未知环境下移动机器人导航安全的方法

摘要

本发明提出一种未知环境下移动机器人导航安全的方法，其步骤为：1)建立当前环境的局部栅格地图，确定每个栅格的占用概率；2)构建模糊神经网络控制器结构；3)模糊神经网络控制器根据当前局部栅格地图、机器人当前位置信息、移动机器人自主导航系统的当前输出移动速度与转向角，输出移动机器人正确的速度命令。本发明能够克服单一的导航决策系统可靠性不高，避免移动机器人因自主导航系统的错误决策发生碰撞等事故，确保移动机器人在未知环境下探索、运动过程中的安全。

主权项

1.一种未知环境下移动机器人导航安全的方法，其特征在于，首先实时创建局部栅格地图；采用基于模糊神经网络输出作用于移动机器人运动机构的最终速度；所述的基于模糊神经网络的输入信号为3个：由局部栅格地图计算当前环境对机器人虚拟排斥力F、移动机器人自主导航系统输出的转向角和运动速度V；所述的当前环境对机器人的虚拟排斥力的计算公式为：F_r(i，j)为单个栅格c(i，j)对移动机器人产生的虚拟排斥力；且其中：F_c排斥力常量；d(i，j)栅格c(i，j)与移动机器人之间的距离；B(i，j)栅格c(i，j)的状态；x₀，y₀移动机器人在当前局部栅格地图中的坐标；x_i，y_i  栅格c(i，j)在当前局部栅格地图中的坐标；x和y方向的单位矢量，即表示F_r(i，j)为矢量；k常量；d(i，j)^k是d(i，j)的k次方；所述模糊神经网络分为五层，在下列各式中分别代表第r层网络的第i个神经元的输入和输出：第一层为输入层，共3个节点，各个节点直接与输入向量的各分量连接，其中|F|，|V|，分别为虚拟排斥力F的大小、移动机器人自主导航系统输出的运动速度V的大小以及虚拟排斥力F与速度V之间的夹角；第一层神经元到第二层神经元的连接权值为1；有i＝1，2，3；第二层为模糊化层：每个节点表示一个语言变量值，第二层的作用是计算各输入分量属于各语言变量值模糊集合的模糊隶属函数其中i表示第i个输入，j表示该输入的第j个模糊语言变量；|F|的模糊语言变量有4个{VLITTLE，LITTLE，MED，BIG}，分别表示{非常小，小，中等、大}，即和的模糊语言变量有3个{LITTLE，MED，BIG}，分别表示{小，中等，大}，即和|V|的模糊语言变量有3个{LOW，MED，HIGH}，分别表示{低，中等，高}，即和|F|、|V|和的模糊隶属度函数采用三角形模糊隶属度函数，第二层神经元的数量为10个；第二层各节点的输出为，第二层节点到第三层节点的连接权值为1：i＝1，2，3；j＝1，2，3，4；第三层为模糊规则层：每个节点为一个神经元，代表一条模糊规则，作用是匹配模糊规则的前件，计算出每条规则的适用度；模糊规则的数量为4×3×3＝36条，具体规则列在表1中，第三层神经元的数量为36个；第三层神经元的输入之间采用的连接方式为“与”操作，第三层节点到第四层节点的连接权值为m＝1，2，3；l＝1，2，3；n＝1，2，3，4；k＝1，2，...，36；表1模糊规则表第四层为去模糊化层：只有一个节点，表示比例因子P，采用重心法：第五层为耦合处理层：只有一个节点，将比例因子P与|V|相乘得到最终作用到移动机器人运动机构上的速度V′，通过调整权值q＝1，2，进一步优化比例因子P与|V|的关系，得到最佳速度V′：