CN110780670A

CN110780670A - 基于模糊控制算法的机器人避障控制方法

Info

Publication number: CN110780670A
Application number: CN201910885384.2A
Authority: CN
Inventors: 沈文婷; 孟敏锐; 郑军奇
Original assignee: Shanghai Robot Industrial Technology Research Institute Co Ltd
Current assignee: Shanghai Robot Industrial Technology Research Institute Co Ltd
Priority date: 2019-09-19
Filing date: 2019-09-19
Publication date: 2020-02-11
Anticipated expiration: 2039-09-19
Also published as: CN110780670B

Abstract

本发明涉及一种基于模糊控制算法的机器人避障控制策略。着重于系统的搭建和避障控制算法的设计，采用图形化编程语言减少了设计开发的时间和工作量，完成系统的初始化、避障算法的优化和速度控制等模块，最后根据仿真验证了算法的可行性和优越性。当机器人前方的环境比较复杂时，常规VFH算法的控制效果就会变差，而采用VFH算法和模糊理论混合控制的方式可以解决这一问题。本发明采用模糊控制算法来补偿VFH算法，仿真表明，模糊控制算法可以补偿VFH算法的不足，在环境比较复杂的情况下，实现避障。

Description

基于模糊控制算法的机器人避障控制方法

技术领域

本发明涉及一种移动机器人的运动控制方法，使得机器人能够准确避开障碍物。

背景技术

现有的移动机器人依靠常规VFH算法以及由VFH衍生的算法，例如VFH+、 VFH*等，可以实现基础避障。当环境比较复杂的时候，机器人就会遇到不同形状的障碍物，给机器人避障带来了诸多困难。利用仿真实验表明，若移动机器人仅依靠传统的算法来实现避障，则在下述情况时，机器人会不同程度的触碰到障碍物或者无法探测到障碍物：

(1)当传感器扫描周期较长，机器人运动速度较快的情况下，机器人在接收到障碍物提醒之前已经碰到障碍物；

(2)机器人在转弯时，由于机器人本体较大，机器人本体侧面或者背面可能会触碰到障碍物；

(3)当障碍物面积较小，传感器无法探测到的情况下，机器人会以未识别障碍物的方式碰撞到障碍物，这种情况比较危险；

(4)如果机器人具有后退的速度，而机器人背面没有配置传感器的情况下，会碰到障碍物。

发明内容

本发明的目的是：在硬件设备一定，只能通过改进判别机制来实现避障的情况下，通过改进判别机制，实现移动机器人更为精确地避开障碍物。

当应用环境相对简单且固定时，一套完整的机器人避障相关算法可以基本实现机器人的避障效果；当应用环境相对复杂时，通过仿真测试或者实地测试，辅之以一定的参数改变，可以弥补避障相关算法本身的不足，但是无法从根本上解决其避障效果不理想的问题，为了达到上述目的，本发明的技术方案是提供了一种基于模糊控制算法的机器人避障控制方法，其特征在于，包括以下步骤：

步骤1、机器人及其外围设备配置：超声波传感器布在机器人的最前端，激光雷达传感器布在机器人的中心点，将机器人的所在的中心点设定为世界坐标系的原点；机器人利用超声波传感器来感知远处的障碍物，同时，利用激光雷达传感器来感知近处的障碍物，由伺服驱动器控制超声波传感器及激光雷达传感器在机器人前方一定的角度范围内扫描；

步骤2、为了解决原有控制算法的避障效果不理想的问题，在原有算法的基础上，设计一种基于模糊控制理论的避障算法，优化其避障效果，该避障算法包括以下步骤；

步骤201、判定机制：若在一定角度范围内通过超声波传感器或通过激光雷达传感器感知到的障碍物数量少于预先设定的阈值，则进入步骤202，否则进入步骤203；

步骤202、判定机制：将超声波传感器或激光雷达传感器获得的障碍物信息输入VFH算法，由VFH算法将障碍物信息转化为机器人的速度信息，机器人依据获得的速度信息行进；

步骤203、基于模糊控制理论的避障算法设计思路：将超声波传感器或激光雷达传感器采集到的障碍物距离及同一时刻伺服驱动器控制超声波传感器或激光雷达传感器转动的角度输入模糊控制算法，将障碍物距离分为负大、负小、零、正小、正大5个模糊集，分别表示距离为很远、较远、适中、较近、很近，将角度分为负小、零、正小3个模糊集，分别表示为左前方、中间、右前方，由模糊控制算法输出机器人的运动速度，运动速度表示为直行、原地左转、原地右转；

其中，障碍物的模糊集定义为{负大、负小、零、正小、正大}，具体为{(6m， 3m)，(4m，3m)，(3m，1m)，(1m，0.8m)，(0.8m，0.32m)}；障碍物与机器人中心点之间角度的模糊集定义为{负小、零、正小}，具体为{(45，0)，0，(0，45)}；机器人速度的模糊集定义为{直行、原地左转、原地右转}，具体表示为{6m/s， 2rad/s，-2rad/s}；

