CN103455033A - 一种面向多移动机器人系统的模糊编队及避障控制方法 - Google Patents

Abstract

本发明公开了一种面向多移动机器人系统的模糊编队及避障控制方法，首先领航机器人检测运行的前向区域是否有障碍物；如果无，则按原来队形继续运行；如果有，则多移动机器人系统进入避障状态，然后以广播的形式告知所有跟随机器人；最后跟随机器人根据存储的不同队形信息以及领航机器人广播的信息切换队形，并确定在编队队形中的位置；重复上述过程。本发明采用模糊编队及避障控制方法实现未知环境下的多移动机器人编队功能，并能有效的避开障碍物运行。领航机器人检测障碍物信息，并将队形切换信息广播到跟随机器人，通过队形切换达到避开障碍物目的，运用模糊编队控制方法避免了因建模误差带来的控制失准等问题，并且易于实现。

Description

一种面向多移动机器人系统的模糊编队及避障控制方法

技术领域

本发明涉及机器人控制领域，特别涉及一种面向多移动机器人系统的模糊编队及避障控制方法。

背景技术

机器人避障是指机器人导航过程中避开周围的障碍物。随着机器人技术的纵深发展及广泛应用，对机器人的智能性提出了更高的要求。目前，移动机器人在实际问题中得到了越来越广泛的应用。通过多移动机器人间的合作，可提高机器人系统在作业过程中的效率，进而当工作环境发生变化或机器人系统局部发生故障时，多移动机器人系统仍可通过本身具有的合作关系来完成预定的任务。然而，对不确定复杂环境、无法装置各种监测设备或由机器人局部故障引起的网络拓扑结构的变化没有较好地解决方案，从而使多移动机器人系统的服务对象或工作环境受到限制。首先，以往对于多机器人系统的研究大多集中在环境条件已知、可装置各种监测仪器的场景，机器人本身并没有过多的传感器、摄像头等监测设备，因此无法自主的感知外界环境的变化；其次，以往的通信组网系统可以较好的实现多机器人之间的通信，但当系统中的机器人因故障而停止运行或无法正常工作时，其网络拓扑结构应当改变而不能自主改变，这就会影响多机器人之间的协作。在动态避障实时控制过程中往往由于存在局部最优解，因此容易产生死锁现象，因而可能使移动机器人在到达目标点之前就停留在局部最优点。或者不能精确地预测障碍物运动加速度，不便于避障的路径规划。

