1 前言

　　模糊控制是以模糊集理论、模糊语言变量和模糊逻辑推理为基础的一种智能控制方法，它是从行为上模仿人的模糊推理和决策过程的一种智能控制方法。该方法首先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上。

　　环境中存在障碍物时，路径规划控制系统具有高度不确定性，是一个多输入多输出(MIMO)系统。对于这种具有高度不确定性的MIMO系统，传统的控制方法不能达到很好的控制效果。模糊推理控制方法将人类的驾驶经验融入系统控制之中，因此可以较好地满足系统自适应性、鲁棒性和实时性的要求。模糊控制方式借助模糊数学这一工具通过推理来实现控制。模糊逻辑模拟了人类思维的模糊性，它采用与人类语言相近的语言变量进行推理，因此借助这一工具可将人类的控制经验融人系统控制之中，使得系统可以像有经验的操作者一样去控制复杂、激励不明的系统。

　　模糊控制器的输入必须通过模糊化才能用于控制输出的求解，因此它实际上是模糊控制器的输入接口。它的主要作用是将真实的确定量输入转换为一个模糊矢量。模糊控制器的基本结构由模糊输入接口、模糊推理以及模糊输出接口三个模块组成。模糊输入接口的主要功能是实现精确量的模糊化，即把物理量的精确值转换成语言变量值。语言变量的分档根据实际情况而定，一般分为3-7档，档数越多，控制精度越高，计算量也越大。模糊推理决策机构的主要功能是模仿人的思维特征，根据总结人工控制策略取得的语言控制规则进行模糊推理，并决策出模糊输出控制量。模糊输出接口的主要功能是把输出模糊量转化为精确量，施于被控对象。

　　2 模糊控制器设计

　　模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型。机器人的运动系统和汽车驾驶系统很相似，汽车驾驶是一个比较复杂的问题，难以建立精确的数学模型和用数学解析式描述;有经验的驾驶员能把汽车驾驶的很好，这主要是依靠他们的经验。依据这个思路，采用模糊控制算法，解决机器人的运动是一个很还的解决方案。

　　智能机器人模糊控制器设计的主要目标是：当红外传感器探测到障碍物或者目标时，模糊控制器根据探测到的信息，确定智能机器人的位置、距离、方位，然后控制智能机器人避开障碍物，按预定的路径和方位行走。根据硬件电路设计可知，HC-SR04的距离信号可以用来判断抓取物的距离和方向信息，转弯角度和机器人运动相对位移是用来控制机器人和抓取物的相对位置。本设计中采用两个独立的模糊控制器来控制转弯角度和运动相对位移，输入量分别是距离和方向信息。为了实现的简便性与快速性，在本系统中都采用二维模糊控制器结构形式，即输入量E和变化率Ec。控制转弯角度的模糊控制器设定输入变量方向(E1)和方向变化率(E1c)语言值的模糊子集为{负大，负小，零，正小，正大}(负代表左，正代表右)，并简记为{NB，NS，Z，PS，PB }，输出量转弯角度(K1)的模糊子集为{NB，NM，NS，Z，PS， PM，PB };同理控制运动相对位移的模糊控制器设定输入变量相对位移(E2)和相对位移变化率(E2c)语言值的模糊子集为{负大，负小，零，正小，正大}(负代表远，正代表近)，并简记为{NB，NS，Z，PS，PB }，输出量运动相对位移(K2)的模糊子集为{NB，NM，NS，Z，PS， PM， PB }。输入变量的隶属函数的论域定为[-2，2]，输出变量的隶属函数的论域定为[-3，3]。隶属函数均选为灵敏度高且在论域范围内均匀分布、等距离的三角形函数。

　　根据驾驶汽车的经验，E1、E1c和K1应满足以下规律：

　　(1)当|E1|较大时，同时|E1c|较大时，应取较大的K 1 ;

　　(2)当|E1|中等时，应取适当的K1;

　　(3)当|E1|较小时，同时|E1c|较小时，应取较小的K1。E2、E2c和K2应满足以下规律：

　　(1)当|E2|较大时，同时|E2c|较大时，应取较大的K1;

