移动机器人行为融合算法设计

摘 要：文章针对基于行为的路径规划方法带来的行为协调问题，以移动机器人Pioneer 3为研究对象，采用动态权值设置法，使用模糊控制器计算趋向目标行为和避障行为的权重，设计了移动机器人趋向目标行为和避障行为的融合算法。

关键词：移动机器人 行为融合算法 趋向目标行为 避障行为

一、引言

基于行为的规划方法基于1986年Brooks[1]提出的包容式体系结构，但它存在行为不易描述、多个行为存在竞争冲突需要相互协调的问题。针对这些问题，本文以移动机器人Pioneer 3为研究平台[2]，研究设计了移动机器人趋向目标行为和避障行为融合算法。

（一）趋向目标行为和避障行为的融合设计

趋向目标行为和避障行为的融合设计能够协调这两种行为，保证机器人能够协调统一的到达目标点。算法设计中权值设置法常采用静态权值法为每个行为分配固定的权值，这种方法存在的问题是每个行为的权值不能根据环境的变化而变化。为克服静态权值法的不足，本文采用动态权值设置法，使用模糊控制器计算趋向目标行为和避障行为的权重[3]。

1. 权值模糊控制器

权值模糊控制器的输入变量为和，输出变量为行为权值参数。其中代表3个传感器组所探测的障碍物距离的最小值，表示为如下方法：

代表机器人与目标点的连线方向上存在的最近障碍物的距离。

使用相邻的两个传感器探测目标点向量所在方向上最短障碍物的距离，然后把探测到的最小值作为的值。设机器人目标点的方向向量与机器人前进方向的夹角为，要获取，分为以下几种情况：

即将目标点方向上的障碍物距离设置为传感器的最大测量范围。

将模糊化为3个语言变量{near、middle、far}的集合，趋向目标行为的权值模糊化为5个语言变量{vs、s、m、b、vb}（v：very，s：small，m：middle，b：big）的集合。

2. 行为融合

通过权值模糊控制器得到行为权值，是趋向目标行为的权重，为避障行为的权重。按照如下公式

（2）

对避障行为和趋向目标行为进行融合，得出机器人最终的转向角。

当障碍物离机器人比较近的时候，权值输入比较小，即比较小，所以趋向目标行为所占比重小，而避障行为所占的比重较大。

大部分情况下使用以上设计的权值模糊控制器，机器人能较好的完成路径规划任务，但当环境中出现U型障碍物区域，机器人的路径规划将出现死锁，出现“陷阱问题”。

避障行为和趋向目标行为的融合算法设计如图1所示[4]。

二、结束语

通过仿真实验表明，文中设计的融合算法能较好的完成机器人的局部路径规划任务。本文进一步的研究方向应向动态障碍物环境下的机器人的避障扩展。

参考文献：

[1] Rodney A. Brooks.A robust layered control system for a mobile robot[J]. IEEE Journal of Robotics and Automation，1986，2（1）：14-23.

[2] 李彩虹.移动机器人智能体混合式体系结构研究[D].济南：山东大学，2007.

[3] 宋颖丽.基于行为的移动机器人局部路径规划方法研究[D]. 济南：山东理工大学，2011.

[4] 杨洁.基于自适应神经模糊推理系统的雾天高速公路车速控制研究[D].吉林：吉林大学，2007.