專利名稱：：一種未知環(huán)境下移動(dòng)機(jī)器人多行為融合自動(dòng)導(dǎo)航方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于機(jī)器人導(dǎo)航以及智能控制領(lǐng)域，涉及一種未知環(huán)境下移動(dòng)機(jī)器人多行為融合自動(dòng)導(dǎo)航方法。
背景技術(shù)：
：近20年來，人工智能技術(shù)和計(jì)算機(jī)技術(shù)的飛速發(fā)展，自主智能移動(dòng)機(jī)器人研究取得了重大關(guān)注。目前智能移動(dòng)機(jī)器人廣泛應(yīng)用于工農(nóng)業(yè)、交通運(yùn)輸、軍事、醫(yī)療衛(wèi)生等行業(yè)，以解決危險(xiǎn)環(huán)境下工作問題和取代人類繁重工作。為提高移動(dòng)機(jī)器人在未知環(huán)境下的工作能力和應(yīng)用范圍，移動(dòng)機(jī)器人自主導(dǎo)航的研究是急需解決的關(guān)鍵難題。對(duì)于移動(dòng)機(jī)器人而言，導(dǎo)航能力是其最重要的功能之一，機(jī)器人首先要求避免危險(xiǎn)情況如碰撞等，將機(jī)器人停留于安全的操作環(huán)境下；其次需具備完成到環(huán)境中某一特定位置執(zhí)行特定任務(wù)的能力。目前常見的導(dǎo)航控制方法主要分為兩大類行為控制和勢(shì)場(chǎng)導(dǎo)航方法。行為導(dǎo)航控制通常假定已知機(jī)器人的起始位置和期望目標(biāo)位置，機(jī)器人根據(jù)當(dāng)前局部范圍內(nèi)獲取的傳感器信息(紅外、聲納、激光等測(cè)距信息、視覺信息等)進(jìn)行決策，改變轉(zhuǎn)向角和運(yùn)動(dòng)速度以避免向期望目標(biāo)方向行駛過程中與障礙物發(fā)生碰撞。該類探索方法簡(jiǎn)單有效，得到廣泛應(yīng)用。目前，為實(shí)現(xiàn)復(fù)雜環(huán)境下的高效機(jī)器人控制，模糊控制、神經(jīng)網(wǎng)絡(luò)、遺傳算法等理論被引入子行為控制器的設(shè)計(jì)和子行為之間協(xié)調(diào)、融合策略的研究，但是仍缺乏可靠性高、自適應(yīng)性強(qiáng)的解決方案。
發(fā)明內(nèi)容本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)的不足，提供一種未知環(huán)境下移動(dòng)機(jī)器人多行為融合自動(dòng)導(dǎo)航方法，移動(dòng)機(jī)器人利用聲納、電子羅盤傳感器獲取環(huán)境信息，完成環(huán)境建模、理解環(huán)境，從而提高移動(dòng)機(jī)器人的自主導(dǎo)航能力。本發(fā)明的技術(shù)解決方案如下一種未知環(huán)境下移動(dòng)機(jī)器人多行為融合自動(dòng)導(dǎo)航方法，其特征在于，包括以下步驟1)根據(jù)目標(biāo)和移動(dòng)機(jī)器人的相對(duì)位置實(shí)時(shí)獲取當(dāng)前的方位角，根據(jù)移動(dòng)機(jī)器人周圍障礙物狀況實(shí)時(shí)獲取多個(gè)距離參數(shù)；2)基于奔向目標(biāo)、沿墻走和避障三個(gè)子行為的多輸出支持向量機(jī)模糊控制器根據(jù)獲取的方位角和多個(gè)距離參數(shù)輸出轉(zhuǎn)角值《和速度值v,，i=l，2，3;3)基于奔向目標(biāo)、沿墻走和避障三個(gè)子行為的多輸出支持向量機(jī)環(huán)境辨識(shí)控制器根據(jù)方位角和多個(gè)距離參數(shù)輸入信號(hào)，輸出三個(gè)子行為的權(quán)重參數(shù)w,，i=l，2，3;4)按照下式計(jì)算移動(dòng)機(jī)器人當(dāng)前用于導(dǎo)航的轉(zhuǎn)角值e和速度值v:33夕=Zh7,><6*,，v=Zw,xV,.。