汪科

摘要：針對人工勢場法在仿生機(jī)器魚路徑規(guī)劃應(yīng)用中障礙物目標(biāo)附近不可達(dá)問題（GNRON），采用人工勢場與模糊邏輯相結(jié)合的算法，預(yù)設(shè)一個(gè)模糊控制器，在機(jī)器魚陷入陷阱區(qū)域時(shí)，切換至以之匹配的模糊控制算法，使機(jī)器魚快速擺脫陷阱區(qū)域，向目標(biāo)點(diǎn)移動。通過實(shí)驗(yàn)，實(shí)現(xiàn)了機(jī)器魚在全局環(huán)境下的避障，證明了該方法的有效性。

Abstract： Aiming at the problem of GNRON in the application of artificial potential field in robot fish path planning， a fuzzy controller is proposed by combining the artificial potential field and fuzzy logic. When the robot fish falls into the trap area， switch to the matching fuzzy control algorithm， so that the robot fish can quickly get rid of the trap area and move to the target point. Through the experiment， the obstacle avoidance of the robot fish in the global environment is realized， which proves the effectiveness of the method.

關(guān)鍵詞：人工勢場法；模糊邏輯；仿生機(jī)器魚；避障

Key words： artificial potential field method；fuzzy logic；robot fish；obstacle avoidance

中圖分類號：TP242 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2017）10-0087-02

0 引言

當(dāng)前，隨著各類機(jī)器人技術(shù)的不斷發(fā)展和廣泛應(yīng)用，機(jī)器人技術(shù)引起了越來越多的高校與研究機(jī)構(gòu)的重視。水下仿生機(jī)器魚由于兼具靈活性和使用性，引起了國內(nèi)外多數(shù)學(xué)者的重視。但是由于水下運(yùn)動環(huán)境的復(fù)雜性以及水流條件的不可預(yù)知性導(dǎo)致出現(xiàn)機(jī)器魚研究的瓶頸。

由于人工市場法具有實(shí)時(shí)性強(qiáng)、算法簡潔且便于數(shù)學(xué)描述等優(yōu)點(diǎn)，因此在陸地機(jī)器人路徑規(guī)劃中占據(jù)主導(dǎo)地位。但傳統(tǒng)的人工勢場法仍然存在有局部最小值、遇障礙物易導(dǎo)致系統(tǒng)不穩(wěn)定、動態(tài)環(huán)境下易產(chǎn)生震蕩等各類缺陷。不少學(xué)者針對人工勢場法存在的缺陷，進(jìn)行了大量的研究工作，主要從三個(gè)方面著手[1]：一是在原有勢場函數(shù)中補(bǔ)充一些其它新的影響因素，如速度、角度等[2]；二是通過構(gòu)造其它形式的場，設(shè)計(jì)新的勢場函數(shù)[3，4]；三是通過將多種智能算法與搜索算法相結(jié)合[5，6]。綜合來說，實(shí)際當(dāng)中障礙分布存在有不確定性，與其為了避免局部極小值發(fā)生做大量的計(jì)算，不如在發(fā)生局部極小值時(shí)，做出適當(dāng)處理。

本文首先以人工勢場法作為機(jī)器魚路徑規(guī)劃的基礎(chǔ)，然后根據(jù)機(jī)器魚、目標(biāo)點(diǎn)及障礙物三者之間的實(shí)時(shí)位置關(guān)系設(shè)計(jì)了一個(gè)模糊控制器，及時(shí)引導(dǎo)機(jī)器魚避開障礙物到達(dá)目標(biāo)區(qū)域。最后通過實(shí)驗(yàn)表明，仿生機(jī)器魚能夠成功避開障礙物，以迅速、快捷、平滑的路徑到達(dá)目標(biāo)區(qū)域。

1 人工勢場法的基本原理

人工勢場法的本質(zhì)思想是將現(xiàn)場環(huán)境假象成一個(gè)勢力場U，U由兩部分組成：一個(gè)是斥力場Urep，驅(qū)動機(jī)器人遠(yuǎn)離障礙物；另一個(gè)是引力場Uatt， 驅(qū)動機(jī)器人靠近目標(biāo)點(diǎn)，機(jī)器人在其中運(yùn)動受到斥力場Urep， 與引力場Uatt，的合力控制。

機(jī)器魚從起點(diǎn)開始在合力作用下沿著既定路徑朝目標(biāo)點(diǎn)進(jìn)發(fā)，此合力在全局范圍內(nèi)為機(jī)器魚導(dǎo)航。

2 人工勢場法的缺陷及改進(jìn)

傳統(tǒng)的人工勢場法雖然算法簡潔，物理意義明確，但是實(shí)際應(yīng)用的時(shí)候有其局限性。主要表現(xiàn)為當(dāng)移動機(jī)器人向目標(biāo)點(diǎn)逼近時(shí)，隨著引力減小而斥力增大，此時(shí)可能會出現(xiàn)合成勢場最小值不趨向目標(biāo)點(diǎn)或者在目標(biāo)點(diǎn)和障礙物前抖動甚至無法前行等情況。

基于模糊邏輯的路徑規(guī)劃算法的主要優(yōu)點(diǎn)在于能夠在難以建立障礙物位置信息精確數(shù)學(xué)模型來描述的情況下進(jìn)行局部路徑規(guī)劃。但如果完全采用模糊邏輯進(jìn)行路徑規(guī)劃，不僅所需計(jì)算量較大，在路徑出現(xiàn)突變時(shí)，會妨礙對智能體的控制。因此將模糊邏輯和人工勢場兩種規(guī)劃算法進(jìn)行組合，充分發(fā)揮人工勢場算法簡單、控制精確以及模糊邏輯法適應(yīng)環(huán)境能力強(qiáng)的特點(diǎn)。

