（检测技术与自动化装置专业论文）基于模糊神经网络势场法的机器人动态路径规划.pdf

合肥工业大学 ，李单吝譬答辩委员会全体委员审查，确认符合合肥工业大学硕 士学位论文质量要求。 。 答辩委员会签名( 工作单位、职称) 揣致鹰霄、垂协嚣移蟹 委员： 导师： i 修 么 ( 妇2 拢表； 苏髻至 畛协表寸 励文。 鼬凌 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据 我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的 研究成果，也不包含为获得 金胆王些太堂 或其他教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢 意。 学位论文作者签名：l 司支i 积。签字日期：铆1 年争月易日 学位论文版权使用授权书 本学位论文作者完全了解盒照王些太堂有关保留、使用学位论文的规定，有权保留并 向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权金彪 王些太堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：闰良叼飞 签字日期：伽1 年争月磊日 学位论文作者毕业后去向： 工作单位： 通讯地址： 导师签名： 签字日期：驯年年月7 9 白 电话： 邮编： 基于模糊神经网络势场法的机器人动态路径规划 摘要 随着科学技术的不断发展，机器人技术也在不断进步，机器人学科也越来 越代表当今信息、自动化和系统集成技术的最新发展方向，也带动了这些领域 的技术发展。随着机器人技术的不断发展，涌现出了一系列的新型路径规划方 法。移动机器人的动态路径规划由于在实际应用中实际环境的复杂性和算法的 局限性，所以一直是机器人运动规划中的重点和难点。 本文主要从机器人的系统框架和路径规划算法两个方向展开研究，来对移 动机器人的动态路径规划问题进行优化改进。简单介绍了机器人的定位、感知、 通信和运动等模块，对现有的一些路径规划方法进行分析，如栅格法，几何顶 点法，随机法和人工势场法等，对每种算法在未知环境中实现的可能性和优缺 点进行分析和比较。 本文着重讨论和研究了模糊神经网络的算法，并将模糊控制与该神经网络 算法相结合，使得神经网络具备了模糊推理和归纳的能力，又利用神经网络的 自学习功能在实际的控制过程中不断地修正该模糊神经网络的推理归纳方式。 同时，由于模糊神经网络克服了神经网络的结构不具备明确的物理意义的缺点， 使得模糊神经网络的结构设计和权值的初始化相对简单，面向传统人工势场理论 的不足并依据在机器人局部路径规划的特点，论文采用改进的斥力势场函数将机器人 与目标的相对距离和速度考虑在内以解决局部最小值问题。并引入神经网络模糊系统 同时兼顾了系统的鲁棒性和快速性，并在实验中得到了有效的验证。通过仿真 比较了本文算法和人工势场法，进一步证明了本文算法的优点。 关键词：移动机器人；路径规划；模糊逻辑；神经网络；人工势场；鲁棒性与快 速响应 2 r o b o td y n a m i cp a t hp l a n n i n gb a s e do nn e u r a ln e t w o r kf u z z y c o n t r o la r t i f i c i a lp o t e n t i a lf i e l dm e t h o d a b s t r a c t w i t ht h ep r o g r e s si nt h eu s a g eo fr o b o t si nv a r i o u sf i e l d ，d y n a m i cp a t h p l a n n i n go fm o b i l er o b o t s m o t i o ni s b e c o m i n gm o r ea n dm o r ei m p o r t a n t i n r o b o t i c s t h em o b i l er o b o ti sa ni n t e g r a t i o no ft h et e c h n i q u e si na u t o m a t i o n ， i n f o r m a t i o na n ds y s t e me n g i n e e r i n g w i t ht h ed e v e l o p m e n to fr o b o t i c s ，m a n yn e w m e t h o d so fp a t h p l a n n i n gh a v ee m e r g e d ，b u th a v et h e i ro w nl i m i t a t i o n sd u et ot h e c o m p l e x i t yo fa