所述的步驟2)中，采用電子羅盤獲取移動(dòng)機(jī)器人與目標(biāo)點(diǎn)之間的方位角w，采用8個(gè)環(huán)狀配置的超聲波測(cè)距傳感器獲取8個(gè)距離參數(shù)dld8;其中{dl，d2,d3}為左向距離，(d4,d5》為前向距離，《d6,d7,d8》為右向距離；所述的多輸出支持向量機(jī)模糊控制器的障礙信號(hào)左向障礙Left_obs，前向障礙Front—obs和右向障礙Right—obs定義為L(zhǎng)eft—obs=Min{dl,d2,d3};Front—obs=Min{d4,d5};Right_obs=Min{d6,d7，d8}。對(duì)于所述的多輸出支持向量機(jī)模糊控制器，沿墻走和避障子行為的輸入為左向障礙Left—obs、前向障礙Front—obs和右向障礙Right一obs，奔向目標(biāo)子行為的輸入為方位角《;控制器的輸出為兩個(gè)，轉(zhuǎn)角值《和速度值v,，i=l，2，3，i為l、2、3分別對(duì)應(yīng)奔向目標(biāo)、沿墻走和避障三個(gè)子行為；左向障礙Left一obs，前向障礙Front_obs，右向障礙Right—obs采用{遠(yuǎn)，近，很近口卩(Far,Near,Veryneai^三個(gè)模糊語(yǔ)言變量組成的模糊集合表示，方位角"采用{大左，中左，左，向前，右，中右，大右}即(far-left,medium-left,left,head-on,right,medium-right,far-right)七個(gè)模糊語(yǔ)言變量表示；行為模糊控制器的輸出模糊集合轉(zhuǎn)角《.用模糊集合{負(fù)大,負(fù)中,負(fù)小,零,正小,正中,正大}即(NB,NM,NS,ZE,PS,PM,PB》表示，速度v,用模糊集合(快,中,慢》即《Fast,Medium,Slow}表示。對(duì)于所述的多輸出支持向量機(jī)模糊控制器，利用多輸出支持向量機(jī)回歸，將模糊專家知識(shí)確定的規(guī)則作為樣本，在允許誤差范圍內(nèi)進(jìn)行函數(shù)逼近，選出成為支持向量的樣本，從而剔除掉規(guī)則庫(kù)中的冗余規(guī)則，得到擬合函數(shù)。所述的多輸出支持向量機(jī)環(huán)境辨識(shí)控制器的輸入為距離參數(shù)(dl,d2,d3,d4,d5,d6,d7,c^和方位角《;輸出層為當(dāng)前環(huán)境分別與三個(gè)子行為的匹配度/("=1,2,3)，匹配度之和等于l，訓(xùn)練時(shí)首先獲取環(huán)境信息作為輸入，并根據(jù)專家經(jīng)驗(yàn)為每個(gè)子行為分配的與當(dāng)前環(huán)境的匹配度的值作為多輸出支持向量機(jī)環(huán)境辨識(shí)控制器的期望輸出，由此得到一系列的訓(xùn)練樣本并對(duì)該多輸出支持向量機(jī)環(huán)境辨識(shí)控制器進(jìn)行訓(xùn)練；訓(xùn)練完成所得到的網(wǎng)絡(luò)結(jié)構(gòu)即為所述的多輸出支持向量機(jī)環(huán)境辨識(shí)控制器；則三個(gè)子行為的權(quán)重參數(shù)w,，i=l，2，3為<formula>formulaseeoriginaldocumentpage6</formula>有益效果與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)就在于1、采用多輸出支持向量機(jī)模糊控制器，能有效地減少冗余規(guī)則，省略反模糊化過程，簡(jiǎn)化了計(jì)算，優(yōu)化了模糊控制器。2、利用多輸出支持向量機(jī)辨識(shí)環(huán)境，根據(jù)實(shí)際環(huán)境動(dòng)態(tài)確定子行為與當(dāng)前所處環(huán)境的匹配程度，從而確定子行為輸出在整個(gè)導(dǎo)航行為輸出中所占的權(quán)重，提高了導(dǎo)航行為輸出的可信度。提出多行為的融合策略，進(jìn)一步優(yōu)化了導(dǎo)航權(quán)值參數(shù)。