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
一种面向多移动机器人系统的模糊编队及避障控制方法 Download PDFInfo
- Publication number
- CN103455033A CN103455033A CN2013104029413A CN201310402941A CN103455033A CN 103455033 A CN103455033 A CN 103455033A CN 2013104029413 A CN2013104029413 A CN 2013104029413A CN 201310402941 A CN201310402941 A CN 201310402941A CN 103455033 A CN103455033 A CN 103455033A
- Authority
- CN
- China
- Prior art keywords
- distance
- membership
- apart
- degree
- decision
- 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.)
- Granted
Links
Images
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
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:
μTL=μ4∨μ5∨μ7
μTR=μ1∨μ2∨μ3
μTZ=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={μTL,μTR,μTZ},根据最大隶属度法得到控制量为max{μTL,μTR,μTZ},
其中,当TL的隶属度μTL最大时输出TL控制量让小车左转;当TZ的隶属度μTZ最大时,输出TZ控制量小车方向不变;当TR的隶属度μTR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…xp is Ap 1,then μ is U1;
If x1 is A1 2 and x2 is A2 2 and…xp is Ap 2,then μ is U2;
…
If x1is A1 n and x2is A2 n and…xp is Ap n,thenμis Un;
其中,x1,x2,…xp是控制器的输入变量,其论域为X1,X2,…Xp,Aj i∈F(Xj),i=1,2,…p,j=1,2,…n是输入变量xi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:
μTL=μ4∨μ5∨μ7
μTR=μ1 ∨μ2 ∨μ3
μTZ=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:
μTL=μ4∨μ5∨μ7
μTR=μ1∨μ2∨μ3
μTZ=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={μTL,μTR,μTZ},根据最大隶属度法得到控制量为max{μTL,μTR,μTZ},
其中,当TL的隶属度μTL最大时输出TL控制量让小车左转;当TZ的隶属度μTZ最大时,输出TZ控制量小车方向不变;当TR的隶属度μTR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:
μTL=μ4∨μ5∨μ7
μTR=μ1 ∨μ2 ∨μ3
μTZ=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={μTL,μTR,μTZ},根据最大隶属度法得到控制量为max{μTL,μTR,μTZ},
其中,当TL的隶属度μTL最大时输出TL控制量让小车左转;当TZ的隶属度μTZ最大时,输出TZ控制量小车方向不变;当TR的隶属度μTR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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310402941.3A CN103455033B (zh) | 2013-09-06 | 2013-09-06 | 一种面向多移动机器人系统的模糊编队及避障控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310402941.3A CN103455033B (zh) | 2013-09-06 | 2013-09-06 | 一种面向多移动机器人系统的模糊编队及避障控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103455033A true CN103455033A (zh) | 2013-12-18 |
CN103455033B CN103455033B (zh) | 2016-01-20 |
Family
ID=49737522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310402941.3A Expired - Fee Related CN103455033B (zh) | 2013-09-06 | 2013-09-06 | 一种面向多移动机器人系统的模糊编队及避障控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103455033B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138044A (zh) * | 2015-07-10 | 2015-12-09 | 北京印刷学院 | 一种基于信息物理网的车队编队控制装置及编队控制方法 |
