DZ036汽车防碰撞系统
DZ036汽车防碰撞系统,dz036,汽车,碰撞,系统
中译文模糊控制理论在自动引导车智能导航中的应用L. Doitsidis, K. P. Valavanis, N. C. Tsourveloudis(克利特科技大学生产过程和管理工程系,克利特岛,希腊,希腊GR-73100 ,电子邮箱: ldoitsidis, kimonv, nikostdpem .tuc .gr)摘要:本文设计了一种双层的基于模糊控制理论的控制器,用来在一个充满障碍物的环境下为自动引导车提供自主领航。控制器的第一层建立了一个复合的声纳传感器的输入端模型,它是由四个独立的控制器组成,这四个控制器分别用来计算自动引导车向前、后、左、右四个方向移动时碰撞可能性。第二层是由一个主控制器构成,它能计算自动引导车的行驶路线,因此能执行相应的程序以避免碰撞。通过对一个移动机器人进行研究证明了这个双层控制器的适用性。关键词:自动引导,移动机器人,智能导航1 引言自主移动的机器人在2维不确定环境下的导航的问题,现存有很多方法,这些建议有的是以模糊控制理论的算法为基础的,还有的是把把模糊控制理论和调优算法结合起来的,以及把模糊控制理论和静电学领域结合起来的方法。这篇文章是结合最近的一些研究成果而提出的。本文主要研究自动引导车的2维环境下的导航问题。自动引导车是坚实而轻巧的,只要求很少的装配部件,并且它可以很迅速的从点运动转变到线运动时, 本文导论的就是自动引导车的直线驾驶问题6.自动引导车和明确指点车的运动的不同在于自动引导车的转弯方式. 轮子的转动被限于绕一条轴 , 方向盘的缺陷导致导航由每边的速度变化决定。只要任一方向有相同速度就将导致自动引导车沿直线运动。而明确指点车的轮子绕着两条轴转动。自动引导车 在 X-Y 平面里的几何结构如图1所示,在这张图里,表示的是航向角度,w 表示的是机器人的宽度,自转角和S1、S2时该车在每个方向的速度。.2.模糊逻辑控制系统的设计为了控制车的移动,一个双层的Mamdani型的控制器已经设计出来并完成。在第一层,四个模糊控制器负责对障碍物的探测和对前后左右四个方向的碰撞可能性进行计算。这四个控制器接收来自声纳传感器的数据,同时输出前后左右四个方向的碰撞的可能性。这些可能性在第一层中计算出来并和角度误差一起被输入到第二层中,输出量是车的最新的平移和旋转速度。图1. 自动引导车在X-Y平面上的模型A.模糊逻辑控制器的第一层在自动引导车周围装有24个超声波传感器,如图2所示。这里所用到的这些超声波传感器由Polaroid制造。在测试一些关于声纳传感器数据编组和管理之后,最初决定按照文献8的方法对传感器编组 (把小测距系统中的十二台生波探侧器的传感器编组为Ai, i=1,4a., 12,如图2) ,然后再把来自两组传感器的一对数据分开来讨论,可以得到潜在障碍物的距离。然而,由于 小型测距系统特有的声纳传感器的不可靠性, 这个方法得到的结果不尽如人意,当车附近有障碍时,传感器却探测到一条“自由道路”。为了解决这个问题,本文提出了一个改进的,更简单的传感器编组和数据管理方法,并得到了更好更准确的结果:对图2的传感器再编组,它们的读数的最小数是到障碍物的距离的一个衡量值。 每个ATRV生波探侧器传感器以4米作为最大距离,从这个距离处的障碍物返回数据。(这由生波探侧器传感器制造商进行了实验性地核实).图2. 传感器组第一层的每个独立的模糊控制器的模型,即障碍物探测模块,如图3所示。从图3可知,对前、后方向的碰撞可能性的测定由传感器A1,A2,A5(5个输入数据)和传感器A7,A8,A11(5个输入数据)完成,而对左、右方向的碰撞可能性的测定由传感器A5,A6,A7(3个输入数据)和传感器A11,A12,A13(3个输入数据)完成,每个独立的模糊控制器利用隶属度函数来计算碰撞的可能性。距离障碍物的距离按照隶属度函数分为三个标准:近、中等距离、远,如图4,反映了关于潜在障碍物在4 米内的准确信息。图3.障碍物探测模块。图4.输入变量:距离障碍物的距离第一层的输出结果是各个方向的碰撞可能性,取从0 到1的值来表示,.描述各个方向撞击可能性按照隶属度函数的标准有:不可能、可能、非常可能性,如图5。基于左碰撞可能性的输出结果如表1。图5. 输出变量:碰撞可能性。以前碰为类: 如果A1、A2、 A3、A5是近的、A4 是中等距离,那麽碰撞可能性高的。