因此急需一种多移动机器人系统的动态避障、编队控制方法。

发明内容

有鉴于此，本发明所要解决的技术问题是提供一种多移动机器人系统的动态避障方法，该方法采用一种模糊编队及避障控制方法来实现多移动机器人系统的控制。

本发明的目的是这样实现的：

本发明提供的一种面向多移动机器人系统的模糊编队及避障控制方法，包括以下步骤：

S1：领航机器人检测运行的前向区域是否有障碍物；

S2：如果无，则按原来队形的编队状态继续运行；

S3：如果有，则多移动机器人系统进入避障状态，并以广播的形式告知所有跟随机器人；

S4：跟随机器人根据存储的不同队形信息以及领航机器人广播的信息切换队形，并确定在编队队形中的位置；

S5：重发步骤S1-S5。

进一步，所述队形信息包括与领航机器人保持的距离和角度信息。

进一步，所述避障状态采用领航机器人避障模糊控制，所述领航机器人避障模糊控制的具体步骤如下：

S311：通过安装在领航机器人不同方向的传感器获取障碍物的距离信息和方向信息；

S312：将距离信息和方向信息输入到模糊推理机进行模糊计算得到模糊控制策略；

S313：模糊控制策略反模糊化并输出。

进一步，所述模糊避障控制策略包括转向信息和转速信息，所述转速信息为匀速，所述转向信息是通过以下模糊推理机来实现的：

S321：根据左方、前方、右方三个方向上的传感器获取的障碍物距离信息和实际经验设定模糊推理规则库得到决策值：

若障碍物在左方、前方、右方的距离隶属度分别为近处、近处、近处，则决策为右转μ₁；

若障碍物在左方、前方、右方的距离隶属度分别为近处、近处、远处，则决策为右转μ₂；

若障碍物在左方、前方、右方的距离隶属度分别为近处、远处、远处，则决策为右转μ₃；

若障碍物在左方、前方、右方的距离隶属度分别为远处、近处、近处，则决策为左转μ₄；

若障碍物在左方、前方、右方的距离隶属度分别为远处、远处、近处，则决策为左转μ₅；

若障碍物在左方、前方、右方的距离隶属度分别为远处、远处、远处，则决策为前行μ₆；

若障碍物在左方、前方、右方的距离隶属度分别为远处、近处、远处，则决策为左转μ₇；

若障碍物在左方、前方、右方的距离隶属度分别为近处、远处、近处，则决策为前行μ₈；

其中，左方、前方、右方均是障碍物相对于领航机器人的相对方向；所述近处、远处根据实际情况设定障碍物相对于领航机器人的距离；

S322：按以下方式对输出的决策值进行计算得到模糊输出离散值：

μ_TL＝μ₄∨μ₅∨μ₇

μ_TR＝μ₁∨μ₂∨μ₃

μ_TZ＝μ₆∨μ₈

其中，TL、TR、TZ分别表示左转、右转、前行，符号∨表示max运算；

S323：将模糊输出离散值组成模糊集合为μ＝{μ_TL，μ_TR，μ_TZ}，根据最大隶属度法得到控制量为max{μ_TL，μ_TR，μ_TZ}，

其中，当TL的隶属度μ_TL最大时输出TL控制量让小车左转；当TZ的隶属度μ_TZ最大时，输出TZ控制量小车方向不变；当TR的隶属度μ_TR最大时，输出TR控制量小车右转。

进一步，所述编队状态采用跟随机器人局部跟随模糊控制，所述跟随机器人局部跟随模糊控制的控制策略获取的具体步骤如下：

S211：通过安装在跟随机器人不同方向的传感器获取局部领航机器人的距离信息和方向信息；

S212：将距离信息和方向信息输入到模糊推理机进行模糊计算得到模糊编队控制策略；

S213：模糊控制策略反模糊化并输出。

进一步，所述模糊编队控制采用跟随机器人局部跟随模糊控制；所述模糊编队控制策略包括转向信息和转速信息，所述转向信息和转速信息是通过以下模糊推理机来实现的：

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离很远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离远，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离很远、距离远，则决策为右转、加速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离远，则决策为右转、加速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离远、距离远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离很远、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离远、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离很远、距离很远，则决策为左转、加速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离很远，则决策为左转、加速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离近，则决策为前行、减速；

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离远，则决策为前行、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离很远，则决策为前行、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离很远，则决策为前行、加速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离远，则决策为前行、加速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离很远，则决策为前行、加速；

其中，左方、前方、右方均是领航机器人相对于跟随机器人的相对方向，所述距离近、距离远、距离很远根据实际情况设定领航机器人相对于跟随机器人的距离。

本发明的优点在于：本发明采用模糊编队及避障控制方法实现未知环境下的多移动机器人编队功能，并能有效的避开障碍物运行。领航机器人检测障碍物信息，并将队形切换信息广播到跟随机器人，通过队形切换达到避开障碍物目的，运用模糊编队控制方法避免了因建模误差带来的控制失准等问题，并且易于实现。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明实施例提供的面向多移动机器人系统的模糊编队及避障控制方法流程图；

