CN103324196A - 基于模糊逻辑的多机器人路径规划与协调避碰方法 - Google Patents

基于模糊逻辑的多机器人路径规划与协调避碰方法 Download PDF

Info

Publication number
CN103324196A
CN103324196A CN2013102375854A CN201310237585A CN103324196A CN 103324196 A CN103324196 A CN 103324196A CN 2013102375854 A CN2013102375854 A CN 2013102375854A CN 201310237585 A CN201310237585 A CN 201310237585A CN 103324196 A CN103324196 A CN 103324196A
Authority
CN
China
Prior art keywords
fuzzy
robot
variable
path planning
collision prevention
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013102375854A
Other languages
English (en)
Inventor
高翔
苏青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN2013102375854A priority Critical patent/CN103324196A/zh
Publication of CN103324196A publication Critical patent/CN103324196A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明提供一种基于模糊逻辑的多机器人路径规划与协调避碰方法，通过建立以机器人为系统的模糊控制器，确立模糊控制器的输入变量和输出变量，用相关语言描述出模糊控制器的输入变量和输出变量，根据模糊控制理论确立定性推理原则，根据迷糊控制器的输入信号和输出信号，建立模糊控制规则，选取各输入语言变量和输出语言变量的隶属度函数，最后，进行解模糊化，按照隶属度函数最大原则进行表决，对机器人进行相应的动作，完成单个机器人路径规划的任务，在上述基础上，将其他机器人看作是动态的前方障碍物，即可实现多机器人的协调避碰。