后面碰撞与此相似。 为左边(等效为右碰)碰撞可能性是: 如果A5 、A6 、A7 都是近的,那碰撞的可能性是高的。表1.一部分的规则基地为左碰撞。输入可变物A5 A6 A7在附近 在附近 在附近 非常可能周围 周围 周围 不可能在附近 周围 中等距离 可能在附近 周围 在附近 非常可能B.模糊逻辑控制器的第二层模糊控制器的第二层输入的是四个方向的碰撞可能性和角度误差,输出的是使车子前后移动的移动速度和转动速度,如图6所示。角度误差描述的是机器人航向角度和机器人要达到它的目的地的目标角度之间的差距。角度误差的范围是-180 度到180度之间。按照隶属度函数描述角度误差的词有:偏后1、正左方、左边、前面、正右面、偏后2,如图7.可平移速度 (m/sec), 作为第二层的输出结果, 按照隶属度函数用以下词描述: 向后加速, 向后、向后减速、停止, 向前减速、向前、向前加速,如图8.按照隶属度函数转动速度(rad/sec)用以下词汇描述:向右加速,、向右、不转、向左、向左加速,如图9.图6. 模糊控制器的第2 层模型图7. 输入变量:角度误差图8. 输出变量:平移速度控制车运动的例子: 如果前面碰撞、后面碰撞、左面碰撞、右面碰撞都是不可能的,则角度误差是前面,平移速度是向前加速、加速度是不旋转图9. 输出变量:旋转速度。3.结论模糊控制器已经被设计出来,并在一个由R W I制造的小型测距系统中运用,而且利用C+语言进行了设计并执行。在所有的实验中,当机器人能在一个半径为30厘米的圆圈中停下来的时候,就可以认为它达到了它的目标。这个假设是成立的,因为所有的计算都已经被验证。所以,如果机器人在假定的圆圈内停下来,它的目标就实现了。通过研究该机器在有障碍的2维环境中的一些情况,来测定它的运行情况和控制器的适用性。图10、图15、图20的箭头显示的是车的初始方向。在测试情形1中,我们检查了车在一个有三个障碍物的环境下的运行情况,具体如图10所示。图11显示了平移速度以及图12显示的是转速。图13介绍的是前撞的可能性。在图14中,实线表示的是左撞的可能性,而虚线表示右撞的可能性。车的运行情况是由周围的障碍所决定的。一开始,左撞的可能性是由左边的障碍物决定的。机器向前移动,然后向右行驶避开障碍,然后再向左驶向其目标运动。图15所示的测试情形2,显示的是一个更加复杂的三个障碍物的测试环境。图16 显示了平移速度,图17显示了转动速度。图18表示的是前撞的可能性, 图19 中的实线代表的是左撞的可能性,而虚线代表的是右撞的可能性。在图15中,我们可以发现机器人前面的路是被封锁的。机器仅仅利用转动速度来行驶并避开障碍物。然后它以曲线行驶向着目标前进。车的行使路线如图20所示。由于周围的障碍物, 车不得不稍稍向右转了一个弯,然后逃离了这个封闭的区域。图21显示了平移速度,图22显示了转动速度。图23表示的是前撞的可能性, 图24 中的实线代表的是左撞的可能性,而虚线代表的是右撞的可能性。每种情形中的车的运行情况可以通过各个方向的碰撞可能性的相关数据得到检验。图10. 判例1 :三个障碍并且目标点较远图11. 判例1中平移速度。 图14. 判例1中左右碰撞可能性图12. 判例1中旋转速度 图15 判例2:较复杂的三个障碍图13. 判例1中前面碰撞可能性 图16. 判例2中平移速度图17. 判例2中旋转的速度 图20. 判例3:复杂障碍物情况图18. 判例2中前面碰撞可能性 图21. 判例3中平移速度图19. 判例2.中左右碰撞可能性 图22. 判例3中旋转的速度图23. 判例3中前面碰撞可能性 图24. 判例3中左右碰撞可能性四、讨论我们已经讨论了一个用于自动引导车导航系统,其中用到了一个双层的模糊控制器。模糊控制器的第一层由四个模糊逻辑控制器组成。控制器中控制前后碰撞的情况包含60个规则, 左面和右面碰撞的情况包含57个规则,模糊控制器的第二层中对即时导航和躲避障碍物的情形包含238个规则。模糊控制器发展前景看好。结果表明车有在复杂环境中运动的能力。这篇论文中推荐的控制器,是以9 中所建议的控制器为基础的,但是它被用于自动引导车。研究的未来方向包括动态环境的测试和其他信息资源的使用。将来的目标是创造一个自治车,它使用导航系统和避免碰撞,结合来自视觉输入,声波定位仪和室外GPS数据等信息,遥控车朝着目标前进。
收藏