基于模糊控制的移动机器人路径规划仿真研究

王 茜

（江西省减灾备灾中心，江西 南昌330036）

人工智能的出现大大解放了劳动力，特别是移动机器人的设计与使用，在越来越多的应用领域开始逐步替代人工，如应急救援、矿产工业等方面。近年来特别是在煤矿发生事故后的环境探测和救援任务，机器人辅助救援人员展开工作，提高了救援效率、降低了救援危险系数[1]。而机器人获取事故现场信息和实现自主避障及路径规划问题已经成为移动机器人应用中一项非常重要的技术[1-3]。移动机器人在执行装配、救灾、抢险、焊接、恶劣环境作业等任务时，有着得天独厚的优势。使用正确高效的路径规划技术，不仅能够节省大量的时间，还可以降低成本、节约劳动力，因此针对移动机器人的路径的合理规划是目前智能机器人研究的重点。

路径规划目的是在一个设定的区域或范围内，从起始点到目的地寻找出一条既满足某些指标要求，同时又能有效的避开各种障碍的连续路径[4-5]。其关键就是移动机器人视觉下的导航和避障。机器人在移动中进行的路径规划是动态的、实时的，要满足以下三点：

1）机器人能从起点到达终点。

2）前进过程中能够发现并最终躲避开障碍。

3）规划出的路线尽可能达到最优。

本文就机器人移动过程中的路径规划技术的关键方法进行探索，基于模糊控制算法展开路径规划设计，并借助于模糊控制的仿真工具编写路径规划算法进行仿真，探索基于模糊控制的移动机器人路径规划方法。

1 模糊控制器设计

模糊控制器的结构见图1，主要包括模糊化、知识库模糊推理、解模糊等4 个部分。

图1 模糊控制器的基本结构

1）模糊化。这是模糊控制算法的起始点，也是一个建模过程，将精确的输入量，转成控制器所要求的模糊量。模糊化先要根据控制器的要求处理输入量，然后进行尺度转换，最后定义模糊语言及输入量对应的隶属度函数。

2）知识库。依专家经验而建立的经验库，也称作规则库，是将实际客观世界中的经验变成模糊控制器工作的重要内容。

3）模糊推理。基于知识的推理和决策，并由此得出相应的控制数据或控制量。

4）解模糊。是将模糊推理所得到的控制量转化为输出量。

2 基于模糊控制的避障方法

机器人在移动时，有很多方法实现信息的输入，如超声波传感方式、机器人视觉方式、红外探测或接触感知等等，各种各样的传感器均可以完成数据的输入，进一步由前述理论进行模糊化，为后续的模糊控制做好基础。后续的处理就是将采集到的信息进行分析、定位、计算，依据经验或已有法则进行分析，完成推理和决策，此过程不断循环往复，直至完成整个的路径规划任务。在此过程中完全的诠释了整个模糊控制器的设计过程，即4个组成部分的实现内容，从而实现基于模糊控制算法的移动机器人的路径规划。整个模糊控制过程将人的驾驶经验融入到机器人的控制系统中，模拟人的思维方式，因此在机器人智能避障系统中得到广泛的研究与应用[6-7]。

借助于传感器获取机器人路径上的障碍物信息，进行分析、推理、决策，得出实现机器人移动控制的输出信息，此为模糊推理，见图2。

图2 模糊推理避障框图

机器人在移动中，通过获取前方、左方、右方等三个方位的障碍信息 （这里采用较简单的三点信息测量方式，在复杂的工况或环境下，可以增加测量方位，方法及原理同于此），这三个方位信息作为模糊控制器输入量，输入至模块控制器的推理运算中心进行分析，得出输出量进行控制机器人的运动状态。模糊推理的流程见图3。

图3 模糊推理避障流程

3 路径规划中模糊控制器输入输出的处理

移动机器人通过三个方向传感器获取到输入信息，分别是前方障碍物、左方障碍物、右方障碍物的距离，以及机器人的运动方向相对于目标点的方位角θ。控制器的输入信息见图4。输出信息为控制机器人转动的角度Ψ。计入输入输出的模糊控制器结构见图5。

图4 模糊控制器的输入信息

图5 模糊控制器的结构

4 机器人路径规划仿真设计

MATLAB 仿真工具箱中自带模糊控制器，可以对输入的数量和输入信息进行分别设置，选取的输入变量中各方向的障碍物距离及机器人运动方向相对目标点的方位角，得出输出变量为机器人转动的角度Ψ。

4.1 实验步骤

结合模糊控制器及控制算法设计好程序，预设起始点与终点，进行基于模糊控制的移动机器人路径规划仿真实验，步骤如下：

（1）设定机器人运动的起始坐标点和目的地坐标点，由此可规划出理想航线。

（2）设置障碍物，本文以圆柱形障碍物为例，随机设定障碍物数量和分布点。

（3）运行仿真程序，规划避障路线，从起点移动到目标点。

（4）输出规划路径信息，包括绘制理想和实际路线、移动步数等。

4.2 实验分析

仿真过程中设置起点坐标和终点坐标为[0，0]～[500，500]，给出不同的终点，模拟环境中的障碍物数量为20 个和50 个，障碍物的形状为圆柱体情况进行仿真实验，仿真结果见图6、图7，分别显示出了理想航线、运动轨迹以及路径步数等信息。

图6 障碍物数量20的仿真实验结果

图7 障碍物数量50 的仿真实验结果

图中，在理想路线上，明显的分布着各种大小不一的障碍物，图6 和图7 中在不同的预设路线和不同数量障碍物的情况下，机器人在沿着理想路线前进时，均能够在模糊控制算法的程序控制下，正确绕过障碍物并继续行进，在偏离理想路线上仍然能够找出一条通往目的地的合理路线，直至终点。

5 结论

机器人在事故救援中其移动路径规划、合理避障是保障救援效果的关键。基于模糊控制理论，将模糊控制与人工驾驶经验相结合，并利用设计好的算法对移动机器人在仿真平台进行路径规划，借助MATLAB 进行仿真实验，实现了机器人在设定好目标点后的移动路径规划，并得到较为理想的实验结果。