3、模塊化結(jié)構(gòu)，方便添加其它子行為，提高了系統(tǒng)的自適應(yīng)性。實(shí)驗(yàn)結(jié)果(見實(shí)施例)也驗(yàn)證了本發(fā)明能可靠的實(shí)現(xiàn)移動(dòng)機(jī)器人的導(dǎo)航。圖1為本發(fā)明的未知環(huán)境下移動(dòng)機(jī)器人多行為融合導(dǎo)航方法總體流程圖；圖2為移動(dòng)機(jī)器人前向聲納環(huán)(超聲波測(cè)距傳感器)配置示意圖；圖3為子行為模糊控制器結(jié)構(gòu)示意圖；圖4為輸入輸出模糊隸屬度函數(shù)；圖5為離線訓(xùn)練多輸出支持向量機(jī)程序流程圖；圖6為當(dāng)前環(huán)境與子行為匹配度訓(xùn)練樣本；圖7為理想地圖示意圖8為環(huán)境1中對(duì)目標(biāo)(goal)的導(dǎo)航控制實(shí)驗(yàn)對(duì)比結(jié)果((a)八*算法的規(guī)劃路徑(b)本方法對(duì)規(guī)劃路徑的跟蹤軌跡(C)本方法自主導(dǎo)航路徑)；圖9為環(huán)境1中對(duì)目標(biāo)(goal)的導(dǎo)航控制實(shí)驗(yàn)對(duì)比結(jié)果((a)A+算法的規(guī)劃路徑(b)本方法對(duì)規(guī)劃路徑的跟蹤軌跡(C)本方法自主導(dǎo)航路徑)；圖10為環(huán)境2中對(duì)目標(biāo)(goal)的導(dǎo)航控制實(shí)驗(yàn)對(duì)比結(jié)果((a)A+算法的規(guī)劃路徑(b)本方法對(duì)規(guī)劃路徑的跟蹤軌跡(c)本方法自主導(dǎo)航路徑)；具體實(shí)施例方式下面參照附圖和實(shí)施例對(duì)本發(fā)明的實(shí)施進(jìn)行說明。以下將結(jié)合附圖和具體實(shí)施過程對(duì)本發(fā)明做進(jìn)一步詳細(xì)說明實(shí)施例1:本發(fā)明的系統(tǒng)結(jié)構(gòu)圖如圖1所示(圖1中FSVM是模糊支持向量機(jī))，輸入信號(hào)為方位角和8個(gè)距離參數(shù)，將導(dǎo)航行為劃分為奔向目標(biāo)、沿墻走、避障三個(gè)子行為，傳感器獲取信息分別送入子行為控制器和環(huán)境辨識(shí)控制器。子行為控制器的輸出均為機(jī)器人的轉(zhuǎn)角^和運(yùn)動(dòng)速度v，環(huán)境辨識(shí)控制器的輸出為子行為與當(dāng)前環(huán)境的匹配度。子行為控制器輸出與對(duì)應(yīng)的環(huán)境辨識(shí)控制器輸出乘積之和為整個(gè)導(dǎo)航系統(tǒng)的輸出，控制移動(dòng)機(jī)器人的轉(zhuǎn)向和速度。轉(zhuǎn)角P和運(yùn)動(dòng)速度v用來實(shí)現(xiàn)導(dǎo)航行為，其中轉(zhuǎn)角^用于改變機(jī)器人的運(yùn)動(dòng)方向。移動(dòng)機(jī)器人采用超聲波測(cè)距傳感器、電子羅盤來完成環(huán)境建模及導(dǎo)航子行為，其前端安裝有八個(gè)聲納測(cè)距傳感器。圖2中移動(dòng)機(jī)器人聲納傳感器的位置為±10°、±30°、±50°和±90°，用于探測(cè)各自方向上障礙物的信息。聲納的測(cè)距信息分為左、前、右三個(gè)扇區(qū)，分別記為L(zhǎng)eft—obs，F(xiàn)ront—obs,Right一obs，用于探測(cè)這三個(gè)方向的障礙物信息。1、多輸出支持向量機(jī)子行為模糊控制器首先針對(duì)子行為設(shè)計(jì)設(shè)計(jì)模糊控制器，然后多輸出支持向量機(jī)回歸原理，采用多輸出支持向量機(jī)提取控制規(guī)則。1)子行為說明導(dǎo)航行為劃分為奔向目標(biāo)、沿墻走、避障三個(gè)子行為。