（控制理论与控制工程专业论文）基于智能控制的移动机器人路径规划和跟踪.pdf

雷 鸣 : 基 于 智 能 控 制 的 移 动 机 器 人 路 径 规 划 和 智 能 控 制 ; 体 系 结 构 ; m a s ;情 理 学 瓜 径 规 划 ; h opfield ; “ 径 跟 “ ; 渗 糊 规 则 夕 模 “ 控 制 l e mi n g : m o b i l e r o b o t p a t h p la n n in g a n d t r a c k i n g b a s e d o n i n t e l l ig e n c e c o n t r o l ab s t r a c t t h e m a i n p u r p o s e o f o u r r e s e a r c h i s t o s o l v e t h e a u t o n o m o u s mo b i l e - r o b o t n a v i g a t i o n u s i n g t h e m e t h o d o f i n t e l l i g e n c e c o n t r o l . w e h a v e t h r e e m a i n a c h i e v e m e n t s , s u c h a s mas b a s e d a r c h i t e c t u r e o f a u t o n o mo u s mo b i l e - r o b o t , n n b a s e d a u t o n o mo u s mo b i l e - r o b o t p a t h p l a n n i n g a n d f u z z y b a s e d a u t o n o m o u s mo b i l e - r o b o t p a t h t r a c k i n g c h a p t e r t w o i s o u r e m p h a s e s , i n w i t c h w e s t a t e d i n d e t a i l t h e o r i g i n , d e v e l o p m e n t a n d r e s e a r c h m e a n i n g o f r o b o t i c s . w e a l s o c o n c l u d e d t h e h i s t o r y o f a u t o n o m o u s m o b i l e - r o b o t n a v i g a t i o n . a n d w e c o m p a r e d t h e e v e r y m e t h o d s c h a r a c t e r s . t h e r e a l i z i n g o f ma s b a s e d a r c h i t e c t u r e o f a u t o n o m o u s mo b i l e - r o b o t i s t h e m a i n c o n t e n t i n c h a p t e r t o w . a t f i r s t , r e f e r t o t h e l i n e a r - a r c h i t e c t u r e o f o r g a n i z a t i o n , w e p r o p o s e d a m u l t i - a g e n t s y s t e m ( m a s ) , w h i c h i n h e r i t e d t h e p o rt r a i t - m a n a g e m e n t c h a r a c t e r o f l i n e a r - a r c h i t e c t u r e a n d c o m b i n e d t h e m e c h a n i s m t o s o l v e t h e a r g u e w i t c h l i k e t h e c o n d i t i o n e d r e fl e x . t h e ma s h a v e a n a b i l i t y o f d e c i s i o n - m a k i n g a n d f a s t r e a c t i v e . t h e s e c o n d , a c c o r d i n g t o t h i s ma s w e e s t a b l i s h e d t h e m o b i l e - r o b o t a r c h i t e c t u r e . t h i s a r c h i t e c t u r e h a s b o t h o f t h e a d v a n t a g e o f t r a d i t i o n a l a i mo d e l