蒲興成，張軍，張毅

(1.重慶郵電大學(xué)數(shù)理學(xué)院，重慶 400065;2.重慶郵電大學(xué)自動(dòng)化學(xué)院，重慶 400065)

基于神經(jīng)網(wǎng)絡(luò)的改進(jìn)行為協(xié)調(diào)控制及其在智能輪椅路徑規(guī)劃中的應(yīng)用

蒲興成1，張軍2，張毅2

(1.重慶郵電大學(xué)數(shù)理學(xué)院，重慶 400065;2.重慶郵電大學(xué)自動(dòng)化學(xué)院，重慶 400065)

針對(duì)傳統(tǒng)的基于行為的智能輪椅的路徑規(guī)劃方法在室外非結(jié)構(gòu)環(huán)境下的路徑規(guī)劃效果差的問(wèn)題，提出一種新的智能輪椅的路徑規(guī)劃算法.該算法利用模糊邏輯設(shè)計(jì)了基本控制行為，并在此基礎(chǔ)上結(jié)合大量實(shí)際經(jīng)驗(yàn)使用神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了行為協(xié)調(diào)控制器.改進(jìn)的算法將仲裁機(jī)制和命令融合機(jī)制2種行為協(xié)調(diào)方法有效結(jié)合起來(lái)，并吸收了這2種行為協(xié)調(diào)方法的優(yōu)點(diǎn)，從而改善了系統(tǒng)的反應(yīng)速度，極大提高了控制精確;另一方面，該算法還可以識(shí)別陷阱區(qū)域并通過(guò)自主改變行為的權(quán)重方法控制輪椅逃出陷阱區(qū)域，因而具備了較強(qiáng)的人工智能特征.仿真和實(shí)物實(shí)驗(yàn)驗(yàn)證了該算法智能性高且實(shí)現(xiàn)簡(jiǎn)單，適用于室外非結(jié)構(gòu)化環(huán)境下的機(jī)器人路徑規(guī)劃.

機(jī)器人;智能輪椅;非結(jié)構(gòu)化環(huán)境;路徑規(guī)劃;神經(jīng)網(wǎng)絡(luò);行為協(xié)調(diào)控制器

路徑規(guī)劃是移動(dòng)機(jī)器人領(lǐng)域的核心技術(shù)之一［1］，其目的是在有障礙物的工作空間中，尋找一條從起始點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)或者近似最優(yōu)路徑，該路徑是無(wú)碰的且一般為最短的.針對(duì)移動(dòng)機(jī)器人的路徑規(guī)劃問(wèn)題，國(guó)內(nèi)外許多學(xué)者進(jìn)行了大量的研究，獲得了很多有效的控制方法.全局路徑規(guī)劃技術(shù)［2－4］已經(jīng)相對(duì)比較成熟，可以在環(huán)境信息已知的情形下獲得全局最優(yōu)路徑，現(xiàn)在比較活躍的領(lǐng)域是研究在未知環(huán)境中的局部路徑規(guī)劃［5］.比較成熟的局部規(guī)劃算法有人工勢(shì)場(chǎng)法［6］、滾動(dòng)窗口法［7］、神經(jīng)網(wǎng)絡(luò)方法［8］、粒子群算法［9］、遺傳算法［10］等，以上算法都存在各自的優(yōu)點(diǎn)和不足;但是其共同的缺點(diǎn)是以上各算法都是基于認(rèn)知模型的功能規(guī)劃法，這種基于感知—建?！?guī)劃—?jiǎng)幼鞯姆椒ㄈ狈?shí)際運(yùn)行所需的靈活性和實(shí)時(shí)性［11］.

