当前位置:首页 >> 信息与通信 >>

v1 基于模糊逻辑的移动机器人路径规划与底层运动控制研究


2012 级硕士学位研究生

选 题 报 告

学 专

院 业

信息科学与工程 控制工程

研 究 生 姓 名 学 号

指导教师姓名







一、简表
中文 论文名称 英文 Research on Path Planning and Motion Control for Mobile Robot Based on Fuzzy Logic 基于模糊逻辑的移动机器人路径规划与底层运动控制研究


A.国家及国 务院各部门 项目 B.国家自然 科学基金







C. 国 防 科 委 项目

D. 省、 市级项目

E. 厂 ( 矿 ) 项目

F. √ 自 选 课 题

课 A. 基础研究 开题时间 B. 应用基础 2013 年





型 D. √实验研究 日

C. 应用研究 6 月 15

选题考评小组成员 姓 名 职 称 签 名

注:选题考评小组由 3~5 名具有高级职称的人员组成。

1

二、论文立论依据
(包括研究意义、国内外研究现状分析、参考文献综述) 1.研究意义 机器人作为人类的先进生产工具,在减轻劳动强度,提高生产率,改变生产模式,把人从危 险、恶劣、繁重的工作环境下解放出来等方面,显示出极大的优越性。随着任务的复杂多样化, [1] 人们对机器人的要求也越来越高,希望机器人能够完成更为复杂的任务 。 移动机器人路径规划问题一直是机器人研究的核心内容之一。移动机器人路径规划是指给定 系统的初始状态和终止状态,设计控制律,使得系统能在有限的时间内从给定的初始状态运动到 终止状态。移动机器人的路径规划使得机器人在有障碍物的工作环境中,能够安全、无碰撞地绕 过所有障碍物沿着从给定点到终点的路径运动[2]。 图像采集的滞后和图像识别的不精确性、控制机器人左右轮的电机的不完全对称性以及环境 的各种干扰因素等使得机器人的运动具有时变、非线性、干扰大和不确定等特性。用传统的 PID 控制器已不能达到较好的控制效果。而模糊控制无需建立精确的数学模型且具有较强的鲁棒性, 可用于非线性、时变及时滞系统的控制,是一种对模型要求不高但又有良好控制效果的控制新策 略[3]。 目前,路径规划的研究大多数集中在规划算法的设计与仿真研究上, 而将路径规划算法应用 于实际的还很少,即使是一些实物仿真实验,研究也较少。但理论研究最终要应用于实际,因此 有关机器人底层控制与路径规划算法的结合研究将是它的发展方向之一,不仅要研究路径规划算 法,而且要研究机器人的动力学控制与轨迹跟踪,使机器人路径规划研究实用化、系统化[4,5]。基 于此,本文主要研究了移动机器人的轨迹规划与底层运动控制相结合的问题,具体包括移动机器 人路径规划、轮式移动机器人转动轮的运动控制。 2.国内外研究现状 移动机器人是机器人学的一个重要分支。 移动机器人的相关研究最早始于上世纪六十年代末, 当时人们以室内环境为背景,开始了移动机器人的探索性研究。例如:斯坦福研究院(SRI)的美国 Stanford研究所的Nils Nilssen和Charles Rosen等人,在1966年至1972年研制出取名为Shakey的自主 移动机器人[6][7]。到了20世纪八十年代,由于计算机技术的飞速发展,机器人技术以及人工智能理 论的推动下, 移动机器人的研究在国际上产生了很大的影响并且吸引了很多学者的兴趣。 一方面, 人们把目光集中于面向实际应用背景的室内移动机器人研制。另一方面,人们把室内移动机器人 的研究拓宽到室外移动机器人的研究。进入20世纪90年代以研制高水平的环境信息传感器和信息 处理技术、高适应性的移动机器人控制技术、真实环境下的规划技术为标志,开始了移动机器人 更高层次的研究。空间机器人 (Space mobile robot)、远程操作机器人 (Remote Operation Mobile Robot)、自主车辆(Autonomous Land vehicle)这些有着不同应用背景和功能的室外移动机器人纷纷 亮相。最有代表性的当数美国火星探测器“勇气”号和“机遇”号, “勇气”号和“机遇”号火星 探测器是两个具有6个独立悬挂车轮的移动机器人,能够在崎岖的火星表面峰实地前进,近年来, 美国航天航空局正在计划研制体积更大、功能更全的探测车。 在我国,关于移动机器人的研究起步较晚,目前还处于某项研究阶段。我国自“八五”期间 开始进入这一研究领域。较为全面对路径规划、视觉导航、信息融合、自动驾驶等一些基本的智 能机器人技术做了探索,所形成的一些关键技术成果也在其他领域得到应用。我国在机器人技术 与自动化工艺装备等方面己取得突破性进展,缩小了同发达国家的差距,但是机器人的核心及关 键技术的原创性研究、高性能关键工艺装备的自主设计和制造能力、高可靠性基础功能不见的批 量生产应用等方面,同发达国家相比,我国仍存在较大的差距[8]。 移动机器人运动控制是机器人完成任务的基础,对于轮式移动机器人来说运动控制主要就是

