CN107727100A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107727100A
CN107727100A CN201710958906.8A CN201710958906A CN107727100A CN 107727100 A CN107727100 A CN 107727100A CN 201710958906 A CN201710958906 A CN 201710958906A CN 107727100 A CN107727100 A CN 107727100A
Authority
CN
China
Prior art keywords
robot
fuzzy
value
distance
barrier
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
Application number
CN201710958906.8A
Other languages
English (en)
Other versions
CN107727100B (zh
Inventor
米泽硕玉
王俊锋
渕沟宣诚
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.)
Guangdong Zhi Ai Robot Technology Co Ltd
Original Assignee
Guangdong Zhi Ai Robot Technology Co Ltd
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 Guangdong Zhi Ai Robot Technology Co Ltd filed Critical Guangdong Zhi Ai Robot Technology Co Ltd
Priority to CN201710958906.8A priority Critical patent/CN107727100B/zh
Publication of CN107727100A publication Critical patent/CN107727100A/zh
Application granted granted Critical
Publication of CN107727100B publication Critical patent/CN107727100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20Instruments for performing navigational calculations
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0219Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Acoustics & Sound (AREA)
  • Electromagnetism (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

本发明属于机器人轨迹规划技术领域,尤其涉及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,本发明采用模糊推理规则,将移动机器人导航、向目的地移动、障碍物回避的知识定式化,用模糊集合隶属函数,把模糊推理规则中的语言变量定量化,并由安装在移动机器人上的传感器所检测出来的信息,基于距离型模糊推理,实时地求出移动机器人在给定路径上的走行速度目标值和旋转速度目标值,使移动机器人实现像人导航那样的高度智能行为。