其中奔向目標(biāo)行為是指不考慮前方是否能通行，只朝向目標(biāo)所在方向行進(jìn)；沿墻走行為是指沿走廊、墻等有較長(zhǎng)直線邊緣行進(jìn)，而忽略目標(biāo)所在方向；避障行為是指繞開前方靜態(tài)的障礙物繼續(xù)朝前行進(jìn)，而忽略目標(biāo)所在方向。2)子行為模糊控制器說明利用模糊理論為設(shè)計(jì)子行為模糊控制器。算法通常電子羅盤獲取機(jī)器人與目標(biāo)點(diǎn)之間方位角《;移動(dòng)機(jī)器人的8個(gè)聲納測(cè)量障礙物與機(jī)器人之間的距離，Wl,d2,d3,d4，d5,d6,d7,d8》按照式(1)分為L(zhǎng)eft_obs,Front—obs，Right一obs三組，其中Min()表示從多個(gè)值當(dāng)中取最小值。Left_obs=Min{dl,d2,d3};Front—obs=Min{d4,d5};Right—obs=Min{d6,d7,d8}(1)本發(fā)明采用的模糊控制器根據(jù)子行為的功能確定輸入，為L(zhǎng)eft—obs,、Front—obs、Right一obs與w的搭配。一般需要確定距離信息的子行為其輸入必須包括Left_0bs,、Front一obs、Right—obs，需要確定機(jī)器人與目標(biāo)點(diǎn)之間方位的其輸入必須包括^，即沿墻走、避障行為的輸入為L(zhǎng)eft—obs，、Front—obs、Right_obs，奔向目標(biāo)行為的輸入為《?？刂破鞯妮敵鰹閮蓚€(gè)，即轉(zhuǎn)角^和速度v。其結(jié)構(gòu)如圖3所示，圖中輸入采用虛線，表示根據(jù)子行為功能的需要進(jìn)行選擇輸入。三組距離信息均可用{Far,Near,Veryneai^三個(gè)模糊語(yǔ)言變量組成的模糊集合表示，方位信息《可用《far-left,medium-left,left,head-on,right,medium-right,far-righ1^七個(gè)模糊語(yǔ)言變量表示；行為模糊控制器的輸出模糊集合轉(zhuǎn)角^用模糊集合(NB，NM,NS,ZE,PS，PM，PB》表示，速度v用模糊集合(Fast,Medium,Slow)表示。輸入輸出的模糊隸屬度函數(shù)如圖4所示。然后針對(duì)每個(gè)行為設(shè)計(jì)模糊控制規(guī)則，奔向目標(biāo)行為、沿墻走行為和避障行為的模糊控制規(guī)則分別如表l、表2、表3所示。表l奔向目標(biāo)行為模糊規(guī)則庫(kù)<table>tableseeoriginaldocumentpage8</column></row><table><table>tableseeoriginaldocumentpage9</column></row><table><table>tableseeoriginaldocumentpage10</column></row><table><table>tableseeoriginaldocumentpage11</column></row><table>3)多輸出支持向量機(jī)抽取控制規(guī)則說明利用多輸出支持向量機(jī)回歸，將模糊專家知識(shí)確定的規(guī)則作為樣本，在一定允許誤差范圍內(nèi)進(jìn)行函數(shù)逼近，選出成為支持向量的樣本，從而剔除掉規(guī)則庫(kù)中的冗余規(guī)則，并得到具有較好學(xué)習(xí)能力的擬合函數(shù)，即基于多輸出支持向量機(jī)的模糊控制器。根據(jù)子行為模糊控制器的輸入輸出數(shù)量，確定支持向量機(jī)的輸入與輸出數(shù)量。即支持向量機(jī)的輸入節(jié)點(diǎn)數(shù)量等于子行為模糊控制器的輸入數(shù)量；支持向量機(jī)的輸出節(jié)點(diǎn)數(shù)量等于子行為模糊控制器的輸出數(shù)量，均為轉(zhuǎn)角《和速度"。子行為模糊控制器包含一系列由IFTHEN組成的控制規(guī)則，規(guī)則庫(kù)中的一條控制規(guī)則對(duì)應(yīng)于一個(gè)樣本中心點(diǎn)，規(guī)則庫(kù)中有N條規(guī)則，就會(huì)得到N個(gè)樣本點(diǎn)。