教育移动机器人路径规划技术研究.doc教育移动机器人路径规划技术研究.doc

收藏 分享

资源预览需要最新版本的Flash Player支持。
您尚未安装或版本过低,建议您

专业文档,值得下载专业文档,值得珍藏教育移动机器人路径规划技术研究刘尧摘要机器人课程已逐渐进入高中教育,移动机器人的路径规划作为一项关键技术,学生实际学习操作比较困难。结合高中教育实际,本文设计了一种基于模糊控制的机器人局部路径规划方法,该方法简单有效,便于理解,可以使学生对机器人控制及路径规划有初步的认识和理解,以激发其学习机器人技术的兴趣。关键词局部路径规划;模糊控制;栅格地图RESEARCHONPATHPLANNINGTECHNIQUEOFEDUCATIONMOBILEROBOTABSTRACTROBOTICLESSONHASGRADUALLYENTEREDHIGHSCHOOLCURRICULUMTHEMOBILEROBOTPATHPLANNINGASAKEYTECHNOLOGY,STUDENTSINHIGHSCHOOLLEARNTHEPRACTICALOPERATIONMOREDIFFICULTCOMBINEDWITHACTUALHIGHSCHOOLEDUCATION,INTHEPAPER,AROBOTLOCALPATHPLANNINGMETHODBASEDONFUZZYCONTROLISDESIGNED,WHICHISSIMPLEANDEFFECTIVE,EASYTOUNDERSTAND,SOTHATSTUDENTSCANCONTROLANDROBOTPATHPLANNINGOFTHEINITIALAWARENESSANDUNDERSTANDING,TOSTIMULATETHEIRLEARNINGINTERESTINROBOTICSKEYWORDSLOCALPATHPLANNING;FUZZYCONTROL;GRIDMAP1引言机器人课程已进入高中教育阶段,移动机器人作为机器人的一个重要分支具有典型的代表意义,它集合了机械、电子及人工智能等先进技术,是学生学习机器人技术、教学实验和锻炼动手能力理想平台12。目前,教育机器人比较普及,其教学对象大多针对大学学生,但高中学生基础知识比较缺乏,对目前的机器人学理论无法理解36,因此本文针对这一现状,研究一种基于模糊控制的移动机器人路径规划技术,便于学生理解与实践。2障碍物环境模型的建立21环境地图的建立机器人采用占栅格地图7,环境模型的建立方法如下建立XY坐标系(如图21所示),机器人的起始点设为S,全局目标点设为G,都处于第一象限。S的坐标为,XY,G的坐标为X,YXX0,YY0。根据X,Y的值在第一象限内建立一个大小为XY的二维矩阵D。矩阵中,值为0的元素代表障碍物单元,值大于0的代表自由单元,列向量对应X轴的正方向,行向量对应Y轴的正方向。障碍物信息就包含在环境信息当中。在此元素坐标系中,矩阵D元素的下标B,C等于元素在坐标系中的坐标X,Y,矩阵元素值Z在坐标系中表示成函数,,FXYZBC(BX,CY)(21)这样就可以根据函数F判断点X,Y是自由元素还是障碍物元素。坐标系中,机器人的实时位置设为PX,Y。机器人的路径规划在这个环境模型中,就是计算出一条代表自由单元矩阵元素的曲线,即一维向量X和Y。专业文档,值得珍藏22障碍物模型的描述在路径规划仿真时,假设障碍物已事先根据机器人的实际尺寸和安全性要求进行了“膨化”,使得处理后的障碍物边界以外为安全区域。机器人将简化为一个质点。机器人无全局信息,它只能根据超声传感器感知的环境信息推算当前视线内的临时目标T。221障碍物识别超声波传感器的配置方案和安装角度如图22,把3个超声传感器分为S1、S2和S3。对于单个的传感器来说,只能获得障碍物的距离信息,并不能得到障碍物的准确方位信息,导航误差增大。为此,提出一种简单明了的分区算法,对每个方向组的传感器测得的数据进行融合,从而得到三个方向上障碍物距离和方位信息。,超声传感器最大测距范围为5米,当障碍物在5米之外时传感器距离值为5米。假定三个传感器距离信息值用DI(I13)表示,融合后取值D,,D表示距离值,D的取值范围为55CM,500CM,三个方向上分别为DR、DF、DL,表示障碍物方位角度,当有多个障碍物时,取使90值最小的值S2移动机器人S3S1图22障碍物传感器信息示意图另外,当障碍物在左方与前方共有区域,认为障碍物是在左方,当障碍物在右方与前方共有区域,认为障碍物是在右方。至此,我们得到了探测机器人前方三个方向上障碍物距离信息的三维向量D1{DR,DF,DL},传感器信息分区可以顺利地完成传感器信息初步融合,从而可以建立移动机器人障碍物环境模型。我们根据向量D1{DR,DF,DL}取值来设定探测机器人车体周围环境的类别,每个方向上有障碍物时该方向分量取值为1,无障碍物取值为0,则三位二进制代码即可对环境进行分类,共有8种类。