本發(fā)明屬于機(jī)器人技術(shù)領(lǐng)域，特別是一種涉及移動(dòng)機(jī)器人的路徑規(guī)劃，可用于各類移動(dòng)機(jī)器人的自主導(dǎo)航。

背景技術(shù)：

路徑規(guī)劃問題是移動(dòng)機(jī)器人導(dǎo)航的關(guān)鍵技術(shù)之一，主要任務(wù)是在有障礙物的環(huán)境中，按照一定的性能指標(biāo)，尋找一條從起點(diǎn)到目標(biāo)點(diǎn)之間一條最優(yōu)或者接近最優(yōu)的無(wú)碰撞路徑。根據(jù)機(jī)器人對(duì)環(huán)境信息感知程度的不同,路徑規(guī)劃分為兩種:環(huán)境信息完全知道的全局路徑規(guī)劃和環(huán)境信息完全未知或局部未知的局部路徑規(guī)劃。全局路徑規(guī)劃一般離線進(jìn)行,常用的方法主要有可視圖法、柵格法、結(jié)構(gòu)空間法、拓?fù)浞?、模擬退火法、遺傳算法和蟻群算法等智能算法。局部路徑規(guī)劃常用的方法有人工勢(shì)場(chǎng)法、模糊邏輯算法和神經(jīng)網(wǎng)絡(luò)法等。神經(jīng)網(wǎng)絡(luò)因容錯(cuò)性強(qiáng)與具有自適應(yīng)學(xué)習(xí)的特點(diǎn)，可以更好地在非結(jié)構(gòu)化環(huán)境下進(jìn)行感知信息的分析與融合，而模糊控制具有邏輯推理能力，對(duì)處理結(jié)構(gòu)化知識(shí)更為有效.然而反應(yīng)式導(dǎo)航缺乏對(duì)環(huán)境的全局認(rèn)識(shí)，易使機(jī)器人陷入局部陷阱而無(wú)法到達(dá)終點(diǎn)。針對(duì)這一問題，目前提出的有效方法有行為融合、虛目標(biāo)、沿輪廓跟蹤等方法，但行為融合方法需要計(jì)算各行為的權(quán)值，增加了系統(tǒng)復(fù)雜度；沿輪廓跟蹤方法受障礙物形狀、大小影響較大；虛目標(biāo)在復(fù)雜環(huán)境下不易去除虛擬子目標(biāo)及易產(chǎn)生冗余路徑。

技術(shù)實(shí)現(xiàn)要素：

發(fā)明目的：為了解決現(xiàn)有技術(shù)中反應(yīng)式導(dǎo)航中復(fù)雜陷阱路徑往復(fù)和路徑冗余的問題，本發(fā)明提供一種基于anfis模糊神經(jīng)網(wǎng)絡(luò)的機(jī)器人路徑規(guī)劃方法，該方法不僅能夠減少邏輯推理工作量，而且能夠擺脫機(jī)器人趨向目標(biāo)運(yùn)行中的陷阱狀態(tài)。

技術(shù)方案：為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種基于anfis模糊神經(jīng)網(wǎng)絡(luò)的機(jī)器人路徑規(guī)劃方法，首先對(duì)移動(dòng)機(jī)器人建立運(yùn)動(dòng)學(xué)模型；借助神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)功能和模糊理論的模糊推理能力，提出一種模糊神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人導(dǎo)航的模糊神經(jīng)網(wǎng)絡(luò)控制器；其基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建takagi-sugeno型模糊推理系統(tǒng)并作為機(jī)器人局部反應(yīng)控制的參考模型；將障礙物的距離和位置的相關(guān)信息作為模糊神經(jīng)網(wǎng)絡(luò)控制器的兩個(gè)輸入，模糊神經(jīng)網(wǎng)絡(luò)控制器實(shí)時(shí)輸出機(jī)器人偏移角度和運(yùn)行速度，通過模糊神經(jīng)網(wǎng)絡(luò)控制器在線調(diào)整移動(dòng)機(jī)器人的偏移方向，使移動(dòng)機(jī)器人能夠無(wú)碰撞自動(dòng)調(diào)節(jié)速度趨向目標(biāo)。

