（模式识别与智能系统专业论文）非全自主控制与避障研究.pdf

摘要 摘要 随着社会人口老龄化的加剧和残障人口的增加，如何提高这些行动不便的人 群的行动自由度，帮助他们更好的融入社会生活成为人们关注的问题，因此智能 轮椅技术也受到社会越来越多的关注。其中，安全避障作为智能轮椅的基本功能 和核心组成部分，成为本课题研究的重点。 本文在总结了智能轮椅发展的基础上，以传统的单智能体体系结构s a p h i m 为载体，提出了包含反应行为层、慎思行为层和监督管理层的三层混合式体系结 构。 为了使轮椅能够在未知环境下获取环境信息以及实现避障的要求，设计了基 于d s p t m s 3 2 0 l f 2 4 0 7 a 的多路超声波采集距离模块，并且用最小二乘法对采集 数据进行了拟合，提高了传感器的测量精度。 在反应层中，设计了基于t - s 模型的模糊神经网络实现了避障行为，并采用 模糊控制的方法实现了趋向目标点行为，最后采用仲裁机制将两种行为融合，实 现了轮椅在未知环境下对静态物体的避障，并在m a t l a b 环境下给出了仿真结果， 验证了算法的有效性。 对于环境中存在动态物体的情形，将情况分成物体做近似线性运动与非线性 运动两种方式进行考虑。采用一元线性回归分析对近似线性运动做出轨迹预测， 用径向基神经网络对非线性轨迹进行预测，两种情况下都给出了实验结果。最后， 结合反应层中的避障行为，在m a t l a b 环境中给出了有动态物体存在时的避障路 径，结果表明，这种针对动态障碍物的预测方法是可行的。 关键词：混合式体系结构自主避障反应式行为模糊神经网络径向基 神经网络 a b s t r a c t a b s t r a c t w i t ht h ea g g r a v a t i o no ft h es e n i o rc i t i z e na n dt h ei n c r e a s i n gh a n d i c a p p e d p e r s o n s ，g r e a ta t t e n t i o ni sp a i dt ot h ep r o b l e mt h a th o wt oi m p r o v et h e s ep e o p l e s m o b i l i t yw h oh a v ed i f f i c u l t yo nw a l k i n ga n dm a k et h e mt ob ei nh a r m o n yw i t h s o c i e t y a p p l y i n gr o b o tt e c h n o l o g yt oe l e c t r i cw h e e l c h a i r , i n t e l l i g e n tw h e e l c h a i rh a s j u s tb e e nr a i s e dr e c e n t l y o n eo ft h er e s e a r c ht o p i c sf o c u so na v o i d i n go b s t a c l e a u t o m a t i c a l l yw h i c hi sa ni n t e g r a lp a r to ft h ew h o l e o nt h eb a s i so fs u m m a r i z i n gt h ed e v e l o p m e n to ft h ei n t e l l i g e n tw h e e l c h a i r , t h i s t h e s i sb u i l d sah y b r i da r c h i t e c t u r e i n c l u d i n g r e a c t i v eb e h a v i o rc o n t r o l l a y e r , d e l i b e r a t i v eb e h a v i o rc o n t r o ll a y e r , a n ds u p e r v i s i o na n dm a n a g e m e n tb e h a v i o rc o n t r o l l a y e ra c c o r d i n gt ot h eg e n e r a ls t r u c t u r eo fs a p h i r ai n t e l l i g e n tc o n t r o ls y s t e md e s i g n f o rd r i v i n gt h ew h e e l c h a i ro b t a i n i n ge n v i r o n m e n t a li n f o r m a t i o ni nu n k n o w n c i r c u m s t a n c e sa n dr e a l i z i n go b s t a c l e a v o i d a n c e ，h a r d w a r ec i r c u i ta n ds o f t w a r eo f m u l t i - c h a n n e lu l t r a