v1 基于模糊逻辑的移动机器人路径规划与底层运动控制研究.doc

2012级硕士学位研究生 学 院 信息科学与工程 专 业 控制工程 研 究 生 姓 名 学 号 指导教师姓名 年 月 日 一、简表 论文名称 中文 基于模糊逻辑的移动机器人路径规划与底层运动控制研究 英文 Research on Path Planning and Motion Control for Mobile Robot Based on Fuzzy Logic 课 题 来 源 A．国家及国务院各部门项目 B．国家自然 科学基金 C. 国防科委项目 D. 省、市级项目 E. 厂(矿)项目 F. √自选课题 课 题 类 型 A. 基础研究 B. 应用基础 C. 应用研究 D. √实验研究 开题时间 2013 年 6 月 15 日 选题考评小组成员 姓 名 职 称 签 名 注：选题考评小组由3~5名具有高级职称的人员组成。 二、论文立论依据 (包括研究意义、国内外研究现状分析、参考文献综述) 1.研究意义 PID 控制器已不能达到较好的控制效果。而模糊控制无需建立精确的数学模型且具有较强的鲁棒性，可用于非线性、时变及时滞系统的控制，是一种对模型要求不高但又有良好控制效果的控制新策略[3]。 目前，路径规划的研究大多数集中在规划算法的设计与仿真研究上, 而将路径规划算法应用于实际的还很少，即使是一些实物仿真实验，研究也较少。但理论研究最终要应用于实际，因此有关机器人底层控制与路径规划算法的结合研究将是它的发展方向之一，不仅要研究路径规划算法，而且要研究机器人的动力学控制与轨迹跟踪，使机器人路径规划研究实用化、系统化[4,5]。基于此，本文主要研究了移动机器人的轨迹规划与底层运动控制相结合的问题，具体包括移动机器人路径规划、轮式移动机器人转动轮的运动控制。 2.国内外研究现状M. Deng考虑到有动态障碍物而出现局部最小的状况，设计了一种基于李亚普诺夫函数的反馈控制器，并且考虑到了引力、排斥力和迂回力在内的虚拟力。Dayal Ramakrushna Parhi[9]提出一种基于混合规则的神经模糊控制方法来进行多机器人的运动控制，达到在复杂未知环境下对障碍物的避障和多机器人之间的避障。Emily M.P. Low[10]由生物导航得到灵感设计了一种只用一个摄像机的一种新的控制率来控制轮式机器人在特定的角度停在静态的目标点，并且做了各种实验，证明了该控制率能够有效的使轮式机器人以特定的姿态达到目标点。Chih-Yang Chen[11]提出了一种动态自适应滑模控制器来完成轮式移动机器人的轨迹跟踪的任务，将自适应控制和滑模控制结合起来克服轮式移动机器人系统的不确定性和干扰，Lyapunov稳定性理论70%的规则。Gregor Klancar[16]提出了一个模型预测轨迹跟踪控制器，用动态线性跟踪误差来预测系统的下一步行为，并且该控制方法是源于一个二次补偿系统跟踪误差和控制效果的成本函数，该控制器通过速度和加速度约束来防止移动机器人滑动，并且史密斯预测器是用补偿视觉系统死区时间。 机器人路径规划可划分为基于地图的全局路径规划和基于传感器的局部路径规划。全局路径规划的主要方法有：可视图法、自由空间法、栅格法、拓扑法等。局部路径规划的主要方法有：人工势场法、调和函数法、启发式图搜索法、遗传算法、模糊逻辑算法、神经网络算法等。文献[17,18]提出了基于势场法的机器人路径规划，通过选择恰当的势场函数，消除了整个路径上的局部极小点，同时保证机器人无碰的到达目标，使得机器人能合理进行避障和路径规划。文献[19,20]分别采用基于递归神经网络和模糊神经网络的方法研究了机器人的路径规划问题，得到最优的运动路径，使得机器人能够避开障碍物并最终到达目标点。文献[21]提出了平滑的A*算法，有效降低了移动机器人规划路径的长度、转折次数、转折角度，优化了线路质量，适用于复杂环境下的路径规划。 参考文献：席裕庚, 张纯刚. 一类动态不确定环境下机器人滚动路径规划[J]. 自动化学报, 2002, 28(2), pp. 161-175.. Siegwart R, Macek K, Philippsen R. Path following for autonomous vehicle navigation based on kinodynamic control[J]. J of Computing and Inform