優(yōu)選的：通過模糊神經(jīng)網(wǎng)絡(luò)控制器輸出值表示機(jī)器人移動(dòng)角度和速度，越靠近障礙物時(shí)輸出角度絕對(duì)值越大，速度絕對(duì)值越??；當(dāng)前方?jīng)]有障礙物時(shí)，機(jī)器人沿預(yù)設(shè)定方向前進(jìn)；當(dāng)前方有一個(gè)障礙物時(shí)，機(jī)器人逐漸接近障礙物，在一定范圍內(nèi)實(shí)時(shí)改變偏移角度和速度，使機(jī)器人緩慢繞離障礙物駛向目標(biāo)；當(dāng)前方有兩個(gè)及其以上障礙物時(shí)，移動(dòng)機(jī)器人在行進(jìn)過程中對(duì)虛擬目標(biāo)進(jìn)行實(shí)時(shí)調(diào)整，即機(jī)器人沿所識(shí)別的最后一個(gè)障礙物前進(jìn)并避開除此之外所有障礙物，選擇一條遠(yuǎn)離障礙的最優(yōu)路徑趨向目標(biāo)。

優(yōu)選的：模糊神經(jīng)網(wǎng)絡(luò)控制器利用lms算法和最小二乘法來完成輸入/輸出數(shù)據(jù)對(duì)的建模，使得takagi-sugeno型模糊推理系統(tǒng)能模擬出希望或?qū)嶋H的輸入/輸出關(guān)系。

優(yōu)選的：模糊神經(jīng)網(wǎng)絡(luò)控制器在學(xué)習(xí)時(shí)，根據(jù)系統(tǒng)實(shí)際輸出值與期望輸出值計(jì)算出學(xué)習(xí)誤差，再通過lms算法對(duì)系統(tǒng)的偏移角度和速度進(jìn)行調(diào)整。

所述對(duì)移動(dòng)機(jī)器人建立運(yùn)動(dòng)學(xué)模型的方法如下：

步驟101，移動(dòng)機(jī)器人通過本體攜帶的測(cè)距傳感器測(cè)量障礙物的距離，其中，機(jī)器人當(dāng)前坐標(biāo)為(xr,yr)，目標(biāo)點(diǎn)坐標(biāo)為(xt,yt)，e是機(jī)器人當(dāng)前位置(xr,yr)到目標(biāo)點(diǎn)(xt,yt)的矢量，其模長(zhǎng)和向量角表示為：

en為機(jī)器人在目標(biāo)距離勢(shì)場(chǎng)中的勢(shì)能，當(dāng)前機(jī)器人與目標(biāo)點(diǎn)的夾角，根據(jù)機(jī)器人當(dāng)前位置不斷修正，始終指向目標(biāo)位置，下標(biāo)n表示具體時(shí)刻；

步驟102，速度模型，移動(dòng)機(jī)器人在導(dǎo)航任務(wù)中的速度由機(jī)器人與周圍障礙物之間距離決定，當(dāng)無(wú)障礙物阻擋時(shí)，機(jī)器人全速前進(jìn)，當(dāng)遇到障礙物時(shí)減速行駛，遵循以下公式：

其中，v為機(jī)器人移動(dòng)速度，d1為機(jī)器人距障礙物距離，d2為緊急停止距離，β為速度比例系數(shù)，maxv為設(shè)定的機(jī)器人最大行駛速度；

步驟103，偏移規(guī)則，在反應(yīng)式導(dǎo)航中，移動(dòng)機(jī)器人根據(jù)傳感器信息進(jìn)行局部路徑規(guī)劃，一般分為趨向目標(biāo)行為與避障行為，若周圍沒有障礙物，機(jī)器人朝目標(biāo)點(diǎn)以角度前進(jìn)，前方有障礙物時(shí)，則需人為加入一個(gè)偏移噪聲δ，機(jī)器人需無(wú)碰撞趨向目標(biāo)，由此建立如下等式：

φn為移動(dòng)機(jī)器人預(yù)瞄準(zhǔn)方向，φn為n時(shí)刻角度，δn為n時(shí)刻偏移噪聲；k為比例系數(shù)加入的偏移噪聲大小，其值由模糊神經(jīng)網(wǎng)絡(luò)控制器根據(jù)機(jī)器人當(dāng)前所處的環(huán)境確定，當(dāng)時(shí)，器人朝向目標(biāo)位置前進(jìn)；當(dāng)時(shí)，移動(dòng)機(jī)器人將按照加入偏移角度后的目標(biāo)方向前進(jìn)。

本發(fā)明相比現(xiàn)有技術(shù)，具有以下有益效果：

1.將神經(jīng)網(wǎng)絡(luò)與模糊控制的優(yōu)點(diǎn)相結(jié)合，融合神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力與模糊控制的模糊推理能力，減少邏輯推理工作量。