Description

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
技术领域
本发明属于机器人轨迹规划技术领域,尤其涉及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。
背景技术
众所周知,工业机器人大多数都是在与人分离的环境中作业,高速高精 度化是工业机器人研究的主要课题。近年来,随着少子化、老龄化快速发展, 生活支援机器人的研究,也越来越受到重视,机器人产业将逐渐进入到人机 共存时代。
关于移动机器人导航,首先,作为先驱性研究,研制了导盲机器人,并 通过实验确认能诱导盲人沿着地标到达目的地。之后,又开发了具有语音导 航和障碍物识别功能的机器人。近年,又把相关研究的重点放到了人与机器 人的交流上,开发了人形导航机器人Hadaly、接待机器人ASKA和声音对话 机器人Jijo-2等。对于移动机器人导航,在像博物馆、医院等比较复杂的环 境中,首先是要寻找出到达目的地的最优路径,被称之为最优路径规划,比 如用时间最优路径算法,最短路径算法等。当最优路径规划完成,即,要去 的目的地的最优路径确定以后,移动机器人将沿着规划好的路径为人导航。
那么下一步,在给出的路径上,如何规划移动机器人在路径上的走行速 度问题,被称之为移动机器人导航轨迹规划。人,在沿着某一路径为他人导 航时,往往是一边注意与被导航者之间的距离和到终点的距离,一边实时地 调整自己的走行速度,同时,还要观察周围的环境状况,如有障碍物,还需 要进一步调整自己的走行速度或者方向,进行障碍物回避。比如,导航人如 果与被导航人之间的距离大了的话,导航人要把前进速度放慢一些,而当两 者之间的距离很近,并且距离终点还很远时,导航人又可以把前进速度加快 一些,但是,当前方又出现障碍物时,速度又要放慢一些;此外,当左方或 者右方出现障碍物时,还需要修改移动方向。因此,从人的导航过程可以看 出,人沿着某一路径为他人的导航,是一个非常高度的智能行为。
距离型模糊推理,是发明者之一提出的一种推理方法;它严格地满足模 糊分离规则FMP(fuzzy modus ponens),具有良好的渐进特性,即,事实与某 一规则的前件相等时,推理结果就等于该规则的后件。尤其,在规则前件与 事实的交集不存在的情况下,也能完成推理。因此可以说,距离型模糊推理, 解决了基于相似度的模糊推理法(Mamdani型算法等)所存在的根本问题。这 种模糊推理方法,对于生活支援机器人的研究,将有很大的推动作用。
随着信息技术的进步,机器人与被导航者之间的距离、周围是否有障碍 物等信息,则可以通过安装在移动机器人上的各种传感器检测出来。
发明内容
本发明的目的在于:提供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,具体地说,由安装在移动机器人上的各种传感器所检测出来的 信息,基于距离型模糊推理,把移动机器人在规划好的路径上的走行速度, 实时地计算出来。
为了实现上述目的,本发明采用以下技术方案:
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,实现该方法 的步骤包括:
步骤一、当考虑移动机器人与被导航者之间距离时,以机器人与被导航 者之间的模糊距离值规划出来的机器人的移动速度是如下计算的,即利用式 (1)的推理规则及式(2),来推理机器人的移动速度;
其中,i=1,2,…,n1;j=1,2,…,n1
n1:模糊推理规则的则数;
dRH:模糊推理规则前件变量(机器人与被导航者之间距离);
v:模糊推理规则后件变量(机器人移动速度);
Ai1:模糊推理规则中前件的语言变量模糊集合;
bi1:模糊推理规则中后件的语言变量模糊集合(单值型模糊集合);
A1:机器人和被导航者之间的实际距离(事实);
d(Aj1,A1):事实A1与前件的语言变量模糊集合Aj1之间的距离值;
V1:考虑机器人与被导航者之间距离时的机器人移动速度;
步骤二、当移动机器人的前方有障碍物时,以机器人与前方障碍物之间 的模糊距离值规划出来的机器人的移动速度是如下计算的,即利用式(3)的 推理规则及式(4),来推理机器人的移动速度;
其中,i=1,2,…,n2;j=1,2,…,n2
n2:模糊推理规则的则数;
df:模糊推理规则前件变量(机器人与前方障碍物之间距离);
vf:糊推理规则后件变量(机器人移动速度);
Ai2:模糊推理规则中前件的语言变量模糊集合;
bi2:模糊推理规则中后件的语言变量模糊集合(单值型模糊集合);
A2:移动机器人和前方障碍物之间的实际距离值(事实);
d(Aj2,A2):事实A2与前件的语言变量模糊集合Aj2之间的距离值;
V2:机器人的前方有障碍物时的机器人移动速度;
步骤三、当移动机器人的左方有障碍物时,以机器人与左方障碍物之间 的模糊距离值规划出来的机器人的旋转速度是如下计算的,即利用式(5)的 推理规则及式(6),来推理机器人的移动速度;