c t u a le n v i r o n m e n t d y n a m i cp a t hp l a n n i n go fm o b i l er o b o ti s s t i l l a ni m p o r t a n ta n dd i f f i c u l tp r o b l e mi nr o b o t i c s i no r d e rt or e a l i z ei m p r o v e dd y n a m i cp a t hp l a n n i n gm e t h o d ，t h et h e s i sb e g i n s w i t hab r i e fi n t r o d u c t i o nt h a td e s c r i b e st h er o b o ts y s t e ms t r u c t u r ea n ds o m ep a t h p l a na l g o r i t h m s ，s t u d i e dt h ep e r c e p t i o n ，c o m m u n i c a t i o n ，m o v e m e n ta n do t h e rt o p i c s o ft h em o b i l er o b o t a na n a l y s i si sa l s om a d eo nt h em e r i t sa n dd r a w b a c k so ft h o s e e x i s t i n ga l g o r i t h m ss u c ha sg e o m e t r yv e r t e x ，g r i d ，a r t i f i c i a lp o t e n t i a l ，r a p i d r a n d o m i z e dt r e e se t c t h et h e s i sa l s op u ta nf o c u so nt h ep o s s i b i l i t ya n dv a l i d i t yo f t h o s ea l g o r i t h m sw h e na p p l i e di n t ou n k n o w ne n v i r o n m e n t t h et h e s i si n t r o d u c e sf u z z yn e u r a ln e t w o r ka l g o r i t h m sw i t hd e t a i l e da n a l y s i s ， a n dc o m b i n e st h e s et w oa l g o r i t h m st o g e t h e r i nt h i sa p p r o a c ht h ef u z z yn e u r a l n e t w o r kc a nu s en e u r a ln e t w o r kt or e a l i z ef u z z yl o g i c ，t h u sm a k e st h ec o n t r o l l e r p o s s e s s e st h ea b i l i t yo ff u z z yi n d u c e da n dt u n a b l ei n f e r e n c eb ym a k i n gt h eu s eo f i n d u c e di n f e r e n c ea n ds e l f - l e a r n i n go ff u z z yl o g i c t h i sm e t h o do v e r c o m e st h e d r a w b a c k ss u c ht h eu n c l e a rm e a n i n go fn e u r a ln e t w o r k ，r e s u l t i n ge a s yd e s i g na n d i n i t i a l i z a t i o no ff u z z yn e u r a ln e t w o r k b a s e do nt h ec h a r a c t e r i s t i c so fm o b i l er o b o tp a t h p l a n n i n ga n do r i e n t e dt ot h ei n s u f f i c i e n c yo fc o n v e n t i o n a la r t i f i c i a lp o t e n t i a lm e t h o d ，t h e t h e s i sc o n s i d e r e dt h eu s a g eo