然后對(duì)這N個(gè)樣本點(diǎn)采用支持向量機(jī)回歸方法，在適當(dāng)精度e下無誤差地用非線性回歸函數(shù)擬合這N個(gè)樣本，求解二次規(guī)劃最優(yōu)問題，找到樣本中的支持向量(s個(gè))，其所對(duì)應(yīng)的控制規(guī)則即為有用的規(guī)則，而非支持向量的樣本所對(duì)應(yīng)的控制規(guī)則即為規(guī)則庫(kù)中的冗余規(guī)則，同時(shí)也得到擬合函數(shù)，即支持向量機(jī)子行為模糊控制器。以支持向量機(jī)抽取奔向目標(biāo)行為模糊控制規(guī)則為例說明其過程。如表1所示的奔向目標(biāo)行為模糊規(guī)則庫(kù)中的一條控制規(guī)則對(duì)應(yīng)于一個(gè)樣本中心點(diǎn)，該規(guī)則庫(kù)中有7條規(guī)則，就會(huì)得到7個(gè)樣本點(diǎn)，如表4所示。表4奔向目標(biāo)行為樣本樣本陣列情況輸入輸出<table>tableseeoriginaldocumentpage12</column></row><table>然后對(duì)這7個(gè)樣本點(diǎn)采用支持向量機(jī)回歸方法(一個(gè)輸入，兩個(gè)輸出)，在適當(dāng)精度5>0(根據(jù)經(jīng)驗(yàn)調(diào)整，此處選擇^=0.3)下用非線性回歸函數(shù)擬合這7個(gè)樣本，訓(xùn)練的程序流程圖如圖5所示，圖中參數(shù)c為支持向量機(jī)的懲罰因子且oO。本方法采用RBF核函數(shù)即/:(x,，x)^exp(-g|x-jc,f)，x,為要求解的支持向量，式中及圖5中的參數(shù)g為核函數(shù)的參數(shù)且g〉0。2、基于多輸出支持向量機(jī)的環(huán)境辨識(shí)說明移動(dòng)機(jī)器人導(dǎo)航任務(wù)分解為三個(gè)子行為，如何確定移動(dòng)機(jī)器人所處環(huán)境與子行為的匹配程度，最終確定子行為在導(dǎo)航系統(tǒng)輸出中的權(quán)重，關(guān)系到導(dǎo)航系統(tǒng)的性能。本發(fā)明釆用多輸出支持向量機(jī)來辨識(shí)環(huán)境與子行為的匹配程度，提高系統(tǒng)的可靠性。算法多輸出支持向量機(jī)環(huán)境辨識(shí)控制器的輸入有九個(gè)，即反映移動(dòng)機(jī)器人周圍障礙物信息的聲納測(cè)距信息《dl,d2,d3,d4，d5,d6,d7，d8!和移動(dòng)機(jī)器人與目標(biāo)之間的夾角"；輸出層為環(huán)境與子行為的匹配度/^=1,2,3)，匹配度之和等于l，輸出節(jié)點(diǎn)的數(shù)量與子行為數(shù)量一致。訓(xùn)練時(shí)首先獲取環(huán)境信息作為輸入，并根據(jù)專家經(jīng)驗(yàn)為設(shè)計(jì)的每個(gè)子行為分配與當(dāng)前環(huán)境的匹配程度值作為多輸出支持向量機(jī)環(huán)境辨識(shí)控制器的期望輸出，這樣可得到一系列的訓(xùn)練樣本。移動(dòng)機(jī)器人導(dǎo)航任務(wù)分解為奔向目標(biāo)行為、避障行為和沿墻走行為，分配子行為與當(dāng)前環(huán)境匹配度的部分訓(xùn)練樣本示例如圖6所示圖6(a)中，聲納傳感器探測(cè)到移動(dòng)機(jī)器人周邊無障礙物，奔向目標(biāo)行為與當(dāng)前環(huán)境的匹配度為1，其它子行為與當(dāng)前環(huán)境的匹配度為0;圖6(b)中，聲納傳感器探測(cè)到移動(dòng)機(jī)器人右邊有障礙物，且目標(biāo)在其左前方，奔向目標(biāo)行為與當(dāng)前環(huán)境的匹配度為1，其它子行為與當(dāng)前環(huán)境的匹配度為O;圖6(C)中，聲納傳感器探測(cè)到移動(dòng)機(jī)器人右邊有障礙物，且目標(biāo)在其右后方，沿墻走行為與當(dāng)前環(huán)境的匹配度為1，其它子行為與當(dāng)前環(huán)境的匹配度為O;圖6(d)中，聲納傳感器探測(cè)到移動(dòng)機(jī)器人正前方有障礙物，且目標(biāo)也在其正前方，奔向目標(biāo)行為與當(dāng)前環(huán)境的匹配度為O.l，避障行為與當(dāng)前環(huán)境的匹配度為0.9，沿墻走行為與當(dāng)前環(huán)境的匹配度為o。