具体定义如下000无障碍物,为了简化神经网络输出,定义为第0类,记为EN0;001左方有障碍物,定义其为第1类,记为EN1;010前方有障碍物,定义其为第2类,记为EN2;GX,Y0,0YXS1,1图21在环境模型矩阵上建立坐标系专业文档,值得珍藏011前方和左方有障碍物,定义其为第3类,记为EN3;100右方有障碍物,定义其为第4类,记为EN4;101左方和右方有障碍物,定义其为第5类,记为EN5;110前方和右方有障碍物,定义其为第6类,记为EN6;111三个方向都有障碍物,定义其为第7类,记为EN7。3路径规划的模糊算法得到环境分类信息后,我们采用模糊控制器来实现局部路径规划信息融合的最后一步。为满足系统要求,选用三维控制器进行控制。实现模糊控制步骤如下31确定结构该控制器共有三个输入环境类别、当前机器人速度V和当前障碍物方位角度信息;经过模糊逻辑处理后输出两个变量机器人的速度V和转角。32确定语言变量值及其隶属函数环境类别为0到7共8个离散值;当前机器人速度V模糊化取值语言变量为{快,中,慢},隶属函数取梯形函数,见图31;输出速度VO模糊化与输入速度值相同;输出转角取值为三个离散值,0,,(5)。L0123450020406081HMDEGREEOFMEMBERSHIPSPEED6图31当前机器人速度V及输出速度VO隶属函数33模糊规则的建立由以上变量取值得知可以制定共72条模糊规则。参考MAMDANI控制规则制定的方法取舍之后,制定了如下24条IFTHEN形式的模糊规则。1、当环境类别EN为0时,不考虑1若V为快和中,输出VO保持不变,为0;2若V为慢,输出VO为快,为0。2、当EN为1时3若V为慢,则输出VO为中,为0;4若V为快,则输出VO为快,为0;3、当EN为2时5若V为慢,则输出VO为慢,为;6若V为快,则输出VO为中,为;7若V为中,则输出VO为中,为;4、当EN为3时专业文档,值得珍藏8若V为快,则输出VO为中,为;9若V为慢,则输出VO为慢,为;10若V为中,则输出VO为中,为;5、当EN为4时11若为左方,V为慢,则输出VO为快,为0;12若为左方,V为快,则输出VO为快,为0;6、当EN为5时13若V为快,则输出VO为中,为0;14若V为慢,则输出VO为中,为0;15若V为中,则输出VO为中,为0;16若V为退,则输出VO为慢,为;7、当EN为6时17若V为快,则输出VO为中,为;18若V为慢,则输出VO为慢,为;19若V为中,则输出VO为中,为;8、当EN为7时20若V为快,则输出VO为退,为0;21若V为中,则输出VO为退,为0;22若V为慢,则输出VO为退,为;23若V为退,则输出VO为退,为;9、24若当前情况不属于上述8种情况,则保持当前状态不变。34控制输出的非模糊化模糊推理结果都是模糊值,不能直接用于控制被控对象,需转换为执行机构可以执行的精确量。将模糊量转换为精确量的过程就叫非模糊化,方法有最大隶属度法、中位数法、加权平均法等。其中应用最多的是加权平均法,可用下式计算NJJNIJJJWWWZ1(31)其中JW为推理结果,即经模糊规则判断后的输出,JW为各种推理结果的权函数,为方便起见,可以取隶属函数为全函数。在这里JW为输出速度VO,而输出转角本身即为精确值。由此可以得到简单有效的移动机器人路径规划算法。4仿真与试验基于以上方法在MATLAB70上进行仿真试验。机器人在复杂的环境中能够快速顺利地规划出一条无碰撞的较优路径。在一幅RGB格式的图片中建立黑白的环境信息,黑色区域表示障碍物,白色的表示机器人可以通过的区域。RGB图像由一个表示色素值的三维矩阵构成8,建立的环境信息是黑白的,故三维矩阵的三个二维
编号:201311161155214438    类型:共享资源    大小:398.00KB    格式:DOC    上传时间:2013-11-16
  
5
关 键 词:
专业文献 学术论文 精品文档 教育移动
  人人文库网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:教育移动机器人路径规划技术研究.doc
链接地址:http://www.renrendoc.com/p-94438.html

当前资源信息

4.0
 
(2人评价)
浏览:16次
dingyx0101上传于2013-11-16

官方联系方式

客服手机:17625900360   
2:不支持迅雷下载,请使用浏览器下载   
3:不支持QQ浏览器下载,请用其他浏览器   
4:下载后的文档和图纸-无水印   
5:文档经过压缩,下载后原文更清晰   

精品推荐

相关阅读

人人文库
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

网站客服QQ:2846424093    人人文库上传用户QQ群:460291265   

[email protected] 2016-2018  renrendoc.com 网站版权所有   南天在线技术支持

经营许可证编号:苏ICP备12009002号-5