步骤204、按照模糊推理规则，将障碍物距离与模糊控制算法输出的机器人运动速度进行推理，从而控制机器人行进，其中模糊推理规则为：

当机器人距离障碍物较近时，机器人边旋转边前行，直到远离障碍物；

当机器人距离障碍物很近且无法边前行边旋转时，机器人立即停止，并原地旋转，直到机器人正前方没有障碍物；

当机器人距离障碍物较远时，机器人直行，不旋转。

优选地，所述模糊控制算法的隶属度函数选择三角型隶属度函数和高斯函数。

步骤3、测试：在仿真环境中或者实地进行大量且有效的测试，观察机器人的避障效果，并形成记录；

步骤4、在避障控制算法中若有重要参数和指标，可能会影响机器人的避障效果时，根据步骤3提供的记录，通过改变重要参数和指标，提高该避障算法的避障效果；

优选地，在所述模糊推理规则中，通过预先设定的不同距离阈值来判断：机器人是否距离障碍物较近，机器人是否距离障碍物较远，机器人是否距离障碍物很近。

当机器人前方的环境比较复杂时，常规VFH算法的控制效果就会变差。本发明采用模糊控制算法来补偿VFH算法，仿真表明，模糊控制算法可以补偿VFH 算法的不足，在环境比较复杂的情况下，实现避障。

另外，本发明设计一种障碍物碰撞计次和图形显示功能。当机器人与障碍物碰撞时，在图形中画出碰撞点的位置，并且显示碰撞次数。同时，将该算法运用在不同的载体上，可以验证其优越性。

附图说明

图1为系统程序框图；

图2为障碍物距离隶属度；

图3为障碍物角度隶属度；

图4为机器人速度隶属度；

图5为障碍物距离、角度与机器人速度之间的关系；

图6为采用基础避障算法后的机器人轨迹；

图7为采用本发明后的机器人轨迹。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明基于仿真软件内部提供的机器人3D模型以及基础模块，设计了一种基于机器人运动的避障算法，机器人根据周围的环境信息，实时的控制电机，调整运动状态，实现机器人的避障目的。本发明的应用环境为机器人提供多样的障碍物，包括树木、墙壁、陡坡等等。在本实施例中，直流电机控制机器人的运动状态，是本系统的核心零部件。机器人宽为33.8cm，长为33.2cm。

如图1所示是本发明提供的一种基于模糊控制算法的机器人避障控制策略的程序框图，其工作流程为：

(1)系统初始化。本阶段主要对机器人各零部件和仿真系统进行初始化，除此之外，还需要配置系统保存地址。

(2)传感器采集数据。当初始化完成之后，系统才开始工作。传感器包括超声波传感器和激光雷达传感器，超声波传感器用来感知远处的障碍物，提供机器人的运动方向；激光雷达传感器用来感知近处的障碍物，提供机器人原地旋转的控制信号，传感器会实时的将障碍物信息反馈给机器人。伺服驱动器是传感器的动力来源，控制超声波传感器在机器人正前方一定的角度范围内扫描。

由于传感器在机器人运动控制中具有重要的作用，因此本发明使用两种传感器，分别为超声波传感器和激光雷达传感器。超声波传感器具有两个作用：第一，探测障碍物。超声波传感器会以一定的角度为最小单位，在最大值和最小值之间扫描探测。超声波传感器向机器人本体反馈的信息包括机器人与障碍物之间的距离，以及障碍物相对传感器所在机器人位置中心点的角度。第二，为机器人指引方向。例如，以机器人的中轴线为基准线，左右各80度为探测范围，最小单位为10度，则机器人以3m为探测距离，探测前方16个方位的障碍物信息。可以想象到，这种布置带来的缺点是：当障碍物处于2个方位之间的时候，机器人可能就无法探测到，也就无法障碍物的信息，导致碰撞。为了解决超声波传感器不能完全满足探测要求的问题，本发明增加了激光雷达传感器，它在一定程度上可以补偿超声波传感器的缺点。例如，增加探测密度，提高探测速度等。本发明将激光传感器的探测最小角度设为1度，即认为激光雷达传感器可以扫描到前方所有的障碍物。仿真表明，在配置合理的情况下，超声波传感器和激光雷达传感器基本可以满足障碍物探测的要求，不会碰到障碍物，且成功完成避障，到达目的位置。

超声波传感器和激光雷达传感器被安置在伺服电机上，因为传感器会随着电机转动，系统分配给传感器不同的角度，传感器采集对应角度的障碍物信息，最后传感器为机器人提供障碍物的信息。

(3)获取障碍物信息。系统获取障碍物信息并进行处理，将处理过的信息输出到避障系统。

(4)避障系统由VFH算法和模糊控制算法组成，VFH算法为主要输出通道，将障碍物信息转化为机器人的速度信息。当机器人前方的环境比较复杂时，VFH 算法的控制效果就会变差。模糊控制算法用来补偿VFH算法，仿真表明，模糊控制算法可以补偿VFH算法的不足，在环境比较复杂的情况下，协助机器人识别多种形状的障碍物，实现避障。