2.改進(jìn)型虛目標(biāo)方法，采用簡(jiǎn)單的虛擬目標(biāo)方法，擺脫機(jī)器人趨向目標(biāo)運(yùn)行中的陷阱狀態(tài)。

附圖說明

圖1為本發(fā)明的流程示意圖；

圖2為anfis結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實(shí)例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對(duì)本發(fā)明的各種等價(jià)形式的修改均落于本申請(qǐng)所附權(quán)利要求所限定的范圍。

一種基于anfis模糊神經(jīng)網(wǎng)絡(luò)的機(jī)器人路徑規(guī)劃方法，首先對(duì)移動(dòng)機(jī)器人建立運(yùn)動(dòng)學(xué)模型；借助神經(jīng)網(wǎng)絡(luò)的自主學(xué)習(xí)功能和模糊理論的模糊推理能力，提出一種模糊神經(jīng)網(wǎng)絡(luò)的移動(dòng)機(jī)器人導(dǎo)航的模糊神經(jīng)網(wǎng)絡(luò)控制器；其基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建takagi-sugeno型模糊推理系統(tǒng)并作為機(jī)器人局部反應(yīng)控制的參考模型；將障礙物的距離和位置的相關(guān)信息作為模糊神經(jīng)網(wǎng)絡(luò)控制器的兩個(gè)輸入，模糊神經(jīng)網(wǎng)絡(luò)控制器實(shí)時(shí)輸出機(jī)器人偏移角度和運(yùn)行速度，通過模糊神經(jīng)網(wǎng)絡(luò)控制器在線調(diào)整移動(dòng)機(jī)器人的偏移方向，使移動(dòng)機(jī)器人能夠無(wú)碰撞自動(dòng)調(diào)整速度趨向目標(biāo)。

通過模糊神經(jīng)網(wǎng)絡(luò)控制器輸出值表示機(jī)器人移動(dòng)角度和運(yùn)行速度，越靠近障礙物時(shí)輸出角度絕對(duì)值越大，速度絕對(duì)值越??；當(dāng)前方?jīng)]有障礙物時(shí)，機(jī)器人沿預(yù)設(shè)定方向前進(jìn)；當(dāng)前方有一個(gè)障礙物時(shí)，機(jī)器人逐漸接近障礙物，在一定范圍內(nèi)實(shí)時(shí)改變偏移角度和速度，使機(jī)器人緩慢繞離障礙物駛向目標(biāo)；當(dāng)前方有兩個(gè)及其以上障礙物時(shí)，移動(dòng)機(jī)器人在行進(jìn)過程中對(duì)虛擬目標(biāo)進(jìn)行實(shí)時(shí)調(diào)整，即機(jī)器人沿所識(shí)別的最后一個(gè)障礙物前進(jìn)并避開除此之外所有障礙物，選擇一條遠(yuǎn)離障礙的最優(yōu)路徑趨向目標(biāo)。

模糊神經(jīng)網(wǎng)絡(luò)控制器利用lms算法和最小二乘法來完成輸入/輸出數(shù)據(jù)對(duì)的建模，使得takagi-sugeno型模糊推理系統(tǒng)能模擬出希望或?qū)嶋H的輸入/輸出關(guān)系。模糊神經(jīng)網(wǎng)絡(luò)控制器在學(xué)習(xí)時(shí)，根據(jù)系統(tǒng)實(shí)際輸出值與期望輸出值計(jì)算出學(xué)習(xí)誤差，再通過lms算法對(duì)系統(tǒng)的偏移角度和運(yùn)行速度進(jìn)行調(diào)整。

針對(duì)位置環(huán)境下移動(dòng)機(jī)器人導(dǎo)航實(shí)際問題，構(gòu)建神經(jīng)網(wǎng)絡(luò)控制器，將障礙物的距離和位置的相關(guān)信息作為控制器的兩個(gè)輸入，機(jī)器人偏移角度和運(yùn)行速度作為輸出，實(shí)現(xiàn)了局部路徑規(guī)劃，并結(jié)合虛擬子目標(biāo)的方法，能夠增強(qiáng)系統(tǒng)解決傳統(tǒng)反應(yīng)導(dǎo)航問題中陷阱狀態(tài)下的路徑復(fù)雜和路徑冗余問題。解決了傳統(tǒng)反應(yīng)導(dǎo)航問題中路徑復(fù)雜和路徑冗余問題，規(guī)劃處一條逃離陷阱狀態(tài)無(wú)碰撞趨向目標(biāo)的最優(yōu)路徑。

