沿墻導(dǎo)航控制問題是指驅(qū)動(dòng)機(jī)器人在一定方向上沿墻運(yùn)動(dòng),，或者更一般意義上的沿著物體輪廓運(yùn)動(dòng),，并與墻保持一定距離。它可以看作是移動(dòng)機(jī)器人智能的低層行為,，當(dāng)與其它高層的智能行為相結(jié)合時(shí),，可以完成復(fù)雜的任務(wù)。墻體情況可分為以下幾種：
跟蹤一個(gè)未知的墻體,。當(dāng)獲得的環(huán)境信息太少或無法獲得,，機(jī)器人的軌跡可能會特定為“沿著右邊的墻體運(yùn)動(dòng)直到發(fā)現(xiàn)第一個(gè)門口”。另外,，如果移動(dòng)機(jī)器人的任務(wù)是繪制全局模型,，它就必須沿墻體行進(jìn)將地圖描述完全。
跟蹤一個(gè)已知墻體,。機(jī)器人按照規(guī)劃好路徑跟蹤軌跡,，為了使算法誤差保持在小范圍內(nèi)而跟蹤墻體,。或者,，路經(jīng)規(guī)劃中包括已知墻體,，需要機(jī)器人沿墻行進(jìn)完成特殊的任務(wù)。
目前關(guān)于移動(dòng)機(jī)器人沿墻導(dǎo)航控制已有較多研究,，大多采用聲納傳感器作為環(huán)境的感知設(shè)備,。算法應(yīng)用則從早期的航跡推算法，發(fā)展到后來使用卡爾曼濾波,，模糊控制,，神經(jīng)網(wǎng)絡(luò)控制等。由于模糊邏輯技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)各自獨(dú)到的特點(diǎn),，將模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合組成模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng),，可實(shí)現(xiàn)模糊規(guī)則自動(dòng)提取、模糊隸屬函數(shù)的自動(dòng)生成及在線調(diào)節(jié),。因此本文采用模糊神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)移動(dòng)機(jī)器人的沿墻導(dǎo)航控制,。
2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2．1 輸入輸出值模糊化
本文研究的移動(dòng)機(jī)器人沿墻導(dǎo)航控制融合機(jī)器人聲納檢測采集到的數(shù)據(jù)，判斷機(jī)器人的位姿,，然后通過模糊神經(jīng)網(wǎng)絡(luò)算法控制移動(dòng)機(jī)器人的動(dòng)作,，使其在一定距離內(nèi)沿墻體運(yùn)。文中移動(dòng)機(jī)器人側(cè)壁上方安裝有16個(gè)聲納,，按順時(shí)針排列從0#到15#,。
移動(dòng)機(jī)器人要避免與墻體碰撞又要保持一定距離，所以本文為每個(gè)聲納設(shè)置一個(gè)閾值,，當(dāng)聲納檢測到的距離值大于或小于這個(gè)閾值就采取相應(yīng)的動(dòng)作,。這樣，將聲納采集的距離值與各自相應(yīng)的閾值相減得到差值△di(i=O,，1,，2，…,，15)作為模糊神經(jīng)網(wǎng)絡(luò)的一個(gè)輸入,；移動(dòng)機(jī)器人的角度信息θ作為另外一個(gè)輸入。將距離差值△di和角度θ輸入模糊化如下：
距離差值△di：較小(NB),，小(NS),，中(Z)，大(PS),，較大(PB),。
角度θ：左(L)，偏左(LS)，正(Z),，偏右(RS),，右(R)。
輸出變量為移動(dòng)機(jī)器人的左右輪速Vl,、Vr,，模糊化如下：
左右輪速Vl、Vr：左轉(zhuǎn)(TL),，前進(jìn)(G),，右轉(zhuǎn)(TR)。
2．2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖
模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示,，A為輸入層，輸入變量分別是前面所說的距離差值△di(i=0,，l,，2，3,，4)和角度θ,。A層的作用是將輸入值傳送到下一層。
B,，C為模糊化層,，即使用模糊語言來反應(yīng)輸入量的變化，隸屬函數(shù)采用高斯函數(shù),，隸屬度計(jì)算公式如下：