fr e l a t i v ed i s t a n c eb e t w e e nt h er o b o ta n dt h eg o a lt oi m p r o v e t h ep r o b l e mo fl o c a lm i n i m u m b yi n t r o d u c i n gn e u r a ln e t w o r k si n t of u z z ys y s t e m ，t h e c o n t r o l l e re x h i b i t sb o t hr o b u s t n e s sa n dq u i c kr e s p o n s et h a tw e r ev e r i f i e di ns i m u l a t i o na n d e x p e r i m e n t k e y w o r d s ：m o b i l er o b o t ；p a t hp l a n n i n g ；f u z z yl o g i c ；n e u r a ln e t w o r k ；a r t i f i c i a lp o t e n t i a l f i e l d ；r o b u s t n e s s q u i c kr e s p o n s e 3 致谢 本论文是在亲爱的导师张崇巍教授的亲切关怀和悉心指导下完成的。在硕 士论文课题的研究期间，张老师从论文选题、课题研究和论文的撰写以及生活 等各方面都给予了极大的关心和支持。老师严谨的治学态度、渊博的知识、高 深的学术造诣和锐意进取的科学进取精神将使我终身受益。谨此论文完成之际， 特向张老师致以衷心的感谢和崇高的敬意。 在此也要感谢肖本贤老师和师兄鲍伟博士以及徐玉华博士，在论文的完成 过程中都得到了肖老师以及两位师兄的帮助和指导。还有在论文完成期间给予 过我无私帮助的任磊和程张凡硕士，以及同实验室的俞哲旦、童杰、常强贵、 王烨等同学，有了他们的帮助我才能顺利的完成论文，在此谢谢他们! 感谢我的家人和朋友对我的关心和鼓励，感谢所有关心和支持过我的人。 4 周文明 2 0 11 年4 月15 日 目录 第一章绪论1 1 1 自主移动机器人概述1 1 1 1 自主移动机器人发展现状1 1 1 2 国内移动机器人发展概况2 1 2 移动机器人的导航和定位3 1 2 1 移动机器人的导航问题3 1 2 2 移动机器人的定位问题3 1 3 路径规划及其常用方法4 1 4 本章小结8 第二章移动机器人平台。9 2 1a s r f 机器人的主要特点及其功能模块介绍9 2 1 1a s - r f 机器人的特点介绍9 2 1 2a s - r f 机器人功能模块基本配置1 0 2 1 3a s - r f 机器人的主要应用1 0 2 1 4a s - r f 机器人的传感器1 0 2 2 移动机器人的数学模型研究1 3 2 2 1a s - r f 型履带式移动机器人的动力学模型1 3 2 2 2 履带式移动机器人的运动学模型1 3 2 3 本章小结1 6 第三章模糊神经网络算法的研究1 7 3 1 模糊控制的基本原理1 7 3 1 1 模糊控制的基本结构和组成1 7 3 1 2 模糊化运算1 8 3 1 3 知识库1 9 3 1 4 模糊推理以及清晰化计算2 1 3 2 神经网络简述2 2 3 2 1 常见的几种神经网络2 3 3 2 2 神经网路的训练2 5 3 3 本章小结2 6 第四章模糊神经网络控制器设计2 8 4 1 基于神经网络的模糊控制系统2 8 4 1 1h n f i s 编辑器2 8 4 1 2 基于神经网络建立模糊系统2 9 4 2 模糊神经控制器的设计3 2 5 6 插图清单 图卜1 斯坦福国际研究院开发的机器人2 图卜2 “勇气 号和“机遇 号2 图卜3 蚂蚁算法7 图2 1 能力风暴机器人( 越野版) 9 图2 2 光电编码器原理示意图1 1 图2 3 云台摄像头示意图1 1 图2 4 激光测距仪：1 2 图2 5a s r f 履带式移动机器入的系统结构1 2 图2 6 履带式移动机器人的模型图1 3 图3 1 模糊控制器的结构原理图1 7 图3 2 单点模糊集合的隶属度函数1 8 图3 3 三角形模糊集合的隶属度函数l8 图3 4 中位数法图示2 2 图3 5 多层前馈网络结构2 3 图3 6h o p f i e l d 网络结构图2 4 图3 7 均方误差与训练次数的关系曲线原理图2 6 图4 一la n f is 界面图2 8 图4 2a n t i s 编辑器装入数据后的界面2 9 图4 3f i s 的参数设定2 9 图4 4 初始f i s 模型图3 0 图4 5 训练次数与误差的关系图3 0 图4 6 输入量模糊子集在训练前的分布3 1 图4 7 输入量模糊子集在训练后的分布3 1 图4 8 模糊规则编辑器图示3 l 图4 9 模糊神经网络控制器结构图3 2 图5 1 障碍物在机器人坐标系中的的位置和速度关系图3 4 图5 2 模糊神经网络控制器结构图3 6 图5 3 静态环境传统势场法的路径规划3 7 图5 4 静态环境模糊神经网络势场法的路径规划3 7 图5 5 动态环境中传统势场法的路径规划( 避障前) 3 8 图5 6 动态环境中传统势场法的路径规划( 碰撞) 3 8 图5 7 动态环境中模糊神经网络势场法的路径规划( 避障前) 3 9 图5 8 动态环境模糊神经网络势场法的路径规划( 避障) 3 9 图5 9 动态环境模糊神经网络势场法的路径规划( 跟随目标) 3 9 表格清单 表卜1 机器人工作环境栅格。