在本实施例中，通过超声波传感器或激光雷达传感器感知到的障碍物数量是否少于预先设定的阈值来判定前方的环境是否比较复杂。若在一定角度范围内通过超声波传感器或激光雷达传感器感知到的障碍物数量少于预先设定的阈值，则前方的环境不复杂，此时采用VFH算法控制，否则采用VFH算法和模糊控制算法的混合控制。

模糊控制主要将专家经验和工程经验设计为模糊规则，然后将系统的输入信号模糊化，作为模糊规则的输入，完成模糊推理。最后，将模糊推理的结果解模糊，作为模糊控制的输出量。模糊控制由模糊化模块、模糊推理模块和解模糊模块组成。本发明中，控制模式采用多输入单输出模式。模糊化模块的输入量是传感器采集到的障碍物距离和障碍物角度，将障碍物的距离分为5个模糊集，负大、负小、零、正小、正大，分别表示距离为很远、较远、适中、较近、很近，图2 为其隶属度函数；角度分为3个模糊集，负小、零、正小，分别表示为左前方、中间、右前方，图3为其隶属度函数。隶属度函数选择三角型隶属度函数和高斯函数。输出量是机器人的运动速度，其状态可以表示为直行、原地左转、原地右转。图2至4分别为障碍物距离、障碍物角度和机器人运动速度的隶属度函数。图5为障碍物距离、角度与机器人运动速度之间的关系。

模糊推理采用IF…THEN…规则，具体规则可以概括为：

(1)当机器人距离障碍物较近时，机器人边旋转边前行，直到远离障碍物；

(2)当机器人距离障碍物很近且无法边前行边旋转时，机器人立即停止，并原地旋转，直到机器人正前方没有障碍物；

(3)当机器人距离障碍物较远时，机器人直行，不旋转。

按照上述推理规则，将本发明的输入输出量进行推理。

解模糊就是将模糊推理得到的模糊集转化为实际控制量的过程，主要有重心法、最大隶属度法和加权平均法。相比其他两种算法，重心法具有更平滑的输出推理控制，因此本系统采用重心法进行解模糊。

(5)机器人模型。机器人模型获取避障系统输出的速度信息，产生运动，并将运动信息反馈给系统，系统配置传感器重新采集数据。

当然，传感器采集到的障碍物信息只能作为辅助，最重要的是如何更好的将传感器采集到的障碍物信息应用到避障算法。依靠仿真软件具有良好的人机交互界面，操作较为方便，因此本发明选择在仿真软件上进行仿真验证。本发明包含的3维模型包括场景模型，机器人本体及其组件模型和传感器模型。仿真时，机器人会以一定的速度在场景中运动，场景中的障碍物和周围环境均模拟真实情况，验证机器人是否会有效避障。

仿真结果表明，常规VFH算法和模糊控制算法解决了常规VFH算法以及，由 VFH衍生的VFH+等算法较难完成的避障任务，可以更好的实现机器人避障。

如图6所示为采用基础避障算法后的机器人轨迹，其中粗线为机器人碰到障碍物时的轨迹，细线为机器人的正常轨迹，机器人与障碍物之间的碰撞达到了 132次。从图中可以看出，机器人与障碍物之间的碰撞次数较多，且碰撞较多的为墙壁或者物体较为突出的部分，因为优化的避障算法首先要考虑的是如何避开形状较为突出的物体。

如图7所示，通过模糊控制优化后的避障算法可以基本实现零碰撞，避障效果得到了很大提升。

Claims

1.一种基于模糊控制算法的机器人避障控制策略，其特征在于，包括以下步骤：

步骤2、为了解决原有控制算法的避障效果不理想的问题，在原有算法的基础上，设计一种基于模糊控制理论的避障算法，优化其避障效果，该避障算法包括以下步骤：

步骤202、判定机制。将超声波传感器或激光雷达传感器获得的障碍物信息输入VFH算法，由VFH算法将障碍物信息转化为机器人的速度信息，机器人依据获得的速度信息行进；

其中，障碍物的模糊集定义为{负大、负小、零、正小、正大}；障碍物与机器人中心点之间角度的模糊集定义为{负小、零、正小}；机器人速度的模糊集定义为{直行、原地左转、原地右转}；

当机器人距离障碍物较远时，机器人直行，不旋转。

步骤4、在步骤2建立的避障控制算法中若有重要参数和指标，会影响机器人的避障效果时，根据步骤3提供的记录，通过改变重要参数和指标，提高步骤2建立的避障算法的避障效果。

2.如权利要求1所述的一种基于模糊控制算法的机器人避障控制策略，其特征在于，所述模糊控制算法的隶属度函数选择三角型隶属度函数和高斯函数。

3.如权利要求1所述的一种基于模糊控制算法的机器人避障控制策略，其特征在于，在所述模糊推理规则中，通过预先设定的不同距离阈值来判断：机器人是否距离障碍物较近，机器人是否距离障碍物较远，机器人是否距离障碍物很近。