1.通過機(jī)器人周圍的傳感器測(cè)量障礙物距離，并對(duì)機(jī)器人的位置，速度進(jìn)行建模并建立避障規(guī)則。

(1)移動(dòng)機(jī)器人通過本體攜帶的測(cè)距傳感器測(cè)量障礙物的距離。機(jī)器人當(dāng)前坐標(biāo)為(xr,yr),目標(biāo)點(diǎn)坐標(biāo)為(xt,yt)，e是機(jī)器人當(dāng)前位置(xr,yr)到目標(biāo)點(diǎn)(xt,yt)的矢量，其模長(zhǎng)和向量角表示為

en為機(jī)器人在目標(biāo)距離勢(shì)場(chǎng)中的勢(shì)能；當(dāng)前機(jī)器人與目標(biāo)點(diǎn)的夾角，根據(jù)機(jī)器人當(dāng)前位置不斷修正，始終指向目標(biāo)位置；下標(biāo)n表示具體時(shí)刻。

(2)速度模型

移動(dòng)機(jī)器人在導(dǎo)航任務(wù)中的速度由機(jī)器人與周圍障礙物之間距離決定。當(dāng)無(wú)障礙物阻擋時(shí)，機(jī)器人全速前進(jìn)，當(dāng)遇到障礙物時(shí)減速行駛。遵循以下公式：

v為機(jī)器人移動(dòng)速度；d1為機(jī)器人距障礙物距離；d2為緊急停止距離；β速度比例系數(shù)；maxv為設(shè)定的機(jī)器人最大行駛速度。

(3)偏移規(guī)則

在反應(yīng)式導(dǎo)航中，移動(dòng)機(jī)器人根據(jù)傳感器信息進(jìn)行局部路徑規(guī)劃。一般分為趨向目標(biāo)行為與避障行為。若圍沒有障礙物，器人朝目標(biāo)點(diǎn)以角度前進(jìn)，前方有障礙物時(shí)，則需人為加入一個(gè)偏移噪聲δ，機(jī)器人需無(wú)碰撞趨向目標(biāo)，由此建立如下等式

為移動(dòng)機(jī)器人預(yù)瞄準(zhǔn)方向；k為比例系數(shù)加入的偏移噪聲大小，其值由模糊神經(jīng)網(wǎng)絡(luò)控制器根據(jù)機(jī)器人當(dāng)前所處的環(huán)境確定.當(dāng)時(shí)，器人朝向目標(biāo)位置前進(jìn)；當(dāng)時(shí)，移動(dòng)機(jī)器人將按照加入偏移角度后的目標(biāo)方向前進(jìn)。

2.基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)anfis網(wǎng)絡(luò)，構(gòu)建takagi-sugeno型模糊推理系統(tǒng)，提出神經(jīng)網(wǎng)絡(luò)控制器。

將障礙物的距離和位置的相關(guān)信息作為控制器的兩個(gè)輸入，機(jī)器人偏移角度和運(yùn)行速度作為輸出。模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)利用lms算法和最小二乘法來完成輸入/輸出數(shù)據(jù)對(duì)的建模，使得takagi-sugeno型模糊推理系統(tǒng)能模擬出希望或?qū)嶋H的輸入/輸出關(guān)系。模糊神經(jīng)系統(tǒng)在學(xué)習(xí)時(shí)，根據(jù)系統(tǒng)實(shí)際輸出值與期望輸出值可以計(jì)算出學(xué)習(xí)誤差，再通過lms算法對(duì)系統(tǒng)的偏移角度和運(yùn)行速度進(jìn)行調(diào)整。

利用神經(jīng)網(wǎng)絡(luò)引入學(xué)習(xí)機(jī)制，為模糊控制器自動(dòng)提取模糊規(guī)則及模糊隸屬函數(shù)，使整個(gè)系統(tǒng)成為模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)。其樣本數(shù)據(jù)是基于實(shí)際訓(xùn)練的數(shù)據(jù)，采用的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的anfis網(wǎng)絡(luò)，構(gòu)建takagi-sugeno型模糊推理系統(tǒng)。

典型anfis結(jié)構(gòu)，如圖2所示，其中，x1,x2是系統(tǒng)的輸入，y是推理系統(tǒng)的輸入，均可提供據(jù)對(duì)；網(wǎng)絡(luò)同一層的每個(gè)節(jié)點(diǎn)具有相似的功能，用o1+i表示第一層第i個(gè)節(jié)點(diǎn)的輸出，依此類推。