近年來(lái)興起的基于行為的規(guī)劃方法完成了從感知到動(dòng)作的直接映射，機(jī)器人要完成的任務(wù)由幾個(gè)單獨(dú)封裝的行為配合完成，機(jī)器人對(duì)外部環(huán)境反應(yīng)迅速、實(shí)時(shí)性好.自從 Brooks［11］提出 SA(simulated annealing)模型以來(lái)，SA模型得到了廣泛的應(yīng)用，其主要優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單、反映靈敏，缺點(diǎn)是多個(gè)行為之間的反復(fù)切換導(dǎo)致路線不夠平滑且在機(jī)器人運(yùn)動(dòng)中控制不夠精確.命令融合機(jī)制［13－17］的引入解決了這一問(wèn)題，通過(guò)每一時(shí)刻多個(gè)行為相互配合得到最終輸出，常用模糊邏輯作為工具進(jìn)行命令融合的設(shè)計(jì)，但是其缺點(diǎn)是設(shè)計(jì)復(fù)雜，有時(shí)控制器規(guī)則較多或者要求控制精確時(shí)，甚至導(dǎo)致控制失去實(shí)時(shí)性.為解決這一缺陷，筆者提出一種改進(jìn)的行為協(xié)調(diào)機(jī)制，該機(jī)制利用BP網(wǎng)絡(luò)設(shè)計(jì)一個(gè)行為協(xié)調(diào)控制器，控制器將基于優(yōu)先級(jí)的方法和模糊命令融合的方法相結(jié)合，系統(tǒng)同時(shí)具備了二者的主要優(yōu)勢(shì)，具有較好的實(shí)時(shí)性，同時(shí)可以實(shí)現(xiàn)精確控制.當(dāng)機(jī)器人進(jìn)入陷阱區(qū)域時(shí)，控制器可以識(shí)別陷阱區(qū)域并靈活地改變?cè)懈鱾€(gè)行為的控制權(quán)重，控制輪椅盡快逃離陷阱區(qū)域，進(jìn)一步提高了系統(tǒng)的智能性.

1 行為設(shè)計(jì)

智能輪椅在室外環(huán)境下完成自主導(dǎo)航，需要3個(gè)基本行為:目標(biāo)趨向行為、避障行為、沿墻走行為.考慮到模糊邏輯控制器設(shè)計(jì)的簡(jiǎn)便性和控制的有效性，采用模糊邏輯對(duì)3種行為分別進(jìn)行設(shè)計(jì).本設(shè)計(jì)所涉及的智能輪椅的絕對(duì)坐標(biāo)系和體坐標(biāo)系如圖1所示.

圖1 智能輪椅的絕對(duì)坐標(biāo)系和體坐標(biāo)系Fig.1 Absolute and body coordinate systems of the intelligent wheelchair

圖1中X、Y軸組成絕對(duì)坐標(biāo)系，在實(shí)際應(yīng)用中，該坐標(biāo)系即為地球的經(jīng)緯度坐標(biāo)系，以X表示緯度，Y表示經(jīng)度.x、y軸組成智能輪椅的體坐標(biāo)系，其中x表示智能輪椅當(dāng)前的運(yùn)動(dòng)方向.di表示智能輪椅的各個(gè)超聲傳感器探測(cè)的障礙物的距離信息，d表示智能輪椅與目標(biāo)點(diǎn)之間的距離，φ表示輪椅當(dāng)前運(yùn)動(dòng)方向偏離目標(biāo)點(diǎn)的角度大小.

1.1 目標(biāo)趨向行為

目標(biāo)趨向行為不考慮外界環(huán)境中障礙物的信息，只控制輪椅由任意位置向目標(biāo)點(diǎn)靠近.趨向行為的模糊控制器的輸入有2個(gè):輪椅和目標(biāo)點(diǎn)之間的距離d，輪椅當(dāng)前運(yùn)動(dòng)方向和輪椅當(dāng)前位置及目標(biāo)點(diǎn)之間連線的夾角φ，輸出為輪椅運(yùn)動(dòng)速度VG和轉(zhuǎn)動(dòng)速度WG.各語(yǔ)言變量的隸屬度函數(shù)如圖2所示.

圖2 趨向行為模糊控制器各輸入輸出變量的隸屬度函數(shù)Fig.2 Membership function graphs of input and output invariables of the fuzzy controller with trend behavioral

模糊規(guī)則如下:

1.2 避障行為

避障行為通過(guò)傳感器檢測(cè)輪椅前方是否存在障礙物，如果有則通過(guò)合理的動(dòng)作避過(guò)障礙物使得輪椅安全行進(jìn).避障行為的模糊控制器輸入為:左側(cè)傳感器的讀數(shù)dL、右側(cè)傳感器的讀數(shù)dR、前方傳感器的讀數(shù)dF，輸出為行進(jìn)速度VO和轉(zhuǎn)動(dòng)速度WO.各語(yǔ)言變量的隸屬度函數(shù)如圖3所示.

