教育移动机器人路径规划技术研究-TheMarvelousMrMallow.DOC

教育移动机器人路径规划技术研究 刘尧 摘要：机器人课程已逐渐进入高中教育，移动机器人的路径规划作为一项关键技术，学生实际学习操作比较困难。结合高中教育实际，本文设计了一种基于模糊控制的机器人局部路径规划方法，该方法简单有效，便于理解，可以使学生对机器人控制及路径规划有初步的认识和理解，以激发其学习机器人技术的兴趣。 关键词：局部路径规划；模糊控制； 栅格地图 Research on Path Planning Technique of Education Mobile Robot Abstract：Robotic lesson has gradually entered high school curriculum. The mobile robot path planning as a key technology, students in high school learn the practical operation more difficult. Combined with actual high school education, in the paper ,a robot local path planning method based on fuzzy control is designed, which is simple and effective, easy to understand, so that students can control and robot path planning of the initial awareness and understanding, to stimulate their learning interest in robotics. ? ? Keywords： Local Path Planning；uzzy Control；x-y坐标系（如图2.1所示），机器人的起始点设为S，全局目标点设为G，都处于第一象限。S的坐标为 ，G的坐标为(x，y)。根据x，y的值在第一象限内建立一个大小为的二维矩阵D。矩阵中，值为0的元素代表障碍物单元，值大于0的代表自由单元，列向量对应x轴的正方向，行向量对应y轴的正方向。障碍物信息就包含在环境信息当中。 在此元素坐标系中，矩阵D元素的下标(b，c)等于元素在坐标系中的坐标(x，y)，矩阵元素值z在坐标系中表示成函数： （b=x，c=y） （2-1） 这样就可以根据函数判断点(x，y)是自由元素还是障碍物元素。 坐标系中，机器人的实时位置设为P(x，y)。机器人的路径规划在这个环境模型中，就是计算出一条代表自由单元矩阵元素的曲线，即一维向量x和y。 2.2 障碍物模型的描述 在路径规划仿真时，假设障碍物已事先根据机器人的实际尺寸和安全性要求进行了“膨化”，使得处理后的障碍物边界以外为安全区域。机器人将简化为一个质点。机器人无全局信息，它只能根据超声传感器感知的环境信息推算当前视线内的临时目标T。 2.2.1障碍物识别 超声波传感器的配置方案和安装角度如图2.2，把3个超声传感器分为s1、s2和s3。对于单个的传感器来说，只能获得障碍物的距离信息，并不能得到障碍物的准确方位信息，导航误差增大。为此，提出一种简单明了的分区算法，对每个方向组的传感器测得的数据进行融合，从而得到三个方向上障碍物距离和方位信息。，超声传感器最大测距范围为5米，当障碍物在5米之外时传感器距离值为5米。 假定：三个传感器距离信息值用di（i=1~3）表示，融合后取值(d,)，d表示距离值，d的取值范围为(55cm, 500cm)，三个方向上分别为dr、df、dl，表示障碍物方位角度，当有多个障碍物时，取使值最小的值 图2.2 障碍物传感器信息示意图 另外，当障碍物在左方与前方共有区域，认为障碍物是在左方，当障碍物在右方与前方共有区域，认为障碍物是在右方。至此，我们得到了探测机器人前方三个方向上障碍物距离信息的三维向量D1{dr，df，dl}，传感器信息分区可以顺利地完成传感器信息初步融合，从而可以建立移动机器人障碍物环境模型。 我们根据向量D1{dr，df，dl}取值来设定探测机器人车体周围环境的类别，每个方向上有障碍物时该方向分量取值为1，无障碍物取值为0，则三位二进制代码即可对环境进行分类，共有8种类。具体定义如下： 000：无障碍物，为了简化神经网络输出，定义为第0类，记为EN0； 001：左方有障碍物，定义其为第1类，记为EN1； 010：前方有障碍物，定义其为第2类，记为EN2； 011：前方和左方有障碍物，定义其为第3类，记为EN3； 100：右方有障碍物，定义其为第4类，记为EN