CN113867366A - 一种基于自适应网络模糊的移动机器人控制方法 - Google Patents
一种基于自适应网络模糊的移动机器人控制方法 Download PDFInfo
- Publication number
- CN113867366A CN113867366A CN202111287504.2A CN202111287504A CN113867366A CN 113867366 A CN113867366 A CN 113867366A CN 202111287504 A CN202111287504 A CN 202111287504A CN 113867366 A CN113867366 A CN 113867366A
- Authority
- CN
- China
- Prior art keywords
- robot
- distance
- obstacle
- measured
- increment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 13
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 210000002364 input neuron Anatomy 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 230000004888 barrier function Effects 0.000 abstract description 2
- 230000001537 neural effect Effects 0.000 abstract 1
- 230000008859 change Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Abstract
本发明提供一种基于自适应网络模糊的移动机器人控制方法，涉及智能导航领域。该一种基于自适应网络模糊的移动机器人控制方法，在机器人的移动的前端布置有若干距离传感器，用于测量前方的障碍物的距离，在机器人的左侧和右侧均设置有距离传感器，用于测量机器人两侧的障碍物距离，在机器人的前端下方向前倾斜设置有下置距离传感器，用于测量机器人底盘和地面的距离，多方位设置距离传感器，并采用模糊神经模型，实现机器人的移动。通过在多方位设置距离传感器，在低成本实现自动规避障碍物移动。
Description
技术领域
本发明涉及智能导航技术领域，具体为一种基于自适应网络模糊的移动机器人控制方法。
背景技术
导航是一个研究领域，重点是监测和控制工艺或车辆从一个地方移动到另一个地方的过程。导航领域包括四个一般类别：陆地导航、海洋导航、航空导航和空间导航。常用的导航方式有里程计法、惯性导航法、卫星导航法、磁导航法。
现有的里程计法累积误差大，卫星导航需要借助卫星以及卫星天线等部件。在导航的过程中极易受到信号影响，造成导航的误差大。其他的导航方式类似。现有导航方式中，也借助摄像头进行图像识别导航，这对所搭载的计算模块的性能要求高，增加导航的成本。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种基于自适应网络模糊的移动机器人控制方法，解决了现有自身导航中成本高的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于自适应网络模糊的移动机器人控制方法，在机器人的移动的前端布置有若干距离传感器，用于测量前方的障碍物的距离，在机器人的左侧和右侧均设置有距离传感器，用于测量机器人两侧的障碍物距离，在机器人的前端下方向前倾斜设置有下置距离传感器，用于测量机器人底盘和地面的距离，包括以下内容：
步骤一：将前置距离传感器测算与障碍的距离参数传入模糊神经网络进行分析处理，获得预先移动方案，即机器人前进和机器人停止；
步骤二：当机器人停止后优先通过左侧距离传感器判断左侧是否存在障碍物，且测算与障碍物之间的距离，并判断该距离是否满足机器人的转向距离，若满足，则机器人左转向后并且执行步骤一，若不满足，则通过右侧距离传感器判断右侧是否存在障碍物，且测算与障碍物之间的距离，并判断该距离是否满足机器人的转向距离，若满足，则机器人右转向后并且执行步骤一；
步骤三：若机器人经过左侧和右侧转向均未实现转向，则机器人后退指定距离，再次执行步骤二的操作，若步骤三重复三次后，未作出机器人前进指令，则机器人原地掉头，并且执行步骤一；
上述步骤中，在机器人前进预先通过下置传感器测算机器人底盘和地面的距离的增量，并通过增量和预设的安全值进行比对，若满足安全值，则机器人继续前行，若不满足，则执行步骤二。
优选的，所述前置距离传感器设置数量至少为三个，用于模糊神经网络的输入端，至少有含有三个输入神经元，并且输入神经元由时间进行标记。
优选的，所述步骤二中，左侧距离传感器的数量至少为一个，若左侧距离传感器为测算到数据，则机器人可以直接左转，若测算到与障碍物之间的距离，通过测算的距离大于机器人预设的转向允许距离，则机器人可以转向，若不满足，则机器人停止转向。
优选的，所述步骤二中，右侧距离传感器的数量至少为一个，若右侧距离传感器为测算到数据，则机器人可以直接右转，若测算到与障碍物之间的距离，通过测算的距离大于机器人预设的转向允许距离，则机器人可以转向，若不满足，则机器人停止转向。
优选的，所述下置距离传感器采集的距离的增量计算方式为，用于当前测量数据减去上一次测量数据，当前测量未获得数据，则机器人停止，执行步骤二，若增量值负数，则机器人前进方向为上坡，若增量值为正数，则机器人前进方向为下坡，增量和预设的安全值进行比对时，采用增量的绝对值。
(三)有益效果
本发明提供了一种基于自适应网络模糊的移动机器人控制方法。具备以下有益效果：