3 模糊控制器的設(shè)計(jì)

將機(jī)器魚與障礙物之間的距離d及障礙物相對于機(jī)器魚與目標(biāo)方向之間的夾角θ作為模糊控制器的二維輸入。首先，將輸入變量d以VS，S，M，B，VB五種語言變量進(jìn)行模糊化，θ（φ）的語言變量定義為NVB，NRB，NB，NM，NS，NRS，NVS，Z，PVS，PRS，PS，PM，PB，PRB，PVB。以全局為坐標(biāo)，當(dāng)目標(biāo)點(diǎn)位于障礙物右 （左）側(cè)時(shí)，夾角θ為正 （負(fù)），機(jī)器魚則右 （左）轉(zhuǎn)為正（負(fù)）。輸入變量d的模糊分割圖形如圖1所示。

研究對象機(jī)器魚的運(yùn)動形式主要以直行，左轉(zhuǎn)彎和右轉(zhuǎn)彎為主。因此，定義左轉(zhuǎn)和右轉(zhuǎn)為七種模糊語言變量。同時(shí)，θ、φ選取相同的梯形隸屬函數(shù)。其隸屬度函數(shù)分布見圖2。

為了保證機(jī)器魚能夠有效避障可以設(shè)定：當(dāng)目標(biāo)點(diǎn)位于障礙物的右 （左）側(cè)時(shí)，則機(jī)器魚向右 （左）轉(zhuǎn)，轉(zhuǎn)角大小由障礙物大小及障礙物與機(jī)器魚的間距決定。若障礙物位于機(jī)器魚正前方時(shí)，默認(rèn)機(jī)器魚右轉(zhuǎn)。

根據(jù)實(shí)驗(yàn)經(jīng)驗(yàn)，歸納模糊控制規(guī)則[8]得表1。

4 實(shí)驗(yàn)及分析

在微小型機(jī)器魚實(shí)驗(yàn)臺上對所述算法進(jìn)行驗(yàn)證，假想將機(jī)器魚理想化為一條直線，忽略在實(shí)際避障過程中的一些誤差，總體效果令人滿意，能順利避開障礙物，到達(dá)指定位置。

如圖3（a），（b）所示，實(shí)驗(yàn)環(huán)境為一水池長2000mm， 寬1200mm。圖中黑色球型為目標(biāo)點(diǎn)區(qū)域，灰色圓柱為障礙物。通過兩次實(shí)驗(yàn)取得了相同的結(jié)果。序列圖（a）中從上至下，機(jī)器魚所受合力指引它越過中間障礙物的上方，最終到達(dá)目標(biāo)區(qū)域。序列圖（b）中，機(jī)器魚從中間障礙物的下方繞過障礙物到達(dá)目標(biāo)區(qū)域。實(shí)驗(yàn)結(jié)果表明，基于混合算法的仿生機(jī)器魚控制效果良好，機(jī)器魚能夠以最佳途徑到達(dá)目標(biāo)區(qū)域。

5 結(jié)束語

本設(shè)計(jì)首先采用傳統(tǒng)人工勢場法，對一類仿生機(jī)器魚的行進(jìn)路徑進(jìn)行初步規(guī)劃，針對人工勢場法的局限性，即障礙物目標(biāo)附近不可達(dá)問題（GNRON），設(shè)計(jì)了二維模糊控制器，在機(jī)器魚陷入陷阱區(qū)域時(shí)，使用模糊控制算法為機(jī)器魚導(dǎo)航。最后設(shè)置一個(gè)避障實(shí)驗(yàn)，驗(yàn)證了該算法的有效性，且路徑平滑。

參考文獻(xiàn)：

[1]張捍東，王麗華，岑豫皖.基于勢場的移動機(jī)器人自主導(dǎo)航研究綜述[J].自動化與儀表，2007（4）：8-12.

[2]覃柯，孫茂相，孫昌志.動態(tài)環(huán)境下基于改進(jìn)人工勢場法的機(jī)器人運(yùn)動規(guī)劃[J].沈陽工業(yè)大學(xué)學(xué)報(bào)，2004，26（5）：568-571.

[3]Ge S S， Cui Y J. New potential functions for mobile robot path planning[J]. IEEE Transactions on Robotics and Automation， 2010， 16（5）： 615-620.

[4]Prahlad Vadakkepat， Kay Chen Tan， Wang Ming-Liang. Evolutionary artificial potential fields and their application in real time robot path[C]//Proceedings of the 2000 Congress on Evolutionary Computation. 2010： 256-263.

[5]A.K. Kulatunga， D.K. Liu， G. Dissanayake， and S.B. Siyambalapitiya. Ant colony optimization based simultaneous task allocation and path planning of autonomous vehicles[C]. IEEE Conference on Cybernetics and Intelligent System， volume 1， pages 1-6， 2015.

[6]Jean Bosco，Xinhan and Min.Fuzzy motion planning among dynamic obstacles using artificial potential fields for robot manipulators[J]. Robotics and Autonomous Systems.July 2013， （32）： 6l-72.

[7]Khatib O. Real-time obstacle avoidance for manipulators and mobile roboots[J]. The International Journal of Robotics Research，2014， 5（1）： 90-98.