5 表3 1 用数值方法描述的离散论语的隶属度函数1 9 第一章绪论 1 1 自主移动机器人概述 1 1 1 自主移动机器人发展现状 机器人技术的出现和发展，使人们从很多繁琐单调的工作中解脱出来。使 传统的工业生产面貌发生了翻天覆地的变化，提高了劳动生产率，改变了劳动 生产模式；对我们的日常生活也产生了深刻的影响，比如自主轮椅广泛应用在 人员流动量大，环境地形复杂的酒店、机场、会展以及车站，导游机器人也已 经在逐渐趋于实用。随着计算机技术的发展自动化技术和传感器技术的进步， 使得机器人技术得到了迅速的发展。机器人学是集中了计算机、自动控制、电 子、机械和人工智能等多学科技术的一门综合性学科，是机电智能一体化的结 晶。 1 9 4 8 年美国阿贡实验室研究出的遥控机械手是最早的机器人，它具有记忆 和存储功能，属于再现机器人，环境的变化对其不产生反馈作用，它只接收编 程命令，然后执行动作，在固定的空间轨迹里按照固定的作业顺序完成固定内 容。随着自动化技术的发展，机器人自身开始具备一些简单的传感器装置，能 在工作的同时获取一些简单的环境信息和操作对象的信息，反馈给计算机处理 和分析，对下一步动作进行简单的调整，表现出初级智能行为。已经发展到现 在的机器人已经具备更强大的环境感知能力和自适应能力，能在复杂环境下独 立工作，能做出相对复杂的判断和决策，表现出自主的思维能力，属于智能机 器人。 最初的机器人都是工业机器人，它们被固定在平台上，模拟人手来完成一 些简单的装配、加工和检测工作，但是随着日益增长的需要，人们迫切希望机 器人能完成更多复杂情况下的任务，能帮助人们进入一些危险的和人类不能进 入的区域工作，移动机器人应运而生。自主移动机器人技术从二十世纪六十年 代开始发展，19 6 2 年，美国俄亥俄州立大学开始进行车辆自动驾驶控制技术的 研究，麻省理工学院和斯坦福研究院( s r i ) 以及英国p a t h 研究实验室都在第一 时间开始移动机器人课题的研究。较早的自主移动机器人产品如斯坦福研究院 ( s r i ) 的n i l s s e nc h a r l e sr o s e n 等学者于1 9 7 2 年研制出的名为s h a k e y 的机器 人，用来研究在复杂环境下机器人系统的自主推理、规划和控制的人工智能技 术，这是最早的应用人工智能设计的移动机器人。八十年代至今，越来越多的 国家和团体加入到自主移动机器人技术的研究，陆续将各种智能控制方法在自 主机器人上实现和改进。典型作品有美国喷气推进实验室( j p l ) 研制的索杰纳 ( s oj o u r n e r ) 和卡内基一梅隆大学研制的流浪者( n o m a d ) 口1 。2 0 0 4 年在火星登陆 的美国“勇气 号和“机遇 号机器人( 图1 2 所示) 则是这一时期的机器人 发展的最高技术水平的代表作。 扩”。! 研”7 一 图1 1 斯坦福国际研究院开发的机器人 图1 2 “勇气”号和“机遇”号 自主移动机器人面向的环境是现实世界中复杂的动态环境，随着移动机器 人技术的发展，分支繁衍出多种多样应用范围广泛，覆盖众多领域的腿式、轮 式、履带式、水下推进式和空中推进式机器人。比较常见的轮式和履带式的机 器人具有运动速度快、结构简单、能量利用率高、控制方便等优点，应用至今 已非常成熟的底盘和汽车控制技术也使得轮式机器人特别是履带式机器人的越 野和通过能力与腿式机器人相比并不逊色。 1 1 2 国内移动机器人发展概况 我国自“八五”期间才开始进入移动机器人研究这一领域，虽然起步很晚， 但是国家在8 6 3 计划中予以重点支持。很多大专院校和科研机构也积极参与进 来，对自主移动机器人技术开展研究开发和应用，从八十年代的水下机器人和 工业机器人的攻关开始，对路径规划、信息融合和视觉导航等一些基本的智能 机器人技术做了较为全面的探索和应用。形成的许多自主的关键技术成果，也 应用到许多其他领域。随着我国在机器人技术与计算机技术以及自动化技术等 各个方面取得一系列突破性的进展，我国的移动机器人技术与发达国家之间的 差距正在逐渐缩短，很多产品陆续研发出来，如香港城市大学研发出的服务机 器人和自动导航车、清华大学和哈尔滨工业大学分别研发出的多功能移动机器 人t h m r 系列和导游机器人、中国科学院研发的a g v 和防爆机器人以及全方 位移动式机器人视觉导航系统等，我国的探月车也已经研制成功，将于2 0 1 3 2 年搭乘搭嫦娥三号开始探月之旅。