图2为本发明实施例提供的障碍物对于小车的方向隶属度函数示意图；

图3为本发明实施例提供的障碍物对于小车的距离隶属度函数示意图；

图4为本发明实施例提供的领航小车的输出隶属度函数示意图；

图5为本发明实施例提供的领航小车对于跟踪小车的方向隶属度函数示意图；

图6为本发明实施例提供的领航小车对于跟踪小车的距离隶属度函数示意图；

图7为本发明实施例提供的输出量T的隶属度函数示意图；

图8为本发明实施例提供的输出量S的隶属度函数示意图。

具体实施方式

以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

图1为本发明实施例提供的面向多移动机器人系统的模糊编队及避障控制方法流程图；图2为本发明实施例提供的障碍物对于小车的方向隶属度函数示意图；图3为本发明实施例提供的障碍物对于小车的距离隶属度函数示意图；图4为本发明实施例提供的领航小车的输出隶属度函数示意图；图5为本发明实施例提供的跟踪小车的方向隶属度函数示意图；图6为本发明实施例提供的跟踪小车的距离隶属度函数示意图；图7为本发明实施例提供的输出量T的隶属度函数示意图；图8为本发明实施例提供的输出量S的隶属度函数示意图，如图所示：本发明提供的一种面向多移动机器人系统的模糊编队及避障控制方法，包括以下步骤：

S1：领航机器人检测运行的前向区域是否有障碍物；

S2：如果无，则按原来队形的编队状态继续运行；

S3：如果有，则多移动机器人系统进入避障状态，并以广播的形式告知所有跟随机器人；

S4：跟随机器人根据存储的不同队形信息以及领航机器人广播的信息切换队形，并确定在编队队形中的位置；

S5：重发步骤S1-S5。

所述队形包括与领航机器人保持的距离和角度信息。

所述避障状态包括领航机器人避障模糊控制，所述领航机器人避障模糊控制的具体步骤如下：

S311：通过安装在领航机器人不同方向的传感器获取距障碍物的距离信息和方向信息；

S312：将距离信息和方向信息输入到模糊推理机进行模糊计算得到模糊控制策略；

S313：模糊控制策略反模糊化并输出。

所述模糊控制策略包括转向信息和转速信息，所述转速信息为匀速，所述转向信息是通过以下模糊推理机来实现的：

所述模糊推理机采用多输入单输出的曼丹尼模糊控制器，其控制规则如下：

If x₁ is A₁ ¹ and x₂ is A₂ ¹ and…x_p is A_p ¹，then μ is U¹；

If x₁ is A₁ ² and x₂ is A₂ ² and…x_p is A_p ²，then μ is U²；

…

If x₁is A₁ ⁿ and x₂is A₂ ⁿ and…x_p is A_p ⁿ，thenμis Uⁿ；

其中，x₁，x₂，…x_p是控制器的输入变量，其论域为X₁，X₂，…X_p，A_j ⁱ∈F(X_j)，i＝1，2，…p，j＝1，2，…n是输入变量x_i的模糊集合，μ是输出变量，其论域为U。

根据本实施例提供的多移动机器人系统的实际情况，所述模糊控制策略包括转向信息和转速信息，所述转向信息和转速信息是通过以下模糊推理机来实现的：

S321：根据左方、前方、右方三个方向上的传感器获取的障碍物距离信息和实际经验设定模糊推理规则库得到决策值：根据实际经验按以下表所设定的模糊推理规则库得到决策值Y：

情况	X1	X2	X3	Y
					①	N	N	N	TR
②	N	N	F	TR
					③	N	F	F	TR
④	F	N	N	TL
					⑤	F	F	N	TL
⑥	F	F	F	TZ
					⑦	F	N	F	TL
⑧	N	F	N	TZ