圖3 避障行為各語(yǔ)言變量的隸屬度函數(shù)Fig.3 Membership function graphs among language invariables of avoiding behavioral

模糊規(guī)則如下:

1.3 沿墻走行為

沿墻走行為可以使輪椅完成對(duì)障礙物邊沿的實(shí)時(shí)跟蹤.控制器的輸入是左右傳感器的讀數(shù)dL、dR，輸出為輪椅的行進(jìn)速度VF和轉(zhuǎn)動(dòng)速度WF，各語(yǔ)言變量的隸屬度函數(shù)與避障行為相同，模糊規(guī)則如下所示:

2 行為協(xié)調(diào)控制器的設(shè)計(jì)

行為協(xié)調(diào)機(jī)制的實(shí)現(xiàn)方法通常分為基于仲裁和基于命令融合2類(lèi).基于仲裁的行為協(xié)調(diào)機(jī)制在一個(gè)時(shí)刻內(nèi)只允許一個(gè)行為實(shí)施控制，而命令融合則允許將多個(gè)行為的結(jié)果綜合成一個(gè)命令，每一個(gè)行為都對(duì)最終的控制產(chǎn)生貢獻(xiàn).仲裁機(jī)制實(shí)現(xiàn)簡(jiǎn)單、反應(yīng)迅速，但是由于在多個(gè)動(dòng)作之間切換，機(jī)器人動(dòng)作不夠平滑，而且由于每一時(shí)刻只有一個(gè)行為有控制權(quán)，當(dāng)某一行為被執(zhí)行時(shí)會(huì)犧牲其他行為，該控制方法智能性較低，當(dāng)環(huán)境復(fù)雜時(shí)很容易導(dǎo)致路徑規(guī)劃失敗.命令融合機(jī)制可以克服以上缺點(diǎn)，這種方法動(dòng)作輸出更平滑，控制更精確，智能性較高，但是命令融合反應(yīng)速度更慢，有時(shí)甚至失去實(shí)時(shí)性.考慮到以上因素，將二者有效結(jié)合可以獲得更好的控制效果.筆者設(shè)計(jì)的改進(jìn)的行為協(xié)調(diào)控制器如圖4所示.

圖4 改進(jìn)的行為協(xié)調(diào)控制器Fig.4 Improved behavioral coordinated controller

BP神經(jīng)網(wǎng)絡(luò)的輸入輸出變量如圖5所示.距離傳感器的信息和標(biāo)志變量I作為神經(jīng)網(wǎng)絡(luò)的輸入，各個(gè)行為的權(quán)重作為神經(jīng)網(wǎng)絡(luò)的輸出，該輸出可以和各個(gè)行為的輸出相結(jié)合從而得到整體的輸出，如式(1)所示.

圖5 神經(jīng)網(wǎng)絡(luò)的輸入輸出Fig.5 Input and output of neural network

另一方面，神經(jīng)網(wǎng)絡(luò)的輸出可以作為控制信號(hào)控制某個(gè)行為是否能夠被激活，當(dāng)某個(gè)行為的權(quán)值小于預(yù)設(shè)的閾值K時(shí)，該行為將不被激活.例如表1中，若K=0.01，則第1行所示外界環(huán)境下僅趨向行為被激活，第2行所示外界環(huán)境下所有行為均被激活，利用式(1)得到整體輸出.

表1 權(quán)值控制行為T(mén)able 1 Weight control behavior

該方法將仲裁機(jī)制和命令融合機(jī)制有效結(jié)合起來(lái)，訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)根據(jù)外部環(huán)境的情形可以選擇全部或者部分行為的激活.例如:周?chē)鷽](méi)有障礙物時(shí)能夠單獨(dú)執(zhí)行趨向行為，忽略避障和沿墻走行為，可以節(jié)省不必要的系統(tǒng)開(kāi)銷(xiāo)，系統(tǒng)具有較快的反應(yīng)速度;如果附近有障礙物則可以綜合所有行為的結(jié)果得到整體的輸出，提高系統(tǒng)控制精度.

為進(jìn)一步提高系統(tǒng)的智能性，行為協(xié)調(diào)控制器引入標(biāo)志變量I用以監(jiān)測(cè)輪椅是否進(jìn)入陷阱區(qū)域，并執(zhí)行相應(yīng)的操作.系統(tǒng)控制流程圖如圖6所示.