圖6所抽象的環(huán)境，可搭建如圖7所示的實(shí)際環(huán)境和如圖8所示的理想環(huán)境，機(jī)器人置于此已知環(huán)境中獲取訓(xùn)練樣本。對(duì)于圖6(a)把目標(biāo)置于機(jī)器人周圍不同的位置(方位角we[-90。,90。]，聲納測(cè)距范圍為03米)，根據(jù)障礙物、目標(biāo)點(diǎn)、墻的不同分布可以得到不同的測(cè)量樣本點(diǎn)，其中一部分樣本如表5所示。表5環(huán)境與子行為匹配度訓(xùn)練部分樣本<table>tableseeoriginaldocumentpage13</column></row><table><table>tableseeoriginaldocumentpage14</column></row><table>因此最后導(dǎo)航系統(tǒng)實(shí)際輸出到移動(dòng)機(jī)器人的控制量轉(zhuǎn)角^和運(yùn)動(dòng)速度V為<formula>formulaseeoriginaldocumentpage15</formula>(3)其中《，v,表示所設(shè)計(jì)的多輸出支持向量機(jī)奔向目標(biāo)子行為模糊控制器輸出，《，^表示所設(shè)計(jì)的多輸出支持向量避障子行為模糊控制器的輸出，《，表示所設(shè)計(jì)的多輸出支持向量沿墻走子行為模糊控制器的輸出。實(shí)驗(yàn)結(jié)果與分析為驗(yàn)證本發(fā)明提出的導(dǎo)航控制方法的有效性，以Pioneer2-DXE移動(dòng)機(jī)器人為對(duì)象，對(duì)兩個(gè)不同環(huán)境下3個(gè)目標(biāo)位置進(jìn)行了導(dǎo)航控制實(shí)驗(yàn)，其中圖8至圖10中，圖(a)中機(jī)器人的運(yùn)動(dòng)軌跡為八*算法的標(biāo)準(zhǔn)規(guī)劃路徑；圖(b)為對(duì)標(biāo)準(zhǔn)規(guī)劃路徑分成若干子目標(biāo)后的跟蹤實(shí)驗(yàn)結(jié)果(即此時(shí)環(huán)境為已知)；圖(c)為假定環(huán)境未知，不依賴于規(guī)劃路徑，直接根據(jù)初始位置和目標(biāo)位置信息情況下，本發(fā)明方法的導(dǎo)航控制軌跡，以驗(yàn)證方法的可靠性和自適應(yīng)性(八*算法是一種經(jīng)典的路徑搜索方法，在起始節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)之間人為的設(shè)置很多節(jié)點(diǎn)(在程序里給出節(jié)點(diǎn)位置信息)起到路標(biāo)作用，也就是很多個(gè)子目標(biāo)，子目標(biāo)越多，表明告訴機(jī)器人的信息就越多，這樣可以認(rèn)為環(huán)境就為己知了，可以通過給定子目標(biāo)的方位和坐標(biāo)來實(shí)現(xiàn)；而未知環(huán)境即只給出起始點(diǎn)和目標(biāo)節(jié)點(diǎn)，不給出中間節(jié)點(diǎn)的位置，因此，對(duì)于機(jī)器人來說，是一個(gè)未知環(huán)境)。從實(shí)驗(yàn)結(jié)果看，本導(dǎo)航方法對(duì)已知路徑具有很高的精度和可靠性，三種情況均能夠精確逼近標(biāo)準(zhǔn)規(guī)劃路徑。