但是由于历史原因，我国的基础工业整体比 较薄弱，在移动机器人领域的研究上也只是处于某些单项研究阶段，与发达国 家相比存在的差距主要在原创性研究、机器人的核心技术以及工艺制造能力等 领域。 1 2 移动机器人的导航和定位 1 2 1 移动机器人的导航问题 移动机器人导航h 5 6 1 的定义很多，概括说来就是机器人通过预先植入的 地图信息，或者由自身的传感器获取信息绘制出地图乜1 ，机器人按照既定的算 法，自主的规划出最优路径，使机器人能沿着该路径在时间上尽快在过程中无 碰撞地到达目标点。自主移动机器人能够通过传感器感知外界环境和自身状态， 在已知的或未知的环境中以设定的最优状态自主避开障碍到达目标，完成一定 作业功能。要求机器人在一定程度上具备自主决策的能力，随着越来越多的科 研单位和大学实验室进入移动机器人平台的研究领域，也越来越关注机器人实 验平台的导航技术研究，许多新技术及控制方法被引入到机器人研究中，使得 机器人研究不断取得新的成果。 移动机器人的导航方式分为地图模型匹配导航和陆标导航、视觉导航以及 味觉导航等，分别按照所处的环境信息以及导航信号来分类。机器人在使用环 境地图模型匹配导航时需要事先存储环境的完整全局地图，然后利用自身安装 的的各种传感器在工作的过程中不间断的扫描周围环境，由探测到的这些环境 信息构建局部地图用以匹配全局地图，以此确定机器人本身的位姿，机器人根 据提前计算出的的路线，通过路径跟踪和避障技术来实现全局导航。环境地图模 型匹配导航技术是基于环境地图模型的构建以及模型匹配技术 1 。基于导航信 号的机器人导航是通过传感器探测事先设置的导航信号来达到定位以及路径规 划的目标，以此达到机器人的导航目标，导航信号可以是自然陆标，也可以是 人工陆标，甚至是视觉和味觉信号。自然陆标导航是机器人通过对工作环境中 的自然特征的识别完成导航，不改变工作环境，但存在稳定性和鲁棒性问题， 人工陆标导航哺1 比较容易实现，这种方法是在机器人工作环境内人为放置特殊 标志来识别以实现导航，但它人为地改变了机器人工作的环境，而且在很多环 境无法事先放置标志。 1 2 2 移动机器人的定位问题 定位是确定机器人在二维工作环境中相对于全局坐标的位置，是机器人导 航基本环节。对应用移动机器人而言，精确而可靠的定位是机器人实现任何功 能的先决条件。 为了把机器人当前的位置姿态信息传送机器人主控模块，必须提供足够精 确的位置和方向信息，机器人因配备不同的传感器和在不同的工作环境而有多 3 种多样的定位方法。主要包括惯性定位、陆标定位和声音定位等。惯性定位： 机器人的车轮上安装传感器用来记录车轮转动的圈数，由已知的车轮的直径， 通过计算来确定位置和姿态，该方法简单，但缺点是该方法是在假定车轮的直 径不会变化，而且车轮与地面之间不打滑的情况下使用的，因此存在误差，长 时间累积之后会导致定位失败；路标定位是人为地设置一些坐标已知的路标， 机器人通过该环境时对路标实施探测，参照陆标的坐标和全局地图来确定自身 的位姿，由于陆标的可探测性和坐标的稳定性，这个方法可获得较高的计算精 度且计算量小；当机器人的工作环境光线很暗或物体不在视野之内时，可使用 声音定位，由于声音具有时间分辨率高和无方向性等优点，可采用极大似然法、 时空梯度法和m u s i c 等方法来处理声音信号，实现机器人的定位。 1 3 路径规划及其常用方法 路径规划是自主移动机器人导航的重要内容，也是机器人研究领域的一个 重要分支。机器人的路径规划就是机器人通过自身的定位系统的传感器对环境 信息进行探测，根据给予的指令或者得到的环境信息判断出障碍物的位置和形 状和自己在全局中的位置，按照时间最短、路径最近、工作代价最小或者其它 性能指标规划出一条从起始状态到目标状态的最优的避开障碍物的路径。它的 控制目标是使自主移动机器人到达目标，受到的约束就是机器人不能碰撞到任 何障碍物。按照对掌握环境信息的程度，移动机器人的路径规划由已知环境信 息的全局规划和未知环境信息的局部在线路径规划组成，也称静态路径规划和 动态路径规划。 全局路径规划根据事先已经存储在机器人内部的环境信息规划出一条相对 最优路径，路径规划的精确与否取决于事先获取的环境信息，环境信息准确的 程度以及是否全面直接影响路径规划的精度，全局规划计算量比较大，需要事 先获取全面准确的环境信息。 局部路径规划方法的关键在于机器人当前实时的局部环境信息，使机器人 拥有实时避碰能力。它的依靠传感器系统获取的实时信息，并且随着获取的环 境信息的变化而实时的改变路径。局部规划方法比全局规划方法实时性和实用 性更好，但是局部规划方法仅仅依靠局部信息做出决策，有时会产生局部极点 而导致机器人无法顺利到达目的地。