2

指对其转动轮的控制。目前常用的运动控制算法有PID算法、模糊控制算法、滑模控制和神经网 络等。 M. Deng考虑到有动态障碍物而出现局部最小的状况, 设计了一种基于李亚普诺夫函数的反 馈控制器,并且考虑到了引力、排斥力和迂回力在内的虚拟力。Dayal Ramakrushna Parhi[9]提出一 种基于混合规则的神经模糊控制方法来进行多机器人的运动控制,达到在复杂未知环境下对障碍 物的避障和多机器人之间的避障。Emily M.P. Low[10]由生物导航得到灵感设计了一种只用一个摄 像机的一种新的控制率来控制轮式机器人在特定的角度停在静态的目标点,并且做了各种实验, 证明了该控制率能够有效的使轮式机器人以特定的姿态达到目标点。Chih-Yang Chen[11]提出了一 种动态自适应滑模控制器来完成轮式移动机器人的轨迹跟踪的任务,将自适应控制和滑模控制结 合起来克服轮式移动机器人系统的不确定性和干扰,Lyapunov稳定性理论证明了其稳定性。文
[12]

中介绍了移动机器人的运动模型包括运动学、动力学方程和动态驱动系统,利用虚拟车辆的概念 与平整度的概念,并应用所考虑增加的移动机器人轨迹跟踪模型的反推方法的提出控制方案,由 此产生的控制器能保证指数收敛到所期望的轨迹,并且运用到车队的模式也能很好的达到效果。 Ricardo Martínez[13]提出一个独轮移动机器人动态模型跟踪控制器, 集成了运动学和在二维的模糊 逻辑理论和遗传算法的基础上的扭矩控制器。Tamoghna Das[14]为无速度测量的非完整移动机器人 提出了一个以简单的神经元为基础的轨迹跟踪的控制器,该控制器只基于机器人动力学和机器人 的里程计对位置的计算的知识结构,并且也考虑到了车轮的动力学结构。George P. Moustris[15]提 出了一个对于有界曲率约束的移动机器人的转换的模糊控制器,将路径分解为分段的可行的光滑 参考路径的线性路径,该转换可减少模糊控制中70%的规则。Gregor Klancar[16]提出了一个模型预 测轨迹跟踪控制器,用动态线性跟踪误差来预测系统的下一步行为,并且该控制方法是源于一个 二次补偿系统跟踪误差和控制效果的成本函数,该控制器通过速度和加速度约束来防止移动机器 人滑动,并且史密斯预测器是用补偿视觉系统死区时间。 机器人路径规划可划分为基于地图的全局路径规划和基于传感器的局部路径规划。全局路径 规划的主要方法有:可视图法、自由空间法、栅格法、拓扑法等。局部路径规划的主要方法有: 人工势场法、调和函数法、启发式图搜索法、遗传算法、模糊逻辑算法、神经网络算法等。文献 [17,18] 提出了基于势场法的机器人路径规划,通过选择恰当的势场函数,消除了整个路径上的局部 极小点,同时保证机器人无碰的到达目标,使得机器人能合理进行避障和路径规划。文献[19,20]分 别采用基于递归神经网络和模糊神经网络的方法研究了机器人的路径规划问题,得到最优的运动 路径,使得机器人能够避开障碍物并最终到达目标点。文献[21]提出了平滑的A*算法,有效降低了 移动机器人规划路径的长度、转折次数、转折角度,优化了线路质量,适用于复杂环境下的路径 规划。 参考文献:
[1] [2] [3] [4] 戴博, 肖晓明, 蔡自兴. 移动机器人路径规划技术的研究现状与展望[J].控制工程, 2005, 12(3): 198-202. 席裕庚, 张纯刚. 一类动态不确定环境下机器人滚动路径规划[J]. 自动化学报, 2002, 28(2), pp. 161-175. 郭成果.熊蓉.褚健.盛宇. 在不稳定光照条件下足球机器人视觉系统的设计[期刊论文]-机器人2006,28(2).