其中,i=1,2,…,n3;j=1,2,…,n3
n3:模糊推理规则的则数;
dl:模糊推理规则前件变量(机器人与左方障碍物之间距离);
νl:模糊推理规则后件变量(机器人旋转速度);
Ai3:模糊推理规则中前件的语言变量模糊集合;
bi3:模糊推理规则中后件的语言变量模糊集合(单值型模糊集合);
A3:机器人和左方障碍物之间的实际距离值(事实);
d(Aj3,A3):事实A3与前件的语言变量模糊集合Aj3之间的距离值;
V3:机器人的左方有障碍物时的机器人旋转速度;
步骤四、当移动机器人的右方有障碍物时,以移动机器人与右方障碍物之 间的模糊距离值规划出来的机器人的旋转速度是如下计算的,即利用式(7) 的推理规则及式(8),来推理机器人的移动速度;
其中,i=1,2,…,n4;j=1,2,…,n4
n4:模糊推理规则的则数;
dr:模糊推理规则前件变量(机器人与右方障碍物之间距离);
νr:模糊推理规则后件变量(机器人旋转速度);
Ai4:模糊推理规则中前件的语言变量模糊集合;
bi4:模糊推理规则中后件的语言变量模糊集合(单值型模糊集合);
A4:机器人和右方障碍物之间的实际距离值(事实);
d(Aj4,A4):事实A4与前件的语言变量模糊集合Aj4之间的距离值;
V4:机器人的右方有障碍物时的机器人旋转速度;
步骤五、移动机器人导航向目的地移动时,以机器人的位置与目的地之 间的距离值规划出来的机器人的移动速度为:
以机器人的所在位置到目的地的矢量与机器人移动速度方向的夹角规划 出来的机器人的旋转速度为:
其中,
kg:移动速度系数;
kr:旋转速度系数;
do:机器人与目的地之间的距离值;
θ:机器人所在位置到目的地的矢量与机器人移动速度方向的夹角;
x0:目的地的横轴坐标值;
y0:目的地的纵轴坐标值;
x:机器人的现时刻位置的横轴坐标值;
y:机器人的现时刻位置的纵轴坐标值;
x':机器人的前一时刻位置的横轴坐标值;
y':机器人的前一时刻位置的纵轴坐标值;
步骤六、移动机器人同时完成导航、向目的地移动和障碍物回避动作时 的轨迹规划,是采用如下的调整规则来实现的;
R1:当d0≥L0时,Vf=V1
时,Vf=V1,否则,
R2:当df≥Lf时,Vf=V1
当V2≥V1时,Vf=V1,否则,Vf=V2
R3:当dr≥Lr且dl≥Ll时,
当dr<Lr时,Vr=V3,当dl<Ll时,Vr=V4,否则,
其中,df为机器人与前方障碍物之间距离,dr为机器人与右方障碍物之间距 离,dl为机器人与左方障碍物之间距离,Vf为最终计算出来的在给定路径上 的机器人实际移动速度的目标值,Vr为最终计算出来的在给定路径上的机器 人实际旋转速度的目标值。
作为本发明的优选方案,将步骤一至步骤四的前件的语言变量模糊集合 和事实分别用如图9所示的三角形模糊集合A和B表示,则步骤一至步骤四 中的事实与前件的语言变量模糊集合之间的距离值是如下计算的:
本发明至少具有以下有益效果:
1)本发明采用模糊推理规则,把机器人的导航、向目的地移动以及障碍物 回避的知识定式化,用模糊集合隶属函数,把模糊推理规则中的语言变量定量 化,根据距离型模糊推理,实时地求出移动机器人在给定路径上的走行速度和 方向,使移动机器人实现像人导航那样的高度智能行为。
2)由于距离型模糊推理严格地满足模糊分离规则FMP,所以很容易通过学 习,获得导航、移动、障碍物回避的知识,并且容易生成和增减模糊推理规则。 另外,由于距离型模糊推理,在规则前件与事实的交集不存在的情况下,也能 完成推理,所以用较少的推理规则,也可以得到确切的推理结果。
3)本发明采用搭载了若干个触摸传感器、若干个红外线传感器以及若干个 超声波传感器的圆柱形移动机器人,在设定的路径上,由这些传感器检测出来 的信息,按本发明的轨迹规划方法进行导航实验,达到了预期的导航效果。
附图说明
图1为本发明方法的流程图。
图2为移动机器人考虑与被导航者之间距离时的导航示意图以及坐标设定 图例。
图3为图2导航例子中的语言规则、以及前件和后件的隶属度函数曲线图。
图4为机器人回避前方、左方、右方障碍物时的示意图。
图5为机器人回避前方障碍物时的语言规则、以及前件和后件的隶属度函 数曲线图。
图6为机器人回避左方障碍物时的语言规则、以及前件和后件的隶属度函 数曲线图。
图7为机器人回避右方障碍物时的语言规则、以及前件和后件的隶属度函 数曲线图。
图8为机器人向目的地移动时的坐标设定图例。
图9为三角形模糊集合A和B。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面将结合具体实施例,对本发 明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分 实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的 范围。