a n d t h e s u b s u m p t i o n m o d e l . a n d t h i s a r c h i t e c t u r e r e a l i z e d t h e i n t e g r a t i o n o f t h e g l o b a l p l a n n i n g a n d q u i c k r e a c t i v i t y . f u r t h e r m o r e t h e s y s t e m i s f u rt h e r m o r e o p e n e d a n d i s om e r ous . we d e s i g n e d a n e w a l g o r i t h m t o p l a n t h e p a t h o f t h e m o b i l e r o b o t b a s e d o n h o p f i e l d n n i n t h i r d c h a p t e r . t h e a l g o r i t h m f a s t e n s t h e p l a n n i n g o f p a t h a n d i s m o r e r o b u s t . c h a p t e r f o u r i s t h e a n t h e r e m p h a s e s o f t h i s p a p e r . b y s i m u l a t i n g t h e h u m a n b e i n g s d r i v e s k i l l w e d e s i g n t w o f u z z y l o g i c c o n t r o l l e r s ( f l c ) . t h e o n e i s t h e o f f - l i n e p l a n n i n g c o n t r o l l e r ; t h e o t h e r i s t h e o n - l i n e r e c t i f y i n g c o n t r o l l e r . mo r e o v e r w e c e r t i f y i t b y s i m u l a t i o n . a t l a s t , w e s u m m a r i z e d t h e a c h i e v e m e n t a n d i n s u f f i c i e n c y o f o u r r e s e a r c h . l e i mi n g : mo b i l e r o b o tp l a n n in g a n d t r a c k i n g b a s e d o n i n t e l l ig e n c e 旦 o n t r o l k e y w o r d : m o b i l e r o b o t ; i n t e l l i g e n c e c o n t r o l ; a r c h i t e c t u r e ; ma s ; p a t h p l a n n i n g ; h o p f i e l d ; p a t h t r a c k i n g ; f u z z y r u l e ; f u z z y c o n t r o l l v 雷鸣: 基于智能控制的移动机器人路径规划和跟踪 第一章 绪论 1 . 1 机器人学 作为一门高度综合和交叉性的新兴学科，机器人学 ( r o b o t i c s )涉及到的领 域横跨如机械、电 气、工艺、力学、传动、控制、通讯、决策、生物、伦理等诸 多方面。但从控制的角度来说，最主要的也是最基本的还是机器人的运动学 ( k i n e m a t i c s ) 和动力学 ( d y n a m ic s ) 及相应的控制策略研究。 1 . 1 . 1 机器人学的发展 “ 机器人” 12 1 最早是出现在传说、神话和科幻故事中。它体现了人类长期以 来的一种愿望，即创造出一种象人一样的机器或人造人，以便能够代替人去进行 各种工作。 进入 加 世纪之后，多连杆机构和数控机床的发展和应用为机器人技术打下 重要基础。1 9 5 4年，美国人乔治 . 德沃尔设计了第一台电子程序可编的工业机 器人.1 9 6 2年，美国万能自 动化 ( u n i m a t i o n )公司的第一台机器人 u n i m a t e在 美国通用汽车公司 ( g m) 投入使用，这标志着第一代机器人的诞生。从此，机 器人开始成为人类生活中的现实。 从 2 0 世纪 6 0 年代初期到 7 0 年代初期，机器人技术的发展进入了一个低潮 时代，进入7 0 年代之后，人工智能的发展为机器人技术带来了新的技术和方法， 从而带来了新的生机。机器人技术从此进入了一个新的发展阶段。到 9 0年代中 期机器人制造业成为发展最快和最好的经济部门之一。 机器人产业在全世界迅速发展应用范围遍及工业、科技和国防的各个领域。 