Description

基于模糊逻辑的多机器人路径规划与协调避碰方法
 
技术领域
   本发明涉及一种多机器人路径规划与协调避碰方法，尤其涉及一种基于模糊逻辑的多机器人路径规划与协调避碰方法。
背景技术
路径规划是移动机器人导航技术中不可缺少的重要组成部分，它要求机器人根据给予的指令及环境信息自主的决定路径，避开障碍物，实现任务目标。路径规划是移动机器人完成任务的安全保障，同时也是移动机器人智能化程度的重要标志，尤其是在机器人硬件系统的精度在短期内不能得到解决的情况下，对路径规划算法的研究更显得尤为重要，这将从根本上改变移动机器人的导航性能，将提高移动机器人的智力水平，减少移动机器人在移动过程中存在的不确定状态，提高移动机器人移动的速度及活性，为开发高智能的远距离搬运机器人、探测机器人、服务机器人、汽车自动驾驶系统打下基础。
随着机器人技术的发展，单个机器人的能力、鲁棒性、可靠性、效率都有很大的提升，但是面对一些复杂的、需要高效率的、并行完成的任务时，单个机器人则难以胜任。为了解决这类问题，机器人研究一方面进一步开发智能更高、能力更强、柔性更好的机器人，另一方面在需要在多机器人研究领域进行更多的、更全面的探索。其中，多机器人的路径规划和协调避碰方面研究更是多机器人研究领域尤其重要与棘手的，如何在实现单个机器人完成路径规划的任务的基础上，实现多机器人之间的协调避碰是多机器人导航最重要的任务之一，也是多移动机器人研究的基础性问题之一。
    上述问题是在多机器人路径规划与协调避碰过程中应当予以考虑并解决的问题。
发明内容
本发明的目的是提供一种基于模糊逻辑的多机器人路径规划与协调避碰方法解决现有技术中存在的面对一些复杂的、需要高效率的、并行完成的任务时，单个机器人则难以胜任的问题，为了解决这类问题，如何在实现单个机器人完成路径规划的任务的基础上，实现多机器人之间的协调避碰的问题。
本发明的技术解决方案是：
一种基于模糊逻辑的多机器人路径规划与协调避碰方法，包括以下步骤：
步骤一，根据模糊控制理论建立机器人运动的模糊控制器，并且确立模糊控制器的输入变量和输出变量；
步骤二，利用步骤一中确定的模糊控制器中的输入变量和输出变量，用语言描述出模糊控制器的输入变量和输出变量；
步骤三，根据模糊控制理论确立定性推理原则，根据迷糊控制器的输入信号和输出信号，建立模糊控制规则；
步骤四，选取各输入语言变量和输出语言变量的隶属度函数，即确定输入变量和输出变量的关系，使得在收到输入变量时计算得出输出变量；
步骤五，由上述过程求取得出的各个模糊变量，进行解模糊化，按照隶属度函数最大原则进行表决，对机器人进行相应的动作，完成单个机器人路径规划的任务；
步骤六，在上述步骤的基础上，将机器人看成是动态的前方障碍物，选取相对应的模糊规则，实现多机器人路径规划与协调避碰的任务。
优选地，所述步骤一中所述模糊控制器以及确立模糊控制器的输入变量和输出变量，是以模糊控制理论的方法建立的，具体步骤为：
步骤1a：根据机器人的长宽高等相关尺寸，搭建机器人模型；
步骤1b：在移动机器人本体导航系统中，一般装有声纳传感器或者激光传感器的视觉系统，能够测量机器人前方180度范围内的障碍物信息；将机器人视觉系统能够扫描的前方180度的范围平均分为正前方障碍物信息F、左前方障碍物信息L、右前方障碍物信息R三部分，再将上述三部分每个分为三个20度的小部分，分别为                                               
Figure 2013102375854100002DEST_PATH_IMAGE002
、
Figure 2013102375854100002DEST_PATH_IMAGE004
、
Figure 2013102375854100002DEST_PATH_IMAGE006
、
Figure 2013102375854100002DEST_PATH_IMAGE008
、
Figure 2013102375854100002DEST_PATH_IMAGE010
、
Figure 2013102375854100002DEST_PATH_IMAGE012
、
Figure DEST_PATH_IMAGE014
、
Figure 2013102375854100002DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE018
，机器人的传感器能够分别测出上述9个小部分的障碍物信息，障碍物信息包括障碍物的距离信息，障碍物信息作为模糊控制器的输入变量；
步骤1c：输入变量还包括目标方向信息，即机器人与目标点的相对角度
Figure DEST_PATH_IMAGE020
：
Figure DEST_PATH_IMAGE022
，其中，（
Figure DEST_PATH_IMAGE024
）为机器人的目标点坐标，
Figure DEST_PATH_IMAGE026
为机器人在当前状态下的方向角，（
Figure DEST_PATH_IMAGE028
）为机器人的当前坐标；
步骤1d：确定输出变量，即机器人的转向角度
Figure DEST_PATH_IMAGE030
，机器人的转向角度
Figure DEST_PATH_IMAGE030A
为机器人下一步需要转向的角度。
优选地，所述步骤二中模糊控制器的输入变量和输出变量，是以模糊控制理论的方法进行语言描述的，具体步骤为：
步骤2a：将模糊控制器的输入变量包括障碍物信息和目标信息，障碍物信息包含
Figure 2013102375854100002DEST_PATH_IMAGE002A
、、
Figure DEST_PATH_IMAGE006A
、
Figure DEST_PATH_IMAGE008A
、
Figure DEST_PATH_IMAGE010A
、
Figure DEST_PATH_IMAGE012A
、
Figure DEST_PATH_IMAGE014A
、
Figure DEST_PATH_IMAGE016A
和
Figure DEST_PATH_IMAGE018A
九个变量，上述九个模糊变量的模糊集合可取为小距离S、中距离M、大距离L；
步骤2b：目标信息包括目标与机器人之间的相对夹角θ，模糊集合可取为正大PL、正小PS、零Z、负小NS和负大NL；
步骤2c：输出变量有若干行为组成，各个行为
Figure DEST_PATH_IMAGE032
对应着该行为的接受程度
Figure DEST_PATH_IMAGE034
（
Figure DEST_PATH_IMAGE036
