劉鳳，房建東

（內(nèi)蒙古工業(yè)大學(xué) 信息工程學(xué)院，內(nèi)蒙古 呼和浩特 010080）

自主移動(dòng)機(jī)器人跟馳行為的模糊推理機(jī)仿真研究

劉鳳，房建東

（內(nèi)蒙古工業(yè)大學(xué) 信息工程學(xué)院，內(nèi)蒙古 呼和浩特 010080）

本文以自主移動(dòng)機(jī)器人跟馳行為模糊控制系統(tǒng)為研究對(duì)象，根據(jù)自主移動(dòng)機(jī)器人的工作原理及控制功能要求，建立了基于車頭間距、相對(duì)速度信息的隸屬度函數(shù)以及基于MATLAB-FIS的模糊推理規(guī)則，利用MATLAB建立了一個(gè)3入（車頭間距、相對(duì)速度、臨界間隙）—2出（跟馳、換道）模糊推理機(jī)，并對(duì)此設(shè)計(jì)方案進(jìn)行了仿真研究。仿真結(jié)果表明，自主移動(dòng)機(jī)器人可以根據(jù)車頭間距、相對(duì)速度及臨界間隙的變化，來決定自身的運(yùn)動(dòng)行為，從而實(shí)現(xiàn)安全行駛。

自主移動(dòng)機(jī)器人；跟馳；模糊控制；仿真

隨著交通量的日益增大，導(dǎo)致交通流中各車輛之間的獨(dú)立性越來越小，車輛之間的相互作用也逐漸加強(qiáng)。因此研究交通流中前后車輛之間的作用關(guān)系已成為目前研究領(lǐng)域的主要趨勢(shì)之一[1]。跟馳理論就是通過動(dòng)態(tài)的判斷前后車之間的相互作用，從而來決定后車的跟馳行為[2-3]。

目前的研究，大都以多個(gè)自主移動(dòng)機(jī)器人即多個(gè)智能車，來模擬實(shí)際多車道多前車的交通流。因?yàn)樽灾饕苿?dòng)機(jī)器人具有良好的自適應(yīng)能力，能夠應(yīng)用在結(jié)構(gòu)化較復(fù)雜的環(huán)境中，因而對(duì)于它的理論研究更具有實(shí)用性。機(jī)器人可通過對(duì)自身配備的各類傳感器采集到的距離、速度信息進(jìn)行實(shí)時(shí)的、動(dòng)態(tài)的分析處理，從而自主判斷和決定自身的動(dòng)作和運(yùn)動(dòng)狀態(tài)[4]。

模糊控制理論是一種用模糊的語言變量來代替精確的數(shù)學(xué)變量，并用模糊條件語句來刻畫變量間的函數(shù)關(guān)系，且具有模擬人類學(xué)習(xí)和自適應(yīng)能力的智能控制系統(tǒng)。機(jī)器人的運(yùn)動(dòng)模型是一個(gè)非線性模型，對(duì)于很難確定具體模型的研究對(duì)象，一般采用模糊理論的方法來實(shí)現(xiàn)對(duì)機(jī)器人行為的控制[5]。

本文以自主移動(dòng)機(jī)器人為研究對(duì)象，用模糊控制的方法，對(duì)機(jī)器人的距離、速度等信息進(jìn)行識(shí)別、判斷和決策，來實(shí)現(xiàn)對(duì)自主移動(dòng)機(jī)器人跟馳行為的精確控制。

1 物理模型及頂層結(jié)構(gòu)

1.1 物理模型

如圖1所示的跟馳物理模型，在同向行駛的同一列車隊(duì)中，前車與后車之間相互影響、相互制約。后車跟隨前車行駛的過程中，需要根據(jù)兩車之間的車頭間距S及相對(duì)速度△v和臨界間隙的動(dòng)態(tài)判斷，來決定自身的駕駛狀態(tài)，或跟馳或換道[6]。

圖1 跟馳物理模型Fig.1 Physical model of following

在實(shí)際中，如果換車車道也有車輛，需考慮多前車的情況，在換道后仍然進(jìn)行動(dòng)態(tài)信息的判斷，從而控制自身的駕駛行為。本推理機(jī)在設(shè)計(jì)時(shí)，假設(shè)換車車道是安全的，即基于多車道單前車的情況。