在日本，工业机器人应用得最多的工业部门依次为家用电器制造、汽车制造、塑 料成型、通用机械制造和金属加工等工业。其中，汽车和电机制造工业所用机器 人数，占一半以上。在美国，制造工业中的焊接、装配、搬运装卸、铸造和材料 加工所使用的机器人占多数;其次则为喷漆和精整用机器人。此外，还有许多军 雷鸣荃于智能控制的移动机器人路径规划和跟踪 用、办公室用和家用机器人正在应用着 从第一台工业机器人的降生至今，机器人学经历了一个从幼年到朝气蓬勃青 年时代的发展历程。许多国家已先后成立了机器人协会或学会。在美国、英国、 瑞典和日本等国。还设立了机器人学位 ( 包括博士学位)计划。以机器人学科为 中心的国际学术会议，如国际工业机器人会议 ( i s i p ) 、国际工业机器人技术会 议 ( c i r t ) 、国际自 控联 ( i f a c ) 、国际科学技术发展协会 ( i a s t e d )主办的国 际机器人与自动化学术讨论会以及 i e e e主办的国际机器人学与自动化会议 ( i c r 2 )现代控制理论，针对多入多出的线性多变量系统的控制分析: 3 )变结构控制和智能控制:针对复杂非线性系统。 经典控制理论和现代控制理论对于线性系统的控制日 渐成熟，但对于非线 性系统却不怎么有效。一种比较有效的方法就是对非线性系统进行某些变换，在 一定程度上实现线性系统对非线性系统的逼近，以期用线性系统的理论来进行非 线性系统的 研究， 这就是著 名的 反 饿线性化理论( f e e d b a c k l in e a r i z a t i o n ) 。 但是 线性化的方法难以解决非线性系统重的一些特性和现象。比如:非线性系统的自 振荡、非线性共振、异步激发和熄灭，以及混沌现象等。 智能控制 ( i n t e l l i g e n t c o n t r o l )是傅京孙于 1 9 7 1 年提出的概念，是建立在人 工智能+自 动控制的二元论基础之上。s a r i d i s 等在此基础上于 1 9 7 7年进一步提 出7墓于i p d i ( i n c r e a s i n g p r e c i s i o n w i t h d e c r e a s i n g in t e l l i g e n c e )原则的一种智 能机器的统一体系结构，它是一种基于三元论 ( 人工智能+自 动控制+运筹学) 的体系结构;8 0年代，蔡自 兴教授提出了四元论 ( 人工智能十自 动控制+运筹 学+信息论) ，进一步的丰富了智能控制的理论基础。 智能控制是当今多学科交又的前沿领域之一。以 1 9 8 7年召开的第一界智能 雷鸣: 基于智能控制的移动机器人路径规划和跟踪 控制国际会议为标志， 智能控制已 经开始成为一门新的学科。纵观智能控制产生、 发展的历史背景与现状， 其研究中心始终是解决传统控制理论、方法( 包括古典控 制、现代控制、自 适应控制、鲁棒控制、大系统方法等) 所难以解决的不确定性 问题， 控制学科所面临的控制对象的复杂性、环境的复杂性、控制目标的复杂性 愈益突出， 智能控制的研究正提供了解决这类问题的有效手段， 集中表现在控制工 程中运用智能方法解决复杂系统的控制已取得了相当多的成功。而对智能控制的 研究主要是 体现 在基于 知 识 系 统( k n o w l e d g e b a s e d s y s t e m , k b s ) 、 模糊 逻辑( f u z z y l o g i c ) 和人s神经网络 ( a rt i f i c i a l n e u r a l n e t w o r k )的研究方面。 机器人本身是一个复杂的非线性系统，同时由于其对环境的极大依赖更是 加大了机器人控制系统的复杂性和不确定性。为了更好的解决机器人控制的非线 性和不确定特性，智能控制被引入机器人控制领域，并获得了极大的成功。 1 . 2 移动机器人自 主导航的研究现状与发展 1 . 2 . 1移动机器人自 主导航概述 自主移动机器人是机器人学的一个重要研究领域，它的主要研究目标是开 发通用型智能机器人，使机器人能在各种类型的变化环境中自 主地移动并完成人 为给定的各种任务。自 主式移动机器人的研究概括起来可以分为体系结构、控制 机构、信息系统、传感技术、规划策略、以及驱动系统等几个方面。 移动机器人自主导航要求移动机器人能够按照存储在其内部的地图信息， 和根据外部环境所提供的一些引导信号 ( 即通过对环境的实时探测所获得的信 息)规划出一条路径，并能够沿着该路径在没有人工干预的情况下，移动到预定 目标点。近来，这方面的研究正成为一个重要的热点。这个问题涉及感知、规划 和驱动等各方面， 其中尤以 运动控制和自 动避障最为基本。经过 2 0多年的研究 与实践，移动机器人在现实环境中的自 主导航问题仍然没有得到很好地解决。其 主要原因是现实环境的非结构化。具体体现在i 4 . ( 1 )关子环境的先验知识通常是不全面的、不确定的和近似的。 ( 2 )感知得到的信息通常是不可靠的，存在着干扰、测量误差等 ( 3 )现实环境通常具有复杂和不可预测的动态特性，如物体的移动、环境 雷鸣:基于智能控制的移动机器人路径规划和跟踪 的改变等。 ( 4 )控制作用并非完全可靠，如车轮打滑等。 移动机器人有多种导航方式， 根据环境信息的完整程度、 导航指示信号类型、 导航地域等因素的不同， 可以分为基于地图导航、 基于路标导航、 基于视觉导航、 基于感知器等.基于地图导航就是在机器人内部存有关于环境的完整信息，并在 预先规划出的一条全局路线的基础上，采用路径跟踪和壁障技术，实现机器人导 航;当机器人对环境不了解时可以采用基于陆标的导航策略，也就是将环境种具 有明显特征的景物存储再机器人内不部，机器人通过对陆标的探测来确定自己的 位里，并将全局路线分解成陆标欲陆标之间的片段，再通过一连串的陆标探测和 陆标制导完成导航任务;咱环境信息完全未知的情况下，可通过摄像机或传感器 对周围环境的探测来实现机器人导航:在相对规整的环境中，还可以在路面或路 边画出一条明显的路径标致线，机器人在行走的过程之中不断的对标致线进行探 测并调整行进路径与标致线的指引回到原来的路线上去，最终在标致线的指引下 到达指定的目的地。 无论采用何种导航方式，智能移动机器人要完成的功能应该包括两层:第一 层决策规划层即所谓的路径规划，移动机器人在先验的环境信息的指导下，在满 足某一优化指标的条件下，寻求一条最优或次优的无障碍移动路径，连接起始点 与目标点。第二层驱动控制层即路径跟踪，要求移动机器人依据路径规划得到路 径解，设计控制量序列驱动机器人安全迅速地移动到目 标点。在移动的过程中， 机器人应能够自 主地处理突发的事务，甚至可以要求第一层重新进行规划。 1 . 2 . 2移动机器人导航的规划和控制方法 移动机器人控制任务的复杂性及其所依赖的环境的复杂和不确定性决定了智 能控制是它的最有效控制手段。同时移动机器人作为一种典型的复杂非线性系 统，是智能控制的思想、算法和控制策略验证和发展自己的最佳平台。移动机器 人与智能控制是相辅相成的关系。 典型的智能控制方法有( 3 递阶控制、专家控制、模糊控制、神经控制、学习 控制，其它的一些智能控制方法也大多是这五种方法蒸础之上的发展和融合。 作为一种统一的认知和控制系统方法，由s a r i d i s 和m e y s t a l 等人提出的递 阶智能控制是按照精度随智能降低而提高的原理 ( i p d i )分级分布的。它的智能 雷鸣: 基于智能控制的移动机器人路径规划和跟踪 主要体现在组织级的决策规划以及协调级的协调方式上面。它采用的是基于知识 系统的概念，需要有大量先验知识。然而，对于移动机器人这种复杂、不确定的 系统及其环境，先验知识很难总结。 专家控制由h a y e s - r o t h等人于 1 9 8 3年提出。在过去 2 o 年中，专家系统是 人工智能领域备受重视的一个研究方面。许多高度专业化的专家系统被不同的研 究小组所建造， 这些系统含有求解有关问题所需要的经验， 涉及医疗诊断和治疗、 化学结构分析、地质数据解析、计算机结构选择，以及工业系统的咨询、监控、 规划、控制和故障诊断等。专家系统的基本功能取决于它所含有的知识，因此， 有时也把专家系 统 称为基于 知识的 系统 ( k n o w l e d g e - b a s e d s y s t e m ) 。 正是因为 它对于知识的依赖性，使专家系统存在许多问题阻碍了它进一步的发展，这些问 题包括+ )知识的合理表达和获取、专家系统的自 学习、快速有效的推理机制、 混合模型中异种知识模块之间的交互、以及建立在专家系统基础上的智能控制系 统的动态特性分析，如:稳定性、能控能观性等。目前专家控制主要用于自主式 移动机器人的任务规划。 1 9 6 5年 z e d a h提出模糊集理论以来，模糊逻辑得到了迅猛的发展，已涉足 模糊识别、模糊模型、模糊辩识、模糊控制与决策、模糊规划广大领域等。模糊 逻辑与自 动控制相结合产生了模糊控制。模糊控制因其对不确定性问题的描述上 的优势，以及其不依赖精确数学模型的特点，而在现代复杂控制领域，占据了举 足轻重的地位。目 前许多自主式移动机器人基于行为的导航与控制中采用了模糊 控制的方法。 但是，模糊控制的隶属函数的确定还没有一个成熟的理论依据，同时它对模 糊规则的依赖程度相当的大。从这些角度来分析，在移动机器人采用模糊控制时 还需提高机器人的自 学习能力。所以对于复杂的系统不宜采用单一的模糊控制. 而应与其他智能控制的方法进行融合。 神经控制以其独特的联结主义的特性，在智能控制领域后来居上，成为一个 新的研究热点。神经控制由于对非线性系统的无限逼近，以及强大的并行计算能 力，为移动机器人的控制器设计带来了很大的希望。但神经网络的结构 ( 神经元 个数和连接方式)和参数 ( 连接权强度)的确定问题仍在理论上没有得到很好的 解决，阻碍其在实践中的有效应用。同时，在有监督的情况下，学习网络的最大 缺点在于环境改变后必须重新学习和训练 川，这在环境信息不完整或环境经常 改变的情况下难以应用。 在自主式移动机器人的控制中普遍采用的另一种智能控制方法是学习控制， 雷鸣:荃于智能控制的移动机器人路径规划和跟踪 它的主要思想是基于某种奖惩机制利用分类器对学习样本进行学习归纳。学习控 制具有很强的学习和记忆能力. 有着较高的智能。 