　　(2)当|E2|中等时，应取适当的K1;

　　(3)当|E2|较小时，同时|E1c|较小时，应取较小的K1。

　　基于上述考虑，将E和变化率Ec作为模糊控制器的输入，K1和K2的模糊控制规则分别如表1、表2所示。

表 1 K1 模糊控制规则表

表 2 K2 模糊控制规则表

　　3 避障算法设计

　　3.1参考坐标系

　　建立被控对象和行驶环境的二维参考坐标系(如图1所示)，为计算方便，假设车轮与地面无滑动，能绕其质心转向。xoy为固定的全局坐标系，设定目标点坐标为(XG,YG),在任一时刻，小车位置为(x(t),y(t)),航向为，步长为step，当前航向与小车质心到目标连线的的夹角为tg，转向角为sa。

图 1 参考坐标系

　　3.2传感器选择和应用

　　移动机器人要获得自主行为，就需要有能感知周围环境信息的能力，其主要是通过传感器来实现的。常用于避障机器人的传感器有超声波传感器，红外传感器，激光传感器，CCD视觉传感器等。其中，超声波传感器具有技术成熟，成本低，接口容易实现等优点，成为避障机器人的首选，如图2所示。

图 2 超声波传感器原理图

　　虽然超声波传感器有众多优点，但也存在一定的不稳定性，超声传感器的幻影现象。产生这种现象的原因是，超声传感器发出的超声波信号是具有一定方向性的波束，当传感器与障碍物形成较大角度时，会发生镜面反射，从而产生幻影，如图3所示。为了解决这种现象所带来的误差，本设计使用多个传感器来补偿，抵消幻影现象带来的误差。

图 3 幻影现象示意图

图 4 机器人基本结构

　　如图4所示,机器人前方成扇形排分布三组超声波传感器，分别用于探测左侧，前方和右侧的的障碍物，有效距离为0.3至10米。每组传感器由两支三只超声波传感器组成，分别取测得最小数值作为该方向上障碍物的距离。同时，为了保证机器人的运动有方向性，在机器人中心有一只方位传感器，测量范围是(-180°，180°)。用于获得机器人航向与目标到机器人连线的夹角，引导机器人向目标点运动。

　　4 输入输出量的模糊化

　　选取超声传感器及方位传感器采集的外部环境信息作为模糊控制器的输入，模糊控制器的输出则是机器人的方向控制。将九只超声波传感器分为三组(前方，左侧，右侧各三只)，每组取其最小距离信号作为该方向的输入。模糊语言的确定包括由语法规则生成适当的模糊语言值，根据语义规则确定语言值的隶属度函数以及确定语言变量的论域等。这里使用连续型论域，采用简单线性化处理方法，对个输入量进行模糊语言描述，如下：

　　距离输入变量：d={近，远}={near，far};

　　目标方位输入变量：tg={左大，左中，左小，前，右小，右中，右大}

　　={lb，lm，ls，zo，rs，rm，rb};

　　输出转向角变量：sa={左转，左中转，左稍转，直走，右稍转，右中转，右转};

　　={tlb，tlm，tls，tz，trs，trm，trb};

　　模糊语言值只是一个模糊子集，语言值要通过隶属函数来描述。在论域连续是的情况下，隶属度常用函数的形式来进行描述，常见的有隶属函数有三角形，梯形，高斯型等。

　　通常，隶属函数的形状越陡，分辨率就越高，控制灵敏度也就越高;相反，若隶属函数变化缓慢，则控制特性也平缓，对应的系统稳定性好。因此，在选择语言值的隶属度函数是，一般在误差为零的附近区域采用分辨率较高的隶属函数，而在误差较大的区域，可采用分辨率较低的隶属函数，以获得较好的鲁棒性。

　　5 结论

　　模糊控制作为一种非线性控制，已经成为实现智能控制的一种重要而有效的形式。基于模糊逻辑推理的避障设计对于小车遇见突发性障碍物后的避障行为控制尤为适宜，且控制方法灵活，可根据仿真效果修改相应的参数和模糊推理规则。