如图1的方法流程图所示,基于距离型模糊推理的机器人导航轨迹计划 方法,包括以下关键步骤:
步骤一:考虑机器人与被导航者之间距离时,以机器人与被导航者之间 模糊距离值计算机器人移动速度;
步骤二:左方或者右方有障碍物时,以移动机器人与障碍物之间的模糊 距离值计算机器人的旋转速度;
步骤三:前方有障碍物时,为了不碰撞障碍物,以移动机器人与障碍物 之间的模糊距离值计算机器人移动速度;
步骤四:向目的地移动时,以机器人的位置与目的地之间的距离值计算 机器人的移动速度;以所在位置到目的地的矢量与机器人移动速度方向的夹 角计算移动机器人的旋转速度;
步骤五:机器人把导航、向目的地移动、障碍物回避,这些动作同时完 成时,用轨迹规划调整规则,计算出机器人的实际移动速度目标值和实际旋 转速度目标值。
下面将结合圆柱形移动机器人对本发明作进一步详细说明。
圆柱形移动机器人安装有6个触摸传感器、12个红外线传感器、以及9 个超声波传感器。其中,触摸传感器被安装在底部的保险杠内,当机器人碰 撞障碍物时,机器人会紧急停止;红外线传感器被安装在中下部并面向斜下, 它可以探测出较低的障碍物;9个超声波传感器中包括安装在中上部的前向 和左右向的7个,可以检测出较高的障碍物,以及安装在中上部后向的2个, 可以检测出机器人与被向导者之间的距离。
图2表示了移动机器人一边考虑与被导航者之间距离,一边进行导航时 的一个例子。导航的距离是10m,其坐标设定如图2所示。其中,对于图2 的例子,根据人的导航经验,可以获得如下的导航知识:
R1:机器人如果与被导航者之间的距离等于0cm时,机器人以最大速度 前进;
R2:机器人如果与被导航者之间的距离较近时,机器人的前进速度加快;
R3:机器人如果与被导航者之间的距离适中时,机器人的前进速度适中;
R4:机器人如果与被导航者之间的距离较远时,机器人的前进速度减慢;
R5:机器人如果与被导航者之间的距离等于80cm时,机器人停止前进 (前进速度为0)。
由上述导航知识生成的模糊语言规则、以及前件和后件的隶属函数曲线 如图3所示。根据图3,采用下面的公式,可以求出考虑机器人与被导航者 之间距离时的机器人移动速度V1
图4是机器人的前方,或者左方,或者右方出现障碍物时的示意图。
机器人的前方有障碍物时的回避知识是,“如果已碰上前方障碍物时,机 器人的前进速度要停止(速度为0)”,“如果接近前方障碍物时,机器人的 前进速度要很小”,“如果前方障碍物很远时,机器人的前进速度不变”。根据 前方有障碍物时的回避知识,所生成的模糊语言规则、以及前件和后件的隶 属函数曲线,如图5所示。
当左方或者右方有障碍物时,需要修正机器人的前进方向。
机器人的左方有障碍物时的回避知识是,“如果已碰上左侧障碍物时,机 器人应以最大旋转速度顺时针旋转”,“如果左侧障碍物有些接近时,机器人 按适中速度顺时针旋转”,“如果左侧障碍物很远时,机器人顺时针旋转速度 接近于0(不用旋转)”。根据左方有障碍物时的回避知识,所生成的模糊语 言规则、以及前件和后件的隶属函数如图6所示。
机器人的右方有障碍物时的回避知识是,“如果已碰上右侧障碍物时,机 器人应以最大旋转速度逆时针旋转”,“如果右侧障碍物有些接近时,机器人 按适中速度逆时针旋转”,“如果右侧障碍物很远时,机器人逆时针旋转速度 接近于0(不用旋转)”。根据右方有障碍物时的回避知识,所生成的模糊语 言规则、以及前件和后件的隶属函数曲线,如图7所示。
由图5~7的模糊语言规则和隶属函数曲线,并结合图1方法流程图的步 骤二和步骤三,可以分别求出前方有障碍物时的机器人移动速度V2、左方有 障碍物时的旋转速度V3、以及右方有障碍物时的旋转速度V4;其具体计算 式如下:
图8是把目的地坐标设为(x0,y0),当机器人从坐标(x,y)的位置,向目的 地(x0,y0)移动时的示意图,其中,机器人移动速度和旋转速度可分别用 下式计算:
根据以上计算出来的V1、V2、V3、V4移动机器人把导航、 向目的地移动、障碍物回避这些动作同时完成时的实际移动速度目标值Vf和 实际旋转速度的目标值Vr,可以分别用下面的轨迹规划调整规则求算出来:
R1:if d0≥Lo then Vf=V1
else ifthen Vf=V1 else
R2:if df≥Lf then Vf=V1
else if V2≥V1 then Vf=V1 else Vf=V2
R3:if dr≥Lr and dl≥Ll then
else if(dr<Lr then Vr=V3)else if(dl<Ll then Vr=V4)else
根据上述说明书的揭示和教导,本发明所属领域的技术人员还能够对上 述实施方式进行变更和修改。因此,本发明并不局限于上述的具体实施方式, 凡是本领域技术人员在本发明的基础上所作出的任何显而易见的改进、替换 或变型均属于本发明的保护范围。此外,尽管本说明书中使用了一些特定的 术语,但这些术语只是为了方便说明,并不对本发明构成任何限制。