但当出现的情况在样本之外时， 机器人就不能产生合适的控制策略。 近年进化计算( e v o l u t i o n a r y c o m p u t a t io n ) 已日 益引起人们的重视，因为它是优 化规划的一个新的重要的计算手段。它与传统的优化方法相比1 5 1 ，具有如下一些 特点:极强的普棒性、全局的寻优能力和隐含的并行处理。进化计算与人工智能 相结合形成了另一种智能控制方法一一进化控制 4 1 自主式移动机器人的实际应用环境必然是非常复杂、非结构化和时变的，而 且存在着通讯和反应迟滞、信息不全等问题。传统的基于结构化环境的定量化、 精确化的感知、规划和控制已不能满足实际应用的需要，而传统的智能控制方法 在实现机器人的自主性和学习能力等方面也存在一定的局限性。将进化控制应用 在移动机器人的设计与控制，可以很好地解决移动机器人的学习与适应能力方面 的问题。进化机制为机器人提供了在复杂环境中创造性地寻找具有竟争力的优化 结构和控制策略的方法，使移动机器人能够根据环境的特点和自身的目 标自 主地 产生各种行为，并调整它们之间的约束关系，从而展现适应复杂环境的自 主性。 1 . 3本论文的研究重点与结构安排 本论文的研究目的是用智能控制的方法解决复杂非线性的移动机器人自 主导 航的关键问题。研究主要涉及基于 m a s的移动机器人的控制体系结构、基于神 经网络的移动机器人路径规划和基于模糊规则的移动机器人路径跟踪算法的研究 与仿真。课题研究与开发的内容来源于国家自 然科学基金、湖南省科委科技专项 基金、中南工业大学 “ 2 1 1 ” 重点实验室建设基金等项目。 本学位论文的内容安排如下: ( 1 )接下来的第二 章， 我 们提出了 一种实现移动机 器人自 主导航的 基于直线 型 ma s的体系结构。该结构从管理学的直线组织形式出发，基于 ma s原理和 方法，其次，我们把这种直线型ma s用于构建机器人的体系结构。这种体系结 构充分吸收了传统 a l 模型与包容式模型的优点，实现了移动机器人规划决策与 快速反应的集成;同时， 基于m a s 的架构使得它具有很强的灵活性和可扩充性。 这种结构使机器人同时具有较高的理性和较快的反应能力，并且有着极强的开放 性和异构性。文中对基于管理学的直线型 ma s ，以及以这种 ma s 为基础的移动 雷鸣: 基于智能控制的移动机器人路径规划和跟踪 机器人体系结构组成和工作原理作出了详尽的分析和阐述。 ( 2 )作为移动机器人自 主导航的一部分， 路径规划是重中之重。 在第三章中， 本文介绍了移动机器人路径规划的h o p f i e ld 算法(2 0 1 ，并以它的规划所得 作为我们进行路径跟踪的跟踪对象。 ( 3 )第四章中，我们模拟人类的驾驶技能，设计了两个模糊控制器:离线规 划器和在线纠偏器。离线规划器根据给定的路径设计出移动机器人的控 制参数，在线控制器则在控制过程中针对产生的偏差，用模糊推理机推 导出纠正量作为系统的反馈输入，以此来实现对给定路径的实时跟踪。 并通过仿真，证明了这个模糊控制器是切实可行的。 本论文最后的 “ 结论”部分，对论文的完成情况作了总结，并指出了今后在 此方向继续研究的设想。 雷鸣基于智能控制的移动机器人路径规划和跟踪 第二章 移动机器人的体系结构 自主式移动机器人系统是具有高度的自规划、自组织、自 适应能力， 适合于 在复杂的非结构化的环境中工作的机器人，是一个高智能、多任务的复杂的开放 的工程系统。系统内部包括多种硬件设施， 有实时控制部件，信息处理部件，通 讯部件等等;相应的包括有多个功能特性各异的功能模块，一般包括:二、三维 视觉处理模块，信息融合模块，局部规划模块，车辆驾驶模块，路标识别模块， 协调调度模块。理想的体系结构无疑是保证自 主式移动机器人性能的基础。本章 中，我们将提出一种针对移动机器人自 主导航基于直线型m a s的控制体系结构 2 . 1概述 机器人工作在现实的环境中，对环境的实时变化作出的准确推理、决策和快 速反应，是其完成预期任务的关键，而体系结构的首要任务是寻求准确推理、决 策和快速反应之间的最佳折衷。机器人的体系结构应具有以下特性 4 ) . 白 主性和适应性:机器人的运动由相应的控制策略来实现。由于现实环境是 不可预知的和变化的，因此控制系统必须迅速而平滑地在各种控制策略之间切 换，以适应当前的环境。适应能力使得机器人能够根据当前的目标和感知的场景 重新配里其运动模式实现在时变环境下运行。 实时性:机器人在保证正确有效地实现目 标的前提下( 包括自身的安全) ，应 能够对环境的突发事件作出及时响应。由于环境是非结构化的，机器人对环境的 动态特性只能作出有限的推测，因此快速反应的能力是必不可少的。这种快速反 应的能力一般是依靠条件反射式行为来实现。 冬棒性: 鲁棒性 ( r o b u s t n e s s )即健壮性，是指机器人处理噪声、 突发事件、 环境不确定性以及部分功能模块失灵的情况的能力，是系统在实际运行时必须具 备的重要能力。鲁棒性要求控制结构必须拥有处理功能的冗余性，要求控制作用 的实现在一定程度上是分散的。 