連接權(quán)重We,、Wd決定了隸屬函數(shù)的形狀。
D層為模糊推理層,，目的是將輸入量進(jìn)行綜合處理,，共采用了25條規(guī)則，它們由C,，D,，E的連接表示出來。模糊規(guī)則如下：
lf △di is M andθis N,，then Vl is K and Vris L．
其中M=NB,，NS，Z,，PS,，PB；N=L,，LS,，Z，RS，R,；K,，L=TL，G,，TR,。
E、F,、G層為去模糊化層,。F層有10個(gè)神經(jīng)元，5個(gè)對應(yīng)移動(dòng)機(jī)器人的左輪速度,，5個(gè)對應(yīng)右輪速度,。F層的結(jié)果隸屬函數(shù)使用三角形隸屬函數(shù)，目的是把在E層模糊語言描述的隸屬函數(shù)轉(zhuǎn)化為具體數(shù)值的隸屬度,。G層求解模糊結(jié)果,，采用重心法，也叫加權(quán)平均法,。求解過程是以控制作用論域上的點(diǎn)vi(i=l,，2，…,，n)對控制作用模糊集的隸屬度u為權(quán)系數(shù)進(jìn)行加權(quán)平均而求得模糊結(jié)果,，對于離散論域vi：
3 沿墻導(dǎo)航控制計(jì)算模型
圖l所示即為本文采用的BP前饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，計(jì)算模型如下(I為該神經(jīng)元的輸入值,，O為輸出值,，上標(biāo)表示神經(jīng)元所在的層)：
D層：由輸入變量自動(dòng)生成模糊規(guī)則。
F層：輸出隸屬函數(shù)使用三角形函數(shù),，隸屬度計(jì)算公式如下：
4 實(shí)驗(yàn)結(jié)果
為了驗(yàn)證算法的有效性,，本文設(shè)計(jì)了移動(dòng)機(jī)器人沿左墻行進(jìn)的實(shí)驗(yàn)。實(shí)驗(yàn)環(huán)境為有兩扇門的長方形走廊,。其中,，黑色實(shí)線為帶有兩扇門的墻體，藍(lán)色曲線為移動(dòng)機(jī)器人沿墻體行進(jìn)的軌跡,。移動(dòng)機(jī)器人使用0#～4#聲納,，圖2為基于航跡推算法的移動(dòng)機(jī)器人墻體跟蹤軌跡圖；圖3為基于模糊神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人沿墻導(dǎo)航控制軌跡圖,。
圖3中,，移動(dòng)機(jī)器人與墻體的距離聯(lián)合各聲納相對于移動(dòng)機(jī)器人正前方的角度作為模糊神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)過融和判斷來控制移動(dòng)機(jī)器人的動(dòng)作,，靠近墻體或遠(yuǎn)離墻體,。例如，O#(-90°)測得的數(shù)值為208mm，1#(-50°)測得的數(shù)值為324mm,，2#(一30°)測得的數(shù)值為877mm,，3#(一10°)測得的數(shù)值為1700mm，4#(10°)測得的數(shù)值為3000mm,，說明移動(dòng)機(jī)器人距離墻體太近,，需遠(yuǎn)離以避免碰撞，此時(shí)移動(dòng)機(jī)器人左輪速度為0．20m／s,，右輪速度為O．08m／s,。移動(dòng)機(jī)器人采用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行沿墻導(dǎo)航控制的均方誤差為0．0014。單一采用航跡推算法的均方誤差為0．0382,。由此可見,，采用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行移動(dòng)機(jī)器人沿墻導(dǎo)航控制，性能大大提高,。
5 結(jié)論
本文給出了模糊神經(jīng)網(wǎng)絡(luò)的計(jì)算模型,，利用BP網(wǎng)絡(luò)離線訓(xùn)練權(quán)值。此方法能夠根據(jù)移動(dòng)機(jī)器人聲納采集到的信息自動(dòng)生成模糊隸屬函數(shù),，并且自動(dòng)提取模糊規(guī)則,，增強(qiáng)了神經(jīng)網(wǎng)絡(luò)的泛化能力和容錯(cuò)能力,。實(shí)驗(yàn)證明了此方法的有效性和可行性,，能夠無碰撞地沿墻體行進(jìn)，并保持一定的距離,。