本发明，在机器人设置前端距离传感器，用于测算前方障碍物的距离，在两侧设置距离传感器，用于判断机器人是否满足转向，在机器人前端下部设置距离传感器，用于判断路面情况是否满足机器人前进，即在低成本实现自动规避障碍物移动。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
实施例：
如图1所示，本发明实施例提供一种基于自适应网络模糊的移动机器人控制方法，在机器人的移动的前端布置有若干距离传感器，距离传感器可以采用声波传感器、激光雷达、红外传感器等，用于测量前方的障碍物的距离，所述前置距离传感器设置数量至少为三个，提高测量的覆盖范围，保证机器人的移动安全性，用于模糊神经网络的输入端，至少有含有三个输入神经元，并且输入神经元由时间进行标记，在机器人的左侧和右侧均设置有距离传感器，用于测量机器人两侧的障碍物距离，在机器人的前端下方向前倾斜设置有下置距离传感器，用于测量机器人底盘和地面的距离，包括以下内容：
步骤一：将前置距离传感器测算与障碍的距离参数传入模糊神经网络进行分析处理，模糊神经网络就是模糊理论同神经网络相结合的产物，它汇集了神经网络与模糊理论的优点，集学习、联想、识别、信息处理于一体，获得预先移动方案，采用现有模糊神经网络模型即可，即机器人前进和机器人停止，所需选择的模糊神经网络模型具有输出的变量为两个，即机器人前进指令和机器人停止指令；
步骤二：当机器人停止后优先通过左侧距离传感器判断左侧是否存在障碍物，且测算与障碍物之间的距离，并判断该距离是否满足机器人的转向距离，若满足，则机器人左转向后并且执行步骤一，若不满足，则通过右侧距离传感器判断右侧是否存在障碍物，且测算与障碍物之间的距离，并判断该距离是否满足机器人的转向距离，若满足，则机器人右转向后并且执行步骤一，该步骤用于机器人无法前进时，重新选择路线时，进行左右方向上判断是否有障碍物遮挡，用于提高路线变化时的更改；
左侧距离传感器的数量至少为一个，若左侧距离传感器为测算到数据，即左侧没有障碍物，则机器人可以直接左转，若测算到与障碍物之间的距离，通过测算的距离大于机器人预设的转向允许距离，则机器人可以转向，若不满足，则机器人停止转向。
右侧距离传感器的数量至少为一个，若右侧距离传感器为测算到数据，即右侧没有障碍物，则机器人可以直接右转，若测算到与障碍物之间的距离，通过测算的距离大于机器人预设的转向允许距离，则机器人可以转向，若不满足，则机器人停止转向
步骤三：若机器人经过左侧和右侧转向均未实现转向，则机器人后退指定距离，再次执行步骤二的操作，若步骤三重复三次后，未作出机器人前进指令，则机器人原地掉头，并且执行步骤一；
上述步骤中，在机器人前进预先通过下置传感器测算机器人底盘和地面的距离的增量，用于检测路面的坡度变化，以及是否存在坑洞，机器人无法通过，并通过增量和预设的安全值进行比对，若满足安全值，则机器人继续前行，若不满足，则执行步骤二。
所述下置距离传感器采集的距离的增量计算方式为，用于当前测量数据减去上一次测量数据，当前测量未获得数据，即前方的路面存在坑洞，则机器人停止，执行步骤二，若增量值负数，则机器人前进方向为上坡，若增量值为正数，则机器人前进方向为下坡，增量和预设的安全值进行比对时，采用增量的绝对值，在增量的连续变化中，发生突变，且突变的数值大于几倍预设的安全值，则前方路面也存在坑洞。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (5)
1.一种基于自适应网络模糊的移动机器人控制方法，在机器人的移动的前端布置有若干距离传感器，用于测量前方的障碍物的距离，在机器人的左侧和右侧均设置有距离传感器，用于测量机器人两侧的障碍物距离，在机器人的前端下方向前倾斜设置有下置距离传感器，用于测量机器人底盘和地面的距离，其特征在于，包括以下内容：
步骤一：将前置距离传感器测算与障碍的距离参数传入模糊神经网络进行分析处理，获得预先移动方案，即机器人前进和机器人停止；
步骤二：当机器人停止后优先通过左侧距离传感器判断左侧是否存在障碍物，且测算与障碍物之间的距离，并判断该距离是否满足机器人的转向距离，若满足，则机器人左转向后并且执行步骤一，若不满足，则通过右侧距离传感器判断右侧是否存在障碍物，且测算与障碍物之间的距离，并判断该距离是否满足机器人的转向距离，若满足，则机器人右转向后并且执行步骤一；
步骤三：若机器人经过左侧和右侧转向均未实现转向，则机器人后退指定距离，再次执行步骤二的操作，若步骤三重复三次后，未作出机器人前进指令，则机器人原地掉头，并且执行步骤一；
上述步骤中，在机器人前进预先通过下置传感器测算机器人底盘和地面的距离的增量，并通过增量和预设的安全值进行比对，若满足安全值，则机器人继续前行，若不满足，则执行步骤二。
2.根据权利要求1所述的一种基于自适应网络模糊的移动机器人控制方法，其特征在于：所述前置距离传感器设置数量至少为三个，用于模糊神经网络的输入端，至少有含有三个输入神经元，并且输入神经元由时间进行标记。
3.根据权利要求1所述的一种基于自适应网络模糊的移动机器人控制方法，其特征在于：所述步骤二中，左侧距离传感器的数量至少为一个，若左侧距离传感器为测算到数据，则机器人可以直接左转，若测算到与障碍物之间的距离，通过测算的距离大于机器人预设的转向允许距离，则机器人可以转向，若不满足，则机器人停止转向。
4.根据权利要求1所述的一种基于自适应网络模糊的移动机器人控制方法，其特征在于：所述步骤二中，右侧距离传感器的数量至少为一个，若右侧距离传感器为测算到数据，则机器人可以直接右转，若测算到与障碍物之间的距离，通过测算的距离大于机器人预设的转向允许距离，则机器人可以转向，若不满足，则机器人停止转向。
