• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于模糊算法的多移動機器人目標(biāo)跟蹤

    2014-03-12 09:51:40梁順健汪俊彬鄔依林
    自動化與儀表 2014年2期
    關(guān)鍵詞:移動機器人模糊控制軌跡

    梁順健,汪俊彬,鄔依林

    (1.華南理工大學(xué) 自動化科學(xué)與工程學(xué)院控制與優(yōu)化中心,廣州 510641;2.第二師范學(xué)院 計算機科學(xué)系,廣州 510310)

    目標(biāo)跟蹤控制是機器人學(xué)科的一個非常重要的問題,能夠按給定的路徑到達目標(biāo)點是機器人必須具備的重要功能。由于存在噪聲和干擾,移動機器人將不可避免地偏離期望路徑。因此,如何控制移動機器人精確地跟蹤路徑是當(dāng)今研究機器人的熱點。圍繞移動機器人跟蹤控制問題,國內(nèi)外學(xué)者進行了深入的研究[1-3],因此對機器人進行路徑規(guī)劃是很有必要的。由于多機器人系統(tǒng)在時間、空間和功能上有不同的分布特點和相互的協(xié)作關(guān)系,能夠使機器人完成一系列復(fù)雜的任務(wù)。在復(fù)雜未知的環(huán)境中,不能建立精確數(shù)學(xué)模型的情況下,模糊控制具有重要的特性。

    模糊邏輯控制算法將模糊控制本身所具有的魯棒性與基于生理學(xué)的 “感知-動作”行為結(jié)合起來,為移動機器人精確跟蹤路徑提供了新的思路。該算法改善了傳統(tǒng)算法對環(huán)境信息依賴性強的不足,對處理復(fù)雜環(huán)境下機器人路徑跟蹤控制問題,具有較強的優(yōu)越性和實時性。

    本文根據(jù)模糊邏輯控制得到一系列的控制規(guī)則,經(jīng)模糊推理得到相應(yīng)控制量,由此得到機器人局部路徑規(guī)劃信息,使機器人沿著分段的理想軌跡前進,最終使多機器人成功到達同一目標(biāo)點,且通過實驗驗證了該方法的有效性。

    1 定點目標(biāo)跟蹤策略

    如圖 1 所示,A(xo,yo)為移動機器人起始點,T(xr,yr)為終點,P(xk,yk)為機器人 tk(k=1,2,…,n)時刻坐標(biāo)。

    圖1 機器人目標(biāo)跟蹤模型Fig.1 Model of robot target tracking

    理想軌跡AT可由式(1)表示:

    tk時刻機器人與AT的距離dk為

    車式移動機器人具有高度非線性,強耦合,存在非完整約束等特點,這使得傳統(tǒng)的線性控制方法很難精確控制機器人的跟蹤軌跡[4],下面提出的模糊控制器設(shè)計能很好地解決以上所述問題。

    2 模糊控制器的設(shè)計

    模糊控制的基本原理可由圖2表示,它的核心部分為模糊控制器[5]。

    2.1 確立輸入量和輸出量及模糊語言描述

    圖2 模糊控制原理圖Fig.2 Fuzzy control schematics

    本文將誤差E和誤差的變化率EC作為輸入,其中誤差E表示車式移動機器人與理想軌跡間的距離,將移動機器人的舵機轉(zhuǎn)角值φ作為輸出,建立模糊控制器。采用簡單的線性化處理方法,將誤差E和誤差變化率EC的模糊集定義為{NB,NM,NS,ZO,PS,PM,PB},分別表示{負大,負中,負小,零,正小,正中,正大},模糊論域均為[0,600]。 若把[-a,a]精確量 x 轉(zhuǎn)化為[0,600]的離散量 y,則精確量的模糊化如下:

    輸出轉(zhuǎn)角值φ的模糊集定義如下:{NBA,NBB,NBC,NB,NM,NS,ZO,PS,PM,PB,PBC,PBB,PBA},表示{左最大,左極大,左微大,左大,左中,左小,零,右小,右中,右大,右微大,右極大,右最大},論域[-60°,60°]。

    2.2 確定輸入輸出量隸屬度函數(shù)

    取各個語言變量的隸屬度函數(shù)形狀為對稱的三角形,且模糊分割時對稱的誤差E,誤差變化率EC的隸屬度函數(shù)如圖3(a)所示;轉(zhuǎn)角值φ的隸屬度函數(shù)如圖3(b)所示。