s o n i cd i s t a n c e a c q u i s i t i o n m o d u l ei s d e s i g n e d w i t hd s p t m s 3 2 0 l f 2 4 0 7 ai nt h et h e s i s a n dt h el e a s ts q u a r em e t h o do nt h er e l a t i v ee r r o ri s a d o p t e dt oi m p r o v et h ea c c u r a c i e so fd i s t a n c ed a t ac o l l e c t e d i nt h er e a c t i v el a y e r , t h et h e s i sr e a l i z e sd e s i g n e dt - sf u z z yn e u r a ln e t w o r kt o a v o i do b s t a c l e si nu n k n o w nc i r c u m s t a n c e s ，a n da p p l i e sf u z z yc o n t r o lm e t h o dt o r e a l i z eg o a l - t r e n d i n gb e h a v i o r a d e c i s i o n - m a k i n gm e t h o do fa r b i t r a t i o nm e c h a n i s mi s p r o p o s e dt oc o p e 、析t l ld e c i s i o np r o b l e mi nt h ec o u r s eo fo b s t a c l ea v o i d a n c e t h e v a l i d i t yo ft h ea l g o r i t h mi sp r o v e db yt h es i m u l a t i o nr e s u l t si nm a t l a be n v i r o n m e n t f o rt h ec a s et h a tt h e r ea r ed y n a m i co b s t a c l e si nt h ee n v i r o n m e n t ，t h et h e s i s a d o p t st w od i f f e r e n tm e t h o d st op r e d i c to b s t a c l e sr e f e r e n c ep o s i t i o nd e p e n d i n go n t h e i rt r a j e c t o r yp a t h w h e nt h ed y n a m i co b s t a c l ei si nas i m i l a rl i n e a rm o v e m e n t ，a l i n e a rr e g r e s s i o nm o d e li su s e dt op r e d i c tt h eo b s t a c l e sp o s i t i o nb a s e do no r d i n a r y l e a s ts q u a r e sm e t h o d ar a d i a lb a s i sf u n c t i o nn e u r a ln e t w o r ki su s e dt ob u i l dt h e p r e d i c t i o nm o d e lw h e n t h ed y n a m i co b s t a c l ei si nan o n l i n e a rr a n d o mm o v e m e n t t h e s i m u l a t i o nr e s u l t si nm a t l a be n v i r o n m e n tp r o v e dt h ev a l i d i t yo ft h i sa l g o r i t h m k e yw o r d s ：h y b r i da r c h i t e c t u r e ，r e a c t i v eb e h a v i o r o b s t a c l ea v o i d a n c e ，f u z z yn e u r a ln e t w o r k ， r a d i a lb a s i sf u n c t i o nn e u r a ln e t w o r k i l 中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文，是本人在导师指导下进行研究工作所取得的 成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或 撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作 了明确的说明。 