1.2 頂層結(jié)構(gòu)

通過對(duì)設(shè)計(jì)任務(wù)以及跟馳模型的分析，可以得出推理機(jī)的頂層結(jié)構(gòu)圖，如圖2所示。該系統(tǒng)有三個(gè)輸入，分別是車頭間距（S）、相對(duì)速度(Vr)和臨界間隙（S l）；有兩個(gè)輸出，即跟馳(GC)和換道(HD)。

圖2 頂層結(jié)構(gòu)框圖Fig.2 Top-level block diagram

2 模糊控制器設(shè)計(jì)步驟

2.1 模糊化定義

該自主移動(dòng)機(jī)器人配有距離傳感器、速度傳感器。傳感器采集到的數(shù)據(jù)是精確的模擬量，首先需要將該量轉(zhuǎn)換為模糊的語言值。為了對(duì)輸入量進(jìn)行模糊化處理，必須將輸入變量從基本論域轉(zhuǎn)換到對(duì)應(yīng)的語言量模糊集的論域，需要通過量化因子進(jìn)行論域轉(zhuǎn)換[5]。

假設(shè)自主移動(dòng)機(jī)器人的距離感知范圍為0～10，即距離的基本論域?yàn)閇0,10]。

對(duì)前后車頭間距進(jìn)行量化：當(dāng)S∈[0,2],距離為很近，等級(jí)為0；當(dāng)S∈[2，4],距離為近，等級(jí)為1;當(dāng)S∈[4，6],距離為中，等級(jí)為2;當(dāng)S∈[6,8],距離為遠(yuǎn)等級(jí)為3;當(dāng)S∈[8，10],距離為很遠(yuǎn)，等級(jí)為4。所以車頭間距的論域Y為{0,1,2,3,4}，量化因子為0.4。車頭間距S劃分為五個(gè)模糊子集：{很遠(yuǎn)，遠(yuǎn)，中，近，很近}，對(duì)應(yīng)的模糊集合為{VL,L,M,N,VN}。

速度范圍為[0,2],相對(duì)速度范圍則為[-2,2]。

相對(duì)速度Vr的量化：因?yàn)橄鄬?duì)速度指的是后車相對(duì)與前車的速度差，所以有正負(fù)之分。當(dāng)Vr∈[-2,-1],等級(jí)為-1；當(dāng)Vr∈[-1,1],等級(jí)為0；當(dāng)Vr∈[1,2],等級(jí)為1。設(shè)相對(duì)速度論域?yàn)閂,則V={-1,0,1}，量化因子為0.5。描述相對(duì)速度Vr的語言值的模糊子集{正，相等，負(fù)}，對(duì)應(yīng)的模糊集合為{Z,D,F}。

輸出變量跟馳GC的量化：基本論域?yàn)閧-2,2}。當(dāng)跟馳行為∈[-2,-1],等級(jí)為-1；當(dāng)跟馳行為∈[-1,1],等級(jí)為0；當(dāng)跟馳∈[1,2],等級(jí)為1。則跟馳的論域P={-1，0，1}，量化因子為0.5。描述跟馳GC的語言值的模糊子集為{減速，勻速，加速}，對(duì)應(yīng)的模糊集合為{DV,YV,AV}。

臨界間隙即為跟馳機(jī)器人行駛過程中的安全距離，SL= 1。它與車頭間距在很近時(shí)的關(guān)系有三種，即S＞SL，S=SL，S＜SL。描述這種關(guān)系R的模糊子集為{小于，等于，大于}，對(duì)應(yīng)的模糊集合為{XY,EY,DY}.

2.2 隸屬度函數(shù)

2.2.1 車頭間距的隸屬度函數(shù)

車頭間距的隸屬度函數(shù)如公式(1)：

2.2.2 相對(duì)速度的隸屬度函數(shù)

相對(duì)速度的隸屬度函數(shù)如公式(2)：

2.2.3 跟馳行為的隸屬度函數(shù)

跟馳行為的隸屬度函數(shù)如公式(3)：

2.2.4 臨界間隙的隸屬度函數(shù)

臨界間隙的隸屬度函數(shù)如公式(4)：

2.3 推理規(guī)則

推理規(guī)則的基本思想：首先考慮車頭間距大的情況，為縮小車頭間距，不論相對(duì)速度是正還是負(fù)，后車均進(jìn)行加速運(yùn)動(dòng)。