该表具体含义如下：

若障碍物在左方、前方、右方的距离隶属度分别为近处、近处、近处，则决策为右转μ₁；

若障碍物在左方、前方、右方的距离隶属度分别为近处、近处、远处，则决策为右转μ₂；

若障碍物在左方、前方、右方的距离隶属度分别为近处、远处、远处，则决策为右转μ₃；

若障碍物在左方、前方、右方的距离隶属度分别为远处、近处、近处，则决策为左转μ₄；

若障碍物在左方、前方、右方的距离隶属度分别为远处、远处、近处，则决策为左转μ₅；

若障碍物在左方、前方、右方的距离隶属度分别为远处、远处、远处，则决策为前行μ₆；

若障碍物在左方、前方、右方的距离隶属度分别为远处、近处、远处，则决策为左转μ₇；

若障碍物在左方、前方、右方的距离隶属度分别为近处、远处、近处，则决策为前行μ₈；

其中，左方、前方、右方均是障碍物相对于领航机器人的相对方向；

S322：按以下方式对输出的决策值进行计算得到模糊输出离散值：

μ_TL＝μ₄∨μ₅∨μ₇

μ_TR＝μ₁ ^∨μ₂ ^∨μ₃

μ_TZ＝μ₆∨μ₈

其中，TL、TR、TZ分别表示左转、右转、前行，符号∨表示max运算；

其中，X1表示左方，X2表示前方，X3表示右方，Y表示决策值；TL表示左转，TZ表示方向不变，TR表示右转，N表示近处，F表示远处；

所述近处、远处根据实际情况设定障碍物相对于领航机器人的距离；本实施例中采用以下方式来设置远处和近处；设定障碍物相对于领航机器人的距离为5-15cm，本实施例中取10cm时为近处(隶属度为1)，25-35cm时为远处，本实施例中取30cm(隶属度为1)；如图3所示。

S322：按以下方式对输出的决策值进行计算得到模糊输出离散值：

μ_TL＝μ₄∨μ₅∨μ₇

μ_TR＝μ₁∨μ₂∨μ₃

μ_TZ＝μ₆∨μ₈

其中，符号∨表示max运算(取二者较大的)；μ₁，μ₂，μ₃，μ₄，μ₅，μ₆，μ₇，μ₈是跟方向和距离相关的决策值，具体含义如下：

μ₁代表若障碍物在左方、前方、右方的距离隶属度分别为近处、近处、近处，则决策为右转；μ₂代表若障碍物在左方、前方、右方的距离隶属度分别为近处、近处、远处，则决策为右转，μ₃代表若障碍物在左方、前方、右方的距离隶属度分别为近处、远处、远处，则决策为右转，μ₄代表若障碍物在左方、前方、右方的距离隶属度分别为远处、近处、近处，则决策为左转，μ₅代表若障碍物在左方、前方、右方的距离隶属度分别为远处、远处、近处，则决策为左转，μ₆代表若障碍物在左方、前方、右方的距离隶属度分别为远处、远处、远处，则决策为前行，μ₇代表若障碍物在左方、前方、右方的距离隶属度分别为远处、近处、远处，则决策为左转，μ₈代表若障碍物在左方、前方、右方的距离隶属度分别为近处、远处、近处，则决策为前行；

S323：将模糊输出离散值组成模糊集合为μ＝{μ_TL，μ_TR，μ_TZ}，根据最大隶属度法得到控制量为max{μ_TL，μ_TR，μ_TZ}，

其中，当TL的隶属度μ_TL最大时输出TL控制量让小车左转；当TZ的隶属度μ_TZ最大时，输出TZ控制量小车方向不变；当TR的隶属度μ_TR最大时，输出TR控制量小车右转。

所述避障状态包括跟随机器人局部跟随模糊控制；所述跟随机器人局部跟随模糊控制根据以下模糊规则表来实现跟随机器人之间的局部跟随：

假设多移动机器人组成的通信拓扑结构为强连通且每个子节点仅有一个父节点，即每个跟随机器人只有一个领航机器人。编队采用局部领航-跟随的方法。设定领航机器人对于跟随机器人所在方向的模糊集合为：