…，
Figure DEST_PATH_IMAGE038
…），
Figure DEST_PATH_IMAGE034A
的模糊子集取为三级，一级表示不允许，三级表示允许，二级表示中立；
步骤2d：模糊控制器的输出变量，即机器人的转向角度
Figure DEST_PATH_IMAGE030AA
，的模糊子集取为五个部分分别为：大右转RLT、右转RT、不转NT、左转LT和大左转LLT。
优选地，所述步骤三中所述的模糊控制规则为IF（A1 is A）THEN（B）的模糊控制规则。
优选地，所述步骤三中所述的模糊控制规则，是以知识库和模糊推理进行确立的，根据感知-动作行为，建立前方避障、左边沿跟踪、右边沿跟踪、目标导向的规则，具体步骤为：
步骤3a：确定前方避障的规则，由于正前方有三个距离变量：
Figure DEST_PATH_IMAGE040
，而上述距离变量有三个模糊子集：小距离S、中距离M、大距离L，这里令，
Figure DEST_PATH_IMAGE044
，
Figure DEST_PATH_IMAGE046
，能够列出
Figure DEST_PATH_IMAGE048
条前方避障的规则；
步骤3b：与步骤3a同理确定左边沿跟踪的规则，同样能够列出27条左边沿跟踪的规则；
步骤3c：与步骤3a同理确定右边沿跟踪的规则，同样能够列出27条右边沿跟踪的规则；
步骤3d：确定目标导向的规则，由于机器人与目标点的相对角度有五个模糊子集：正大PL、正小PS、零Z、负小NS和负大NL，这里令
Figure 2013102375854100002DEST_PATH_IMAGE050
，
Figure DEST_PATH_IMAGE044A
 ，
Figure DEST_PATH_IMAGE046A
，能够列出五条目标导向的规则。
优选地，所述步骤3a中确定前方避障的规则包括IF (LF=L，FF=M，RF=S) THEN(
Figure DEST_PATH_IMAGE052
=3, 
Figure DEST_PATH_IMAGE054
=2, 
Figure DEST_PATH_IMAGE056
=1, 
Figure DEST_PATH_IMAGE058
=1, 
Figure DEST_PATH_IMAGE060
=1)；IF(LF=S，FF=S，RF=S) THEN（
Figure DEST_PATH_IMAGE052A
=3，=1，
Figure DEST_PATH_IMAGE056A
=0，
Figure DEST_PATH_IMAGE058A
=1，
Figure DEST_PATH_IMAGE060A
=3）；建立诸如类似的规则，规则建立的越多越全面，则机器人的运动性能更优。
优选地，所述步骤四中确定输入变量和输出变量的隶属度函数，将相应的变量设为隶属度的论域，则相应的隶属度越大，说明程度越高，隶属度越小，说明程度越低；包括障碍物信息物理量的隶属度函数、目标与机器人方位角的隶属度函数、控制命令重要度
Figure DEST_PATH_IMAGE034AA
的隶属度函数和转向角的隶属度函数，来确定输入变量和输出变量的关系。
优选地，所述步骤五中将模糊推理得到的控制量，由模糊量转化成实际用于控制的清晰量，是以中心数法进行解模糊化的，是以隶属度最大原则进行表决的。
优选地，将所得到的用于控制的清晰量进行尺度转换后，转化为机器人能够用来动作的控制量，所述控制量为转向角，即机器人下一步需要调整的角度，来用于完成单个机器人路径规划的任务。
所述步骤五中解模糊化的步骤为：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值，根据隶属度最大的原则，对隶属度函数在相应的论域中选取最大的隶属度，将相应动作传给机器人，控制转向电机，以此来实现路径规划。
本发明一种基于模糊逻辑的多机器人路径规划与协调避碰方法，通过建立以机器人为系统的模糊控制器，确立模糊控制器的输入变量和输出变量，用相关语言描述出模糊控制器的输入变量和输出变量，根据模糊控制理论确立定性推理原则，根据迷糊控制器的输入信号和输出信号，建立类似于IF（A1 is A）THEN（B）的模糊控制规则，选取各输入语言变量和输出语言变量的隶属度函数，最后，进行解模糊化，按照隶属度函数最大原则进行表决，对机器人进行相应的动作，完成单个机器人路径规划的任务，在上述基础上，将其他机器人看作是动态的前方障碍物，即可实现多机器人的协调避碰。
本发明的有益效果是：本发明一种基于模糊逻辑的多机器人路径规划与协调避碰方法，是一种基于模糊逻辑的多机器人路径规划与协调避碰方法，模糊逻辑是根据实时传感器的信息，其方式是参考人类的驾驶经验设计规则表，首先设计出计划碰到的情况，列出可能遇到的情况和相应需要的动作表图，在实际情况中，机器人就会通过结合遇到的情况查表来产生相应的动作，从而实现机器人的路径规划任务。在此基础上，对于多机器人的路径规划，在上述规则表上需要进一步完善和添加，实现机器人之间的相互协调避碰，以此达到多机器人路径规划和协调避碰的效果。
附图说明
    图1是本发明实施例的原理说明框图；
图2是本发明实施例中机器人视觉系统模型及其测量信息范围图；
图3是本发明实施例中障碍物信息物理量的隶属度函数；
图4是本发明实施例中目标与机器人方位角的隶属度函数；
图5是本发明实施例中控制命令重要度的隶属度函数；
图6是本发明实施例中转向角的隶属度函数。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
机器人一般具有安装有若干个激光传感器或声呐传感器的视觉系统，其传感器工作原理就是利用激光或者声呐对前方180度的范围进行扫描，如果在这个范围内遇到障碍物，那么激光传感器就可以读出障碍物的距离信息，机器人就可以利用这个距离信息对整个环境进行分析。本实施例就是利用这个距离信息进行分析然后避障的。此外，机器人可以读出当前位置的坐标和当前方向角，本实施例通过利用机器人这个功能计算当前方向与目标方向的差值的，依次来实现目标导向的约束。
如图1所示，本实施例提供一种基于模糊逻辑的多机器人路径规划和协调避碰方法，具体包括如下步骤：
步骤一：根据模糊控制理论建立机器人运动的模糊控制器，并且确立模糊控制器的输入变量和输出变量。具体包括以下步骤：
步骤1a：根据机器人的长宽高等相关尺寸，搭建机器人模型。
步骤1b：将机器人视觉系统能够扫描前方180度的范围平均分为三部分，即正前方障碍物信息F、左前方障碍物信息L和右前方障碍物信息R，在这三部分每个又分为三个小部分，每个小部分为20度范围，分别为