當(dāng)車頭間距為近，相對(duì)速度為負(fù)時(shí)，為跟馳前車，后車加速(AV);當(dāng)相對(duì)速度為相等和正時(shí)，為保持跟馳，后車勻速(YV)。

當(dāng)車頭間距為很小，相對(duì)速度為負(fù)和相等時(shí)，為保持車距,后車勻速運(yùn)動(dòng)。相對(duì)速度為正時(shí)，主要考慮臨界間隙。若SSL，則換道；若S＜SL，為安全駕駛，則后車減速。

推理規(guī)則表如表1所示,規(guī)則轉(zhuǎn)換圖如圖3所示。

3 去模糊化

控制量的去模糊化，一般采用最大隸屬度的方法來實(shí)現(xiàn)。它的特點(diǎn)是簡(jiǎn)單、易實(shí)現(xiàn)。這個(gè)方法是在輸出量的模糊集合中選取隸屬度最大的論域元素值作為輸出結(jié)果，如果在多個(gè)論域元素上同時(shí)具有隸屬度最大值，則選取它們的平均值作為輸出結(jié)果。將此結(jié)果乘以控制量輸出的量化因子，就能將輸出論域上的點(diǎn)轉(zhuǎn)化為輸出的物理量，進(jìn)而完成控制輸出。

4 仿真算例及仿真結(jié)果

4.1 算例參數(shù)

為了驗(yàn)證自主移動(dòng)機(jī)器人跟馳行為模糊推理機(jī)的有效性。本文在MATLAB環(huán)境下，搭建了推理機(jī)的仿真模型，如圖4所示。仿真模型的參數(shù)表如表2所示。

表1 模糊規(guī)則控制表Tab.1 Table of Fuzzy rules control

圖3 控制規(guī)則狀態(tài)轉(zhuǎn)換圖Fig.3 State transition diagram of control rules

圖4 仿真模型Fig.4 Model of simulation

表2 仿真參數(shù)表Tab.2 Table of Simulation param eter

4.2 仿真結(jié)果

模糊推理機(jī)三維曲面圖形如圖5～圖8所示。

圖5 S、Vr與GC的關(guān)系Fig.5 Relations S,Vr and the GC

圖6 S、Sl與GC的關(guān)系Fig.6 Relations S,Sl and the GC

圖7 S、Vr與HD的關(guān)系Fig.7 Relations S,Vr and the HD

通過對(duì)比圖5、圖6、圖8可知，當(dāng)車頭間距大時(shí)，不必考慮臨界間隙，此時(shí)不論相對(duì)速度為正負(fù)，后車GC均為加速。當(dāng)車頭間距為小時(shí)，若相對(duì)速度為正，后車GC為勻速；若相對(duì)速度為負(fù)時(shí)，后車GC為加速。當(dāng)車頭間距為很小時(shí)，則必須考慮臨界間隙，此時(shí)若相對(duì)速度為負(fù)，則后車GC為勻速；若相對(duì)速度為正，則后車減速。

對(duì)比圖5與圖7，車頭間距大時(shí)，不論相對(duì)速度如何，都不必?fù)Q道，后車GC加速。若車頭間距很小，此時(shí)相對(duì)速度起決定作用。若相對(duì)速度為正，后車換道；否則，不必?fù)Q道,后車GC為勻速。仿真結(jié)果均符合實(shí)際情況，由此表明，自主移動(dòng)機(jī)器人可以根據(jù)車距以及相對(duì)速度等信息進(jìn)行跟馳或者道路變更。

圖8 Sl、Vr與GC的關(guān)系Fig.8 Relations Sl,Vr and the GC

5 結(jié)論

本文以自主移動(dòng)機(jī)器人[7]的跟馳行為為研究對(duì)象，設(shè)計(jì)了基于認(rèn)知信息的三入二出的模糊推理機(jī)，推理機(jī)的輸入為車頭間距、相對(duì)速度、臨界間隙，輸出為跟馳、換道，并對(duì)其進(jìn)行MATLAB仿真分析。仿真結(jié)果表明，自主移動(dòng)機(jī)器人可以根據(jù)兩車車頭間距和相對(duì)速度及兩車的臨界間隙的變化，來決定自身的運(yùn)動(dòng)行為，或跟馳或換道，進(jìn)而實(shí)現(xiàn)安全行駛。本推理機(jī)在設(shè)計(jì)時(shí)，假設(shè)換車車道是安全的，但是在實(shí)際中，換車車道也存在車輛，所以在做模糊控制時(shí)，應(yīng)考慮前車多的情況。換道后仍進(jìn)行動(dòng)態(tài)信息判斷，從而控制自身的駕駛行為。