在未知環(huán)境下，本導(dǎo)航方法也表現(xiàn)出了非常好的準(zhǔn)確度和對(duì)環(huán)境的適應(yīng)性，均能夠最終達(dá)到目標(biāo)位置，在環(huán)境2中，由于通往目標(biāo)位置過程中回形區(qū)域的出現(xiàn)，造成機(jī)器人出現(xiàn)回退行為，路徑優(yōu)化性較差，但是本導(dǎo)航方法最終仍能擺脫局部陷阱影響，最終達(dá)到目標(biāo)位置，因此本導(dǎo)航方法對(duì)不同環(huán)境具有很好的適應(yīng)能力和可靠性。權(quán)利要求1.一種未知環(huán)境下移動(dòng)機(jī)器人多行為融合自動(dòng)導(dǎo)航方法，其特征在于，包括以下步驟1)根據(jù)目標(biāo)和移動(dòng)機(jī)器人的相對(duì)位置實(shí)時(shí)獲取當(dāng)前的方位角，根據(jù)移動(dòng)機(jī)器人周圍障礙物狀況實(shí)時(shí)獲取多個(gè)距離參數(shù)；2)基于奔向目標(biāo)、沿墻走和避障三個(gè)子行為的多輸出支持向量機(jī)模糊控制器根據(jù)獲取的方位角和多個(gè)距離參數(shù)輸出轉(zhuǎn)角值θi和速度值vi，i＝1，2，3；3)基于奔向目標(biāo)、沿墻走和避障三個(gè)子行為的多輸出支持向量機(jī)環(huán)境辨識(shí)控制器根據(jù)方位角和多個(gè)距離參數(shù)輸入信號(hào)，輸出三個(gè)子行為的權(quán)重參數(shù)wi，i＝1，2，3；4)按照下式計(jì)算移動(dòng)機(jī)器人當(dāng)前用于導(dǎo)航的轉(zhuǎn)角值θ和速度值v<mathsid="math0001"num="0001"><math><![CDATA[<mrow><mi>θ</mi><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mn>3</mn></munderover><msub><mi>w</mi><mi>i</mi></msub><mo>×</mo><msub><mi>θ</mi><mi>i</mi></msub><mo>,</mo></mrow>]]></math>id="icf0001"file="A2008101431340002C1.tif"wi="24"he="10"top="107"left="79"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths><mathsid="math0002"num="0002"><math><![CDATA[<mrow><mi>v</mi><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mn>3</mn></munderover><msub><mi>w</mi><mi>i</mi></msub><mo>×</mo><msub><mi>v</mi><mi>i</mi></msub><mo>;</mo></mrow>]]></math>id="icf0002"file="A2008101431340002C2.tif"wi="23"he="10"top="107"left="108"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/></maths>所述的步驟2)中，采用電子羅盤獲取移動(dòng)機(jī)器人與目標(biāo)點(diǎn)之間的方位角ω，采用8個(gè)環(huán)狀配置的超聲波測(cè)距傳感器獲取8個(gè)距離參數(shù)d1～d8；其中{d1，d2，d3}為左向距離，{d4，d5}為前向距離，{d6，d7，d8}為右向距離；所述的多輸出支持向量機(jī)模糊控制器的障礙信號(hào)左向障礙Left_obs，前向障礙Front_obs和右向障礙Right_obs定義為L(zhǎng)eft_obs＝Min{d1，d2，d3}；Front_obs＝Min{d4，d5}；Right_obs＝Min{d6，d7，d8}；對(duì)于所述的多輸出支持向量機(jī)模糊控制器，沿墻走和避