第一層：本層節(jié)點(diǎn)將輸入信號(hào)模糊化

o1+i＝μai(xi),i＝1,2(5)

oi+j＝μbj-2(x2),j＝3,4(6)

其中，ai或bj-2。是模糊集，如“多”，“少”等；μai(xi)是模糊集的隸屬函數(shù)。

第二層：本層節(jié)點(diǎn)用于計(jì)算各條規(guī)則的適用度wi，即：將各輸人信號(hào)的隸屬度相乘，并將乘積作為本規(guī)則適用度。

o2+i＝wi＝μai(x1)μbi(x2),i＝1,2(7)

第三層：本層節(jié)點(diǎn)進(jìn)行各條規(guī)則適用度的歸一化計(jì)算，即：計(jì)算第i條規(guī)則的與全部規(guī)則適用

o3,i＝w1'＝wi/(w1+w2),i＝1,2(8)

第四層：本層節(jié)點(diǎn)用于計(jì)算各條規(guī)則的輸出

ok,i＝wi'fi＝wi'(pixi+qix2+ri),i＝1,2(9)

其中，為sugeno型模糊系統(tǒng)的后項(xiàng)(結(jié)論)輸出函數(shù)，當(dāng)其為線性函數(shù)則稱為“一階系統(tǒng)”；若為常量則稱為“0階系統(tǒng)”。

第五層：本層為單節(jié)點(diǎn)，用于計(jì)算系統(tǒng)的總輸出

本系統(tǒng)常采用的是誤差反傳算法或是與最小二乘相結(jié)合的混合算法來訓(xùn)練相關(guān)參數(shù)，使得系統(tǒng)能夠很好地模擬給定的樣本數(shù)據(jù)。自適應(yīng)神經(jīng)模糊推理系統(tǒng)最大的特點(diǎn)就是，該系統(tǒng)是基于數(shù)據(jù)的建模方法。

模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)利用lms算法和最小二乘法來完成輸入/輸出數(shù)據(jù)對(duì)的建模。使得生成出來的takagi-sugeno型模糊推理系統(tǒng)能模擬出希望或是實(shí)際的輸入/輸出關(guān)系。模糊神經(jīng)系統(tǒng)在學(xué)習(xí)時(shí)，根據(jù)系統(tǒng)實(shí)際輸出值與期望輸出值可以計(jì)算出學(xué)習(xí)誤差，再通過lms算法對(duì)系統(tǒng)參數(shù)進(jìn)行調(diào)整。

3.采用虛擬目標(biāo)方法進(jìn)行路徑規(guī)劃

采用改進(jìn)虛擬目標(biāo)方法，選擇機(jī)器人能夠逃離陷阱狀態(tài)的最優(yōu)路徑，通過自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制器實(shí)時(shí)輸出偏移角度和運(yùn)行速度，在線調(diào)整移動(dòng)機(jī)器人的前進(jìn)方向，使移動(dòng)機(jī)器人能夠無(wú)碰撞自動(dòng)調(diào)整速度趨向目標(biāo)。

通過模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)輸出值表示機(jī)器人移動(dòng)角度和運(yùn)行速度，越靠近障礙物時(shí)輸出角度絕對(duì)值越大，速度絕對(duì)值越小。當(dāng)前方?jīng)]有障礙物時(shí)，機(jī)器人沿預(yù)設(shè)定方向前進(jìn)；當(dāng)前方有一個(gè)障礙物時(shí)，機(jī)器人逐漸接近障礙物，在一定范圍內(nèi)實(shí)時(shí)改變偏移角度和速度，使機(jī)器人緩慢繞離障礙物駛向目標(biāo)；當(dāng)前方有兩個(gè)及其以上障礙物時(shí)，為避免所提出的虛擬目標(biāo)中路徑冗余的復(fù)雜問題(陷入陷阱狀態(tài))，移動(dòng)機(jī)器人在行進(jìn)過程中需要對(duì)虛擬目標(biāo)進(jìn)行實(shí)時(shí)調(diào)整，即機(jī)器人沿所識(shí)別的最后一個(gè)障礙物前進(jìn)并避開除此之外所有障礙物，選擇一條遠(yuǎn)離障礙的最優(yōu)路徑趨向目標(biāo)，最終完成對(duì)目標(biāo)點(diǎn)的導(dǎo)航。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出：對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。