Figure DEST_PATH_IMAGE002AA
、
Figure DEST_PATH_IMAGE004AA
、、、
Figure DEST_PATH_IMAGE010AA
、
Figure DEST_PATH_IMAGE012AA
、
Figure DEST_PATH_IMAGE014AA
、和
Figure DEST_PATH_IMAGE018AA
，如图2所示，机器人的传感器可以分别测出以上9个部分的障碍物的信息，这里主要是障碍物的距离，作为模糊控制器的输入变量。
步骤1c：输入变量还包括目标方向信息，即机器人与目标点的相对角度
Figure DEST_PATH_IMAGE020AA
。可以知道目标点的坐标（
Figure DEST_PATH_IMAGE024A
），还可以知道机器人在当前状态下的方向角
Figure DEST_PATH_IMAGE026A
和当前坐标（），然后机器人与目标点的相对角度，作为模糊控制器的输入变量。
步骤1d：确定输出变量，即机器人的转向角度
Figure DEST_PATH_IMAGE030AAA
，表示下一步机器人即将需要转的角度。
步骤二：利用步骤a确定的模糊控制器中的输入变量和输出变量，用相关语言描述出模糊控制器的输入变量和输出变量。具体包括以下步骤：
步骤2a：将模糊控制器的输入变量包括障碍物信息和目标信息，障碍物信息包含
Figure DEST_PATH_IMAGE002AAA
、
Figure DEST_PATH_IMAGE004AAA
、
Figure DEST_PATH_IMAGE006AAA
、
Figure DEST_PATH_IMAGE008AAA
、
Figure DEST_PATH_IMAGE010AAA
、
Figure DEST_PATH_IMAGE012AAA
、
Figure DEST_PATH_IMAGE014AAA
、
Figure DEST_PATH_IMAGE016AAA
和
Figure DEST_PATH_IMAGE018AAA
九个变量，上述九个模糊变量的模糊集合可取为小距离S、中距离M、大距离L；
步骤2b：目标信息包括目标与机器人之间的相对夹角θ，模糊集合可取为正大PL、正小PS、零Z、负小NS和负大NL；
步骤2c：输出变量有若干行为组成，各个行为
Figure DEST_PATH_IMAGE032A
对应着该行为的接受程度（
Figure DEST_PATH_IMAGE036A
…，
Figure DEST_PATH_IMAGE038A
…），
Figure DEST_PATH_IMAGE034AAAAA
的模糊子集取为三级，一级表示不允许，三级表示允许，二级表示中立；
步骤2d：模糊控制器的输出变量，即机器人的转向角度
Figure DEST_PATH_IMAGE030AAAA
，的模糊子集取为五个部分分别为：大右转RLT、右转RT、不转NT、左转LT和大左转LLT。
步骤三：根据模糊控制理论确立定性推理原则，根据迷糊控制器的输入信号和输出信号，建立类似于IF（A1 is A）THEN（B）的模糊控制规则。具体包括以下步骤：
步骤3a：确定前方避障的规则，由于正前方有三个距离变量：
Figure DEST_PATH_IMAGE062
，而距离变量有三个模糊子集：小距离S、中距离M、大距离L，这里令
Figure DEST_PATH_IMAGE042A
，
Figure DEST_PATH_IMAGE044AA
，
Figure DEST_PATH_IMAGE046AA
，可以列出
Figure DEST_PATH_IMAGE064
条规则，这里举其中一例：IF (LF=L,FF=M,RF=S) THEN(=3, 
Figure DEST_PATH_IMAGE054AA
=2, 
Figure DEST_PATH_IMAGE056AA
=1, =1, =1)。
步骤3b：与步骤3a同理确定左边沿跟踪的规则，同样能够列出27条左边沿跟踪的规则；
步骤3c：与步骤3a同理确定右边沿跟踪的规则，同样能够列出27条右边沿跟踪的规则；
步骤3d：确定目标导向的规则，由于机器人与目标点的相对角度
Figure DEST_PATH_IMAGE020AAA
有五个模糊子集：正大PL、正小PS、零Z、负小NS和负大NL，这里令
Figure DEST_PATH_IMAGE050A
，
Figure DEST_PATH_IMAGE044AAA
 ，
Figure DEST_PATH_IMAGE046AAA
，能够列出五条目标导向的规则。
步骤四：选取各输入语言变量和输出语言变量的隶属度函数，即确定输入变量和输出变量的关系，只要知道输入变量就可求出的输出变量。具体包括以下步骤：
步骤4a：根据上述过程的程度确定输入变量和输出变量的隶属度函数，将相应的变量设为隶属度的论域，则相应的隶属度越大，说明程度越高，隶属度越小，说明程度越低，首先可以确定障碍物信息物理量的隶属度函数，如图3所示。
步骤4b：确定目标与机器人方位角的隶属度函数，如图4所示。
步骤4c：确定控制命令重要度
Figure DEST_PATH_IMAGE034AAAAAA
的隶属度函数，如图5所示。
步骤4d：确定转向角的隶属度函数，如图6所示。
步骤五：由上述过程求得的各个模糊变量，进行解模糊化，解模糊化又叫清晰化，作用是将模糊推理得到的控制量，由模糊量转化成实际用于控制的清晰量，本实施例按照隶属度函数最大原则进行表决，对机器人进行相应的动作，即可完成单个机器人路径规划的任务。具体包括以下步骤：
步骤5a：根据中心数法进行解模糊化：按照隶属度函数最大原则进行表决，得到各个清晰量。
步骤5b：将上一步得到的量进行尺度转换，转化成机器人实际可以用来动作的控制量，本发明用来动作的控制量就是转向角，即机器人即将需要调整的角度，以此用于完成单个机器人路径规划的任务。
步骤六：在此基础上，将机器人看成是动态的前方障碍物，只要模糊规则选取的合理，即可实现多机器人路径规划与协调避碰的任务。每个机器人都是相对独立的，每个机器人都运行本发明方法，就可以将其他机器人当做动态的前方障碍物，这样就可以完全适用本发明方法，从而可以完成多机器人路径规划与协调避碰的任务。
此外，还可以根据该系统的流程图设计自己的算法和利用方法，在具体环境中达到最好的效果，从而全面进行多机器人路径规划与协调避碰的任务。
尽管为说明目的公开了本发明的具体实施例和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (9)