圖6中，dt為t時(shí)刻輪椅與目標(biāo)點(diǎn)的距離，該距離可以通過(guò)GPS計(jì)算.dt+1為t的下一個(gè)采樣時(shí)刻輪椅與目標(biāo)點(diǎn)的距離.當(dāng)dt+1＞dt時(shí)表示輪椅向著背離目標(biāo)點(diǎn)的方向運(yùn)動(dòng)，反映出輪椅進(jìn)入了陷阱區(qū)域，此時(shí)將I賦值為y.當(dāng)I=y時(shí)，行為協(xié)調(diào)控制器監(jiān)測(cè)到輪椅進(jìn)入陷阱區(qū)域，神經(jīng)網(wǎng)絡(luò)的輸出為output_trap，此輸出針對(duì)陷阱區(qū)域所設(shè)計(jì)，具備以下2個(gè)特點(diǎn).

1)可以忽略周?chē)系K物信息而單純執(zhí)行趨向行為，如表2所示.表2中，當(dāng)I=y時(shí)，避障和沿墻走行為不被激活，而相同的環(huán)境下I=x時(shí)，所有的行為均被激活.

表2 I取不同值時(shí)神經(jīng)網(wǎng)絡(luò)的輸出Table 2 Neural network output in different I

該特性相當(dāng)于改變了行為的優(yōu)先級(jí)或者控制權(quán)重，在存在障礙物的環(huán)境條件下趨向行為也將有機(jī)會(huì)被單獨(dú)執(zhí)行.陷阱區(qū)域的障礙物信息導(dǎo)致控制器輸出的控制決策失去了路徑規(guī)劃的目的性，因此忽略障礙物的信息而執(zhí)行趨向行為可以提前終止不合理的控制決策，控制輪椅能盡快逃出陷阱區(qū)域.

2)output_trap=［0，WG］，將趨向行為的線速度設(shè)置為0，輪椅可以原地完成方向的調(diào)整，從而保證了輪椅的安全.

圖6 系統(tǒng)控制流程Fig.6 Flowchart of system control

圖6中，F(xiàn)lag用以控制識(shí)別陷阱區(qū)域功能的開(kāi)啟和關(guān)閉，F(xiàn)lag=0時(shí)開(kāi)啟該功能，此時(shí)將對(duì)dt進(jìn)行監(jiān)測(cè).當(dāng)控制器輸出output_trap后，F(xiàn)lag被置為1關(guān)閉該功能，直至下一次執(zhí)行趨向行為后Flag重新被置為0，該功能再次啟動(dòng).關(guān)閉陷阱識(shí)別功能的目的是防止輪椅一直在陷阱區(qū)域反復(fù)不前.

3 仿真及實(shí)物實(shí)驗(yàn)

為了驗(yàn)證算法的有效性，本節(jié)對(duì)上述提及的各種算法進(jìn)行了仿真實(shí)驗(yàn)，并導(dǎo)航時(shí)間、路徑軌跡、對(duì)于陷阱區(qū)域的處理能力進(jìn)行了比較.

3.1 導(dǎo)航時(shí)間比較

輪椅的工作環(huán)境如圖7所示，圖中方塊表示障礙物，五角星表示目標(biāo)點(diǎn)，為了更真實(shí)地展示3種行為協(xié)調(diào)機(jī)制的導(dǎo)航效果，筆者設(shè)置了3個(gè)初始位置，如圖中圓圈所示.

圖7 輪椅工作環(huán)境Fig.7 Working conditions of the wheelchair

輪椅分別從3個(gè)初始位置出發(fā)，記錄輪椅到達(dá)目標(biāo)點(diǎn)的時(shí)間，每個(gè)位置分別進(jìn)行20次實(shí)驗(yàn)最后統(tǒng)計(jì)取平均時(shí)間，結(jié)果如表3所示.

表3 各種行為協(xié)調(diào)方法比較結(jié)果Table 3 Comparison of results of different behavior coordination method

由表3可知，基于優(yōu)先級(jí)的方法導(dǎo)航效果最差，主要原因是該方法某一時(shí)刻只有一個(gè)行為起作用，缺乏導(dǎo)航的目的性.而模糊命令融合方法每一時(shí)刻所有的行為都對(duì)最終的整體行為有貢獻(xiàn)，因此輪椅的動(dòng)作有更強(qiáng)的目的性.相對(duì)于傳統(tǒng)的模糊命令融合方法而言，改進(jìn)的行為協(xié)調(diào)方法在趨向行為執(zhí)行時(shí)能抑制沿墻走行為和避障行為的激活，系統(tǒng)的反映更快，由此可見(jiàn)，改進(jìn)的行為協(xié)調(diào)方法比傳統(tǒng)的模糊命令融合方法所需的導(dǎo)航時(shí)間更短.