{L，F，R}＝{左方，前方，右方}

领航机器人对于跟随机器人相对距离的模糊集合为：

{N，F，XF}＝{近，远，很远}

跟随机器人模糊控制器的方向控制输出量T可描述为：

{TL，TZ，TR}＝{左转，方向不变，右转}

跟随机器人模糊控制器的速度控制输出量S可描述为：

{SD，SZ，SU}＝{减速5%，速度不变，加速5%}

根据距离模糊集合的描述可知，在三个传感器的情况下会出现3³＝27种情况，经过实际情况的参照，可知其中有如下五种情况在实际中是不存在：

情况	左边(I1)	前方(I2)	右边(I3)
				1	N	F	N
2	N	XF	N
				3	F	XF	F
4	N	XF	F
				5	F	XF	N

根据其余22种情况可确定以下的模糊推理规则：

该表的具体含义如下：

所述编队状态采用跟随机器人局部跟随模糊控制，所述跟随机器人局部跟随模糊控制的控制策略获取的具体步骤如下：

S211：通过安装在跟随机器人不同方向的传感器获取局部领航机器人的距离信息和方向信息；

S212：将距离信息和方向信息输入到模糊推理机进行模糊计算得到模糊编队控制策略；

S213：模糊控制策略反模糊化并输出。

所述模糊编队控制采用跟随机器人局部跟随模糊控制；所述模糊编队控制策略包括转向信息和转速信息，所述转向信息和转速信息是通过以下模糊推理机来实现的：

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离很远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离远，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离很远、距离远，则决策为右转、加速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离远，则决策为右转、加速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离远、距离远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离很远、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离远、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离很远、距离很远，则决策为左转、加速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离很远，则决策为左转、加速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离近，则决策为前行、减速；

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离远，则决策为前行、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离很远，则决策为前行、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离很远，则决策为前行、加速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离远，则决策为前行、加速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离很远，则决策为前行、加速；

其中，左方、前方、右方均是领航机器人相对于跟随机器人的相对方向。

其中，N表示距离近，F表示距离远，XF表示距离很远；决策信息中，TR表示右转，TL表示左转，TZ表示前进，SD表示减速，SU表示加速，SZ表示匀速，I1表示跟随机器人左方，I2表示跟随机器人前方，I3表示跟随机器人右方。

所述距离近、距离远、距离很远根据实际情况设定领航机器人相对于跟随机器人的距离，本实施例中的距离近、距离远、距离很远具体确定方法如下：根据传感器获得的距离信息，0-5cm为距离近，本实施例中具体取值为0(隶属度为1)；15-25cm为距离远，本实施例中具体取值为20(隶属度为1)；35-45cm为距离很远，本实施例中具体取值为40(隶属度为1)；如图6所示。

以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种面向多移动机器人系统的模糊编队及避障控制方法，其特征在于：包括以下步骤：

S1：领航机器人检测运行的前向区域是否有障碍物；

S2：如果无，则按原来队形的编队状态继续运行；

S3：如果有，则多移动机器人系统进入避障状态，并以广播的形式告知所有跟随机器人；

S4：跟随机器人根据存储的不同队形信息以及领航机器人广播的信息切换队形，并确定在编队队形中的位置；

S5：重发步骤S1-S5。

2.根据权利要求1所述的面向多移动机器人系统的模糊编队及避障控制方法，其特征在于：所述队形信息包括与领航机器人保持的距离和角度信息。

3.根据权利要求1所述的面向多移动机器人系统的模糊编队及避障控制方法，其特征在于：所述避障状态采用领航机器人避障模糊控制，所述领航机器人避障模糊控制的控制策略获取的具体步骤如下：

S311：通过安装在领航机器人不同方向的传感器获取障碍物的距离信息和方向信息；

S312：将距离信息和方向信息输入到模糊推理机进行模糊计算得到模糊避障控制策略；

S313：模糊控制策略反模糊化并输出。

4.根据权利要求3所述的面向多移动机器人系统的模糊编队及避障控制方法，其特征在于：所述模糊避障控制策略包括转向信息和转速信息，所述转速信息为匀速，所述转向信息是通过以下模糊推理机来实现的：