作者签名：嶂 签字日期： 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学 拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构 送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入有 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。本人提交的电子文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 口公开口保密( 年) 作者签名：内选鲻 导师签名： 签字日期： 磐眺迦蝉 第一章绪论 1 。1课题意义 第一章绪论 联合国有报告指出：在二十一世纪上半叶，全球人口将增加0 6 倍，同时老 年人口增幅达到2 3 倍，老年人口占总人口的比例将上升到2 0 f 。也就是说， 由于现在的人口比例结构和医疗技术的不断提高，世界人口老龄化的程度正在加 深。数字显示，今后5 0 年内6 0 岁以上的人口比例将比现在增加一倍，另外由于 各种灾难和疾病造成的残障人士也逐年增加，他们存在诸如行走、视力、听力及 语言等不同程度的能力丧失。我国作为世界上人口最多的国家，人口老龄化和残 疾带来的影响更是不可忽视的。统计结果显示，目前我国6 0 岁以上的老年人超 过总人口的1 0 ，达到了1 4 3 亿。另外，有残疾人6 0 0 0 多万，平均每5 个家庭就 有一个残疾人1 2 1 。 在这样的社会背景下，这一特殊群体的医疗和护理，将成为经济和社会发展 的巨大压力。于此同时，针对这一人群的社会服务需求也将日益增加。助老助 残服务机器人系列产品的研发会给老年人和残疾人的生活带来全新的概念，并解 决人口老龄化带来的社会生产力不足的问题。智能轮椅是助老助残服务机器入 系列产品中的一个重要研究领域。轮椅作为辅助有一定肢体运动困难的人的运动 工具，随着机器人技术和人工智能的发展，必将拥有越来越高的智能水平，提供 更人性化和更细致的服务。智能轮椅的研发受到了工业界越来越多的重视p 】。 所谓智能轮椅，就是将把智能机器人技术应用于电动轮椅，它除了拥有电动 轮椅最基本的功能，还具有一定的机器智能，例如可以建立环境地图、自主行走、 避障、与用户交互及为用户提供特殊服务等。 智能轮椅由于拥有广阔的市场前景和研究价值，其相关技术近年来已经有了 长足的发展，相关课题除了在大学和研究所开展外，也有越来越多的企业参与其 中。分析国内外智能轮椅发展趋势，我们发现初期的研究，赋予轮椅的功能一般 都是低级控制，如简单运动、速度控制及基本的避障等等，随着机器人技术和人 工智能的发展，轮椅大量吸取了智能机器人技术，使其在务实的基础上，有了更 强大的自主性和自我意识。然而，限于特定的服务对象，智能轮椅并不能照搬移 动机器人技术，特别是在安全导航和人机交互方面仍需更多的努力。其中，导航 是一项关键性技术，也是智能机器人研究领域的重点和难点。本文围绕智能轮椅 的避障问题进行了深入研究，并且结合智能轮椅的工作环境和用户因素来考虑问 题，研究成果也适用于移动机器人导航。 第一章绪论 1 2国内外智能轮椅研究现状 1 2 1 国外智能轮椅研究现状 第一台智能轮椅是在1 9 8 6 年由英国研制成功的，此后许多国家都投入大量 资金开始进行这方面的研究，如德国乌尔姆大学m a i d 项目，美国麻省理工学 院w h e e l e s l e y 项目，西班牙s i a m o 项目，法国v a h m 项目，加拿大a a i 公司t a o 项目，欧盟的t i d e 项目等。 法国自1 9 8 9 年开始v a h m 项目，初始阶段搭建的智能轮椅平台由普通轮椅 框架、p c 4 8 6 、超声传感器、人机界面和一个可匹配用户身体能力转换的图形屏 幕组成，并且提供了三种控制模式：手动、自动以及半自动。手动时轮椅的任何 动作执行均需要根据用户的具体指令，此模式为基本没有任何智能可言的电动轮 椅；自动状态时用户只需根据内建地图选定任务目标，规划导航部分全部由p c 机完成，此模式对系统可靠性的要求最高；半自动模式下用户与轮椅通过系统预 定义的方式实现共享控制。为了使得产品更契合用户，研究者在康复中心进行调 查后得出结论：系统必须是多功能的，不仅应适合残障人士的生理和认知能力的 限制，也应适应环境的结构和形态。在此基础上，经过一系列改进，研制出了第 二代产品，相对于前代，改进了大量控制策略，其功能更加多样化，适用范围更 广，性价比更好。 轮椅机器人m a i d 项目，得到德国科学技术部的财政支持，是德国乌尔姆 大学在一个成品商业轮椅平台上开发出来的，并且在乌尔姆市中心车站的人流高 峰时期进行了实地现场实验。该轮椅机器人在有大量乘客的公共场所的拥挤环境 中，持续运行了3 6 小时，能够主动识别和判断出前进方向上是否有行进困难， 并可以预测是否可能出现行驶受阻的情况，自动绕行，甚至通过语音系统提示行 人让开道路。根据运行的环境不同，轮椅运行模式分为：n a n ( 狭窄区域航行) 和w a n ( 宽阔区域航行) ，大大增加了导航准确率。并且，造价也比较合理，仅 比普通电动轮椅高出约5 0 。 日本北海道工业设计学院的研究人员研制出一种不需要人工手动操作的声 控轮椅，是在一个商业轮椅的基础上改装而成的。