3.2 導(dǎo)航軌跡比較

基于優(yōu)先級(jí)的行為協(xié)調(diào)機(jī)制控制下，輪椅的運(yùn)動(dòng)軌跡如圖8所示.由圖8可以清晰看到輪椅的運(yùn)動(dòng)軌跡非常不平滑，存在大量尖角，這是由于不同的行為之間相互切換造成的.當(dāng)輪椅由趨向行為突然改為避障行為時(shí)，將會(huì)出現(xiàn)突然的轉(zhuǎn)向，其他的行為切換時(shí)同樣如此.實(shí)際應(yīng)用中，輪椅的不平滑的運(yùn)動(dòng)軌跡不但容易造成輪椅硬件的損壞，而且使得輪椅的使用舒適度嚴(yán)重降低.

圖8 基于優(yōu)先級(jí)的行為協(xié)調(diào)機(jī)制輪椅的軌跡Fig.8 Trace of behavioral coordinated wheelchair based on priority

在傳統(tǒng)的模糊命令融合機(jī)制和改進(jìn)的行為協(xié)調(diào)機(jī)制控制下，輪椅的運(yùn)動(dòng)如圖9所示.

圖9 模糊命令融合機(jī)制和改進(jìn)的行為協(xié)調(diào)機(jī)制控制輪椅的運(yùn)動(dòng)軌跡Fig.9 Trajectory of control wheelchair of convergence mechanisms of fuzzy order and improved behavioral coordinated controller

圖9中，傳統(tǒng)的模糊命令融合方法控制輪椅由初始位置1和初始位置3出發(fā)，2條軌跡都非常平滑.原因是二者沒(méi)有行為之間的切換，每個(gè)轉(zhuǎn)向動(dòng)作都是所有行為綜合作用的結(jié)果.改進(jìn)的行為協(xié)調(diào)機(jī)制控制輪椅由初始位置2出發(fā)，2號(hào)軌跡在A、B兩點(diǎn)處出現(xiàn)尖角，原因是改進(jìn)的行為協(xié)調(diào)機(jī)制在以上兩點(diǎn)處會(huì)切換到單純的趨向行為，避障和沿墻走這2個(gè)行為沒(méi)有機(jī)會(huì)被執(zhí)行，這類(lèi)似于基于優(yōu)先級(jí)的控制方法.考慮到該方法能夠在執(zhí)行趨向行為時(shí)降低系統(tǒng)的負(fù)擔(dān)及提高系統(tǒng)的反應(yīng)速度，且僅在切換到趨向行為時(shí)才出現(xiàn)尖角而其他情形下軌跡非常平滑，因此認(rèn)為這是可以接受的代價(jià).

3.3 處理陷阱區(qū)域能力比較

接下來(lái)的試驗(yàn)中，輪椅的工作環(huán)境為圖10的陷阱區(qū)域，陷阱區(qū)域在實(shí)際應(yīng)用中可能會(huì)嚴(yán)重降低輪椅的導(dǎo)航質(zhì)量.基于優(yōu)先級(jí)的控制下，輪椅的運(yùn)動(dòng)軌跡如圖10所示.

圖10 基于優(yōu)先級(jí)的控制下輪椅的軌跡Fig.10 Trace of wheelchair based on priority control

由圖10所示，輪椅進(jìn)入了陷阱區(qū)域后，會(huì)出現(xiàn)嚴(yán)重的導(dǎo)航錯(cuò)誤，原因是基于優(yōu)先級(jí)的控制下，沿墻走行為的優(yōu)先級(jí)要高于趨向行為的優(yōu)先級(jí)，因此直到沿墻走行為終止之前，趨向行為沒(méi)有機(jī)會(huì)被執(zhí)行.相同的環(huán)境下，改進(jìn)的行為協(xié)調(diào)機(jī)制控制輪椅的運(yùn)動(dòng)軌跡如圖11所示.