Siegwart R, Macek K, Philippsen R. Path following for autonomous vehicle navigation based on kinodynamic control[J]. J of Computing and Information Technology –CIT, 2009, 17(1): 17-26. Arpino C P, Melendez W M, Guzman J, et al. Fuzzy logic based speed planning for autonomous navigation under velocity ?eld control[C]. 2009 IEEE Int Conf on Mechatronics. Malaga, 2009: Nilsson N J. An application of artificial intelligence techniques. Proc. of DCAJ. Reprinted in Autonomous mobile robots:Control, Planning and Architecture. 1969,2(I):233-239.
A.M.Flynn.Survey of mobile robot. 1985,AD-A183-179.

[5]

[6]

[7]

3

[8]

王田苗 , 刘长进 . 机器人技术主题发展战略的若干思考 [J]. 中国制造业信息化 . 2003, 32(1):31-36. Dayal Ramakrushna Parhi, Saroj Kumar Pradhan, Anup Kumar Panda, Rabindra Kumar Behera. The stable and precise motion control for multiple mobile robots. Applied Soft Computing. 2009(9):477-487.

[9]

[10] Emily M.P. Low, Ian R. Manchester, Andrey V. Savkin. A biologically inspired method for

vision-based docking of wheeled mobile robots. Robotics and Autonomous Systems. 2007(55):769-784.
[11] Chih-Yang Chen, Tzuu-Hseng S. Li, Ying-Chieh Yeh, Cha-Cheng Chang. Design and

implementation of an adaptive sliding-mode dynamic controller for wheeled mobile robots. Mechatronics, 2009(19):156-166.
[12] Ilan Zohar, Amit Ailon, Raul Rabinovici. Mobile robot characterized by dynamic and kinematic

equations and actuator dynamics: Trajectory tracking and related application. Robotics and Autonomous Systems. 2011(59):343-353.
[13] Ricardo Martínez, Oscar Castillo, Luis T. Aguilar. Optimization of interval type-2 fuzzy logic

controllers for a perturbed autonomous wheeled mobile robot using genetic algorithms. Information Sciences. 2009(179):2158-2174.
[14] Tamoghna Das, I.N. Kar , S. Chaudhury. Simple neuron-based adaptive controller for a

nonholonomic mobile robot including actuator dynamics. Neurocomputing. 2006(69):2140-2151.
[15] George P. Moustris, Spyros G. Tzafestas. Switching fuzzy tracking control for mobile robots under

curvature constraints. Control Engineering Practice. 2011,19(1):45-53.
[16] Gregor Klan? ar, Igor Skrjanc. Tracking-error model-based predictive control for mobile robots in

real time. Robotics and Autonomous Systems. 2007(55):460-469.
[17] 赵荣齐.基于势场栅格法的机器人路径规划研究[D]. 山东大学, 2008. [18] 弋英民, 刘丁, 李人厚. 基于势场路径规划的机器人同步定位与地图构建 [J]. 控制与决策 , 2010, 25(4), pp. 627-631. [19] 宋勇, 李贻斌, 李彩虹. 递归神经网络的进化机器人路径规划方法[J]. 哈尔滨工程大学学报, 2009, 30(8), pp. 898-902. [20] 崔超, 曲伟建, 吕丹, 郑晓东. 未知环境下基于模糊神经网络的机器人路径规划[J]. 北京理工大学学报, 2009, 29(8), pp. 686-689+707. [21] 王红卫, 马勇, 谢勇, 郭敏. 基于平滑A*算法的移动机器人路径规划 [J]. 同济大学学报( 自然科学版), 2010, 38(11), pp. 1647-1650+1655.