    圖3 隸屬度函數(shù)示意圖Fig.3 Schematic of membership function

    2.3 模糊規(guī)則的建立

    模糊控制規(guī)則的建立是模糊控制的核心問題。模糊控制系統(tǒng)是一系列基于專家知識的語言來描述的,用一系列模糊條件描述的模糊控制規(guī)則就構(gòu)成了模糊控制規(guī)則庫。根據(jù)FuzzySet理論,建立定性推理規(guī)則,模糊規(guī)則反映了輸入輸出量之間的關(guān)系[6]。

    模糊控制規(guī)則表見表1所示,其總體制定思想是根據(jù)機器人當(dāng)前位置誤差值和航向姿態(tài)來確定轉(zhuǎn)角關(guān)系,目的是使機器人能快速收斂于理想軌跡,且沿著理想軌跡前進。

    表1 模糊控制規(guī)則表Tab.1 Table of fuzzy control rule

    2.4 模糊推理

    模糊推理是模糊控制器的核心,它具有模擬人的基于模糊概念的推理能力,該推理過程是基于模糊邏輯中的蘊含關(guān)系及推理規(guī)則來進行的。

    模糊推理采用Mamdani模糊推理方法,它利用極小運算規(guī)則定義模糊蘊含表達的模糊關(guān)系。為了說明模糊推理控制器的工作過程,以如下為例:前提是誤差E=xo,誤差變化率EC=yo,模糊規(guī)則為

    由上述的前提和模糊規(guī)則可以得到輸出轉(zhuǎn)角值推理結(jié)果 Ci′為

    式中:∧表示min,Ci的隸屬函數(shù)值對應(yīng)于所量化的等級上取1,其余均取為零值。則最終結(jié)果C′由綜合推理結(jié)果 C1′,C2′,C3′,C4′得到,即:

    式中,∨表示max。

    2.5 解模糊

    通過模糊推理得到的結(jié)果是一個模糊量,但在實際控制中,必須要有一個精確量才能直接控制被控對象。把模糊量轉(zhuǎn)化為精確量的過程稱為解模糊化。重心法是取隸屬函數(shù)曲線與橫軸圍成的面積的重心作為模糊推理的輸出值。本文采用重心法解模糊化。如式(7)所示,可得到精確的轉(zhuǎn)向值。

    3 多機器人路徑規(guī)劃策略

    多機器人對同一定點進行跟蹤控制,方法1就是每一臺機器人以經(jīng)過起點和目標(biāo)點的直線為理想軌跡,機器人根據(jù)模糊控制器沿著理想軌跡前進,從而最終到達目標(biāo)點,如圖4所示。這種路徑規(guī)劃的優(yōu)點是機器人前進的路程是最短的,而且設(shè)計簡單,缺點是多機器人跟蹤目標(biāo)時不能包圍式地到達目標(biāo)。

    圖4 單目標(biāo)路徑規(guī)劃圖Fig.4 Path planning map of single-target

    方法2就是對每一機器人在起點和目標(biāo)點之間定義若干子目標(biāo),以這若干子目標(biāo)組成分段理想軌跡,機器人根據(jù)模糊控制器沿著每一分段理想軌跡前進。如圖5所示,機器人4和機器人1在起點到目標(biāo)點間設(shè)立2個子目標(biāo),分別為A1A2和D1D2,同理機器人3和機器人2在起點到目標(biāo)點間設(shè)立2個子目標(biāo),分別為B1B2和C1C2,其路徑規(guī)劃的目的是保證多臺機器人能以扇形的形式到達同一目標(biāo)點。本文中就采用方法2的多子目標(biāo)路徑規(guī)劃。

    圖5 多子目標(biāo)路徑規(guī)劃圖Fig.5 Path planning map of sub-goals

    4 仿真實驗及結(jié)果分析

    4.1 實驗平臺介紹

    實驗平臺(如圖6)主要由監(jiān)控系統(tǒng)和機器人控制系統(tǒng)組成,監(jiān)控系統(tǒng)包括上位機、攝像頭,機器人控制系統(tǒng)包括無線通訊網(wǎng)絡(luò)、基站和機器人。攝像頭由上位機驅(qū)動,結(jié)合計算機視覺庫OpenCV,通過采集圖像,實時計算機器人的位置,并將軌跡在上位機上顯示出來,實現(xiàn)對機器人的監(jiān)控;基站通過串口與上位機通訊獲取機器人的位置信息,并通過無線通訊模塊傳輸給機器人,機器人根據(jù)位置信息的反饋,采用模糊控制算法調(diào)整自身的運動狀態(tài),完成了對機器人的實時控制。

