)計的主要目標(biāo)是：當(dāng)紅外傳感器探測到障礙物或者目標(biāo)時，模糊控制器根據(jù)探測到的信息，確定智能機(jī)器人的位置、距離、方位，然后控制智能機(jī)器人避開障礙物，按預(yù)定的路徑和方位行走。根據(jù)硬件電路設(shè)計可知，HC-SR04的距離信號可以用來判斷抓取物的距離和方向信息，轉(zhuǎn)彎角度和機(jī)器人運(yùn)動相對位移是用來控制機(jī)器人和抓取物的相對位置。本設(shè)計中采用兩個獨(dú)立的模糊控制器來控制轉(zhuǎn)彎角度和運(yùn)動相對位移，輸入量分別是距離和方向信息。為了實現(xiàn)的簡便性與快速性，在本系統(tǒng)中都采用二維模糊控制器結(jié)構(gòu)形式，即輸入量E和變化率Ec?？刂妻D(zhuǎn)彎角度的模糊控制器設(shè)定輸入變量方向(E1)和方向變化率(E1c)語言值的模糊子集為{負(fù)大，負(fù)小，零，正小，正大}(負(fù)代表左，正代表右)，并簡記為{NB，NS，Z，PS，PB }，輸出量轉(zhuǎn)彎角度(K1)的模糊子集為{NB，NM，NS，Z，PS， PM，PB };同理控制運(yùn)動相對位移的模糊控制器設(shè)定輸入變量相對位移(E2)和相對位移變化率(E2c)語言值的模糊子集為{負(fù)大，負(fù)小，零，正小，正大}(負(fù)代表遠(yuǎn)，正代表近)，并簡記為{NB，NS，Z，PS，PB }，輸出量運(yùn)動相對位移(K2)的模糊子集為{NB，NM，NS，Z，PS， PM， PB }。輸入變量的隸屬函數(shù)的論域定為[-2，2]，輸出變量的隸屬函數(shù)的論域定為[-3，3]。隸屬函數(shù)均選為靈敏度高且在論域范圍內(nèi)均勻分布、等距離的三角形函數(shù)。

　　根據(jù)駕駛汽車的經(jīng)驗，E1、E1c和K1應(yīng)滿足以下規(guī)律：

　　(1)當(dāng)|E1|較大時，同時|E1c|較大時，應(yīng)取較大的K 1 ;

　　(2)當(dāng)|E1|中等時，應(yīng)取適當(dāng)?shù)腒1;

　　(3)當(dāng)|E1|較小時，同時|E1c|較小時，應(yīng)取較小的K1。E2、E2c和K2應(yīng)滿足以下規(guī)律：

　　(1)當(dāng)|E2|較大時，同時|E2c|較大時，應(yīng)取較大的K1;

　　(2)當(dāng)|E2|中等時，應(yīng)取適當(dāng)?shù)腒1;

　　(3)當(dāng)|E2|較小時，同時|E1c|較小時，應(yīng)取較小的K1。

　　基于上述考慮，將E和變化率Ec作為模糊控制器的輸入，K1和K2的模糊控制規(guī)則分別如表1、表2所示。

表 1 K1 模糊控制規(guī)則表

表 2 K2 模糊控制規(guī)則表

　　3 避障算法設(shè)計

　　3.1參考坐標(biāo)系

　　建立被控對象和行駛環(huán)境的二維參考坐標(biāo)系(如圖1所示)，為計算方便，假設(shè)車輪與地面無滑動，能繞其質(zhì)心轉(zhuǎn)向。xoy為固定的全局坐標(biāo)系，設(shè)定目標(biāo)點(diǎn)坐標(biāo)為(XG,YG),在任一時刻，小車位置為(x(t),y(t)),航向為，步長為step，當(dāng)前航向與小車質(zhì)心到目標(biāo)連線的的夾角為tg，轉(zhuǎn)向角為sa。

圖 1 參考坐標(biāo)系

　　3.2傳感器選擇和應(yīng)用

　　移動機(jī)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。常用于避障機(jī)器人的傳感器有超聲波傳感器，紅外傳感器，激光傳感器，CCD視覺傳感器等。其中，超聲波傳感器具有技術(shù)成熟，成本低，接口容易實現(xiàn)等優(yōu)點(diǎn)，成為避障機(jī)器人的首選，如圖2所示。

圖 2 超聲波傳感器原理圖

　　雖然超聲波傳感器有眾多優(yōu)點(diǎn)，但也存在一定的不穩(wěn)定性，超聲傳感器的幻影現(xiàn)象。產(chǎn)生這種現(xiàn)象的原因是，超聲傳感器發(fā)出的超聲波信號是具有一定方向性的波束，當(dāng)傳感器與障礙物形成較大角度時，會發(fā)生鏡面反射，從而產(chǎn)生幻影，如圖3所示。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(bǔ)償，抵消幻影現(xiàn)象帶來的誤差。

圖 3 幻影現(xiàn)象示意圖

圖 4 機(jī)器人基本結(jié)構(gòu)

　　如圖4所示,機(jī)器人前方成扇形排分布三組超聲波傳感器，分別用于探測左側(cè)，前方和右側(cè)的的障礙物，有效距離為0.3至10米。每組傳感器由兩支三只超聲波傳感器組成，分別取測得最小數(shù)值作為該方向上障礙物的距離。同時，為了保證機(jī)器人的運(yùn)動有方向性，在機(jī)器人中心有一只方位傳感器，測量范圍是(-180°，180°)。用于獲得機(jī)器人航向與目標(biāo)到機(jī)器人連線的夾角，引導(dǎo)機(jī)器人向目標(biāo)點(diǎn)運(yùn)動。

　　4 輸入輸出量的模糊化

　　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(jī)器人的方向控制。將九只超聲波傳感器分為三組(前方，左側(cè)，右側(cè)各三只)，每組取其最小距離信號作為該方向的輸入。模糊語言的確定包括由語法規(guī)則生成適當(dāng)?shù)哪：Z言值，根據(jù)語義規(guī)則確定語言值的隸屬度函數(shù)以及確定語言變量的論域等。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(jìn)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};

　　模糊語言值只是一個模糊子集，語言值要通過隸屬函數(shù)來描述。在論域連續(xù)是的情況下，隸屬度常用函數(shù)的形式來進(jìn)行描述，常見的有隸屬函數(shù)有三角形，梯形，高斯型等。

　　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，在選擇語言值的隸屬度函數(shù)是，一般在誤差為零的附近區(qū)域采用分辨率較高的隸屬函數(shù)，而在誤差較大的區(qū)域，可采用分辨率較低的隸屬函數(shù)，以獲得較好的魯棒性。

　　5 結(jié)論

　　模糊控制作為一種非線性控制，已經(jīng)成為實現(xiàn)智能控制的一種重要而有效的形式?；谀：壿嬐评淼谋苷显O(shè)計對于小車遇見突發(fā)性障礙物后的避障行為控制尤為適宜，且控制方法靈活，可根據(jù)仿真效果修改相應(yīng)的參數(shù)和模糊推理規(guī)則。