异构性:由于需要花很长的时间来设计、开发和测试控制系统的各个模块， 因此需要一种可扩充的体系结构，能很容易地加入新的功能和定义新的任务，以 雷鸣:基于智能控制的移动机器人路径规划和跟踪 一种增量模式实现机器人处理不同情况的能力。这里要重点考虑的是学习能力， 机器人的控制体系结构应使得学习成可能。 一致性:一致性的要求需要机器人对事件的反应必须由它的目标任务来指 导，这就需要一个集中的全局决策单元，这种全局的高层决策模块对机器人理解 各种环境情况很有帮助，对存在多个只理解局部场景的独立行为的情况尤为重 要，它对此起到一种协调作用。 开放性:一种有用的机器人不应该仅仅适合于某一个特殊环境或某一项特定 任务，而应该能胜任在抽象层次描述的多种任务，其功能应该能根据被执行的任 务方便地进行组合。 2 . 2 机器人体系结构研究现状 可以看到，机器人系统具有任务分析、规划、推理、决策等多种智能性很高 的功能模块，要使它们组成一个性能良 好的机器人系统，需要多种功能模块以不 同方式在不同层次的协调合作，而如何协调这些功能各异的模块能步调一致地朝 着总体目 标前进，这涉及到体系结构与系统建模的问题。当前，建立体系结构模 型主要可以分为三类 : 分层递阶式是建立在基于认知的a i 模型之上，它的组织结构是分层递 阶式的 9 , 1 0 7 。它将智能推理和实时反应垂直分布在不同的层面进行 ( 如图2 . 1 ) . 这种基于传统 a i模型的体系结构是自顶向下的控制方式，由传感、规划、 决策及执行几大部分组成，其 “ 感知一决策一行动”式的信息/ 控制流的安排是 仿照人的行为过程。 环境的信息首先从传感器中接收，并上传给规划决策模块。规划决策模块根 据知识库中的先验知识，总体任务的描述，以及传感器所采集的数据，规划并决 策机器人的行为，并作出工作计划。规划模块将规划结果下发给协调模块。协调 模块按照规划模块的工作计划，给各个执行器下达动作指令，并根据执行器的反 馈及时调整指令，达到工作进程的协调一致。执行模块则按照协调模块的具体指 令进行运作.同时反馈工作进程。在这个过程中信息流是自 底向上，控制流是自 顶向下。 分层递阶的体系结构，能充分的利用先验知识，具有较强的智能。而且，在 知识库的总体任务的描述下，具有一个有力的全局控制。系统能保证完成任务。 但是，面对复杂、多变的环境，分层递阶结构对环境精确模型的依赖，致使机器 雷鸣: 基于智能控制的移动机器人路径规划和跟踪 人的实时性和鲁棒性大大降低，很难满足实际应用的需要。 圈2 . 1 分层理阶式体系给构阅 包 客式 麻 省 理 工 学 院的r . b r o o k s 提出 的 包 容 式 模 型( s u b s u m p t i o n ) 川 ， 是受到生态或生物系统的启发， 着眼于动物的反应式行为特征， 而研究出的基于刺 激响应的系统。他们认为机器人对外界的反应不一定事事经过最高层的决策推 理。只要在低层能对外界的变化作出足够灵活的直接反应，不管这些层次的结构 如何简单，他们巧妙组合同样能构造出一定高性能的智能机器人。这种建立在强 调对外界传感信号直接反应的观点上的机器人称为基于传感 ( s e n s o r - b a s e d )或 基于行为 ( b e h a v i o r - b a s e d )的机器人 ( 图2 . 2 ) 0 b r o o k s设计了一种微型机器昆虫，它的低层基本由6 个基本传感单元组成， 每个单元的任务是根据腿上的触觉信号控制腿的运动。为了协调腿的步伐一致以 及避开障碍，他又采用了一个超声传感单元发出运动信号，使机器人增加了一些 智能。b r o o k s认为这种各自 成为独立系统但又能自由组合的结构方法就称为包 容是结构。 它这种建立在条件/ 反射式的智能观点被称为没有推理的智能，成为人工智 能中的行为学派。 这种体系结构方法不要求机器人环境的详细信息，强调对环境 变化的实时反应。 它通过熔合传感器信息，直接对机器人实施行为控制。基于行 为的控制体系使机器人在环境信息不清晰和动态环境中，能够实现具有一定智能 的自主导航， 并能保证一定的实时性。 但是， 这种方式实际上是机器智能的下降， 它没有总体的智能指导，难以利用全局知识，形成全局控制。 雷鸣:荃于智能控制的移动机器人路径规划和跟踪 一 一 、 环境一 一几 习 一 )环 境一一 丽 、 丽 、 ， 而 ， 、 月 月、 侣 亚 巫 亘 一 亘 画乡 绮 画互 、 田2 . 2 包容式的机拼人体东始构 流合式 .2 比 较上述两类信息/ 控制流的差别就会发现， 第一类强调纵 向深入，第二类强调横向快速;前者依靠深谋远虑，后者依靠下意识的反应。但 是，当目前计算机智能技术没有发展到一定深度时， “ 深谋远虑”往往作不到， 其效果是行动缓慢;而 “ 条件反射”本身不失为智能行为，且行动迅速。但是， 它的智能实在太低，用它去解决复杂多变的环境问题，未必奏效。 可以发现， “ 深谋远虑” 和 “ 条件反射”实际上是人类智能的两个方面，在 人类智能中，它们是相互熔合，相辅相成的。因此，有人考虑把前面二者结合起 来，各取所长，建立一个混合模型。 在这里我们介绍一下中南大学的周翔博士提出的一种移动机器人的控制体系 结构 + . ( 见图 2 . 