CN105159291A (zh) * | 2015-07-10 | 2015-12-16 | 北京印刷学院 | 一种基于信息物理网的车队智能避障装置及避障方法 |
CN106094835A (zh) * | 2016-08-01 | 2016-11-09 | 西北工业大学 | 前轮驱动车式移动机器人的动态编队控制方法 |
CN106143657A (zh) * | 2015-03-13 | 2016-11-23 | 西北农林科技大学 | 一种小型履带式探测多机器人系统 |
CN108563240A (zh) * | 2018-07-26 | 2018-09-21 | 电子科技大学 | 一种大规模微型无人机的编队及控制方法 |
CN109643128A (zh) * | 2017-08-07 | 2019-04-16 | 松下电器产业株式会社 | 移动体及移动体的控制方法 |
CN110147096A (zh) * | 2019-04-01 | 2019-08-20 | 江苏大学 | 一种基于视觉跟随的多机协调控制方法 |
CN110262485A (zh) * | 2019-06-10 | 2019-09-20 | 华侨大学 | 一种基于自适应引力的移动机器人避障方法 |
CN110609554A (zh) * | 2019-09-17 | 2019-12-24 | 重庆特斯联智慧科技股份有限公司 | 一种机器人移动控制方法及装置 |
CN111820822A (zh) * | 2020-07-30 | 2020-10-27 | 睿住科技有限公司 | 扫地机器人及其照明方法和计算机可读存储介质 |
CN112099507A (zh) * | 2020-09-17 | 2020-12-18 | 吉林大学 | 一种多机器人队形在有障碍物场景中的协同运动方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19738163A1 (de) * | 1997-09-01 | 1999-03-11 | Siemens Ag | Verfahren zur Andockpositionierung einer autonomen mobilen Einheit unter Verwendung eines Leitstrahles |
CN102096415A (zh) * | 2010-12-31 | 2011-06-15 | 重庆邮电大学 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
KR20120090387A (ko) * | 2011-02-07 | 2012-08-17 | 삼성테크윈 주식회사 | 감시 경계 로봇 시스템 및 경계 로봇 시스템에서 이동 로봇의 주행 방법 |
CN103139812A (zh) * | 2013-03-01 | 2013-06-05 | 哈尔滨工业大学 | 基于无线传感器网络的移动节点编队避障方法 |
-
2013
- 2013-09-06 CN CN201310402941.3A patent/CN103455033B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19738163A1 (de) * | 1997-09-01 | 1999-03-11 | Siemens Ag | Verfahren zur Andockpositionierung einer autonomen mobilen Einheit unter Verwendung eines Leitstrahles |
CN102096415A (zh) * | 2010-12-31 | 2011-06-15 | 重庆邮电大学 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
KR20120090387A (ko) * | 2011-02-07 | 2012-08-17 | 삼성테크윈 주식회사 | 감시 경계 로봇 시스템 및 경계 로봇 시스템에서 이동 로봇의 주행 방법 |
CN103139812A (zh) * | 2013-03-01 | 2013-06-05 | 哈尔滨工业大学 | 基于无线传感器网络的移动节点编队避障方法 |
Non-Patent Citations (3)
Title |
---|
张凤等: "基于Leader-follower与人工势场的多移动机器人编队控制", 《沈阳建筑大学学报(自然科学版)》 * |
张子迎等: "多机器人混合编队控制", 《北京邮电大学学报》 * |
沈捷等: "多移动机器人保持队形路径规划", 《东南大学学报(自然科学版)》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106143657A (zh) * | 2015-03-13 | 2016-11-23 | 西北农林科技大学 | 一种小型履带式探测多机器人系统 |
CN105159291A (zh) * | 2015-07-10 | 2015-12-16 | 北京印刷学院 | 一种基于信息物理网的车队智能避障装置及避障方法 |
CN105138044B (zh) * | 2015-07-10 | 2017-10-31 | 北京印刷学院 | 一种基于信息物理网的车队编队控制装置及编队控制方法 |
CN105159291B (zh) * | 2015-07-10 | 2018-04-20 | 北京印刷学院 | 一种基于信息物理网的车队智能避障装置及避障方法 |
CN105138044A (zh) * | 2015-07-10 | 2015-12-09 | 北京印刷学院 | 一种基于信息物理网的车队编队控制装置及编队控制方法 |
CN106094835B (zh) * | 2016-08-01 | 2019-02-12 | 西北工业大学 | 前轮驱动车式移动机器人的动态编队控制方法 |