5.根据权利要求1所述的一种基于自适应网络模糊的移动机器人控制方法，其特征在于：所述下置距离传感器采集的距离的增量计算方式为，用于当前测量数据减去上一次测量数据，当前测量未获得数据，则机器人停止，执行步骤二，若增量值负数，则机器人前进方向为上坡，若增量值为正数，则机器人前进方向为下坡，增量和预设的安全值进行比对时，采用增量的绝对值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111287504.2A CN113867366A (zh) | 2021-11-02 | 2021-11-02 | 一种基于自适应网络模糊的移动机器人控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111287504.2A CN113867366A (zh) | 2021-11-02 | 2021-11-02 | 一种基于自适应网络模糊的移动机器人控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113867366A true CN113867366A (zh) | 2021-12-31 |
Family
ID=78986522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111287504.2A Pending CN113867366A (zh) | 2021-11-02 | 2021-11-02 | 一种基于自适应网络模糊的移动机器人控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113867366A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015084129A (ja) * | 2013-10-25 | 2015-04-30 | 日本精工株式会社 | 案内用ロボット |
| CN104914867A (zh) * | 2015-06-12 | 2015-09-16 | 吉林大学 | 一种模糊神经网络的六足机器人自主导航闭环控制器 |
| CN206493333U (zh) * | 2016-08-29 | 2017-09-15 | 广州衡创测试技术服务有限公司 | 一种机器人平衡性检测机构 |
| 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 |
| CN108772821A (zh) * | 2018-06-11 | 2018-11-09 | 杭州欢乐飞机器人科技股份有限公司 | 一种自适应机器人新型底盘及自适应平衡调节方法 |
| CN109434800A (zh) * | 2018-12-31 | 2019-03-08 | 天津帕比特科技有限公司 | 一种无线巡检机器人系统以及控制方法 |
| CN110290901A (zh) * | 2018-09-28 | 2019-09-27 | 深圳市大疆创新科技有限公司 | 一种地面遥控机器人的控制方法及地面遥控机器人 |
| CN111443603A (zh) * | 2020-03-31 | 2020-07-24 | 东华大学 | 基于自适应模糊神经网络系统的机器人共享控制方法 |
| CN111487964A (zh) * | 2020-04-03 | 2020-08-04 | 北京理工大学 | 一种机器人小车及其自主避障方法、设备 |
| CN111598097A (zh) * | 2020-05-08 | 2020-08-28 | 福建省海峡智汇科技有限公司 | 一种基于机器人视觉的仪表位置、读数识别方法和系统 |
| CN112153928A (zh) * | 2018-05-16 | 2020-12-29 | Lg电子株式会社 | 清扫机及其控制方法 |
| CN112596527A (zh) * | 2020-12-17 | 2021-04-02 | 珠海市一微半导体有限公司 | 基于斜坡结构的机器人卡住检测方法、芯片及清洁机器人 |
| CN112631134A (zh) * | 2021-01-05 | 2021-04-09 | 华南理工大学 | 一种基于模糊神经网络的智能小车避障方法 |
| US20220118613A1 (en) * | 2019-04-08 | 2022-04-21 | Lg Electronics Inc. | Method of controlling movement of cart robot in response to change in travel surface using artificial intelligence and cart robot implementing the same |
-
2021
- 2021-11-02 CN CN202111287504.2A patent/CN113867366A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015084129A (ja) * | 2013-10-25 | 2015-04-30 | 日本精工株式会社 | 案内用ロボット |
| CN104914867A (zh) * | 2015-06-12 | 2015-09-16 | 吉林大学 | 一种模糊神经网络的六足机器人自主导航闭环控制器 |
| CN206493333U (zh) * | 2016-08-29 | 2017-09-15 | 广州衡创测试技术服务有限公司 | 一种机器人平衡性检测机构 |
| 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 |
| CN112153928A (zh) * | 2018-05-16 | 2020-12-29 | Lg电子株式会社 | 清扫机及其控制方法 |
| CN108772821A (zh) * | 2018-06-11 | 2018-11-09 | 杭州欢乐飞机器人科技股份有限公司 | 一种自适应机器人新型底盘及自适应平衡调节方法 |
| CN110290901A (zh) * | 2018-09-28 | 2019-09-27 | 深圳市大疆创新科技有限公司 | 一种地面遥控机器人的控制方法及地面遥控机器人 |
| CN109434800A (zh) * | 2018-12-31 | 2019-03-08 | 天津帕比特科技有限公司 | 一种无线巡检机器人系统以及控制方法 |
| US20220118613A1 (en) * | 2019-04-08 | 2022-04-21 | Lg Electronics Inc. | Method of controlling movement of cart robot in response to change in travel surface using artificial intelligence and cart robot implementing the same |
| CN111443603A (zh) * | 2020-03-31 | 2020-07-24 | 东华大学 | 基于自适应模糊神经网络系统的机器人共享控制方法 |
| CN111487964A (zh) * | 2020-04-03 | 2020-08-04 | 北京理工大学 | 一种机器人小车及其自主避障方法、设备 |
| CN111598097A (zh) * | 2020-05-08 | 2020-08-28 | 福建省海峡智汇科技有限公司 | 一种基于机器人视觉的仪表位置、读数识别方法和系统 |
| CN112596527A (zh) * | 2020-12-17 | 2021-04-02 | 珠海市一微半导体有限公司 | 基于斜坡结构的机器人卡住检测方法、芯片及清洁机器人 |
| CN112631134A (zh) * | 2021-01-05 | 2021-04-09 | 华南理工大学 | 一种基于模糊神经网络的智能小车避障方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3932761A1 (en) | Vehicle abnormal lane change control method, device and system | |
| CN109669461B (zh) | 一种复杂工况下自动驾驶车辆决策系统及其轨迹规划方法 | |
| CN106864454B (zh) | 用于辅助机动车辆的操纵过程的方法和装置 | |
| CN104290753B (zh) | 一种前方车辆运动状态追踪预测装置及其预测方法 | |
| EP0586857B1 (en) | Vehicle lane position detection system | |
| US20190155291A1 (en) | Methods and systems for automated driving system simulation, validation, and implementation | |
| CN109131326A (zh) | 一种具有换道辅助功能的自适应巡航控制器及其工作方法 | |
| CN111806433B (zh) | 一种自动驾驶车辆避障方法、装置及设备 | |
| CN102591332A (zh) | 用于无人驾驶汽车局部路径规划的装置及方法 | |
| GB2541354A (en) | Collision avoidance method, computer program product for said collision avoidance method and collision avoidance system | |
| US11024178B2 (en) | System and method for autonomously steering a vehicle | |
| CN108614551A (zh) | 远端操作载具及其载具控制装置与控制方法 | |
| CN112305911B (zh) | 一种复杂环境下的反馈预测控制方法及其装置、车辆 | |
| CN111930125A (zh) | 适用于agv的低成本障碍物检测装置及方法 | |
| CN113942524B (zh) | 一种车辆行驶控制方法、系统及计算机可读存储介质 | |
| Bosnak et al. | Efficient time-to-collision estimation for a braking supervision system with lidar | |
| CN112415995A (zh) | 基于实时安全边界的规划控制方法 | |
| CN111452786A (zh) | 一种无人车辆避障方法及系统 | |
| CN114932562A (zh) | 一种基于激光雷达的地下电缆隧道巡检机器人及实现方法 | |
| CN113867366A (zh) | 一种基于自适应网络模糊的移动机器人控制方法 | |
| CN113110489A (zh) | 一种轨迹规划方法、装置、电子设备和存储介质 | |
| CN115140048B (zh) | 一种自动驾驶行为决策与轨迹规划模型与方法 | |
| CN115328137A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
| US11698452B2 (en) | Target tracking during acceleration events | |
| CN112666950B (zh) | 一种基于超声波距离检测的无人驾驶汽车避障方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211231 |
|
| RJ01 | Rejection of invention patent application after publication |