    圖6 實驗平臺結(jié)構(gòu)圖Fig.6 Configuration of experimental platform

    機器人控制系統(tǒng)中基站和機器人都是采用ST公司的32位控制器STM32系列芯片,機器人可以根據(jù)基站發(fā)過來的信息獨立完成任務(wù),系統(tǒng)便于擴展,保證了系統(tǒng)的穩(wěn)定性和實時性。

    4.2 實驗結(jié)果

    本文以四臺機器人跟蹤同一個目標(biāo)為例,根據(jù)模糊控制算法和路徑規(guī)劃,控制四個機器人對同一個目標(biāo)進行跟蹤,圖7為機器人的軌跡跟蹤圖。

    從圖中可以看出,各臺機器人能夠在各自模糊控制器的作用下,實時調(diào)整自身的運動狀態(tài),且根據(jù)路徑規(guī)劃實現(xiàn)對目標(biāo)的扇形跟蹤。

    本實驗說明基于模糊控制算法的多機器人能夠很好地實現(xiàn)對共同目標(biāo)的跟蹤與控制。

    5 結(jié)語

    圖7 機器人軌跡跟蹤圖Fig.7 Tracing map of robots

    本文研究了車式移動機器人在模糊控制算法的作用下,通過路徑規(guī)劃,實現(xiàn)多臺機器人對同一個目標(biāo)進行跟蹤的過程,實驗結(jié)果證明了模糊控制算法的有效性,該文章為后續(xù)的機器人編隊做了基礎(chǔ)的研究以及為軍事應(yīng)用提供了模擬手段,具有深刻的研究意義。

    [1] Chwa D.Sliding-mode tracking controlofnonholonomic wheeled mobile robots in polar coordinates[J].IEEE Transactions on Control Systems Technology,2004,12(4):637-644

    [2] Lee TL,Lai LC,Wu CJ.A fuzzy algorithm for navigation of mobile robots in unknown environments[C]//Proceedings of the IEEE International Symposium on Circuits and Systems,Piscataway,NJ,USA:IEEE,2005:3039-3042.

    [3] Li M,Hong B,Luo R.Mobile robot simultaneous loc-alization and mapping using novel rao-blackwellised particle filter[J].Chinese Jouranal of Electronic,2007,16(1):34-39.

    [4] Y Kanayama,Y Kimura,F(xiàn) Miyazaki,et al.A stable tracking control method for an autonomous mobile robot[C]//Proceedings of the 1990 IEEE International Conference on Robotics and Automation,1990,1,Cincinnati,OH:384-389.

    [5] 包明,張睿,余成波.基于模糊控制的移動機器人FPGA實現(xiàn)[J].電子技術(shù)應(yīng)用,2008,34(7):29-31.

    [6] 陳衛(wèi)東,朱奇光.基于模糊算法的移動機器人路徑規(guī)劃[J].電子學(xué)報,2011,39(4):971-974. ■

    猜你喜歡
    移動機器人模糊控制軌跡
    移動機器人自主動態(tài)避障方法
    軌跡
    軌跡
    軌跡
    基于Twincat的移動機器人制孔系統(tǒng)
    進化的軌跡(一)——進化,無盡的適應(yīng)
    中國三峽(2017年2期)2017-06-09 08:15:29
    T-S模糊控制綜述與展望
    基于模糊控制的PLC在溫度控制中的應(yīng)用
    電子制作(2016年21期)2016-05-17 03:53:01
    基于模糊控制的恒壓供水系統(tǒng)的研究
    用于光伏MPPT中的模糊控制占空比擾動法
    九龙县| 陇川县| 昌都县| 肇庆市| 阜新市| 互助| 车致| 清苑县| 长丰县| 馆陶县| 洪泽县| 长子县| 横峰县| 合作市| 朝阳区| 皮山县| 江津市| 海丰县| 汉中市| 宜章县| 手游| 广东省| 云南省| 金湖县| 六枝特区| 綦江县| 科尔| 青冈县| 伊吾县| 平远县| 安徽省| 富阳市| 兴山县| 巨野县| 寿光市| 甘泉县| 林州市| 平谷区| 和静县| 武鸣县| 寿阳县|