CN106094835A (zh) * | 2016-08-01 | 2016-11-09 | 西北工业大学 | 前轮驱动车式移动机器人的动态编队控制方法 |
CN109643128A (zh) * | 2017-08-07 | 2019-04-16 | 松下电器产业株式会社 | 移动体及移动体的控制方法 |
CN109643128B (zh) * | 2017-08-07 | 2022-02-25 | 松下电器产业株式会社 | 移动体及移动体的控制方法 |
CN108563240A (zh) * | 2018-07-26 | 2018-09-21 | 电子科技大学 | 一种大规模微型无人机的编队及控制方法 |
CN110147096A (zh) * | 2019-04-01 | 2019-08-20 | 江苏大学 | 一种基于视觉跟随的多机协调控制方法 |
CN110262485A (zh) * | 2019-06-10 | 2019-09-20 | 华侨大学 | 一种基于自适应引力的移动机器人避障方法 |
CN110262485B (zh) * | 2019-06-10 | 2022-06-07 | 华侨大学 | 一种基于自适应引力的移动机器人避障方法 |
CN110609554A (zh) * | 2019-09-17 | 2019-12-24 | 重庆特斯联智慧科技股份有限公司 | 一种机器人移动控制方法及装置 |
CN110609554B (zh) * | 2019-09-17 | 2023-01-17 | 重庆特斯联智慧科技股份有限公司 | 一种机器人移动控制方法及装置 |
CN111820822A (zh) * | 2020-07-30 | 2020-10-27 | 睿住科技有限公司 | 扫地机器人及其照明方法和计算机可读存储介质 |
CN111820822B (zh) * | 2020-07-30 | 2022-03-08 | 广东睿住智能科技有限公司 | 扫地机器人及其照明方法和计算机可读存储介质 |
CN112099507A (zh) * | 2020-09-17 | 2020-12-18 | 吉林大学 | 一种多机器人队形在有障碍物场景中的协同运动方法 |
CN112099507B (zh) * | 2020-09-17 | 2021-12-03 | 吉林大学 | 一种多机器人队形在有障碍物场景中的协同运动方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103455033B (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103455033B (zh) | 一种面向多移动机器人系统的模糊编队及避障控制方法 | |
CN110989526B (zh) | 一种双agv协同运载控制系统及方法 | |
CN103499973B (zh) | 一种主-从机协同作业农业机械智能导航系统 | |
CN105043376B (zh) | 一种适用于非全向移动车辆的智能导航方法及系统 | |
CN107085938B (zh) | 基于车道线与gps跟随的智能驾驶局部轨迹容错规划方法 | |
CN103324196A (zh) | 基于模糊逻辑的多机器人路径规划与协调避碰方法 | |
CN106054882A (zh) | 一种机器人避障方法 | |
CN104375505A (zh) | 一种基于激光测距的机器人自主寻路方法 | |
CN103335658A (zh) | 一种基于弧线路径生成的自主车辆避障方法 | |
CN108170146B (zh) | 一种基于已知环境的路径规划方法 | |
WO2020220604A1 (zh) | 一种多agv系统动态障碍物实时避障方法及避障系统 | |
CN105867372B (zh) | 全方位移动机器人狭窄直角弯下转向运动规划方法及系统 | |
WO2022252221A1 (zh) | 一种移动机器人队列系统及路径规划、跟随方法 | |
CN105022399A (zh) | 对于作业机构具有改进的地面跟随农机控制系统 | |
JP2021075186A (ja) | 車両制御システム | |
CN104007762A (zh) | 一种电力巡检机器人的导航方法 | |
Tang et al. | An overview of path planning algorithms | |
Bajrami et al. | Artificial neural fuzzy logic algorithm for robot path finding | |
CN103139812A (zh) | 基于无线传感器网络的移动节点编队避障方法 | |
Yang et al. | A trajectory planning and fuzzy control for autonomous intelligent parking system | |
CN113341999A (zh) | 一种基于优化d*算法的叉车路径规划方法及装置 | |
Zhou et al. | Modeling and simulation research of heavy-duty AGV tracking control system based on magnetic navigation | |
Woo | Mobile robot path planning with randomly moving obstacles and goal | |
CN112925313A (zh) | 机器人的避让处理方法、装置、电子设备和介质 | |
Thinh et al. | Predictive controller for mobile robot based on fuzzy logic |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160120 Termination date: 20190906 |