在这种情况下，路径规划的算法就显得尤 为重要，好的算法可以提升移动机器人的智能，使机器人在移动过程中移动的 速度及灵活性提高，并且减少存在的不确定状态，提升机器人的导航性能。 移动机器人的路径规划通常有以下几种方法： ( 1 ) 栅格法 1 9 6 8 年w e h o w d e n n 们提出栅格法也是全局路径规划方法的一种。该方法 将机器人所在环境分解成一系列具有二值信息的网格单元，如表1 1 所示，s 点为机器人起始点，e 点为目标点。每个矩形网格单元叫做一个栅格( g r i d ) ，每 4 个栅格代表一个节点，都有一个累积值表示在这个方位中存在障碍物的可信度， 累积值高则表示障碍物存在的可信度高。 在路径规划时通过栅格来表示机器人的运动环境，这样在处理障碍物的边 界时就减少了复杂的计算。在路径规划过程中，传感器不断扫描环境，当某个 栅格存在障碍物时将会不断被扫描到，算法就会赋予这个栅格高累积值。划 分栅格时，栅格越小，障碍物的表示就会越精确，可以存储更多的环境信息量， 但是太多的栅格就会占用大量的存储空间，使得算法的搜索范围将按指数增加， 使系统的抗干扰能力变弱，决策速度也会变慢。如果使栅格过大，环境信息存 储量变小，决策速度加快了，但是又会使分辨率下降，在障碍物密集环境很难 发现路径。因此，栅格大小的确定是采用栅格法进行路径规划时的需要解决的 主要问题。采用栅格法进行路径规划时经常存在问题复杂度过大和搜索空间过 大而导致搜索速度慢的问题。所以在应用栅格法进行路径规划研究时，一般都 将其改进或者与其他方法路径规划结合起来使用，比如势场栅格法n 、栅格扩 展法n 引、时间栅格法n3 1 、虚拟力场法v f f ( t h ev i r t u a lf o r c ef i e l d ) n 引等。 表1 一l 机器人工作环境栅格 s ( 2 ) 模糊逻辑算法 模糊逻辑算法n 别最早是在对驾驶员的工作过程进行观察研究得出的。驾驶 员执行避碰动作并不是因为环境信息进行了精确的计算之后再完成的，而是驾 驶员根据经验和比较模糊的环境信息来做出决策，而适时采取的操作。模糊逻 辑算法是基于传感器实时检测到的信息，再参考人的经验，通过查表得到相应 的规划信息，从而实现局部路径规划。 模期逻辑符合入类日常的生活习惯，因此不需建立系统的数学模型，可以 将专家知识直接转化成控制信号，在推理过程中直接将不确定性用模糊逻辑表 示出来。使用模糊规则的目标识别融合的计算相对简单，其真实度通过一个从 0 到l 之间的实数来表示。模糊逻辑算法克服了势场法容易产生的局部极小问 题，而且由于计算量不大可以边规划边跟踪，实时性比较好，对未知环境下的 时变路径规划很有优势。在解决用定量的方法很复杂或外界仅能够提供定性的、 近似的、不确定的信息数据时这种方法比较有效。模糊优化算法是把约束和目 5 趵一一以一驺一销一弱一拍一一8一如一甜一义一钌一强一药一m一7弛一曲一曲一乱一铊一鹑一mb一6一醯一一如一叭一姐一一h一0一酊一铝一的一的一孔一尥一婚一4一：g一一诣一剪一一烈一心一3一醪一铂一钉一弛一力一如一n一2乃一酗一努一：宇一剪一勰一挎一埔一，铊一配一弘一钙一弘一剪一堪一，一o 标模糊化，然后利用隶属度函数寻找使各种条件达到最优，这样就有可能在模 糊意义下得到最优解。 ( 3 ) 遗传算法 1 9 6 2 年h o l l a n d 教授n 6 1 提出的遗传算法是基于自然选择、遗传机制以及生 物进化等理论的一种随机化搜索算法。遗传算法沿用了生物进化的思想，在把 所有问题编码后，把这些问题的每一个解都以字符串的形式表示出来。初始化 后随机得到该种群的一个候选群，其数量为n ，选取适当的的适应度函数对其 评估性能，并进行繁殖、交叉和变异遗传操作，将得到的第t 代群体记做p ( t ) ， 遗传以及进化后，得到群体为第t + 1 代，记做p ( t + 1 ) 。反复地将这个群体进 行遗传以及进化操作，按照“优胜劣汰 的规则，适应度高的个体每次都将更 多地优点遗传到下一代，因此，最终得到的个体x 相对优良，将接近于欲求解 问题的最优解。 遗传算法利用选择、繁殖、交叉和变异来培养控制机构的计算程序，是通 过数学方式来模拟生物的进化过程。适应度函数不必要求可导或连续，适应度 函数要求为正。这种并行算法比较适用于全局搜索。优化算法大多是单点搜索 型，因此经常出现局部最优的情况，而遗传算法是典型的多点搜索算法，因此 更有可能比单点搜索算法得到全局最优解。但遗传算法本身也存在很多的缺陷， 在路径规划时如果环境过于复杂时可能会出现以下几个问题：当设计路径个 体编码不恰当时会出现进化缓慢和出现非法个体的情况；当选择遗传算子不 合理时会出现进化效果不明显等情况；如果规划的过程中没有充分利用背景 知识，则进化效率可能会不理想。由于遗传算法在应用中中存在一些早熟和局 部寻优能力差的缺陷，无法保证路径规划的计算效率以及对可靠性的要求，有 研究者在使用遗传算法进行路径规划时引入模拟退火算法n n 引，以提高路径规 划的求解质量以及求解效率，并有效抑制了遗传算法的早熟现象，其局部寻优 能力差的缺点也得到克服，在本文就不再做详细说明。 ( 4 ) 蚂蚁算法 蚂蚁算法由意大利学者md o r i g o ，v m a n i e z z o ，a c o lo r i n i 等人提出，也称 为蚁群系统( a n tc o l o n ys y s t e m ) ，蚂蚁算法是源于自然界中生物的新的仿生类算 法，m a r c od o r i g o 最早在他的博士论文中引入是在1 9 9 2 年，是一种比较新型的 模拟进化算法。蚂蚁算法通过观察蚂蚁的行为特性，借鉴了其内在的搜索机制， 在很多组合优化问题求解中取得了成效，是一种通用型随机优化方法。 昆虫学家通过观察和研究发现，蚂蚁能在没有任何可见提示下找出从其巢 穴至食物的最短路径，并且能随环境的动态变化而适应性地搜索新的路径，从 而产生新的选择。蚂蚁搜寻食物时采用的方法是在窝穴的周围区域进行地毯式 的搜索，并且能自动在其经过的路径上分泌一种特有的信息素( p h e r o m o n e ) ， 一定范围内的其它蚂蚁能够发现这种信息素并由此影响到它们的行为，蚂蚁习 6 惯选择信息素浓度较高的路径，如图1 - 3 所示解释了蚂蚁的工作原理，离开窝 的时候，蚂蚁有r 1 和r 2 两条路径可供选择，每只蚂蚁在经过r 1 和r 2 时都会 留下相同浓度的信息素，但由于路径r 2 的距离较短，所需时间较少，而信息素 随时间的推移而挥发导致浓度逐渐减少，因此留在r 2 上的信息素浓度较高，后 来的蚂蚁选择r 2 的概率也越高，因而也更增加了r 2 的信息素强度，这种选择 过程被称为蚂蚁的自催化行为( a u t oc a t a l y t i cb e h a v i o r ) 。 彻 图1 3 蚂蚁算法 n e 赡 正、。 ( 5 ) 几何法 几何法是基于机器人所处的工作环境以及运动在其间的物体的集合特征， 以一个加权图的形式表示出所有物体的物理信息，以图搜索的形式来求解问题。 几何图法的工作原理是先找到机器人的起始位置和终点位置分别在搜索图中对 应的节点，在这两点之间找出的一条无碰的连线，得到机器人一条规划出的无 碰撞路径。几何法主要分为以下几种引心伽乜： 可视顶点图法，根据所有障碍物的顶点建立一个通路区，通路区是由某 个障碍物与障碍物的边角之间的连线组成。在通路区规划出的最终路径必然包 含障碍物的顶点，使用可视顶点图法进行规划路径时会在机器人的实际运行中 对控制精度提出很高的要求。 当机器人对运行的安全性要求较高时，要求机器人在运行时与障碍物之 间保持一个安全距离，这时可以使用v o r o n o i 图法。v o r o n o i 图法是在可视顶 点图法的基础上改进的，节点与障碍物之间的边缘保持一个距离。该图法通过 把机器人的工作区域划分成多个小区域，划分的条件是在一个小区域中只存在 一个障碍物的边缘，这样这个小区域中的任意一点到包含在该区域的障碍物的 边缘的距离，在该点到该障碍物的边缘的距离在整个工作区间内都是最近的， 使用v o r o n o i 图方法可以加快运算的速度。 自由空间法就是使用不同的方法将机器人的工作空间划分为自由空间以 及障碍物空间，然后在自由空间中运用搜索策略寻找一条可行路径，使得机器 7 人可以沿着障碍物之间的这条通道中心行走。当机器人工作在较狭窄的区域时，一 自由空间法能使机器人保证最大的允许误差。但有时也会让机器人规划出的路 径与目标产生偏差，或者所规划的路径由于过于复杂而机器人机械运动不便， 因此路径精度要求不高时可使用自由空间法，或者机器人的行走速度比较慢的 场合。按照自由空间的不同，自由空间法又可分为：凸区域法、广义锥法和三 角形法等。 1 4 本章小结 在本文使用的是经过改进的人工势场法，人工势场法的结构简单，比较容 易掌握，便于底层的实时控制，规划出的路径一般比较平滑并且安全，在机器 人的局部路径规划中被广泛地采用。但人工势场法只适合静态环境下的路径规 划，很少涉及动态环境下运动目标的路径规划。在本文中，针对动态环境中， 目标和障碍物都是运动的条件下，在一般人工势场法的基础上提出了一种改进 的人工势场法。在这种改进的人工势场法里，我们在引力势场函数和斥力势场 函数中引入了相对速度和安全距离，解决了动态环境下路径规划人工势场法的 局部最小值和避障不及时的问题。在本文的人工势场中还引入了模糊逻辑控制 方法( f u z z yl o g i cc o n t r o la p p r o a c h ) 引入人的经验以实现机器人避障，这种方 法的困难在于模糊规则难以确定而神经一模糊方法( n e u r o f u z z ya p p r o a c h ) 能够自动产生模糊规则，在本文中引入神经网络和模糊控制来对控制器的参数 进行优化。 8 第二章移动机器人平台 本文的研究和实验都是基于越野版能力风暴机器j k ( a s r f ) ，如图2 一l 所 示。