Claims (2)

1.一种基于距离型模糊推理的移动机器人导航轨迹规划方法,其特征在于,实现该方法的步骤包括:
步骤一、当考虑移动机器人与被导航者之间距离时,以机器人与被导航者之间的模糊距离值规划出来的机器人的移动速度为:
其中,i=1,2,…,n1;j=1,2,…,n1
n1:模糊推理规则的则数;
Aj1:模糊推理规则中前件的语言变量模糊集合;
bi1:模糊推理规则中后件的语言变量模糊集合;
A1:机器人和被导航者之间的实际距离;
d(Aj1,A1):事实A1与前件的语言变量模糊集合Aj1之间的距离值;
V1:考虑机器人与被导航者之间距离时的机器人移动速度;
步骤二、当移动机器人的前方有障碍物时,以机器人与前方障碍物之间的模糊距离值规划出来的机器人的移动速度为:
其中,i=1,2,…,n2;j=1,2,…,n2
n2:模糊推理规则的则数;
Aj2:模糊推理规则中前件的语言变量模糊集合;
bi2:模糊推理规则中后件的语言变量模糊集合;
A2:移动机器人和前方障碍物之间的实际距离值;
d(Aj2,A2):事实A2与前件的语言变量模糊集合Aj2之间的距离值;
V2:机器人的前方有障碍物时的机器人移动速度;
步骤三、当移动机器人的左方有障碍物时,以机器人与左方障碍物之间的模糊距离值规划出来的机器人的旋转速度为:
其中,i=1,2,…,n3;j=1,2,…,n3
n3:模糊推理规则的则数;
Aj3:模糊推理规则中前件的语言变量模糊集合;
bi3:模糊推理规则中后件的语言变量模糊集合;
A3:机器人和左方障碍物之间的实际距离值;
d(Aj3,A3):事实A3与前件的语言变量模糊集合Aj3之间的距离值;
V3:机器人的左方有障碍物时的机器人旋转速度;
步骤四、当移动机器人的右方有障碍物时,以移动机器人与右方障碍物之间的模糊距离值规划出来的机器人的旋转速度为:
其中,i=1,2,…,n4;j=1,2,…,n4
n4:模糊推理规则的则数;
Aj4:模糊推理规则中前件的语言变量模糊集合;
bi4:模糊推理规则中后件的语言变量模糊集合;
A4:机器人和右方障碍物之间的实际距离值;
d(Aj4,A4):事实A4与前件的语言变量模糊集合Aj4之间的距离值;
V4:机器人的右方有障碍物时的机器人旋转速度;
步骤五、移动机器人导航向目的地移动时,以机器人的位置与目的地之间的距离值规划出来的机器人的移动速度为:
以机器人的所在位置到目的地的矢量与机器人移动速度方向的夹角规划出来的机器人的旋转速度为:
其中,
kg:移动速度系数;
kr:旋转速度系数;
do:机器人与目的地之间的距离值;
θ:机器人所在位置到目的地的矢量与机器人移动速度方向的夹角;
x0:目的地的横轴坐标值;
y0:目的地的纵轴坐标值;
x:机器人的现时刻位置的横轴坐标值;
y:机器人的现时刻位置的纵轴坐标值;
x':机器人的前一时刻位置的横轴坐标值;
y':机器人的前一时刻位置的纵轴坐标值;
步骤六、移动机器人同时完成导航、向目的地移动和障碍物回避动作时的轨迹规划,是采用如下的调整规则来实现的;
R1:当d0≥L0时,Vf=V1
时,Vf=V1,否则,
R2:当df≥Lf时,Vf=V1
当V2≥V1时,Vf=V1,否则,Vf=V2
R3:当dr≥Lr且dl≥Ll时,Vr=Vr 5
当dr<Lr时,Vr=V3,当dl<Ll时,Vr=V4,否则,
其中,df为机器人与前方障碍物之间距离,dr为机器人与右方障碍物之间距离,dl为机器人与左方障碍物之间距离,Vf为最终计算出来的在给定路径上的机器人实际移动速度的目标值,Vr为最终计算出来的在给定路径上的机器人实际旋转速度的目标值。
2.根据权利要求1所述的基于距离型模糊推理的移动机器人导航轨迹规划方法,其特征在于:将步骤一至步骤四的前件的语言变量模糊集合和事实分别用如图9所示的三角形模糊集合A和B表示,则步骤一至步骤四中的事实与前件的语言变量模糊集合之间的距离值是如下计算的:
CN201710958906.8A 2017-10-16 2017-10-16 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 Active CN107727100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710958906.8A CN107727100B (zh) 2017-10-16 2017-10-16 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710958906.8A CN107727100B (zh) 2017-10-16 2017-10-16 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

Publications (2)

Publication Number Publication Date
CN107727100A true CN107727100A (zh) 2018-02-23
CN107727100B CN107727100B (zh) 2023-04-07

Family

ID=61211579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710958906.8A Active CN107727100B (zh) 2017-10-16 2017-10-16 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

Country Status (1)