4

三、研究方案
1. 研究内容、研究目标和拟解决的关键问题 1)研究内容 ①研究路径规划算法中的模糊逻辑算法,PID 算法和信息融合技术,将模糊逻辑与这几种方法结 合起来,优化模糊逻辑算法从而形成新的路径规划算法; ②研究机器人轨迹规划问题同时,考虑如何在满足约束条件如:各个运动轮位移、速度、加速度 在整个时间间隔内的连续性要求等,选择不同插值函数,生成不同的轨迹; ③比较几种轨迹规划方法,找到一种与模糊逻辑相匹配的方法。 2)研究目标 研究基于模糊控制策略的移动机器人轨迹规划与底层运动控制, 找到一种与模糊逻辑相结 合的算法用于移动机器人轨迹规划并满足其底层运动约束条件。 3)拟解决的关键问题 ①找出适合 MT-R 机器人轨迹规划的模糊控制复合算法, 克服人工势场法中目标点在障碍物附近 产生的不可达、存在局部最小点和相近障碍物间不能发现路径等问题; ②利用机器人逆运动学方程将路径点转换成速度、角度值,求解机器人运动学方程,使之从起始 点开始,依次通过所有路径点,最后到达目标点,同时满足轨迹曲线高阶导数连续,具有较小的 速度、加速度、冲击等; ③设计模糊逻辑融合 PID 算法、 人工势场法和信息融合的算法形成新的轨迹规划算法, 使得其满 足移动机器人的运动约束。 2. 拟采取的研究方法、技术路线、实验方案(或实践安排) 1)拟采取的研究方法 阅读大量国内外文献资料,同时采用理论学习、仿真和实验相结合的方式。在理论学习和仿 真方面,主要根据模糊逻辑算法在处理不确定信息的优势这个特点,结合轮式移动机器人运动学 与动力学模型,运用 Matlab 仿真平台、OpenGL 库并结合 VC++编程环境对其进行研究;在实验 方面,主要结合实验室 MT-R 移动机器人平台,分别对移动平台的路径规划与的运动控制在实际 中的应用进行研究。 2)技术路线 针对移动机械人系统轨迹规划、 运动约束等问题, 结合轮式移动机器人运动学与动力学模型, 对机器人系统建模;采用模糊逻辑控制方法,通过移动机器人期望轨迹和实际轨迹间的位姿误差 形成状态向量, 设计非线性状态反馈控制律, 应用 Lyapunov 定理证明控制律的正确性和合理性, 通过 Matlab 仿真实验加以验证并在移动机械臂平台上进行实验。 3)实验方案 利用 Matlab、OpenGL 仿真软件验证移动机器人路径规划及机器人运动控制的正确性和合理 性。然后将其移植到移动机械人平台,着重解决实时性和稳定性等问题。

5

3. 本论文的创新之处 采用模糊逻辑结合信息融合技术,同时将运动学、动力学和轨迹规划算法融入其中,使得移 动机器人数学模型以及正、逆运动学求解的正确性能够得到直观地验证,使移动机器人路径规划 研究更具实用价值和系统化。

4. 研究计划及预期进展 1)2012 年 10 月到 2013 年 04 月,查阅文献,确定研究方向; 2)2013 年 05 月到 2013 年 10 月,完成算法仿真; 3)2013 年 11 月到 2014 年 01 月,完成实验设计与分析; 4)2014 年 02 月到 2014 年 04 月,完成论文的撰写。

5. 预期研究成果 ①完成移动机器人在已知环境下,存在静/动态障碍物时的路径规划,克服势场法在路径规划时 存在的目标不可达问题,同时使得路径规划的光滑性达到最优; ②设计出满足快速性、准确性、实时性和运动学约束要求的路径规划新算法。

6

四、实验基础(工科)或实践安排(非工科)
实验室的基本实验设备配置为: (1) 硬件部分: PC 机一台(CPU 3.0 GHz,内存 2G); MT-ARM 移动机器人一台; (2) 软件部分: Windows-XP ; MATLAB R2010a; Microsoft Visual Studio 2008; 开源计算机图形库 OpenGL; Visual C++;

五、经费预算
支 出 科 目 金额(万元) 经费解决办法

1. 合



7

指导教师意见:

指导教师(签名): 年 月 日

选题考评小组意见:

负责人(签名): 年 学院意见: 月 日

负责人(签名): 年 月 日

8


相关文章:
更多相关标签: