移动机器人模糊控制的应用

1、移动机器人模糊控制的应用移动机器人模糊控制的应用0504311 19 刘天庆对于复杂的、 多因素影响的生产过程 , 即使不知道该过程的数学模型 , 有经验 的操作人员也 能根据长期的观察和操作经验进行有效地控制 , 而采用传统的自动控 制方法的效果则并不理 想。然而 ,能否把人的操作经验总结为若干条控制规则 ,并设 计一个装置去执行这些规则 , 从而对系统进行有效的控制 ?模糊控制理论和方法便由 此而生。1 模糊控制原理模糊控制的原理框图如图 1 所示。模糊逻辑控制系统可用来代替经典控制系统 或与经 典控制系统一起来控制机器人。 通过应用模糊逻辑 , 机器人可以变得更独 特、 更具有智能和 更

2、加有用。 本文根据模糊控制理论为移动机器人的运动控制设 计一个模糊逻辑系统。 以使移 动机器人能根据地形坡度和地形类别来自主的调节 自身的运动速度 , 从而完成机器人运动的 自动控制。2 移动机器人的模糊逻辑控制器设计2.1 确定模糊控制器的输入变量和输出变量根据本设计的目的 ,为使移动机器人能根据地形的坡度和地形的类别自主地调 节自身的运动速度 ,本系统可设计为双输入单输出系统 ,将地形坡度和地形的类别 作为两 个输入 ,而将移动机器人的运动速度作为控制输出。2.2 模糊化模糊化是将输入和输出值转换为其隶属度函数的过程。模糊化的结果是一组如 图 2 所 示的图形 , 它描述了不同模糊变量中不

3、同值的隶属度。 为了定义模糊地形坡 度、 模糊地形类 别和模糊运动速度的变量 , 这里将期望的地形坡度范围固定在 - 45°+45°, 并划分成五个 隶属度函数 ,分别是“负大”、“负”、“水平”、“正”、“正大”。小于-45°的坡度一 概 看作 “负大”而,大于+45°则被认定为 “正大”。类似的 ,地形类别也划分成四个隶属度函数 ,分别 是“很 粗糙”、“粗糙 ”、“平缓”、“平坦 ”。其中所有粗糙程度大于 100%的都被认定为 “很粗 糙”。 而输出的移动移动机器人的模糊逻辑控制器设计2.1 确定模糊控制器的输入变量和输出变量根据本设计的目的 ,为

4、使移动机器人能根据地形的坡度和地形的类别自主地调 节自身的运动速度 ,本系统可设计为双输入单输出系统 ,将地形坡度和地形的类别作为两 个输入 ,而将移动机器人的运动速度作为控制输出2.2 模糊化模糊化是将输入和输出值转换为其隶属度函数的过程。模糊化的结果是一组如图 2 所 示的图形 , 它描述了不同模糊变量中不同值的隶属度。 为了定义模糊地形坡 度、 模糊地形类别和模糊运动速度的变量 , 这里将期望的地形坡度范围固定在 -45°+45°, 并划 分成五个 隶属度函数 ,分别是“负大”、“负”、“水平”、“正”、“正大”。小于-45°的坡度一 概 看作 “负大”而,

5、大于+45°则被认定为 “正大”。类似的 ,地形类别也划分成四个隶属度函数 ,分别 是“很 粗糙”、“粗糙 ”、“平缓”、“平坦 ”。其中所有粗糙程度大于 100%的都被认定为 “很粗 糙”。 而输出的移动机器人的运动速度 （在 020 英里/小时之间则被分成 “很慢”、“慢”、“中”、 “快”、“很快”。根据图 2 中输入变量和输出变量的模糊化 （其中地形坡度和地形类别为输入变 量 ;速度 为输出变量 ,便可为每个隶属度函数选择其他域 ,并对其进行不同的划分 ,以确定隶属度函数交叠的不同区域 ,然后设置非对称的隶属度函数。2.3 规则库的形成,这样,总共就会有,该模型将形成由于地形