1.一种基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于，包括以下步骤：
步骤一，根据模糊控制理论建立机器人运动的模糊控制器，并且确立模糊控制器的输入变量和输出变量；
步骤二，利用步骤一中确定的模糊控制器中的输入变量和输出变量，用语言描述出模糊控制器的输入变量和输出变量；
步骤三，根据模糊控制理论确立定性推理原则，根据迷糊控制器的输入信号和输出信号，建立模糊控制规则；
步骤四，选取各输入语言变量和输出语言变量的隶属度函数，即确定输入变量和输出变量的关系，使得在收到输入变量时计算得出输出变量；
步骤五，由上述过程求取得出的各个模糊变量，进行解模糊化，按照隶属度函数最大原则进行表决，对机器人进行相应的动作，完成单个机器人路径规划的任务；
步骤六，在上述步骤的基础上，将机器人看成是动态的前方障碍物，选取相对应的模糊规则，实现多机器人路径规划与协调避碰的任务。
2.如权利要求1所述的基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于，所述步骤一中所述模糊控制器以及确立模糊控制器的输入变量和输出变量，是以模糊控制理论的方法建立的，具体步骤为：
步骤1a：根据机器人的长宽高等相关尺寸，搭建机器人模型；
步骤1b：将机器人视觉系统能够扫描的前方180度的范围平均分为正前方障碍物信息F、左前方障碍物信息L、右前方障碍物信息R三部分，再将上述三部分每个分为三个20度的小部分，分别为                                                
Figure 223019DEST_PATH_IMAGE002
、、
Figure 795263DEST_PATH_IMAGE006
、
Figure 190472DEST_PATH_IMAGE008
、
Figure 880210DEST_PATH_IMAGE010
、
Figure 702673DEST_PATH_IMAGE012
、
Figure 845072DEST_PATH_IMAGE014
、
Figure 43972DEST_PATH_IMAGE016
和
Figure 712851DEST_PATH_IMAGE018
，机器人的传感器能够分别测出上述9个小部分的障碍物信息，障碍物信息包括障碍物的距离信息，障碍物信息作为模糊控制器的输入变量；
步骤1c：输入变量还包括目标方向信息，即机器人与目标点的相对角度
Figure 581581DEST_PATH_IMAGE020
：，其中，（
Figure 948289DEST_PATH_IMAGE024
）为机器人的目标点坐标，
Figure 471674DEST_PATH_IMAGE026
为机器人在当前状态下的方向角，（
Figure 901518DEST_PATH_IMAGE028
）为机器人的当前坐标；
步骤1d：确定输出变量，即机器人的转向角度
Figure 995072DEST_PATH_IMAGE030
，机器人的转向角度为机器人下一步需要转向的角度。
3.如权利要求1所述的基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于，所述步骤二中模糊控制器的输入变量和输出变量，是以模糊控制理论的方法进行语言描述的，具体步骤为：
步骤2a：将模糊控制器的输入变量包括障碍物信息和目标信息，障碍物信息包含
Figure 789033DEST_PATH_IMAGE002
、
Figure 124200DEST_PATH_IMAGE004
、
Figure 728487DEST_PATH_IMAGE006
、
Figure DEST_PATH_IMAGE031
、
Figure 807302DEST_PATH_IMAGE010
、
Figure 180645DEST_PATH_IMAGE012
、
Figure 952292DEST_PATH_IMAGE014
、
Figure 778297DEST_PATH_IMAGE016
和
Figure 660802DEST_PATH_IMAGE018
九个变量，上述九个模糊变量的模糊集合可取为小距离S、中距离M、大距离L；
步骤2b：目标信息包括目标与机器人之间的相对夹角θ，模糊集合可取为正大PL、正小PS、零Z、负小NS和负大NL；
步骤2c：输出变量有若干行为组成，各个行为
Figure DEST_PATH_IMAGE033
对应着该行为的接受程度（
Figure DEST_PATH_IMAGE037
…，
Figure DEST_PATH_IMAGE039
…），的模糊子集取为三级，一级表示不允许，三级表示允许，二级表示中立；
步骤2d：模糊控制器的输出变量，即机器人的转向角度
Figure 581933DEST_PATH_IMAGE030
，的模糊子集取为五个部分分别为：大右转RLT、右转RT、不转NT、左转LT和大左转LLT。
4.如权利要求1所述的基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于：所述步骤三中所述的模糊控制规则为IF（A1 is A）THEN（B）的模糊控制规则。
5.如权利要求1-4任一项所述的基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于：所述步骤三中所述的模糊控制规则，是以知识库和模糊推理进行确立的，根据感知-动作行为，建立前方避障、左边沿跟踪、右边沿跟踪、目标导向的规则。
6.如权利要求5所述的基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于，所述步骤3a中确定前方避障的规则包括
IF (LF=L，FF=M，RF=S) THEN(=3, =2, 
Figure DEST_PATH_IMAGE045
=1, 
Figure DEST_PATH_IMAGE047
=1, 
Figure DEST_PATH_IMAGE049
=1)； 
IF(LF=S，FF=S，RF=S) THEN（
Figure 770600DEST_PATH_IMAGE041
=3，
Figure 66583DEST_PATH_IMAGE043
=1，
Figure 539153DEST_PATH_IMAGE045
=0，=1，
Figure DEST_PATH_IMAGE050
=3）。
7.如权利要求1-4任一项所述的基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于：所述步骤四中确定输入变量和输出变量的隶属度函数，包括障碍物信息物理量的隶属度函数、目标与机器人方位角的隶属度函数、控制命令重要度
Figure 453199DEST_PATH_IMAGE035
的隶属度函数和转向角的隶属度函数，来确定输入变量和输出变量的关系。
8.如权利要求1-4任一项所述的基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于：所述步骤五中将模糊推理得到的控制量，由模糊量转化成实际用于控制的清晰量，是以中心数法进行解模糊化的，是以隶属度最大原则进行表决的。
9.如权利要求8所述的基于模糊逻辑的多机器人路径规划与协调避碰方法，其特征在于：将所得到的用于控制的清晰量进行尺度转换后，转化为机器人能够用来动作的控制量，所述控制量为转向角，即机器人下一步需要调整的角度，来用于完成单个机器人路径规划的任务。
CN2013102375854A 2013-06-17 2013-06-17 基于模糊逻辑的多机器人路径规划与协调避碰方法 Pending CN103324196A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013102375854A CN103324196A (zh) 2013-06-17 2013-06-17 基于模糊逻辑的多机器人路径规划与协调避碰方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013102375854A CN103324196A (zh) 2013-06-17 2013-06-17 基于模糊逻辑的多机器人路径规划与协调避碰方法