圖11 改進(jìn)的行為協(xié)調(diào)機(jī)制控制輪椅運(yùn)動(dòng)軌跡Fig.11 Trace of wheelchair based on improved behavioral coordinated control

由圖11可見(jiàn)，輪椅進(jìn)入陷阱區(qū)域后，改進(jìn)的行為協(xié)調(diào)機(jī)制可以識(shí)別輪椅進(jìn)入了陷阱區(qū)域并將趨向行為的權(quán)重設(shè)置為最大，輪椅原地調(diào)整了運(yùn)動(dòng)方向，由于周?chē)h(huán)境安全輪椅接下來(lái)執(zhí)行了趨向行為，因此輪椅可以很快到達(dá)目標(biāo)點(diǎn)，可見(jiàn)筆者設(shè)計(jì)的改進(jìn)行為協(xié)調(diào)機(jī)制控制更加合理，進(jìn)一步提高了控制系統(tǒng)的智能性.

換一種新的陷阱區(qū)域作為實(shí)驗(yàn)場(chǎng)景，輪椅在傳統(tǒng)的模糊命令融合的控制下運(yùn)動(dòng)軌跡如圖12所示.同樣的環(huán)境下在改進(jìn)的行為協(xié)調(diào)機(jī)制控制下輪椅的運(yùn)動(dòng)軌跡如圖13所示.圖13中，改進(jìn)的行為協(xié)調(diào)機(jī)制識(shí)別出輪椅進(jìn)入陷阱區(qū)域后將趨向行為的控制權(quán)設(shè)為最大，在原地完成了運(yùn)動(dòng)方向的調(diào)整，然后關(guān)閉了識(shí)別陷阱區(qū)域功能.由于外界環(huán)境存在障礙物，改進(jìn)的行為協(xié)調(diào)機(jī)制激活了所有行為控制輪椅原路返回并最終從另一個(gè)方向走出了陷阱區(qū)域并到達(dá)了目的地.

圖12 傳統(tǒng)的模糊命令融合機(jī)制控制輪椅運(yùn)動(dòng)軌跡Fig.12 Trace of wheelchair of under traditional fuzzy order convergence mechanisms

圖13 改進(jìn)的行為協(xié)調(diào)機(jī)制控制下輪椅的運(yùn)動(dòng)軌跡Fig.13 Trace of wheelchair based on improved behavioral coordinated control

3.4 實(shí)物實(shí)驗(yàn)結(jié)果

本節(jié)為部分實(shí)際實(shí)驗(yàn)效果展示，在實(shí)際實(shí)驗(yàn)中輪椅的初始位置和目標(biāo)點(diǎn)之間存在多個(gè)障礙物.改進(jìn)的行為協(xié)調(diào)機(jī)制可以控制輪椅安全通過(guò)障礙物區(qū)域趨向目標(biāo)點(diǎn)，如圖14所示.

圖14 輪椅安全通過(guò)障礙物區(qū)域Fig.14 Wheelchair passed obstacles region safely

在改進(jìn)的行為協(xié)調(diào)機(jī)制控制下輪椅的運(yùn)動(dòng)軌跡非常平滑，證明了改進(jìn)的行為協(xié)調(diào)機(jī)制能夠完成精確控制，如圖15中線條所示.

圖16展示了改進(jìn)行為協(xié)調(diào)機(jī)制良好的處理陷阱區(qū)域的能力，輪椅能夠提前結(jié)束沿墻走行為而執(zhí)行趨向行為，因此可以更快地到達(dá)目標(biāo)點(diǎn).

圖15 運(yùn)動(dòng)軌跡特寫(xiě)Fig.15 Highlight of wheelchair trace

圖16 輪椅逃離陷阱區(qū)域Fig.16 Wheel escaped from the trap domain

在室外環(huán)境下進(jìn)行實(shí)際的路徑規(guī)劃，輪椅在改進(jìn)的行為協(xié)調(diào)機(jī)制控制下的運(yùn)動(dòng)路線如圖17所示，可見(jiàn)該行為協(xié)調(diào)機(jī)制能夠安全快速地將使用者送達(dá)目的地.

圖17 室外環(huán)境中輪椅運(yùn)動(dòng)路線Fig.17 Trace of wheelchair escaped outside the door

4 結(jié)束語(yǔ)

筆者提出的行為協(xié)調(diào)機(jī)制將仲裁機(jī)制和命令融合機(jī)制2種傳統(tǒng)的行為協(xié)調(diào)機(jī)制相結(jié)合，該控制系統(tǒng)反應(yīng)速度快且控制精確.同時(shí)改進(jìn)的行為協(xié)調(diào)機(jī)制能夠識(shí)別陷阱區(qū)域的存在且通過(guò)自主改變行為控制權(quán)重的方式控制輪椅盡快逃出陷阱區(qū)域，進(jìn)一步提高了控制系統(tǒng)的智能性.該控制器實(shí)現(xiàn)簡(jiǎn)單且智能性好，適用于非結(jié)構(gòu)化環(huán)境下的路徑規(guī)劃.