该机器人平台由上海广茂达公司研发，具有较高的开放性和性价比，在大 专院校、研究机构和教学比赛中应用较多。且由于该平台可扩容性良好，且运 行可靠，可以提供适宜的技术支持和研究平台用于应用研究。 图2 1 能力风暴机器人( 越野版) 2 1a s r f 机器人的主要特点及其功能模块介绍 2 1 1a s r f 机器人的特点介绍 a s r f 机器人的特点表现在其模块化设计和良好的可扩展性、开放性的研 究平台、强大的开发函数库和其丰富的配件和易用性等方面： a s r f 机器人应用了模块化的设计思路，因此用户可以通过采用不同的模 块来根据不同的需求来实现指定的功能，机器人还配有5 个p c i 插槽供用户扩 展其它需要的板卡，还另外为用户提供了8 个u s b2 0 接口，机器人平台还为 用户配置了a d 采集卡和声纳测距卡供扩展使用；平台的开放性是这款机器人 最大的特点，使用我们平时最常用的w i n d o w s 操作系统，开发工具也是最常用 的v c ，用户可以通过其开放的控制系统直接操作控制系统的最底层；由于其 开放的系统结构，用户可以任意选用不同厂家开发的各种功能板卡；越野版能 力风暴机器人为不同的功能模块提供了丰富的开发函数库，包括立体视觉、人 脸识别、运动控制、运动目标跟踪、网络控制、语音识别、a d 采集和声纳测 距等；越野版能力风暴机器人提供了大量的配件供用户选择，包括全景摄像机、 双目视觉摄像机、机械手臂、三维激光测距仪和三维数字罗盘，用户可以在极 短时间内就可开发出满足自己需要的各种应用程序。 9 2 1 2a s r f 机器人功能模块基本配置 a s r f 机器人配备了视频采集、网络系统、声纳测距、运动控制、数据采 集、图像处理、语音采集以及语音识别等诸多功能模块，用户通过对这些模块 的灵活使用为机器人的导航定位采集必要的信息，本文就不再对这些模块的具 体功能多做赘述。 2 1 3a s - r f 机器人的主要应用 该款机器人是参加各种常见类型的比赛优秀的竞技平台；此外a s r f 机器 人还是广泛适用的教学平台，在精密机械制造、传感器技术、人工智能、机器 视觉、图像处理、语音识别、自动控制理论等课程上得到广泛应用；该机器人 还是一个全开放的功能强大的研究平台，a s r f 机器人提供了一个强大的库函 数系统。 2 1 4a s - r f 机器人的传感器 ( 1 ) 声纳传感器 a s r f 机器人配置的测距传感器是集成声纳式传感器，具有体积小和成本 低廉的优点，操作也比较容易，这种传感器在机器人研究领域普遍应用，这种 传感器的测量原理是由接收到的超声波的时间差来计算出传播的距离。a s r f 机器人配备的5 个声纳传感器之间的夹角是三十度。由于声纳传感器本身的精 度有限，因此通常在低测量精度的场合应用较多。 ( 2 ) 红外传感器 红外传感器由光感元件组成，能有效测量入射光的位置。发射出的激光束 碰到障碍物后反射回来，接受装置通过检测到的发射与接收的时间差来计算出 距离。本论文使用的机器人配备四个红外传感器，每个传感器之间相互成3 0 度的夹角。红外传感器具有响应时间短、可以在夜间测量等很多优点，但是由 于被测障碍物的颜色、环境的光线以及方向都可能在测量过程重发生变化，所 以红外传感器可能会因为受环境的影响而产生较大的测量误差。因此这种感器 通常用来判断机器人的周围是否存在障碍而不是用来测量障碍物的距离信息。 由红外传感器为测量手段的测量仪器的测量范围比较大，具有不必接触被测物 体和测量速度比较快的优点。 ( 3 ) 数字罗盘 这是一种通过磁感应器对地球磁场的磁分量进行感应来得出方位角的传感 器。这种传感器可以像罗盘一样用于方向、斜率和转动角的指示。输出刷新频 率在模式r s 2 3 2 4 8 5n m e a 下为2 0 h z 。a s r f 机器人自带的数字罗盘除了能 提供定位信息外，还可以测量当前温度。 ( 4 ) 光电编码器 a s r f 机器人在测量相对位姿时使用光电编码器。光电编码器可以通过光 1 0 电转换把电动机输出轴上的机械位移量转换成数字量，光电编码器是由光电检 测装置和光栅盘组成，如图2 2 所示，光栅盘是在圆板上等距离地开通若干长 方形的孔，光电码盘和电动机是同轴的，当电动机旋转时，带动光栅盘和电动 机旋转。检测装置由发光二极管等元件组成，输出脉冲信号，这样就可以计算 光电编码器每秒输出的脉冲个数就能计算出电动机的转速。通过光电编码器可 以得到机器人在短距离内的位姿信息，用于机器人在这段距离内的定位和导航。 图2 2 光电编码器原理示意图 ( 5 ) 云台摄像头 a s r f 机器人所使用的云台传感器的云台由电机来驱动，可自由上下和左 右转动。其配置如图2 3 所示，c c d 通过u s b 接口将采集到的图像信息上传 到计算机内部，然后通过v c + + 软件来经过视频采集卡来对图像进行处理。通 过c c d 采集来的图像具有信息量大而