Publications (1)

Publication Number Publication Date
CN103324196A true CN103324196A (zh) 2013-09-25

Family

ID=49193002

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013102375854A Pending CN103324196A (zh) 2013-06-17 2013-06-17 基于模糊逻辑的多机器人路径规划与协调避碰方法

Country Status (1)

Country Link
CN (1) CN103324196A (zh)

Cited By (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760902A (zh) * 2014-01-14 2014-04-30 上海海事大学 一种基于模糊控制的无人水面艇直线路径跟踪方法
CN104049634A (zh) * 2014-07-02 2014-09-17 燕山大学 基于Camshift算法的智能体模糊动态避障方法
CN104133482A (zh) * 2014-06-26 2014-11-05 中国人民解放军理工大学 一种无人机模糊控制飞行方法
CN104670222A (zh) * 2013-11-29 2015-06-03 财团法人车辆研究测试中心 滑动模式的行驶路径投票策略模块及驾驶控制系统与方法
CN104834308A (zh) * 2015-04-10 2015-08-12 浙江工业大学 满足复杂需求的最优巡回控制方法
CN104898665A (zh) * 2015-04-16 2015-09-09 山东建筑大学 巡检机器人轨迹规划的方法和装置
CN105425791A (zh) * 2015-11-06 2016-03-23 武汉理工大学 一种基于视觉定位的群机器人控制系统及方法
CN105487536A (zh) * 2014-10-13 2016-04-13 北京自动化控制设备研究所 一种移动机器人的低成本自主避障方法
CN105868115A (zh) * 2016-04-05 2016-08-17 工业和信息化部电子第五研究所 软件密集型系统软件测试模型的构建方法和系统
CN106325280A (zh) * 2016-10-20 2017-01-11 上海物景智能科技有限公司 一种多机器人防碰撞方法及系统
CN106444381A (zh) * 2016-11-01 2017-02-22 河池学院 一种节电机器人
CN106502250A (zh) * 2016-11-23 2017-03-15 北京邮电大学 三维空间内多机器人编队的路径规划算法
CN106527432A (zh) * 2016-11-04 2017-03-22 浙江大学 基于模糊算法和二维码自矫正的室内移动机器人协作系统
CN106842956A (zh) * 2017-03-17 2017-06-13 葛辰雨 机器人避障方法及系统
CN107209514A (zh) * 2014-12-31 2017-09-26 深圳市大疆创新科技有限公司 传感器数据的选择性处理
CN107562057A (zh) * 2017-09-07 2018-01-09 南京昱晟机器人科技有限公司 一种机器人智能导航控制方法
CN107727100A (zh) * 2017-10-16 2018-02-23 广东智爱机器人科技有限公司 一种基于距离型模糊推理的移动机器人导航轨迹规划方法
CN108027609A (zh) * 2016-07-26 2018-05-11 深圳市赛亿科技开发有限公司 管家机器人及控制方法
CN108388121A (zh) * 2018-03-06 2018-08-10 辽宁天安科技有限公司 一种机械动筛跳汰机的模糊逻辑控制方法
CN109540163A (zh) * 2018-11-20 2019-03-29 太原科技大学 一种基于差分进化和模糊控制相结合的避障路径规划算法
CN109917780A (zh) * 2017-12-12 2019-06-21 杭州海康机器人技术有限公司 机器人探测方法、控制方法、装置及系统
CN110340894A (zh) * 2019-07-18 2019-10-18 浙江大学 一种基于模糊逻辑的遥操作系统自适应多边控制方法
CN110597263A (zh) * 2019-09-25 2019-12-20 福州大学 一种无人餐厅自动送餐路径规划方法
CN110780670A (zh) * 2019-09-19 2020-02-11 上海机器人产业技术研究院有限公司 基于模糊控制算法的机器人避障控制方法
CN111414010A (zh) * 2020-04-14 2020-07-14 中国人民解放军32180部队 编队内无人机防撞优先级设计方法
CN111562785A (zh) * 2020-05-15 2020-08-21 中南大学 一种群集机器人协同覆盖的路径规划方法及系统
CN111707266A (zh) * 2020-06-03 2020-09-25 国网上海市电力公司 一种变电站智能运维机器人路径规划方法
WO2021169043A1 (zh) * 2020-02-25 2021-09-02 北京理工大学 一种双足机器人落脚位置控制系统与方法
CN113359707A (zh) * 2021-05-19 2021-09-07 杭州电子科技大学 一种基于双层模糊强化学习的六足机器人避障方法
WO2022017296A1 (zh) * 2020-07-23 2022-01-27 炬星科技（深圳）有限公司 一种机器人运动信息识别方法、避障方法及避障机器人、避障系统
CN115576332A (zh) * 2022-12-07 2023-01-06 广东省科学院智能制造研究所 一种任务级多机器人协同运动规划系统与方法
CN115576328A (zh) * 2022-11-15 2023-01-06 之江实验室 基于模糊控制器的机器人导航避障方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02188809A (ja) * 1989-01-17 1990-07-24 Mitsubishi Electric Corp 移動体の障害物回避制御装置
US5545960A (en) * 1991-04-09 1996-08-13 International Business Machines Corporation Autonomous mobile machine, and system and method for controlling a mobile machine
US5687294A (en) * 1994-06-07 1997-11-11 Samsung Electronics Co., Ltd. Running control system of robot and method thereof
US5781697A (en) * 1995-06-02 1998-07-14 Samsung Electronics Co., Ltd. Method and apparatus for automatic running control of a robot
CN101354587A (zh) * 2008-09-04 2009-01-28 湖南大学 一种未知环境下移动机器人多行为融合自动导航方法
CN101833333A (zh) * 2009-12-23 2010-09-15 湖南大学 水下清洗作业机器人未知环境路径规划方法
CN102915465A (zh) * 2012-10-24 2013-02-06 河海大学常州校区 一种基于移动生物刺激神经网络的多机器人联合编队方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02188809A (ja) * 1989-01-17 1990-07-24 Mitsubishi Electric Corp 移動体の障害物回避制御装置
US5545960A (en) * 1991-04-09 1996-08-13 International Business Machines Corporation Autonomous mobile machine, and system and method for controlling a mobile machine
US5687294A (en) * 1994-06-07 1997-11-11 Samsung Electronics Co., Ltd. Running control system of robot and method thereof
US5781697A (en) * 1995-06-02 1998-07-14 Samsung Electronics Co., Ltd. Method and apparatus for automatic running control of a robot
CN101354587A (zh) * 2008-09-04 2009-01-28 湖南大学 一种未知环境下移动机器人多行为融合自动导航方法
CN101833333A (zh) * 2009-12-23 2010-09-15 湖南大学 水下清洗作业机器人未知环境路径规划方法
CN102915465A (zh) * 2012-10-24 2013-02-06 河海大学常州校区 一种基于移动生物刺激神经网络的多机器人联合编队方法