［1］LATOMBE J C.Robot motion planning［M］.Boston，USA:Kluwer Academic Publishers，1991:143－176.

［2］劉一松，魏寧，孫亞民.基于柵格法的虛擬人快速路徑規(guī)劃［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2008，29(5):1229－1231.

LIU Yisong，WEI Ning，SUN Yamin.Path planning algorithm based on grid method for virtual human［J］.Computer Engineering and Design，2008，29(5):1229－1231.

［3］楊淮清，肖興貴，姚棟.一種基于可視圖法的機(jī)器人全局路徑規(guī)劃算法［J］.沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2009，31(2):225－229.

YANG Huaiqing，XIAO Xinggui，YAO Dong.A V－graph based global path planning algorithm for mobile robot［J］.Journal of Shenyang University of Technology，2009，31(2):225－229.

［4］陳家照，張中位，徐福后.改進(jìn)的概率路徑圖法［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45(10):54－55.

CHEN Jiazhao，ZHANG Zhongwei，XU Fuhou.Modified probabilistic roadmap method［J］.Computer Engineering and Applications，2009，45(10):54－55.

［5］鮑慶勇，李舜酩，沈峘，等.自主移動(dòng)機(jī)器人局部路徑規(guī)劃綜述［J］.傳感器與微系統(tǒng)，2009，28(9):1－4.

BAO Qingyong，LI Shunming，SHEN Huan，et al.Survey of local path planning of autonomous mobile robot［J］.Transducer and Microsystem Technologies，2009，28(9):1－4.

［6］朱毅，張濤，宋靖雁.非完整移動(dòng)機(jī)器人的人工勢(shì)場(chǎng)法路徑規(guī)劃［J］.控制理論與應(yīng)用，2010，27(2):152－158.

ZHU Yi，ZHANG Tao，SONG Jingyan.Path planning for nonholonomic mobile robots using artificial potential field method［J］.Control Theory ＆ Application，2010，27(2):152－158.

［7］傅衛(wèi)平，張鵬飛，楊世強(qiáng).利用機(jī)器人行為動(dòng)力學(xué)與滾動(dòng)窗口路徑規(guī)劃［J］.計(jì)算機(jī)工程與應(yīng)用，2009，45(2):212－215.

FU Weiping，ZHANG Pengfei，YANG Shiqiang.Behavioral dynamics of mobile robot and rolling windows algorithm to path planning［J］.Computer Engineering and Applications，2009，45(2):212－215.

［8］宋勇，李貽斌，李彩虹.遞歸神經(jīng)網(wǎng)絡(luò)的進(jìn)化機(jī)器人路徑規(guī)劃方法［J］.哈爾濱工程大學(xué)學(xué)報(bào)，2009，30(8):898－902.

SONG Yong，LI Yibin，LI Caihong.Path planning based on a recurrent neural network for an evolutionary robot［J］.Journal of Haribn Engineering University，2009，30(8):898－902.

［9］趙先章，常紅星，曾雋芳，等.一種基于粒子群算法的移動(dòng)機(jī)器人路徑規(guī)劃方法［J］.計(jì)算機(jī)應(yīng)用研究，2007，24(3):181－186.

ZHAO Xianzhang，CHANG Hongxing，ZENG Junfang，et al.Path planning method for mobile robot based on particle swarm algorithm［J］.Application Research of Computers，2007，24(3):181－186.

［10］郝博，秦麗娟，姜明洋.基于改進(jìn)遺傳算法的移動(dòng)機(jī)器人路徑規(guī)劃方法研究［J］.計(jì)算機(jī)工程與科學(xué)，2010，32(7):104－107.

HAO Bo，QIN Lijuan，JIANG Mingyang.Research on the path planning methods for mobile robots based on an improved genetic algorithm［J］.Computer Engineering ＆ Science，2010，32(7):104－107.

［11］郝冬，劉斌.基于模糊邏輯行為融合路徑規(guī)劃方法［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(3):660－663.