设计人员将能够感应语音声响 的晶片，装置在轮椅的控制系统内，在使用者对着麦克风讲出要求后，感应系统 便会依照要求启动运作，使用户的手动操作降至最少。该系统面临的最大挑战是 如何使机器人精确理解用户发出的语言信息。 第章绪论 22 国内智能轮椅研究现状 我国智能轮椅研究起步较晚，在机构的复杂性和灵活性以及功能的完整性上 和国外相比有一定差距，但也根据自身特色研制出技术指标接近国外先进水平的 智能轮椅。研究单位有中科院自动化所、台湾中正大学、上海交通大学和第三军 医大学等。 中国科学院自动化研究所承担了“8 6 3 ”智能机器人智能轮椅项目，研制了 一种具有视觉和口令导航功能，并能与人进行语音交互的机器人轮椅n l p r ，外 观如图l _ l 所示： 图11 中科院研制的智能轮椅 瀑誊 图1 2 上海交太研制的智能轮椅 台湾中正大学电机系以一台工业级p c 机为控制中心通过马达控制卡驱动 放大器，利用操作杆执行基本的电动轮椅操作功能，采取平行化设计，配备了无 线网络通讯界面、c c d 、l c d 、麦克风、传感器等，并装载了自主开发的软件以 达到系统配置晟佳效果。 第一章绪论 1 3 智能轮椅关键技术研究现状 1 3 1 移动机器人路径规划理论 路径规划是移动机器人技术研究领域中的一个重要分支，是机器人智能化的 重要标志。其研究主要是解决由d u r r a n tw h y t ehf 总结出的三个问题：“我现 在何处? ”“要去何处? ”“要如何去该处? ”1 4 j 。其控制目标是使移动机器人 运动到目标点，约束是在整个行进过程中，机器人不碰到障碍物。该问题根据对 环境信息的认识程度可以分为两类：一类是基于环境先验完全信息的全局路径规 划，第二类是基于传感器信息的局部规划。全局规划方法根据已知的环境信息， 通过一些成熟的算法给机器人规划出一条可行路径，规划路径的精确程度取决于 获取环境信息的准确程度【5 】。全局方法通常可以寻找最优解，但是需要预先知道 环境的准确信息，并且计算量较大。局部规划方法侧重于考虑机器人当前的局部 环境信息，通过多种传感器不断感知周围的局部环境信息，自主的做出各种决策， 随时调整自身位置，让机器人具有良好的避碰能力，引导自身安全行驶到目标位 置。很多机器人规划方法通常是局部的方法，因为它的信息获取仅仅依靠传感器 系统获取的信息，并且随着环境的变化实时地发生变化。和全局规划方法相比较， 局部规划方法更具有实时性和实用性。缺陷是仅仅依靠局部信息，有时会产生局 部极点，无法保证机器人能顺利到达目的地。因此如今的导航系统一般情况下都 由这两级规划组成，即首先对给定的任务做出全局路径规划，并在行驶的过程中， 通过传感器系统不断感知周围环境信息和自身状态信息，对这些信息进行融合处 理，实时做出局部规划，生成一条无障碍、可通行的路径。路径规划其实可以分 解为三个子问题1 6 j ： ( 1 ) 环境信息获取，即机器人如何从环境中获取周围障碍物信息和其他环境 信息，一般来讲是通过各种安装在机器上的传感器，如超声波、红外线、激光扫 描、摄像头等。这里面主要涉及多传感器信息融合的问题。 ( 2 ) 环境信息理解，即建立环境地图模型。通过使用一些算法将机器人通过 第一步所获得的环境信息变成机器能够识别和运用的数据信息，以各下一步进行 可行路径的搜索和规划。 ( 3 ) 可行路径搜索，在第二步得到的环境信息中确定当前自身所处位置，并 根据当前位置和其他信息，按照一定的评价标准( 如行走路线最短、所用时间最 少) 生成一段可行的路径，确定行动策略。 根据机器人对环境的认知程度，路径规划可分为两种：环境信息完全已知的 全局路径规划和环境信息部分未知，通过传感器对机器人工作环境的探测，获取 第一章绪论 障碍物的位置、形状等信息的局部路径规划。本课题着重研究局部路径规划。 当前的局部路径规划算法主要有以下几种：c 空间法、人工势场法、模糊逻 辑算法、遗传算法、神经网络法和基于滚动窗口的路径规划算法【7 1 【8 】【9 】。 ( 1 ) 人工势场法 人工势场法最初是由k h a t i b 提出的一种虚拟办法。势场法的基本思想是将 移动机器人在环境中的运动视为一种虚拟人工受力场中的运动。具体做法是在移 动机器人的工作的离散环境中每一点p 赋一个势场值，该值是目标点的引力和 障碍物的斥力的叠加，由此形成一个人工势场，使得在该势场中移动的机器人受 到其目标位置引力场和障碍物周围斥力场的共同作用，路径规划就是从起始点沿 着势场下降最快的方向达到目标点。该方法类似于电子在正负电荷产生的电场中 运动产生的效果。势场法的吸引力在于数学描述上简洁、美观，便于底层的实时 控制，在实时避障和平滑的轨迹控制方面，得到了广泛的应用。但它的局限性在 于容易陷入局部最小值，产生死锁，即当目标附近有障碍物时，移动机器人受到 的斥力大于或者等于目标点产生的引力，将永远也到达不了目的地。另外，当在 实际环境中至少有一个障碍物与目标点离的很近的情况下，在移动机器人逼近目 标的同时也意味着在向障碍物靠近，这种情况下，如果对引力场函数和斥力场函 数的定义是统一的，斥力将比引力大得多，这时整个势场的全局最小点将不再是 目标位置，因此目标将不可达到。为解决局部极小值问题，已经有了一些改进算 法，如s a t o 提出的l a p l a c e 势场法。