S321：根据左方、前方、右方三个方向上的传感器获取的障碍物距离信息和实际经验设定模糊推理规则库得到决策值：

若障碍物在左方、前方、右方的距离隶属度分别为近处、近处、近处，则决策为右转μ₁；

若障碍物在左方、前方、右方的距离隶属度分别为近处、近处、远处，则决策为右转μ₂；

若障碍物在左方、前方、右方的距离隶属度分别为近处、远处、远处，则决策为右转μ₃；

若障碍物在左方、前方、右方的距离隶属度分别为远处、近处、近处，则决策为左转μ₄；

若障碍物在左方、前方、右方的距离隶属度分别为远处、远处、近处，则决策为左转μ₅；

若障碍物在左方、前方、右方的距离隶属度分别为远处、远处、远处，则决策为前行μ₆；

若障碍物在左方、前方、右方的距离隶属度分别为远处、近处、远处，则决策为左转μ₇；

若障碍物在左方、前方、右方的距离隶属度分别为近处、远处、近处，则决策为前行μ₈；

其中，左方、前方、右方均是障碍物相对于领航机器人的相对方向，所述近处、远处根据实际情况设定障碍物相对于领航机器人的距离；

S322：按以下方式对输出的决策值进行计算得到模糊输出离散值：

μ_TL＝μ₄∨μ₅∨μ₇

μ_TR＝μ₁ ^∨μ₂ ^∨μ₃

μ_TZ＝μ₆∨μ₈

其中，TL、TR、TZ分别表示左转、右转、前行，符号∨表示max运算；

S323：将模糊输出离散值组成模糊集合为μ＝{μ_TL，μ_TR，μ_TZ}，根据最大隶属度法得到控制量为max{μ_TL，μ_TR，μ_TZ}，

其中，当TL的隶属度μ_TL最大时输出TL控制量让小车左转；当TZ的隶属度μ_TZ最大时，输出TZ控制量小车方向不变；当TR的隶属度μ_TR最大时，输出TR控制量小车右转。

5.根据权利要求1所述的面向多移动机器人系统的模糊编队及避障控制方法，其特征在于：所述编队状态采用跟随机器人局部跟随模糊控制，所述跟随机器人局部跟随模糊控制的控制策略获取的具体步骤如下：

S211：通过安装在跟随机器人不同方向的传感器获取局部领航机器人的距离信息和方向信息；

S212：将距离信息和方向信息输入到模糊推理机进行模糊计算得到模糊编队控制策略；

S213：模糊控制策略反模糊化并输出。

6.根据权利要求5所述的面向多移动机器人系统的模糊编队及避障控制方法，其特征在于：所述模糊编队控制策略采用跟随机器人局部跟随模糊控制；所述模糊编队控制策略包括转向信息和转速信息，所述转向信息和转速信息是通过以下模糊推理机来实现的：

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离很远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离近，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离远，则决策为右转、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离很远、距离远，则决策为右转、加速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离远，则决策为右转、加速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离远、距离远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离很远、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离近、距离远、距离很远，则决策为左转、匀速；

若在左方、前方、右方的距离隶属度分别为距离远、距离很远、距离很远，则决策为左转、加速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离很远，则决策为左转、加速；

若在左方、前方、右方的距离隶属度分别为距离近、距离近、距离近，则决策为前行、减速；

若在左方、前方、右方的距离隶属度分别为距离远、距离近、距离远，则决策为前行、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离近、距离很远，则决策为前行、匀速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离很远，则决策为前行、加速；

若在左方、前方、右方的距离隶属度分别为距离远、距离远、距离远，则决策为前行、加速；

若在左方、前方、右方的距离隶属度分别为距离很远、距离远、距离很远，则决策为前行、加速；

其中，左方、前方、右方均是领航机器人相对于跟随机器人的相对方向，所述距离近、距离远、距离很远根据实际情况设定领航机器人相对于跟随机器人的距离。

Images