模糊神经网络信息融合方法在机器人路径规划中的应用研究 a study on the application of fuzzy neural network information fusion method to robots path planning.pdfVIP

第35卷第4期 信息化研究 V01．35No．4 I血)rnlatizati【)flResearch A 。2009年4月 pr．2009 模糊神经网络信息融合方法在机器人 路径规划中的应用研究 王艳平 (湖南信息职业技术学院信息工程系，湖南省望城县410200) 摘要：多传感器信息融合技术在机器人领域有着非常广泛的应用前景。文中对移动机器人避 糊神经网络的多传感器信息融合方法。该方法对障碍物信息进行综合处理，用于移动机器人的避障。 并通过实验仿真验证了该方案在移动机器人避障和路径规划中的可行性和有效性。 关键词：模糊逻辑；神经网络；T—S模型；多传感器信息融合；路径规划 中图分类号：11P242．6 始化神经网络结构，从而使模糊控制器规则的在线精 O 引言 度和神经网络的学习速度均能得到较大的提高。 路径规划是移动机器人完成任务的安全保障，也 因此，模糊逻辑与神经网络结合以解决基于多传 是移动机器人智能化程度的重要标志之一。路径规划 感器信息融合的移动机器人避障及路径规划问题是有 作为移动机器人智能化的一个关键技术，20世纪70效并具有优势的。本文结合AS—uII移动机器人平 年代以来就受到了国内外众多机构和学者的广泛关 台，研究基于模糊神经网络的多传感器信息融合方法， 注，并由此提出了多种路径规划的方法和算法，如人工 以实现自主移动机器人的自动避障及路径规划。 势场法、栅格法、可视图法、自由空问法、模糊逻辑、遗 1 基于T-S模型的模糊神经网络简介 传算法、免疫算法和神经网络算法等。这些方法各有 优点和一定的应用效果，但也存在不同程度的缺陷。 在模糊系统中，模糊模型的表示主要有两种：一种 对于移动机器人的自主避障及路径规划而言，模 是模糊规则的后件是输出量的某一种模糊结合；另一 糊逻辑和神经网络这两种方法各有优缺点。基于模糊 种是模糊规则的后件是输入语言变量的函数，常见的 逻辑的方法模拟人类思维，对模糊信息进行综合分析， 利用模糊数学方法总结出模糊控制规则。模糊方法实 基于T．S模型的简化模糊神经网络结构图如图1所 时性好，但模糊逻辑控制器由于没有学习和自适应能 示。模糊神经网络通过学习算法从典型样本数据中学 力，要构成模糊逻辑系统，就必须要求设计者首先要了 习参数，自动调节隶属函数并产生规则和隶属函数，从 解整个避障系统的物理特性，并且要预先定义一系列 而得到满足要求的模糊模型。 有效的避障控制规则，用于定义移动机器人的避障行 为。但事实上，这并不总是可行的。然而，神经网络作 为一种高度非线性系统，却擅长通过采样障碍物信息 输人数据和控制输出数据，从中找出避障的各种行为 模式，生成相应的模糊逻辑控制规则。另一方面，神经 网络虽然可以通过训练来学习给定的经验，并据此生 成映射规则，但是这些映射规则在网络中是隐含而无 第l层 第2层 第3层 第4层 第5层 法直接理解的。所以，想从神经网络内部调整其权值 图1模糊神经网络 参数，进而改进其性能，就会有一定的难度。然而如果 把模糊逻辑控制引入神经网络中，就能给神经网络带 来很多优点。另外，还可以利用相应的模糊系统