障子行為的輸入為左向障礙Left_obs、前向障礙Front_obs和右向障礙Right_obs，奔向目標(biāo)子行為的輸入為方位角ω；控制器的輸出為兩個(gè)，轉(zhuǎn)角值θi和速度值vi，i＝1，2，3，i為1、2、3分別對(duì)應(yīng)奔向目標(biāo)、沿墻走和避障三個(gè)子行為；左向障礙Left_obs，前向障礙Front_obs，右向障礙Right_obs采用{遠(yuǎn)，近，很近}三個(gè)模糊語(yǔ)言變量組成的模糊集合表示，方位角ω采用{大左，中左，左，向前，右，中右，大右}七個(gè)模糊語(yǔ)言變量表示；行為模糊控制器的輸出模糊集合轉(zhuǎn)角θi用模糊集合{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}表示，速度vi用模糊集合{快，中，慢}表示；對(duì)于所述的多輸出支持向量機(jī)模糊控制器，利用多輸出支持向量機(jī)回歸，將模糊專家知識(shí)確定的規(guī)則作為樣本，在允許誤差范圍內(nèi)進(jìn)行函數(shù)逼近，選出成為支持向量的樣本，從而剔除掉規(guī)則庫(kù)中的冗余規(guī)則，得到擬合函數(shù)。2.根據(jù)權(quán)利要求l所述的未知環(huán)境下移動(dòng)機(jī)器人多行為融合自動(dòng)導(dǎo)航方法，其特征在于，所述的多輸出支持向量機(jī)環(huán)境辨識(shí)控制器的輸入為距離參數(shù)(dl,d2,d3,d4,d5,d6,d7,d8》和方位角^;輸出層為當(dāng)前環(huán)境分別與三個(gè)子行為的匹配度/(m=1,2,3)，匹配度之和等于l，訓(xùn)練時(shí)首先獲取環(huán)境信息作為輸入，并根據(jù)專家經(jīng)驗(yàn)為每個(gè)子行為分配的與當(dāng)前環(huán)境的匹配度的值作為多輸出支持向量機(jī)環(huán)境辨識(shí)控制器的期望輸出，由此得到一系列的訓(xùn)練樣本并對(duì)該多輸出支持向量機(jī)環(huán)境辨識(shí)控制器進(jìn)行訓(xùn)練；訓(xùn)練完成所得到的網(wǎng)絡(luò)結(jié)構(gòu)即為所述的多輸出支持向量機(jī)環(huán)境辨識(shí)控制器；則三個(gè)子行為的權(quán)重參數(shù)w,，i=l，2，3為<formula>formulaseeoriginaldocumentpage3</formula>全文摘要本發(fā)明公開了一種未知環(huán)境下移動(dòng)機(jī)器人多行為融合自動(dòng)導(dǎo)航方法，其特征在于，包括以下步驟1)根據(jù)目標(biāo)和移動(dòng)機(jī)器人的相對(duì)位置實(shí)時(shí)獲取當(dāng)前的方位角，根據(jù)移動(dòng)機(jī)器人周圍障礙物狀況實(shí)時(shí)獲取多個(gè)距離參數(shù)；2)多輸出支持向量機(jī)模糊控制器根據(jù)獲取的方位角和多個(gè)距離參數(shù)輸出轉(zhuǎn)角值θ<sub>i</sub>和速度值v<sub>i</sub>，i＝1，2，3；3)多輸出支持向量機(jī)環(huán)境辨識(shí)控制器根據(jù)方位角和多個(gè)距離參數(shù)輸入信號(hào)，輸出三個(gè)子行為的權(quán)重參數(shù)w<sub>i</sub>，i＝1，2，3；4)按照上式計(jì)算移動(dòng)機(jī)器人當(dāng)前用于導(dǎo)航的轉(zhuǎn)角值θ和速度值v，本發(fā)明采用智能控制策略，自適應(yīng)強(qiáng)，導(dǎo)航可靠性高，效果優(yōu)良。文檔編號(hào)G05B13/02GK101354587SQ20081014313公開日2009年1月28日申請(qǐng)日期2008年9月4日優(yōu)先權(quán)日2008年9月4日發(fā)明者余洪山,孫程鵬,偉寧,江朱,楊民生,王耀南,許海霞,霞鄧申請(qǐng)人:湖南大學(xué)