[1]孫棣華,李永福，田川.基于多前車位置及速度差信息的車輛跟馳模型[J].系統(tǒng)工程理論與實(shí)踐,2010,30(7)：1326-1332. SUN Di-hua,LI Yong-fu,TIAN Chuan.Car一following model based on the information of multiple ahead& velocity difference [J].Systems Engineering Theory & Practice，2010,30(7)：1326-1332.

[2]羅強(qiáng),許倫輝.基于最小安全距離的跟馳模型的建立和仿真研究[J].科學(xué)技術(shù)與工程2010,10(2):569-573. LUO Qiang,XU Lun-hui.Car-following model based on a minimum safety distance and simulation research[J].Science Technology and Engineering2010,10(2):569-573.

[3]許倫輝,羅強(qiáng),吳建偉,等.基于最小安全距離的車輛跟馳模型研究[J].公路交通科技，2010,27(10):95-100. XU Lun-hui,LUO Qiang,WU Jian-wei,et al.Study of car-following model based on minimum safety distance[J].Journal of Highway and Transportation Research and Development, 2010,27(10):95-100.

[4]張繼軍.自主式移動(dòng)機(jī)器人控制系統(tǒng)設(shè)計(jì)與模糊控制實(shí)現(xiàn)[D].青島:中國(guó)海洋大學(xué)，2004

[5]賈順平,李志鵬.車輛跟馳模擬中的駕駛行為與模糊邏輯控制[J].北方交通大學(xué)學(xué)報(bào)，2002,26(5)：62-66 JIA Shun-ping,LI Zhi-peng.Driving behavior and fuzzy logic control model in car.-following simulation [J].Journal of Northern Jiao tong University,2002,26(5):62-66.

[6]許倫輝,倪艷明,羅強(qiáng),等.基于最小安全距離的車輛換道模型研究[J].廣西師范大學(xué)學(xué)報(bào)，2011，29(4):1-6. XU Lun-hui,NI Yan-ming,LUO Qiang,et al.Study of vehicles lane-changing model based on minimum safety distance[J]. Journal of Guangxi Normal University:Natural Science Edition,2011，29(4):1-6.

[7]曾品善，妙全興，徐磊.自主移動(dòng)機(jī)器人即時(shí)定位與地圖構(gòu)建方法研究[J].電子科技,2013(9):177-178,181. ZENG Pin-shan,MIAO Quan-xing,XU Lei.Research of Autonomous mobile robot real-time localization and map building methodr[J].Electronic Science and Technology,2013 (9):177-178,181.

Study on simulation of autonomous mobile robot follow ing behavior fuzzy inference engine

LIU Feng,FANG Jian-dong
（School of Information Engineering of Inner Mongolia University of Technology，Hohhot 010080,China）

In this paper,ordered fuzzy control system of autonomous mobile robot following behavior for the study,established the membership function of headway and the relative velocity information and made the fuzzy inference rules based on MATLAB-FIS.In addition,the design created a fuzzy inference engine with 3 inputs(headway,relative velocity,critical gap)-2 outputs(following,Changing lanes)by using MATLAB,and the design was simulated.Simulation results show that the autonomous mobile robot determine their own motor behavior according to changes of headway and the relative velocity and the critical gap,and achieve safe driving.

autonomous mobile robot;following;fuzzy control;simulation

TN964.3

A

1674－6236（2015）07-0054-04

2014-07-19 稿件編號(hào)：201407151

內(nèi)蒙古自治區(qū)自然科學(xué)基金資助項(xiàng)目（2014MS0619）；內(nèi)蒙古自治區(qū)科技計(jì)劃項(xiàng)目（20120304）

劉 鳳(1990—)，女，內(nèi)蒙古鄂爾多斯人，碩士研究生。研究方向：交通信息工程及控制方向。