改进算法是通过数学上合理定义的势场方程， 来保证势场中不存在局部极值。总的来说，这个方法存在着三个方面的问题：不 能发现存在于距离相近的障碍物之间的通行路径：在目标点与障碍物距离较近 时，由于合力的效果可能会出现较大的震荡；狭窄通道中由于受到较大作用方向 完全相反的斥力作用而出现摆动。 ( 2 ) c 空间法 c 空间又称位姿空间，是由l o z a n o p e r e z 和w e s l e y 于1 9 7 8 年提出的。目前 的很多规划方法都是基于位姿空间的规划方法。其主要思想是根据运动物体的大 小和姿态，把周围的障碍物向外扩展一定的距离，形成“膨胀”效果，变成扩展 障碍物。与此同时，将控制物体抽象成为为一个单点( 运动物体位姿的描述简化 为位姿空间中的一个点) ，于是得到一个新的空间，称为位姿空间。这实际上是 将移动机器人所处的外部环境作了理想化处理：把运动物体、障碍物及其几何约 束关系做了等效变换，将物体的规划问题转变为点的规划问题，将复杂问题简单 化，同时又具有实际意义，因此得到了广泛的运用。但是这种方法需要大量的运 算，从而降低了控制的实时性。 ( 3 ) 模糊逻辑算法 第一章绪论 模糊逻辑算法基于对驾驶员的工作过程观察研究得出，是路径规划中较常采 用的一种规划方法。该方法的控制策略来自于事先建立的控制规则，而控制规则 库并非是对环境信息的精确计算完成，而是根据模糊的环境信息，类似于一些针 对典型情况规划出的针对局部路径规划的遍历列表。然后基于机器人本身装备的 传感器的实时测量得到的环境信息，将控制策略表示为规则库中典型情况的线性 组合作为最后输出，此算法计算量不大，能够快速而准确地规划机器人的路径， 适用于一些对实时性有苛刻要求的情况。模糊逻辑算法最大的特点是其控制规则 来自于专家经验，能够克服势场法容易产生的局部极小问题，对处理未知环境下 的规划问题具有一定的优越性。对于解决用通常的定量的方法来说是很复杂的问 题时模糊逻辑算法是非常有效的。但是，这种方法只能针对局部环境信息作出反 应式控制，规划路径并不是全局最优的。而且过于细化的控制规则对于控制规则 库的建立也会造成负担，因此并不利于尺度小，对控制精确度要求很高的场合。 ( 4 ) 遗传算法 遗传算法( g e n e t i ca l g o r i t h m ，g a ) 又称为进化计算，是1 9 7 5 年由美国 m i c h i g a n 大学的j o h nh h o l l a n d 教授在其专著自然与人工系统的适应性行为 ( a d a p t a t i o ni nn a t u r a la n da r t i f i c i a ls y s t e m s ) 中提出的。遗传算法基于d a r w i n 的进化论和m e n d e l 的遗传学说，是一种模仿生物进化过程的随机方法。在求解 的过程中，算法从一个初始变量群体开始，逐代寻找问题的最优解，直至满足收 敛判据或预先设定的迭代次数为止，属于迭代式算法。其基本步骤如下：把问题 的初始解表示成“染色体，然后将这些“染色体”置于问题环境中，按一定 的生存原则，从中选择出较适应环境的“染色体”进行复制，然后进行遗传操作， 如选择、交叉、复制、变异，来产生新一代“染色体”群。经过若干代进化以后， 停止进化，输出当前最优个体，就是问题的最优解。遗传算法主要依靠适应度函 数来控制进化方向，因此，适应度的构造至关重要。遗传算法的并行处理过程是 包含在内部的一种隐含并行性，并且通过一定的适用和保留最佳个体的方式，可 以使算法收敛于最优解的概率为l 。但和人工势场法、模糊逻辑算法相比，遗传 算法运算量大，且需要较大的存储空间和较多的运算时间。 ( 5 ) 神经网络法 神经网络法借鉴人脑的结构和特点，通过大量简单处理单元( 即神经元或节 点) 互连组成的非线性动力系统。它在一定程度和层次上模仿了人脑的结构和功 能，可以处理一些不准确不完整的知识，对非线性系统具有统一的描述，具有较 强的信息融合能力和系统容错能力。而路径规划可以看做是感知空间到行为空间 的一种映射关系，很难用精确的数学方程表示。因此，随着人工神经网络研究的 深入，人们将神经网络引入到路径规划的研究中，通过学习训练样本使网络收敛， 第一章绪论 学习完成后的网络，可以通过自身的联想计算能力，对学习样本中未遇到的情况， 进行泛化处理【1 0 】【l l 】【1 2 】f 1 3 】【1 4 】。路径规划是一种对实时性要求高，同时又需要处理 大量数据的非线性问题，人工神经网络展现出的良好的自适应性、容错性和非线 性映射能力，提供了解决这方面问题的可能性。 由于神经网络是一种大规模并行分布式信息处理系统，所以可用来完成对视 觉系统探测到的图像信息这种大规模数据的处理，它不仅处理速度高，还可以充 分利用其非线性处理能力达到环境及目标辨识的目的。另外，基于环境拓扑结构 组织的网络，在给出目标后，还可以通过网络能量函数的收敛得到一条最优路径。 但是，神经网络受训练样本的影响很大，怎样选择具有代表性的样本并没有 统一的规则，而且穷举所有样本来覆盖整个样本空间又不现实，因而对这种方法 而言，样本的选择与设计是一大难题1 1 引。 