Country Link
CN (1) CN107727100B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109284831A (zh) * 2018-07-19 2019-01-29 中国航空工业集团公司沈阳飞机设计研究所 基于Mamdani模糊推理方法及推理系统
CN109343544A (zh) * 2018-12-19 2019-02-15 武汉科技大学 一种结合历史状态的移动机器人沿墙高效遍历算法
CN110244739A (zh) * 2019-06-27 2019-09-17 湖北艾博智能装备有限公司 一种空中自行小车输送方法、装置及计算机存储介质
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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103324196A (zh) * 2013-06-17 2013-09-25 南京邮电大学 基于模糊逻辑的多机器人路径规划与协调避碰方法
CN105487544A (zh) * 2016-01-18 2016-04-13 沈阳工业大学 基于模糊推理系统的多机器人角度控制围捕方法
CN107168324A (zh) * 2017-06-08 2017-09-15 中国矿业大学 一种基于anfis模糊神经网络的机器人路径规划方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103324196A (zh) * 2013-06-17 2013-09-25 南京邮电大学 基于模糊逻辑的多机器人路径规划与协调避碰方法
CN105487544A (zh) * 2016-01-18 2016-04-13 沈阳工业大学 基于模糊推理系统的多机器人角度控制围捕方法
CN107168324A (zh) * 2017-06-08 2017-09-15 中国矿业大学 一种基于anfis模糊神经网络的机器人路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈卫东等: "基于模糊算法的移动机器人路径规划", 《电子学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109284831A (zh) * 2018-07-19 2019-01-29 中国航空工业集团公司沈阳飞机设计研究所 基于Mamdani模糊推理方法及推理系统
CN109284831B (zh) * 2018-07-19 2022-06-24 中国航空工业集团公司沈阳飞机设计研究所 基于Mamdani模糊推理方法及推理系统
CN109343544A (zh) * 2018-12-19 2019-02-15 武汉科技大学 一种结合历史状态的移动机器人沿墙高效遍历算法
CN109343544B (zh) * 2018-12-19 2021-06-04 武汉科技大学 一种结合历史状态的移动机器人沿墙高效遍历算法
CN110244739A (zh) * 2019-06-27 2019-09-17 湖北艾博智能装备有限公司 一种空中自行小车输送方法、装置及计算机存储介质
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

Also Published As

Publication number Publication date
CN107727100B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN107727100A (zh) 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
Mohanty et al. A new intelligent motion planning for mobile robot navigation using multiple adaptive neuro-fuzzy inference system
CN107643752A (zh) 基于行人轨迹预测的全向移动机器人路径规划算法
CN103324196A (zh) 基于模糊逻辑的多机器人路径规划与协调避碰方法
US20100198443A1 (en) Path planning device, path planning method, and moving body
Pandey et al. MATLAB simulation for mobile robot navigation with hurdles in cluttered environment using minimum rule based fuzzy logic controller
CN105787471A (zh) 一种应用于助老助残移动服务机器人控制的手势识别方法
CN110316193A (zh) 预瞄距离的设置方法、装置、设备及计算机可读存储介质
CN102848388A (zh) 基于多传感器的服务机器人定位和抓取方法
CN107168309A (zh) 一种基于行为的多水下机器人路径规划方法
CN108594639A (zh) 一种基于强化学习的全垫升气垫船航迹跟踪控制方法
CN107966152A (zh) 一种具有碰撞风险预测机制的避碰及路径跟踪制导方法
CN110271016A (zh) 一种基于边界与力反馈的机械臂书法书写系统及方法
CN106335062A (zh) 一种通用七轴冗余工业机器人作业规划方法
Njah et al. Wheelchair obstacle avoidance based on fuzzy controller and ultrasonic sensors
CN107807522A (zh) 水下机器人轨迹跟踪反步控制方法
CN108459602A (zh) 多障碍复杂环境下欠驱动无人艇的自主靠泊方法
JP2011224737A (ja) 案内ロボット、案内方法、及び案内制御用プログラム
Kunwar et al. Rendezvous-guidance trajectory planning for robotic dynamic obstacle avoidance and interception
CN113093804A (zh) 基于反演滑模控制的无人艇编队控制方法和控制系统
CN113843793B (zh) 一种具有避障功能的移动冗余机械臂模型预测控制方法
CN109298710B (zh) 基于人机交互的两轮自平衡车主动跟随复合控制方法
CN110221613A (zh) 基于改进型人工势场法的机器人路径规划方法和装置
CN110502004A (zh) 一种面向智能车辆激光雷达数据处理的行驶区域重要性权值分布建模方法
Tyagi et al. Smart wheelchair using fuzzy inference system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant