苗永梅，林 輝

(1.寶雞職業(yè)技術(shù)學院 電子信息工程系，陜西 寶雞 721304； 2.渭南師范學院 網(wǎng)絡(luò)中心，陜西 渭南 714000)

模糊PID控制下移動機器人定位方法研究

苗永梅1，林 輝2

(1.寶雞職業(yè)技術(shù)學院 電子信息工程系，陜西 寶雞 721304； 2.渭南師范學院 網(wǎng)絡(luò)中心，陜西 渭南 714000)

機器人定位研究一直是機器人學研究的重點，但目前機器人定位方法都存在缺點，抗干擾能力差，不能做到準確定位，主要是由于環(huán)境等多方面因素的干擾，定位誤差會逐漸加大;由于上述原因，提出了一種基于設(shè)定值加權(quán)模糊PID控制的移動機器人自定位方法;給出了定位過程的參數(shù)，為機器人移動建立模型，設(shè)計一種模糊 PID 控制器，根據(jù)誤差及變化率大小，選擇模糊定位或PID定位，實現(xiàn)移動機器人的智能定位，提高機器人定位準確的準確性;通過仿真實驗結(jié)果證明：模糊PID控制的機器人自定位方法對移動機器人的定位過程有較好的改善作用，實用效果較好。

模糊PID；移動機器人；定位

0 引言

20世紀60年代以來，隨著機器人的產(chǎn)生，把人類從惡劣、危險和繁重的工作環(huán)境中解放出來，通過減輕勞動強度，改變生產(chǎn)模式，提高生產(chǎn)率等途徑，已經(jīng)成為人類的新型生產(chǎn)工具，并相繼應(yīng)用到工業(yè)生產(chǎn)中，包括噴涂、檢測、弧焊、機械加工、點焊、裝配種類型，提高了產(chǎn)品生產(chǎn)的一致性和量，具有很大的優(yōu)勢。然而，機器人常常位于某一個固定的位置進行操作，并不能滿足人類各個方面的需求。因此，移動機器人應(yīng)運而生。

移動機器人在人們生活中受到越來越高的重視，其中智能定位研究成為研究移動機器人的重點工作。定位是確定移動機器人所處環(huán)境[1]，對機器人實現(xiàn)導航、偵測等功能具有重要的指導意義，是移動機器人智能控制的核心功能之一。傳統(tǒng)的移動機器人在定位是采取RTFL定位方法，但這種定位方式存在著定位受外界因素影響大，不易控制等問題，所以RTFL定位算法并不十分有效[2]。PID控制器在移動機器人定位控制中廣泛應(yīng)用，其優(yōu)點就是操作簡單容易學會，但它的控制精度低，受環(huán)境干擾大，很難做到準確定位。文獻[3]提出了主元法對移動機器人進行定位。這種方法就是在機器人身上安裝一個傳感器，從傳感器傳回數(shù)據(jù)中尋找主要標識，并將這些標識在環(huán)境地圖中進行定位匹配，確定這些主要標識在地圖中具體位置，傳感器位置即移動機器人位置。但由于這種方法存在數(shù)據(jù)存儲量大，且傳回數(shù)據(jù)與環(huán)境地圖的匹配工作量大等問題，難以廣泛應(yīng)用。文獻[4]提出另一種移動機器人定位方法：網(wǎng)格圖定位法。就是將移動機器人的活動區(qū)間分割成網(wǎng)格狀，并對網(wǎng)格內(nèi)的每一個單元格被障礙物占據(jù)的可能性的大小進行概率值分配。這種方法雖然在創(chuàng)建和維護方面存在優(yōu)勢，但由于它的信息存儲量會隨著環(huán)境的擴大而增大，對計算機提出較大挑戰(zhàn)，不利于計算機實時處理[5]。文獻[6]提出行位推定位算法，這是移動機器人定位的一種較經(jīng)典方法。通過基數(shù)按移動機器人距起點的距離及其所在方向進行定位，但這種定位會隨著距離的增加而加大，不適用于遠距離移動機器人定位。長時間移動時還需要通過其它的傳感器配合對相關(guān)的定位算法進行校正。

模糊控制器是采用計算機控制技術(shù)，以模糊數(shù)學、模糊語言形式的知識以及模糊邏輯推理為依據(jù)的一種自動控制器。它的控制要求是人根據(jù)經(jīng)驗制定的。能有效改進PID控制機器人定位不準確的問題，綜合上述原因，本文提出了基于模糊PID控制移動機器人定位的方法。針對機器人定位過程中定位誤差及變化率，設(shè)計一個控制器，來選擇使用模糊控制器還是PID控制器，當誤差及變化率較大及采用模糊控制器，否則就用PID控制器。仿真實驗證明，所提模糊PID控制移動機器人的定位方法能有效減小外界環(huán)境對機器人定位產(chǎn)生的影響，從而提高機器人定位的準確度。

1 模糊PID控制下移動機器人定位方法

1.1 移動機器人自定位問題的轉(zhuǎn)換

在對移動機器人進行定位的過程中，可以把定位問題轉(zhuǎn)換為隨機統(tǒng)計系統(tǒng)的狀態(tài)濾波問題或是狀態(tài)估計問題，將該隨機統(tǒng)計定位系統(tǒng)利用公式(1)和公式(2)給出的動態(tài)方程和測量方程進行描述：

X(k)=f(X(k-1),u(k))+w(k)

(1)

Z(k)=h(X(k))+v(k)

(2)

式中,X(k)代表移動機器人在k時刻的狀態(tài)向量，U(k)代表在k時刻的輸入向量，w(k)代表該隨機統(tǒng)計系統(tǒng)動態(tài)噪聲，Z(k)代表該系統(tǒng)觀測向量，v(k)代表該系統(tǒng)觀測噪聲向量，f(·)和h(·)分別代表該隨機統(tǒng)計系統(tǒng)相應(yīng)的動態(tài)方程和測量方程，結(jié)合貝葉斯推理理論[7]對移動機器人在位置空間上的概率分布過程進行描述：

p(l)←ap(s|l)p(l)

(3)

(4)

式中，l，l′代表移動機器人在單位時間內(nèi)的位置變量，a代表移動機器人在單位時間內(nèi)的運動信息，s代表移動機器人此階段的觀測信息，p(l)代表其在位置空間上的概率分布，p(s|l)為描述當前位置l和當前觀測s的評價向量，p(l|l′,a)代表幾率，是機器人在時間內(nèi)從l′移動至位置l的幾率，其中a代表移動數(shù)據(jù)。

1.2 移動機器人自定位過程的參數(shù)計算

假設(shè)，N代表移動機器人在某個時段移動過程中掃描到的標簽數(shù)量，(x1,y1)，(x2,y2)，…，(xN,yN)代表相應(yīng)的位置坐標，由于在該時段內(nèi)移動機器人得到的標簽分布不同，結(jié)合真實位置的標簽授予較大的權(quán)重。相反，則授予較小的權(quán)值，將高斯函數(shù)[8]定義為權(quán)重函數(shù)，為移動機器人在某個時段移動過程中掃描到的每個粒子授予相應(yīng)的權(quán)值，利用式(5)和(6)進行表示：

(5)

(6)

其中:xmax、ymax分別表示移動機器人掃描區(qū)域在X軸、Y軸方向上相應(yīng)的最大值，利用式(7)描述掃描到的各個標簽的歸一化權(quán)值，移動機器人在該時段相應(yīng)的位置信息利用式(8)進行表示：

(7)

(8)

式中，r代表掃描半徑，假設(shè)，移動機器人在初始位置A(x0,y0,θ0)，經(jīng)過Δt時間后，抵達B點位置，結(jié)合加權(quán)平均法可計算出移動機器人的位置坐標，依據(jù)幾何關(guān)系可知，移動機器人在整個移動過程中對應(yīng)的旋轉(zhuǎn)角度：

φk=cos-1(1-l2/2R2)

(9)

其中：

(10)

(11)

所以：

θk=θ0+φk

(12)

1.3 模糊PID控制器設(shè)計

模糊PID方法是非常常見的高精度控制方法,這種方法利用真實值r(t)與真實的輸出y(t)之間的差值:

e(t)=r(t)-y(t)

(13)

模糊PID控制移動機器人定位，就是通過線性組合將移動機器人偏差比例、積分和微分控制所構(gòu)成的控制量進行控制的一種算法[9-10]。它的控制規(guī)律用公式可表示為：

(14)

將上式轉(zhuǎn)換成函數(shù)形式為：

(15)

式中，u(t)、e(t)分別代表模糊PID控制器的輸出和輸入變量，d(t)代表偏差變量，Kp代表模糊PID控制器的比例系數(shù)，控制模糊PID控制器的偏差信號，其與變差信號成反比例關(guān)系，與輸出信號成正比例。Tl代表積分時間系數(shù)，隨著偏差的增大，控制信號會逐漸增大，當偏差消失，控制器信號也會隨之消失，用函數(shù)表示為式(16)，其目的是提高模糊PID控制系統(tǒng)受外界干擾的能力。TD則代表微分時間系數(shù)，它與偏差變化有關(guān)用函數(shù)公式表示為式(18)，用于改善模糊PID控制器的動態(tài)特性。

(16)

或轉(zhuǎn)換成：

(17)

(18)

假設(shè)，u(k)代表第k次采樣時刻的計算機輸出值，e(k)代表輸入的偏差值，Ki為積分系數(shù)，為了提高系統(tǒng)的響應(yīng)和執(zhí)行速度[10]，增加3個參數(shù)ΔKP，ΔKI,ΔKD設(shè)定PID控制參數(shù)調(diào)整量為KP=Kpo+ΔKp，Ki=Kio+ΔKi，Kd=Kdo+ΔKd，其中:

(19)

(20)

(21)

則系統(tǒng)實際控制器輸出為：

(22)

2 實驗結(jié)果與分析

2.1 定位算法

每種定位算法，用到的參數(shù)為：對于RTFL定位算法，觀測噪聲方差(1000,1000)，初始位置為(200,-200,0.1)，初始方差為(40000,40000,0.01)，動態(tài)噪聲方差(1000,1000,0.001)。對于模糊PID定位算法，初始位置為(200，-200，0.1)處隨機采樣，柵格的尺寸為30 mm×30 mm×0.026 rad，采樣寬度限定為(±300，±300，±0.05)，初始位置為(±300，±300，±0.05)內(nèi)均勻分布。隨機采樣的高斯函數(shù)的根方差σ=(200,200,0.1)，粒子數(shù)80[11-12]。

2.2 實驗分析

為了證明模糊PID對移動機器人定位的有效性，進行了一次測試實驗。通過比較規(guī)劃點坐標、計算點坐標、坐標點誤差和距離誤差，實驗將RTFL定位算法與模糊PID定位誤差進行對比[13]。首先計算出通過RTFL定位算法和模糊PID定位的方法分別定位出來的定位坐標點與實際定位坐標(規(guī)劃坐標點)之間的差距，然后再計算出兩者之間的距離差[14-16]。定位結(jié)果如表1、2所示。

表1 RTFL定位算法實驗結(jié)果

表2 模糊PID定位實驗結(jié)果

從表1可知，采用RTFL定位算法的定位誤差在0.57～1.62 m波動，平均定位誤差為1.24 m。從表2可以看出，模糊PID定位誤差 0.05～0.25 m 波動，平均定位誤差為 0.15 m。

圖1 模糊PID定位與RTFL定位的定位點比較

圖1比較直觀地表現(xiàn)出兩種定位算法之間的定位差距。模糊PID定位更接近規(guī)劃點，所以用模糊PID定位在特定位置的定位精度明顯較RTFL定位算法準確。

圖2 模糊PID定位與RTFL定位誤差直方圖

由圖2定位誤差直方圖可看出，模糊PID定位誤差比較小，整體誤差在0.3 m以下，比較平緩，在0～0.3 m波動;相反RTFL定位算法的定位誤差比較大，總體定位誤差在1.2 m以上，且波動幅度也比較大，在1.2～2.7 m 波動。

圖3 模糊PID定位與RTFL定位的規(guī)劃路徑圖

由圖3定位規(guī)劃路徑圖可看出，在相同條件下，機器人在移動過程中用模糊PID定位得到的路徑與規(guī)劃路徑更接近，相較而言，用RTFL定位算法得到的估算路徑與規(guī)劃路徑之間則存在較大差異。

在實驗中，隨機設(shè)定了60條路徑，每一條路徑的實驗結(jié)果都與上述實例結(jié)論相同，模糊PID控制定位較RTFL定位算法定位的更準確，表明模糊PID定位的方法提高了定位的準確度[17-19]。

在實驗中，分別利用表格列出RTFL定位算法與模糊PID控制定位的誤差，還通過3個圖分別說明RTFL定位算法與模糊PID控制定位之間的定位區(qū)別，都說明了模糊PID控制定位的定位誤差小于RTFL定位算法的定位誤差[20-21]。

綜上所述，RTFL定位算法的定位誤差為1.24 m,通過模糊PID的定位方法的定位誤差為0.15 m，較RTFL定位方法大大的提高了定位精確度。由此可見，模糊PID的定位精度有較大提高。

3 結(jié)束語

移動機器人定位在移動機器人研究中占據(jù)重要地位，基于當前機器人定位不準確的問題，提出一種模糊PID控制移動機器人定位的方法。模糊PID控制移動機器人定位即具有模糊控制器控制機器人定位的優(yōu)點，又具有PID控制器控制機器人的優(yōu)點，并通過仿真實驗證明，所提方法可以精確地對移動機器人進行定位，并具有良好的應(yīng)用價值。

[1] 曾志剛，楊 海，黃望軍，等.基于自適應(yīng)濾波與模糊PID的移動機器人導航研究[J].控制工程,2015,22(5):953-957.

[2] 尹夢舒，馮 常.基于WEBOTS的模糊PID控制的研究[J].電子設(shè)計工程,2016,24(13):41-44.

[3] 劉開創(chuàng)，施家棟，王建中，等.移動機器人自主返航控制系統(tǒng)設(shè)計與實驗[J].計算機測量與控制,2016,24(3):71-75.

[4] 駱云志，張春華，王 鈐.挖掘機器人電液比例位置自調(diào)整模糊PID控制技術(shù)研究[J].兵工自動化,2014,33(10):72-76.

[5] 陳珊珊.模糊PID控制在船舶動力定位系統(tǒng)中的應(yīng)用[J].艦船科學技術(shù),2015,37(3):119-121.

[6] 于 薇，董全林.灰色預測模糊PID控制在調(diào)節(jié)閥智能定位系統(tǒng)中的應(yīng)用[J].液壓與氣動,2015,10(12):39-44.

[7] 熊中剛，葉振環(huán)，賀 娟，等.基于免疫模糊PID的小型農(nóng)業(yè)機械路徑智能跟蹤控制[J].機器人,2015,37(2):212-223.

[8] 周武能，田林林.基于模糊PID算法的無線分布式溫度控制系統(tǒng)[J].控制工程,2014,21(3):309-314.

[9] 孫曉明，馬 青，曹 虎，等.自適應(yīng)模糊PID控制在PLC變頻調(diào)速同步測試中的應(yīng)用[J].實驗室研究與探索,2014,33(6):16-18.

[10] 潘 亮，周武能，張 楊.基于模糊PID主從式方法的多電機同步控制[J].微型機與應(yīng)用,2016,35(15):5-7.

[11] 李林琛，蔣小平.基于PID控制的移動機器人路徑跟蹤[J].激光雜志,2016,37(2):110-112.

[12] 白 晶，于喜紅，秦現(xiàn)生.基于PMAC的碼垛機器人模糊PID算法研究[J].機械設(shè)計與制造工程,2016,45(3):46-49.

[13] 孫然然，張寅孩.基于模糊PID控制的光伏系統(tǒng)最大功率點跟蹤[J].工業(yè)控制計算機,2014,27(5):69-71.

[14] 費紅姿，范立云，費景洲，等.基于虛擬儀器的直流電機模糊PID控制實驗研究[J].實驗技術(shù)與管理,2015,32(3):81-84.

[15] 孟令權(quán).基于模糊PID控制器的控制方法研究[J].引文版:工程技術(shù),2016，10(1):50-57.

[16] 張衛(wèi)鋼，馬紅艷，邱 瑞，等.模糊PID控制算法在窗簾控制中的應(yīng)用[J].計算機系統(tǒng)應(yīng)用,2014,23(11):155-159.

[17] 朱奇光, 肖亞昆, 陳衛(wèi)東,等. 基于螢火蟲算法改進移動機器人定位方法研究[J].儀器儀表學報,2016, 37(2):323-329.

[18] 李朕陽, 郎 朗, 陳孟元. 基于SR-CKF的移動機器人動態(tài)目標跟蹤算法[J]. 電子測量與儀器學報,2016, 30(8):1198-1205.

[19] 孫雙雙, 李 勝, 郭 毓,等. 基于梯度下降和二分法的移動機器人軌跡規(guī)劃方法[J]. 計算機測量與控制, 2016, 24(11):201-203.

[20] 周艷聰, 董永峰, 王安娜,等. 新的室內(nèi)移動機器人自定位方法[J]. 計算機應(yīng)用, 2015, 35(2):585-589.

[21] 許 坤, 鄒 杰, 陳 謀. 基于聯(lián)邦濾波的室內(nèi)移動機器人定位[J]. 電光與控制, 2016(9):77-83.

[22] 金 奇. 基于道路信息的戶外移動機器人定位技術(shù)的研究[D]. 哈爾濱:哈爾濱工業(yè)大學, 2015.

Mobile Robot Localization Based on Fuzzy PID Control

Miao Yongmei2, Lin Hui2

(1.Electronic Information Engineering Department ,Baoji Vocational Technology College, Baoji 721304,China;2.Weinan Normal University Network Center,Weinan 714000,China)

Robot localization research has always been the focus of the robotics research, but the shortcomings of the current robot localization method, poor anti-interference ability can't be accurate positioning, mainly due to environmental factors such as interference, position error will gradually increase. For these reasons, puts forward a weighted fuzzy PID control of mobile robot based on value since the positioning method. RTFL localization algorithm principle is given for the mobile robot model, a fuzzy PID controller is designed, according to the error and the rate of change size to choose the fuzzy positioning or PID positioning, for the intelligent mobile robot localization, in order to improve the robot positioning accurate. Through the simulation experiment results show that the fuzzy PID control of the robot from the localization method for mobile robot localization process has good effect, the practical effect is better.

fuzzy PID; mobile robot; location

2017-02-21；

2017-03-08。

陜西省職教學會課題“互聯(lián)網(wǎng)+”創(chuàng)新教育對策研究(SZJG-1629)。

苗永梅(1971-)，女，陜西寶雞人，碩士研究生，講師，主要從事計算機、電子類實驗教學和機器人方向的研究。

1671-4598(2017)08-0072-03

10.16526/j.cnki.11-4762/tp.2017.08.019

TP242

A