1 3 2 信息融合技术 多传感器信息融合( m u l t i s e n s o rd a t af u s i o n ) 是在2 0 世纪8 0 年代诞生的信 息处理技术，是指机器人处于动态时变的环境中时，依靠协同使用多种传感器， 通过对信息的优化组合导出更多的有效信息，形成高性能感知系统来获取对环境 更好地理解的技术。它的最终目的是利用多个传感器共同或联合操作的优势，结 合其差异性和互补性，来获取有效、可靠、完整的对观测对象的信息。 近年来，人们提出许多传感器信息融合算法，如比较基本的加权平均法、卡 尔曼滤波法、品质因数法：基于统计理论的经典推理法、d e m p a s t e r s h a f e r 证据 理论、贝叶斯估计；基于信息论的人工神经网络数学模型、熵量测算法；数据融 合主要包括基础理论、算法与模型开发、汇集处理所用到的数据与知识库、开发 推理系统等四个方面。到目前为止，各个领域的发展是很不平衡的。尽管从表面 上看，多传感器的概念很直观，但实际上要真正实现一个多传感器融合系统是比 较困难的。异质传感器数据的建模、协同与解释都是富有挑战性的工作。如今， 人们从不同数据融合问题的需要出发，己在低层次上开发了一些数据融合系统， 有些系统己投入了实际运行，但是国际上关于此项技术至今尚没有形成完整的理 论框架。 e d w a r dw a l t z 和j a m e sl l i n a s 在其著作中详细的阐述了多传感器系统的优 越性。其中主要包括几点： ( 1 ) 增加了目标特征矢量的维数 各个传感器获得的信息相互补充，收集到信息的不相关性增加了，整个系统 获得了任何单独传感器所不能获得的独立特征信息，可显著提高系统的性能，使 多传感器系统不易受到自然现象的破坏和外界的干扰。 第一章绪论 ( 2 ) 提高了信息的可信任度 利用多个传感器所获得的综合信息与任何单一传感器所获得的信息相比，具 有更高的精度和可靠性。 ( 3 ) 减少了信息获取的时间 多传感器系统的信息处理是并行的，大大缩短了系统处理同源多传感器加权 信息融合算法的总时间。 ( 4 ) 提高了系统的可靠性和鲁棒性 由于多个传感器所采集的信息具有冗余性，当系统中有一个甚至几个传感器 出现故障或者测量值偏离较多时，尽管某些信息减少了，但仍可由其他传感器获 得的信息得到补充，使系统继续运行，具有很好的容错能力。 ( 5 ) 增强了系统的分辨能力 国外己从理论上证明了，通过信息融合而获得的对环境或目标状态的最优估 计，最坏的情况下仍不会使整个系统的性能下降，即多传感器信息融合系统的性 能不会低于单传感器系统的性能，并且证明了使用多传感器一般总能提高系统的 性能。 智能轮椅在运动过程中运用何种方法对多传感器得来的信息进行融合，并结 合己知环境信息( 如建立起来的全局环境数据库等) 实现与用户之间的通讯，采取 合适的策略实现安全行驶与导航，也是本课题讨论的重点之一。 1 3 3 人机接口 智能轮椅集模式识别技术、多传感器信息融合技术和多模态人机交互技术等 多种新技术为一体，通过各种各样的人机界面及自动导航避障等功能大大提高了 使用者独立行动的能力，具有广泛的应用前景。智能轮椅的关键技术之一就是实 现与使用者和谐交互的技术。这种交互包括两方面的要素：一方面使人能更自然 地控制轮椅；另一方面使轮椅可以较好地理解人的思维和命令。要实现以上功能， 就需要设计友好的人机界面。这也是智能轮椅区别于移动机器人的指标之一。 轮椅提供其自由行走能力，使用者提供对环境的感知和理解，并且对轮椅下 达指令。在构建系统的每个阶段，应将使用者作为系统不可或缺的中心部分纳入 考虑，而轮椅的系统设计并不是使其智能化程度越高越好，应在不加重用户负担 的前提下充分利用其能力，故轮椅系统的智能化程度应基于用户的身体状况和认 知能力而设计，这也决定了用户与机器之间的交互方式应丰富多彩。目前的智能 轮椅，多都设计了既有共性也有个性的人机接口，各个系统根据用户群定位的不 同也设计了语音识别【16 1 、头部运动【1 7 】、鹰眼系统【1 8 】、呼吸驱动等富有特色的交 互方式，一般在每个系统中都是几种交互方式共存，以便根据用户身体状况、运 第一章绪论 行环境来选择合适的接口。上述的几种人一机接口友好和谐，考虑了生理学、心 理学和技术学等多方面的因素，极大地方便了使用，体现了“以人为本 的服务 机器人的特点，可以推广到虚拟现实、远程控制、医学实习、军事训练、娱乐游 戏等领域，具有很高的应用价值和广泛的市场前景。 1 4 本文主要工作 本文首先介绍了智能轮椅的研究背景和社会意义，指出了智能轮椅技术的必 要性，并总结了智能轮椅研究中的关键性技术，包括多传感器数据融合、路径规 划和人机接口等。 考虑到智能轮椅服务于残疾人的特殊性要求，以s a p h i r a 智能体体系结构为 载体，提出了一种混合式体系结构，增强了轮椅的自我意识和可操控性。 其次介绍了智能轮椅多路超声波采集模块硬件设计，并通过最小二乘拟合减 小了传感器测量误差。 在反应层行为的设计中，阐述了基于t - s 模型的模糊神经网络算法，并结合 传感器数据给出了基于模糊神经网络的避障算法设计，实现了轮椅在全局己知环 境下的静态避障，并在m a t l a b 下给出了仿真结果。 针对在全局环境中存在动态障碍物的情形，分别针对物体做近似线性运动与 非线性运动的情况，提出了两种方法通过样本数据预测物体的运动轨迹，并结合 上一章中静态反应式避障行为，实现了动态环境下的避障，并给出了实验结果。 