Cited By (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104670222A (zh) * 2013-11-29 2015-06-03 财团法人车辆研究测试中心 滑动模式的行驶路径投票策略模块及驾驶控制系统与方法
CN104670222B (zh) * 2013-11-29 2017-07-25 财团法人车辆研究测试中心 滑动模式的行驶路径投票策略模块及驾驶控制系统与方法
CN103760902B (zh) * 2014-01-14 2016-06-08 上海海事大学 一种基于模糊控制的无人水面艇直线路径跟踪方法
CN103760902A (zh) * 2014-01-14 2014-04-30 上海海事大学 一种基于模糊控制的无人水面艇直线路径跟踪方法
CN104133482A (zh) * 2014-06-26 2014-11-05 中国人民解放军理工大学 一种无人机模糊控制飞行方法
CN104049634A (zh) * 2014-07-02 2014-09-17 燕山大学 基于Camshift算法的智能体模糊动态避障方法
CN104049634B (zh) * 2014-07-02 2017-02-01 燕山大学 基于Camshift算法的智能体模糊动态避障方法
CN105487536A (zh) * 2014-10-13 2016-04-13 北京自动化控制设备研究所 一种移动机器人的低成本自主避障方法
US10802509B2 (en) 2014-12-31 2020-10-13 SZ DJI Technology Co., Ltd. Selective processing of sensor data
CN107209514A (zh) * 2014-12-31 2017-09-26 深圳市大疆创新科技有限公司 传感器数据的选择性处理
CN104834308A (zh) * 2015-04-10 2015-08-12 浙江工业大学 满足复杂需求的最优巡回控制方法
CN104898665A (zh) * 2015-04-16 2015-09-09 山东建筑大学 巡检机器人轨迹规划的方法和装置
CN105425791A (zh) * 2015-11-06 2016-03-23 武汉理工大学 一种基于视觉定位的群机器人控制系统及方法
CN105425791B (zh) * 2015-11-06 2019-01-29 武汉理工大学 一种基于视觉定位的群机器人控制系统及方法
CN105868115A (zh) * 2016-04-05 2016-08-17 工业和信息化部电子第五研究所 软件密集型系统软件测试模型的构建方法和系统
CN108027609A (zh) * 2016-07-26 2018-05-11 深圳市赛亿科技开发有限公司 管家机器人及控制方法
CN106325280A (zh) * 2016-10-20 2017-01-11 上海物景智能科技有限公司 一种多机器人防碰撞方法及系统
CN106325280B (zh) * 2016-10-20 2019-05-31 上海物景智能科技有限公司 一种多机器人防碰撞方法及系统
CN106444381A (zh) * 2016-11-01 2017-02-22 河池学院 一种节电机器人
CN106527432A (zh) * 2016-11-04 2017-03-22 浙江大学 基于模糊算法和二维码自矫正的室内移动机器人协作系统
CN106502250A (zh) * 2016-11-23 2017-03-15 北京邮电大学 三维空间内多机器人编队的路径规划算法
CN106842956B (zh) * 2017-03-17 2018-02-23 葛辰雨 机器人避障方法及系统
CN106842956A (zh) * 2017-03-17 2017-06-13 葛辰雨 机器人避障方法及系统
CN107562057A (zh) * 2017-09-07 2018-01-09 南京昱晟机器人科技有限公司 一种机器人智能导航控制方法
CN107727100A (zh) * 2017-10-16 2018-02-23 广东智爱机器人科技有限公司 一种基于距离型模糊推理的移动机器人导航轨迹规划方法
CN107727100B (zh) * 2017-10-16 2023-04-07 广东智爱机器人科技有限公司 一种基于距离型模糊推理的移动机器人导航轨迹规划方法
CN109917780A (zh) * 2017-12-12 2019-06-21 杭州海康机器人技术有限公司 机器人探测方法、控制方法、装置及系统
CN108388121A (zh) * 2018-03-06 2018-08-10 辽宁天安科技有限公司 一种机械动筛跳汰机的模糊逻辑控制方法
CN108388121B (zh) * 2018-03-06 2020-11-10 辽宁天安科技有限公司 一种机械动筛跳汰机的模糊逻辑控制方法
CN109540163A (zh) * 2018-11-20 2019-03-29 太原科技大学 一种基于差分进化和模糊控制相结合的避障路径规划算法
CN110340894A (zh) * 2019-07-18 2019-10-18 浙江大学 一种基于模糊逻辑的遥操作系统自适应多边控制方法
CN110780670A (zh) * 2019-09-19 2020-02-11 上海机器人产业技术研究院有限公司 基于模糊控制算法的机器人避障控制方法
CN110780670B (zh) * 2019-09-19 2023-03-21 上海机器人产业技术研究院有限公司 基于模糊控制算法的机器人避障控制方法
CN110597263B (zh) * 2019-09-25 2021-11-26 福州大学 一种无人餐厅自动送餐路径规划方法
CN110597263A (zh) * 2019-09-25 2019-12-20 福州大学 一种无人餐厅自动送餐路径规划方法
WO2021169043A1 (zh) * 2020-02-25 2021-09-02 北京理工大学 一种双足机器人落脚位置控制系统与方法
US11698636B2 (en) 2020-02-25 2023-07-11 Beijing Institute Of Technology Foothold position control system and method for biped robot
CN111414010A (zh) * 2020-04-14 2020-07-14 中国人民解放军32180部队 编队内无人机防撞优先级设计方法
CN111414010B (zh) * 2020-04-14 2023-05-23 中国人民解放军32180部队 编队内无人机防撞优先级设计方法
CN111562785A (zh) * 2020-05-15 2020-08-21 中南大学 一种群集机器人协同覆盖的路径规划方法及系统
CN111707266A (zh) * 2020-06-03 2020-09-25 国网上海市电力公司 一种变电站智能运维机器人路径规划方法
WO2022017296A1 (zh) * 2020-07-23 2022-01-27 炬星科技（深圳）有限公司 一种机器人运动信息识别方法、避障方法及避障机器人、避障系统
CN113359707A (zh) * 2021-05-19 2021-09-07 杭州电子科技大学 一种基于双层模糊强化学习的六足机器人避障方法
CN115576328A (zh) * 2022-11-15 2023-01-06 之江实验室 基于模糊控制器的机器人导航避障方法及装置
CN115576332A (zh) * 2022-12-07 2023-01-06 广东省科学院智能制造研究所 一种任务级多机器人协同运动规划系统与方法
CN115576332B (zh) * 2022-12-07 2023-03-24 广东省科学院智能制造研究所 一种任务级多机器人协同运动规划系统与方法