HAO Dong，LIU Bin.Behavior fusion path planning method for mobile robot based on fuzzy logic［J］.Computer Engineering and Design，2009，30(3):660－663.

［12］BROOKS R.A robust layered control system for a mobile robot［J］.IEEE Journal of Robotics and Automation，1986，2(1):14－23.

［13］ARKIN R C.Motor schema based navigation for a mobile robot:an approach to programming by behavior［C］//Proceedings of the IEEE International Conference on Robotics and Automation.Raleigh，USA，1987:264－271.

［14］ARKIN R C.Behavior－based robotics［M］.Cambridge，USA:the MIT Press，1998.

［15］PIRJANIAN P.Behavior coordination mechanisms:stateof－the－art，Technical Report IRIS－99－375［R］.Los Angeles，USA:Institute for Robotics and Intelligent Systems，University of Southern California，1999.

［16］ABREU A.Fuzzy behaviors and behavior arbitration in autonomous vehicles［C］//Proceedings of the 9th Portuguese Conference on Artificial Intelligence:Progress in Artificial Intelligence.London，UK:Springer－Verlag，1999:237－251.

［17］PEREZ M C.A proposal of behavior based control architecture with reinforcement learning for an autonomous underwater robot［D］.Girona，Spain:University of Girona，2003.

蒲興成，男，1973年生，副教授，博士，主要研究方向?yàn)榉蔷€性系統(tǒng)、隨機(jī)系統(tǒng)和智能控制等.主持和參與省部級(jí)基金項(xiàng)目8項(xiàng)，發(fā)表學(xué)術(shù)論文40余篇，出版學(xué)術(shù)專(zhuān)著1部、教材1部.

張軍，男，1985年生，碩士研究生，主要研究方向?yàn)槿斯ぶ悄芎蜋C(jī)器人控制.

張毅，男，1966年生，教授，博士生導(dǎo)師，中國(guó)人工智能學(xué)會(huì)理事、青年工作委員會(huì)副主任、智能機(jī)器人專(zhuān)業(yè)委員會(huì)委員，中國(guó)計(jì)量測(cè)試學(xué)會(huì)高級(jí)會(huì)員，《機(jī)器人技術(shù)及其應(yīng)用》雜志理事.主要研究方向?yàn)橹悄芊?wù)機(jī)器人、信息無(wú)障礙技術(shù)、智能人機(jī)交互技術(shù).申請(qǐng)國(guó)家發(fā)明專(zhuān)利20項(xiàng)，獲得國(guó)家發(fā)明專(zhuān)利10項(xiàng)，發(fā)表學(xué)術(shù)論文150余篇，其中被SCI、EI、ISTP檢索80余篇，出版專(zhuān)著2部，撰寫(xiě)教材3部.

Modified behavior coordination for intelligent wheelchair path planning based on a neural network

PU Xingcheng1，ZHANG Jun2，ZHANG Yi2

(1.Mathematics and Physics College，Chongqing University of Posts and Telecommunications，Chongqing 400065，China;2.Automation College，Chongqing University of Posts and Telecommunications，Chongqing 400065，China)

In order to solve the poor effects of traditional behavior－based path planning of intelligent wheelchairs in an outdoor unstructured environment，a new path planning method was proposed in this paper.The new algorithm uses fuzzy logic to design basic control behavior，and on this basis applies a neural network to design behavior coordination by combining a large amount of practical experience.The improved algorithm can combine arbitration mechanisms with fusion mechanisms successfully;it absorbs the major advantage of these two original algorithms and improves response speed of the system while enhancing the control accuracy significantly.On the other hand，the method can identify trap area and control the wheelchair escape from the trap by changing the behavior weights independently，therefore displaying strong artificial intelligence characteristics.The simulation and real experimental results verify that the algorithm is capable of advanced intelligence and can be implemented easily.Additionally，it can be used in an outdoor unstructured environment for robot path planning.

robot;intelligent wheelchair;unstructured environment;path planning;neural network;behavior coordination control

TP24

A

1673－4785(2011)05－0456－08

10.3969/j.issn.1673－4785.2011.05.011

2011－01－16.

科技部國(guó)際合作資助項(xiàng)目(2010DFA12160);重慶市科委資助項(xiàng)目(CSCT，2010AA2055);重慶郵電大學(xué)青年基金資助項(xiàng)目(A2009－50).

蒲興成.E－mail:puxingcheng@sina.com.