最后，总结了本文的主要内容和工作成果，并针对工作之中的不足之处提出 了改进方法，指出了下一步的研究方向。 第二章智能轮椅智能体系结构的设计 第二章智能轮椅智能体系结构的设计 智能体是一个广泛的概念，对于本文的应用来说，除了基本的自治性外，能 够从环境实践中学习的能力也是非常重要的。智能轮椅就是一种通过安装在自身 的各种传感器收集环境信息，由智能控制实现在未知环境中自主移动并完成一定 任务的智能体系统【l9 】【2 们。基于模块化的设计思想，要完成复杂的任务，需要设 计多个功能各异的模块，通过组合协作的方式使得智能体的功能多元化，如：通 过超声、红外、视觉等传感器感知环境信息、通过内部智能算法实现任务分析、 规划、决策和动作执行，通过人机接1 3 实现人机交互，决策和动作执行，并且各 功能模块以统一的方式在不同层次协调工作。智能体体系结构作为智能轮椅的体 系设计框架，从功能属性上决定了智能轮椅的模块划分和作用，并整体上统一调 配软硬件的实现。因此可以说，轮椅本身的功能特点，就是由它的体系结构决定 的。整个轮椅系统能够高效运行，关键是体系结构设计的合理是否合理。 智能体控制体系结构的发展，经历了两次转变，一是基于符号( 或知识) 的传 统人工智能( a r t i f i c i a li n t e l l i g e n c e ) 到基于行为( b e h a v i o r - b a s e d ) 的体系结构比1 j ，这 种方法的特点是不需要建立外部环境模型数据库，而且方法结构简单，反应迅速， 其缺点就是智能程度较低，仅在当前观测可知的情况下才能进行决策。二是从基 于行为到认知的机器人结构，机器人有了一定的自我意识，能够通过推理，部分 的控制自己的行为。其本质在于这种结构具有学习能力，可以通过学习获得初始 时未知的知识，并能在以后得行动中采用更有效的行为。生物学家的普遍观点认 为思想来源于行动，正是通过对外界刺激所获取的先验信息的吸收和调节，才逐 步演化出了智能行为。目前的机器人学认为，赋予机器人自学习能力，使得其能 够在与环境的交互中不断发展和成长是非常重要的，机器人除了对自身已有规则 的服从，更应该通过外部环境的刺激发展自己的规则，使系统具备成长性，超出 设计者给出的初始能力，通过学习不断增加适应变化环境的自适应性。这不但要 求智能体利用先验的人类经验和环境知识在已知环境下高效、高质地规划目标， 也要求其能够在未知环境下对未知情况做出迅速反应，同时拥有自学习和自进化 的能力，适应不同环境变化的要求。混合式体系结构的理论正是为了满足智能体 以上功能的需求而发展出来的。在混合式体系结构的基础上，基于智能轮椅服务 对象的特殊性，本着以人为本的原则，设计加入监督管理层，来监督和协调传统 意义下的智能体部分，有效的将实时的任务执行情况反馈给用户，并通过人机接 口实现人机交互。这样，根据智能控制系统设计的一般原则，建立一种水平分层 的包含反应行为控制层、推理行为控制层和监督管理行为控制层的智能体系结 构。这种体系结构既能够通过反应行为使系统实时性得到保证，又保持了基于功 第二章智能轮椅智能体系结构的设计 能的系统目标可控性。同时该体系的监督管理层和人机交互，还能够出现当智能 体系规划决策效果不能够满足人的意愿的情况时，行为人可以根据自身对当前环 境情况的判断，及时调整轮椅动作、行为及相应的机制，以达到适应环境、完成 任务的目的。 2 1 智能控制系统的传统结构 智能控制系统的结构一般由六部分组成：感知处理器、环境模型、判值部件、 传感器和行为发生器以及执行器2 2 1 。如图2 1 所示。 图2 i 智能控制系统的传统结构 ( 1 ) 感知处理器：用来进行多传感器数据的融合。从各种传感器传来的数据 被融合成一致的整体环境状态统一感知，它将传感器观测到的信号与环境模型产 生的期望值进行比较，以检测发生的事件，识别环境中的特征和对象。感知处理 算法计算所观察对象的距离、方向、特征、物理和动态属性以及空间区域，在时 间和空间上综合观测值之间的异同。 ( 2 ) 传感器：用来产生整个智能系统的输入，包括视觉、触觉、声音等信号， 也可以包括温度、位置、距离、力、力矩、压力等的测量装置。传感器用来检测 外部环境和系统本身的状态信息，同时向感知信息处理器提供输入。 ( 3 ) 判值部件：决定奖罚、好坏、确定与不确定、重要与平凡等。一个智能 系统的决策就是基于判值系统的运算结果。因此，可以说判值部件是控制系统智 能的表现。由判值部件构成的判值系统计算所观测到的状态和所规划行动的价 值、利润和风险，计算校正的概率，并对状态变量赋予可信度和不确定性参数。 ( 4 ) 环境模型：是智能系统对环境状态的数字描述。环境模型包括有关环境 的知识库、存储信息的数据库及其管理系统，另外还包含能产生期望值的预测功 第二章智能轮椅智能体系结构的设计 能。因此，模型可以对环境状态过去、现在和将来的有关信息的请求提供回答。 环境模型提供这些信息为行为发生器服务，发生器将其作为智能规划和行为选择 的重要参数。 ( 5 ) 行为发生器：行为发生器产生行为，它选择目标、规划和执行任务。行 为发生器也监督规划的执行，当特殊情况发生时，也可修改规划。任务递归地分 解成许多子任务，子任务通过排序获取目标。目标选择和规划由行为发生器、判 值部件和环境模型之间相互作用的环路来形成。 ( 6 ) 执行器：是系统输出，一个智能系统会有多个执行器，如电机、定位器、 阀门、线圈以及变速器等等，它们直接作用于外界环境。 智能化行为要求有一个互连的系统结构，使得系统中各部件以密切的方式互 相作用和通信。图2 1 中所示的结构清晰地表示了各部件之间的功能关系和信息 流。其中，行为发生器控制执行机构以追求环境模型意义下的目标。感知信息处 理单元接收传感器的信息以获取和维持外部环境的数据模型，同时也可以与判值 系统和环境模型交互，把值赋给认识到的实体、事件和状态。在智能化较高的系 统中，行为发生器系统可以与判值系统和环境模型交互，根据价值、风险以及目 标优先程度，推断空间、时间、几何形状和动力学，以描述或选择规划。 2 2 智能轮椅智能体体系结构设计 2 2 1 s a p h ir a 体系结构简介【2 3 】【2 4 】 s a p h i r a 是s r i 国际人工智能中心在2 0 世纪9 0 年代早期开发的机器人控制 系统。如今它是a c t i v e m e d i a 公司提供的机器人标准软件环境。它采用混合式体 系结构，由反应层和慎思层两层组成，其核心是一个被称为本地感知空间( l o c a l p e r c e p t u a ls p a c e ，l p s ) 的共享内存，用作进程间的通信和协调。s a p h i r a 结构如 图2 2 所示。 第二章智能轮椅智能体系结构的设计 图2 2s a p h i r a 体系结构简图 s a p h i r a 已经商业化，同时支持u n i x 和w i n d o w s 平台，采用c 语言开发， 占用系统资源少，提供的文档资料也很完整，易于进行模块扩充，并且可以利用 系统原有的一些基本功能，节约设计成本，因此本文以s a p h i r a 为原型，在此基 础上做了一些学习算法的研究工作，希望能够对智能体体系结构的研究和发展有 所帮助o s a p h i r a 结构使用p r s l i t e ( p m e e d u r a lr e a s o n i n gs y s t e m l i t e ) 的反应式规划 器。p r s l i t e 能接受自然语言指令，然后运行导航任务和感知识别任务。而规划 和执行操作都依赖于本地感知空间( l p s ) - - - 环境模型。s a p h i r a 的反应式组件由行 为组成。这些行为从环境模型( 本地感知空间) 获取虚拟传感器输入，通过模糊 逻辑综合计算后输出控制指令。 从s a p h i r a 的结构能够看出，一个混合式体系结构应该具有以下几种功能模 块： 制图器：生成、存储和维护地图信息。 资源管理器：用于为行为分配资源。 序列发生器：生成完成子任务所需的任务集，并决定所有的时序和激活条 件，同时又能根据信息的变化动态地进行修改。 任务规划器：它与用户进行交互，把指令传给智能体并生成任务规划。 性能监督和问题求解：监督模块，用于核实它是否在取得进展。 2 2 2 基于s a p h ir a 的体系结构设计 由于s a p h i r a 体系采取了模块化的设计方式，在功能上彼此独立，因此可以 很方便的在此基础上实现功能扩充。本节基于s a p h i r a 原有的混合式体系的基础 第二章智能轮椅智能体系结构的设计 上，同时考虑到智能轮椅相比于传统自主移动机器人的特殊要求，增加了监督管 理层，使得智能轮椅在执行任务过程中不仅能够体现出自我意识，保证任务进展， 还可以通过人机接口实时地与用户交互，当任务执行情况明显有悖于用户意志 时，可以直接通过指令强制终止行动转为执行用户直接发出的命令。另外，增加 了智能体的学习能力，使轮椅可以在环境中存在动态障碍时，自主学习和预测环 境信息，达到安全导航的目的。具体来讲，新的体系结构图2 3 所示。这三层的 功能如下： 图2 3 智能轮椅混合式体系结构 反应层：包含应激行为和反应行为两种类型。其中，应激行为类似于人体的 神经中枢的低级反射行为，不受其他决策层的控制。应激行为是根据外围传感器 的信息和内部状态检验的输入直接产生的行为动作，如急停、报警等，也可以是 针对某种特殊情况的单条的控制规则。这种行为模式拥有最高的优先级，一旦触 发就会执行，不受用户的制约。反应式行为包括避障、漫游、趋向目标点等。这 些行为可以通过学习、进化的方法获得，也可以通过模糊逻辑的方法实现。本文 的设计内容之一就是通过一种模糊神经网络的方法，建立智能轮椅避障和趋向目 标点的行为动作，使轮椅具备基本的行为能力。反应式行为的优先级排在用户指 令之后，对从外界感受到的信息，它可以直接作出反应，也可以接受来自慎思层 和监督层的控制指令进行操作。 慎思层：包括5 个模块，分别是：环境模型数据库、定位模块、导航模块、 任务规划模块和排序器。环境模型数据库通过摄像头、超声波传感器或者激光扫 第二章智能轮椅智能体系结构的设计 描仪可以直接接受从外界传递过来的环境信息，存储到数据库中，并生成地图， 同时实时地对地图信息进行维护和更新。任务规划模块通过人机接口接收用户指 令，并对其进行任务规划。定位模块利用编码器等装置，来确定智能轮椅的实时 位置。导航接受任务规划模块的任务后计算路径并分解为子任务。排序器生成用