6、坡度有五个隶属度函数 ,地形类别有四个隶属度函数 5× 4=20 条规则,根据整个设计过程的系统性能要求和设计者的经验 含有 20 条规则的规则库 ,具体如下 :规则 1:if（地形坡度 is LP and（地形类别 is VRthen（速度 is VS规则 2:if（地形坡度 is LPand（地形类别 is Rthen（速度 is S规则 3:if（地形坡度 is LPand（地形类别 is Mothen（速度 is Me规则 4:if（地形坡度 is LPand（地形类别 is Sthen（速度 is Me规则 5:if（地形坡度 is Pand（地形类别 is VRthen（

7、速度 is VS规则 6:if（地形坡度 is Pand（地形类别 is Rthen（速度 is S规则 7:if（地形坡度 is Pand（地形类别 isMothen（速度 is Me规则 8:if（地形坡度 is Pand（地形类别 is Sthen（速度 is F规则 9:if（地形坡度 is Land（地形类别 isVRthen（速度 is S规则 10:if（地形坡度 is Land（地形类别 is Rthen（速度 is Me规则 11:if（地形坡度 is Land（地形类别 is Mothen（速度 is F规则 12:if（地形坡度 is Land（地形类别 is Sthen

8、（速度 is VF规则 13:if（地形坡度 is Nand（地形类别 is VRthen（速度 is Vs规则 14:if（地形坡度 is Nand（地形类别 is Rthen（速度 is S规则 15:if（地形坡度 is Nand（地形类别 is Mothen（速度 is Me规则 16:if（地形坡度 is Nand（地形类别 is Sthen（速度 is F规则 17:if （地形坡度 is LNand（地形类别 is VRthen（速度 is VS规则 18:if（地形坡度 is LNand（地形类别 is Rthen（速度 is VS规则 19:if（地形坡度 is LNand（

9、地形类别 is Mothen（速度 is s规则 20:if（地形坡度 is LNand（地形类别 is Sthen（速度 is Me图 3 所示是系统模糊推理规则观察器的输出结果。通过图 3 可以清晰地看到输入不同的地形坡度和地形类别时 ,其模糊推理规则所产生的输出速度的值。3 清晰化清晰化是将模糊输出值转换为可供实际应用的等效清晰值的过程。即对模糊规 则进行匹 配并计算相应的数值 , 从而得到一个与不同输出模糊集隶属度函数值相关 的数。 清晰化的方 法有很多种 ,两种常用的主要方法是 :centroid 面积中心法 （又称重 心法和 Mamdani（马丹 尼推理法。3.1 centroid

10、 面积中心法centroid 面积中心法主要计算隶属度函数所包围区域的重心。对于连续论域,若U 是某一变量 u 在论域 U 的模糊集合,则去模糊化的结果为3.2 Mamdani(马丹尼推理法该方法中 ,每个集合的隶属度函数将在相应的隶属度值上被截去顶端 ,并将得到 的所有 隶属度函数作为 “或 ”函数加在一起。 即将每一个重复的区域作为一层相互 叠加在一起 , 其 结果将是一个代表所有区域的新区域。新区域的重心将等价于输出。本文中的清晰化主要采用 centroid 面积中心法。也就是采用 MATLAB 模糊逻 辑工具箱 的解模糊化函数 defuzz,该函数的功能为执行输出去模糊化 ,其格式为

11、:output=defuzz(x,mf,type其中:参数 x 是变量的论域范围 ;mf 为待去模糊化的模糊集合 ;type 为清晰化方 法, 本文主要采用 centroid 面积中心法。4 模糊逻辑控制器的仿真一般情况下 ,为模糊系统设计的规则必须通过仿真才能保证其对所有的输人值 都能产生 满意的结果 , 这一般可通过模糊逻辑程序来实现。 程序通过运行模糊推理 机来计算所有可能 输入产生的输出 , 并作出输出值的图形来对模糊控制系统进行仿 真。 通过该图即可审核规则 和隶属度函数是否匹配。由 2.2 和 2.3 中的输入变量和输出变量的模糊化和规则库 ,可以通过 MATLAB 模糊推理系统的运算而得出如图 4 所示的三维输出结果。通过图 4 即可看出 ,本文的 规则和隶属度函数匹配良好。5 结束语本文针对不同路面条件下移动机器人运动控制的实际问题提出了一种解决方 法。该方法 把模糊逻辑推理应用到移动机器人的行为控