Similar Documents

Publication Publication Date Title
CN103324196A (zh) 基于模糊逻辑的多机器人路径规划与协调避碰方法
Stahl et al. Multilayer graph-based trajectory planning for race vehicles in dynamic scenarios
Hu et al. An efficient RRT-based framework for planning short and smooth wheeled robot motion under kinodynamic constraints
CN100568144C (zh) 一种未知环境下移动机器人多行为融合自动导航方法
CN100491084C (zh) 一种基于二元环境信息的移动机器人局部路径规划方法
CN101221447A (zh) 一种机械自动转向控制方法
WO2020136978A1 (ja) 経路決定方法
JP2020160603A (ja) 経路決定装置、ロボット及び経路決定方法
Chen et al. Path planning for autonomous vehicle based on a two-layered planning model in complex environment
Zhang et al. Structured road-oriented motion planning and tracking framework for active collision avoidance of autonomous vehicles
Tang et al. A reactive collision avoidance approach for mobile robot in dynamic environments
Zhang et al. Motion planning and tracking control of a four-wheel independently driven steered mobile robot with multiple maneuvering modes
Shao Robot path planning method based on genetic algorithm
Nakamura et al. Path Planning for Mobile Robot Considering Turnabouts on Narrow Road by Deep Q-Network
Nguyen et al. A proactive trajectory planning algorithm for autonomous mobile robots in dynamic social environments
Junratanasiri et al. Navigation system of mobile robot in an uncertain environment using type-2 fuzzy modelling
JP7250571B2 (ja) 倒立振子型ロボット
Chen et al. Intelligent obstacle avoidance control strategy for wheeled mobile robot
JPWO2020136977A1 (ja) 経路決定装置、ロボット及び経路決定方法
Elsheikh et al. Dynamic path planning and decentralized FLC path following implementation for WMR based on visual servoing
Özdemir et al. Gap based elastic trees as a novel approach for fast and reliable obstacle avoidance for UGVs
Chand et al. Development of a navigation system for heterogeneous mobile robots
Bai et al. Relative navigation control of articulated vehicle based on LTV-MPC
Dong et al. Path Planning Research for Outdoor Mobile Robot
Wang et al. Experience mixed the modified artificial potential field method

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20130925