3 )整个体系结构包括进化规划与基于反射式行为的控制两大 模块. 在该体系结构中， 机器人的一些基本能力如避障、 保持平衡、 漫游、 前进、 拐弯等，由系统中基于行为的模块提供。规划系统则完成一些需要较高智能的任 务，如路径规划、生成协调器的结构与参数等。这种综合的体系结构的优点是既 具有基于行为的系统的实时性，又保持了基于功能的系统的目 标可控性， 即规划 功能。同时该体系结构具有自学习能力，能够根据先验知识、历史经验、对当前 环境情况的判断和自 身的状况，调整自己的目 标、行为以及相应的协调机制，以 达到适应环境、完成任务的目的.为了完成一些特定的任务，规划器只需将一些 目标驱动行为的状态激活，并设置协调器相应的参数即可达到目的。同时系统中 设有知识库和经验库以指导和提高进化规划的执行效率。为缓和系统中各种行为 模块对驱动装置竞争的协调器的结构由基于行为的系统确定，其协调策略由规划 部分生成，这种 “ 柔性”的协调策略能根据机器人所处的环境和执行任务的不同 雷鸣:基于智能控制的移动机器人路径规划和跟踪 而发生改变，并能在一定的原则基础上不断地完善和提高。 进化规划坎块 执 行 - - - - 卜动 作 .; 图2 . 3 功能/ 行为泉成的移动机吕人拉制体琢结构 上述的三种移动机器人的体系结构是建立在传统的人工智能的基础之上的。 它们有一个共同之处，就是它的一切功能都是封装在一个智能实体以内。这个智 能体即要感知环境又要实行规划 ( 第二类没有) ，还要完成控制驾驶的任务。这 就对这个实体的性能有很高的要求。 特别是， 当环境相当复杂， 任务十分困难时， 机器人很难实时的完成预期任务。而且，这种封装方式要求每个功能模块都具有 相同的结构，它们的知识库应具有同样的组织、表示和存储方式。因此，系统扩 充和异构的兼容性的要求就非常苛刻。 随着计算机网络、计算机通信和并行技术的发展，分布式人工智能的研究日 趋完善。将复杂的问题求解用多个智能实体协作地完成以成为可能，因此我们考 虑建立基于 m a s ( m u l t i - a g e n t s y s t e m ) 的移动机器人控制体系。充分利用 m a s强 雷鸣: 基于智能 控制的移动机器人路径规划和跟踪 大的并行处理能力以及其优秀的开放性，提高系统的对复杂任务的处理能力，使 系统具有更为优秀的开放性和异构性，以延长系统的生命周期。 2 . 3 a g e n t 和多a g e n t 系统的概述 分布式人工智能 ( d a i )主要研究在逻辑上和物理上分散的智能系统如何并 行地、相互协作地实现问题求解。它具有提高问题求解能力、提高问题求解效率 和降低软件复杂度的优点。d a i主要有两个分支:分布式问题求解( d d p s ) 和多 a g e n t 系统 ( m a s )基于 a g e n t 计算 ( a g e n t - b a s e d c o m p u t i n g )不仅成为人工智 能地热点，而且成为下一代软件开发的重要突破点。 2 . 3 . 1 a g e n t 多a g e n t 系统的基本单位是a g e n t 。什么是a g e n t 呢?虽然不同的研究者可 能会有不尽相同的观点和看法， 但一种较普遍的观点是:a g e n t是一个计算机系 统，它的主要特性是自 主性、交互性、适应性和社会性 1 9 自 主性是指 a g e n t 能在没有人或其他 a g e n t的直接千涉下持续运行， 并能控制其动作和内部状态; 交互性即对环境的感知和影响。无论 a g e n t生存在现实的世界还是生 存在虚拟世界中，它们都应该可以感知它们的环境，并通过行为改变环境。 适应性是指 a g e n t能在环境发生变化时，作出相应的反应，在适当的 时候采取面向目 标的行动，以 及从其自 身的经历、所处的环境和其他a g e n t 的交 互中学习。 社会性通常 a g e n t 不是单独地存在，而是生存在一个有很多 a g e n t地 世界中。a g e n t 具有良好的社会性，即能很好的与其他 a g e n t 协作，可以大大地 提高多a g e n t 系统地效率和性能. 根据人类思维的层次模型，可以将 a g e n t 分为四类:反应 a g e n t 、形象思维 a g e n t 、抽象思维 a g e n t 和复合式 a g e n t 。形象思维 a g e n t 和抽象思维 a g e n t也 可以合称为认知a g e n t 。下面我们将分别介绍 1 5 ) 雷鸣: 基于智能控制的移动机器人路径规划和跟踪 反应a g e n t ( r e a c t i v e a g e n t ) 1$ 2 . 4 反应a g e n t 的给构框田 只是简单地对外部刺激产生反应，没有任何的内部状态。它们有些类似于 客户/ 服务器体系结构，每个 a g e n t既是客户，又是服务器，根据程序的安排， 作出回答或发出 请求。 图2 . 4 给出了反应a g e n t 的框图。 条件一动作规则使a g e n t 将感知与动作连接在一起。 认知 a g e n t 传感公 内部状态 目前的世界怎样 如识库 规划 境 条件一动作 规则 应该作什么动作 效应粉 m 2 . 5 认知a g e n t 的结构框田 认知a g e n t 是具有内部状态的主动软件，它与具体的领域知识 不同，具有知识表示、问 题求解表示、环境表示、具体通信协议等。 根据 a g e n t 思维方式的不同，认知a g e n t 可以分为抽象思维a g e n t 、形象思维a g e n t 。 抽象 思维a g e n t 是基于抽象概念，通过符号信息处理进行思维。形象思维a g e n t 是通 过形象材料进行整体直觉思维，与神经机制的连接论相适应。图2 . 5 给出了认知 雷鸣: 基于智能控制的移动机器人路径规划和跟踪 a g e n t的框图。表明当前的感知信息与原来的内部状态结合，产生修改当前状态 的描述 。 i合式a g e n t生活在一个现实或虚拟的世界中的 a g e n t ，会遇到各种不 同的情况。a g e n t处理要保持对紧急情况的及时反应，还要使用一定的策略对中 短期的行为作出规划，进而通过对世界和其他a g e n t 的建模分析来预测未来的状 态，以及通过通信语言实现和其他a g e n t 的协作和协商。我们希望这些功能需要 采取不同的算法，所以，我们提出一种复合式的结构，即在一个智能体中有机地 结合了多种相对独立、并行的智能形态 ( 见图2 . 6 ) 复合式结构的 a g e n t中包含感知 ( p e r c e p t i o n ) 、动作 ( a c t i o n ) 、反应 ( r e a c t i o n ) 、建模 ( m o d e l i n g ) 、规划 ( p l a n n i n g ) 、通信 ( c o m m u n i c a t i o n )和 决策 ( d e c i s i o n m a k i n g )等。 a g e n t通过感知模块来反映现实世界，并对环境 信息作出一定的抽象。根据信息的类型，感知模块将经过抽象的信息送到不同的 处理模块。如果感知到的是简单的或紧急的情况，信息则被送到反应模块。反应 模块对传人的信息立即作出决定，并将动作命令送到动作模块。动作模块则根据 传入的动作命令作出相应的动作，对世界作出影响。从感知的反应到动作的信息 传递过程构成了 “ 反射弧” 。 情况1 :一般情况，交给规划模块处理 情况2 :紧急情况或简单情况，由反应棋块处理 圈2 . 6 汤合式a g e n t 的结构框田 从 a g e n t 的概念可以看出，a g e n t 区别与传统的智能系统的显著特点在于它 具备与其所处环境，其他a g e n t 和人进行交互、协调和协作的能力。机器人研究 目标是建造出类人的机器。单个a g e n t 是研究人类的单个智能品质如计算能力、 雷鸣: 基于智能控制的移动机器人路径规划和跟踪 推理能力、记忆能力、学习能力等。然而，人类智能行为是各个单个智能品质的 综合体现，所以单个a g e n t 往往无法充分体现或恰当地刻画人类的智能行为。 对于复杂的移动机器人导航任务，单 a g e n t受到它所拥有的知识、计算资 源和感知及效应能力的限制， 无法独立完成。 以此为由， 我们把重点放在多a g e n t 上，而不是单a g e n t 上。 2 . 3 . 2 h a s m a s 是一个松散祸合的a g e n t 网络这些a g e n t 通过交互解决超出单a g e n t 能 力和知识范围的问题。其中a g e n t自 主的，它们可以是不同的个人，采用不同的 设计方法和计算机语言开发而成的，因而可能是完全异质的 解决复杂问 题， 多a g e n t 系统是一次质的飞跃 1 4 3 。 首先， 通过与其他a g e n t 通信可以开发新的规划或求解方法来处理不完全的、不确定的知识。第二，通过 a g e n t 间的合作， 多a g e n t 系统不仅仅改善了每个a g e n t 的基本能力， 而且从a g e n t 的交互中进一步理解了社会行为。第三，用模块化风格组织系统。如果说模拟人 是单个a g e n t 的目 标的话，那么多a g e n t 系统的目标就是模拟人类社会的社会智 能行为。 多a g e n t 系统具有如下特性 1 s 1 . 1 ) 每个a g e n t 具有解决问题的不完全的信息或能力。 2 ) 没有系统全局控制; 3 ) 数据是分散的: 4 ) 计算是异步、并行的。 多 a g e n t系统存在两个极端:一是神经网络，它是一个精细的多 a g e n t系 统，由一套紧密祸合的元件或单元组成，每个元件或单元可视为一个 a g e n t: 二是分布式问题求解系统，它是一种粗粒度的多a g e n t 系统，是由自 主的a g e n t 松散祸合而成的分布式网络。大多数的多a g e n t 系统都处于这两个极端之间，具 有中等粒度。 m a s 的体系结构决定了单a g e n t自 身内部需要具备多少协作智能，也决定了 系统异步、一致性，自主性和自适应性地程度。它决定信息的存储和共享方式。 下面我们介绍一下m a s 的几种常见的体系结构u s l ( 1 ) a g e