李全生

摘要：本文針對自控小車的避障問題，提出了一種基于多傳感器協(xié)同的自控小車避障系統(tǒng)。首先通過超聲波傳感器以及紅外線傳感器對小車與障礙物的距離及方向進行信息的采集，其次通過T-S模糊神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行融合處理，并得出避障路徑，然后采用MATLAB仿真軟件進行實驗仿真，最后通過實驗結(jié)果表明，系統(tǒng)在解決自控小車避障問題時具有有效性和可行性。

關(guān)鍵詞：避障? 傳感器? 模糊神經(jīng)網(wǎng)絡(luò)

1 引言

隨著機器人技術(shù)的發(fā)展，自控小車的應(yīng)用越來越廣泛，一些比較危險并且不適合人類直接接觸的場合都需要自控小車來完成。

近年來，傳感器技術(shù)日益成熟，很多高端電子產(chǎn)品的核心技術(shù)都是傳感器技術(shù)，隨著傳感器種類的增多，一個系統(tǒng)中往往配置了多種并多個傳感器進行數(shù)據(jù)的采集，但是由于傳感器的種類不同，所采集的數(shù)據(jù)也不是一個層次的，所以這些數(shù)據(jù)很難進行處理，因此想要使得多種傳感器能夠協(xié)同進行作業(yè)，必需要對這些數(shù)據(jù)進行信息融合，自控小車的傳感器種類就不只一種，所以想要解決自控小車的多傳感器協(xié)同作業(yè)，就必須實現(xiàn)自控小車傳感器數(shù)據(jù)的信息融合。

本文針對當(dāng)前自控小車的避障系統(tǒng)的研究，提出了一種基于多傳感器協(xié)同的自控小車避障系統(tǒng)。首先通過超聲波傳感器以及紅外線傳感器對小車與障礙物的距離及方向進行信息的采集，其次對多傳感器信息的融合結(jié)構(gòu)進行了設(shè)計，并通過T-S模糊神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行融合處理，對輸入量進行控制處理，得出相應(yīng)的自控小車避障路徑。

2 自控小車壁障系統(tǒng)

2.1硬件組成

本文所設(shè)計自控小車避障系統(tǒng)的硬件部分主要由控制器、傳感器以及馬達等組成，在控制器的選擇上，使用的是單片機，馬達使用的是小車自帶的馬達，驅(qū)動芯片從而完成小車的運轉(zhuǎn)。

系統(tǒng)中通過使用超聲波傳感器來但對外界的信息進行采集，并采用紅外傳感器進行輔助工作，選擇了超聲波傳感器以及紅外線傳感器，兩種傳感器一起工作，可以有效的進行優(yōu)勢互補。傳感器的分布方式如下：一共采用了三組超聲波傳感器以及三組紅外測距傳感器，它們之間通過總線進行連接，自控小車的正前方以及左邊右邊分別配置了兩個傳感器，六個傳感器就能將障礙物的范圍進行覆蓋。

2.2基于多傳感器的數(shù)據(jù)融合

所謂的多個傳感器協(xié)同作業(yè)，就是將多個傳感器接收到的數(shù)據(jù)進行數(shù)據(jù)融合處理，由于這些傳感器接收的數(shù)據(jù)類別是不一樣的，因此這些數(shù)據(jù)的特征也是不一樣的，這就意味著需要處理多個層次的數(shù)據(jù)，所以多個傳感器的數(shù)據(jù)融合的核心任務(wù)就是將這些數(shù)據(jù)進行一定的評定，而這一過程要有特定的數(shù)據(jù)融合結(jié)構(gòu)。

數(shù)據(jù)融合技術(shù)主要的信息數(shù)據(jù)融合結(jié)構(gòu)有以下幾種：

A.無反饋分布式融合。B.反饋分布式融合。C.集中式融合。

D.反饋并行融合。這種融合結(jié)構(gòu)是基于上面三種融合結(jié)構(gòu)的優(yōu)點得來的，所以不論是局部還是整體，處理的精度都是非常高，缺點就是對于硬件的要求非常高，本文就采用了這種數(shù)據(jù)融合結(jié)構(gòu)。

3 基于T -S 模型的模糊神經(jīng)網(wǎng)絡(luò)算法

3.1避障控制系統(tǒng)結(jié)構(gòu)

想要通過傳感器對外界的信息進行精準(zhǔn)的判斷，要建立一定的信息融合結(jié)構(gòu)。本文結(jié)合模糊控制算法以及神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，采用的是T-S模糊神經(jīng)網(wǎng)絡(luò)方法，首先要確定的是輸入量，就是通過傳感器獲得的外界障礙物的距離方向數(shù)據(jù)，然后通過模糊邏輯對這些數(shù)據(jù)進行一定的模糊化，再通過神經(jīng)網(wǎng)絡(luò)對模糊邏輯進行決策，然后輸出自控小車的行駛信息。

3.2模糊神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計

本文所設(shè)計的系統(tǒng)對數(shù)據(jù)的精度要求并不是很高，非線性隸屬度函數(shù)能夠讓輸入與輸出的曲面映射更平滑，可以使輸出更精準(zhǔn)，因此，本文控制器采用非線性隸屬度函數(shù)作為隸屬度函數(shù)，選擇了隸屬度函數(shù)。

自控小車的避障動作變化依靠的對前左右障礙物的距離以及實時速度信息的采集，通過控制器的處理，輸出相應(yīng)的轉(zhuǎn)向角和加速度來完成自控小車的避障操作的。

4 自控小車避障系統(tǒng)的軟件設(shè)計

通過以上關(guān)于自控小車避障系統(tǒng)的研究，程序的主流程圖， 如下圖所示。

系統(tǒng)的軟件設(shè)計過程中，通過軟件來完成數(shù)據(jù)的濾波以及非線性補償，這樣能夠使測量的數(shù)據(jù)的精度更高。軟件實現(xiàn)的第一步是系統(tǒng)的初始化，之后是傳感器的初始化，初始化完成之后，按照設(shè)定的速度讓小車行駛，并開始采集數(shù)據(jù)，數(shù)據(jù)進行系統(tǒng)之后，便開始對這些采集到的數(shù)據(jù)進行信息融合，再通過避障算法進行避障操作，如果小車完成避障過程，那么程序結(jié)束，如果沒有完成，那么系統(tǒng)就會進入到第三步進行循環(huán)。

5 Matlab仿真實驗

在進行自控小車避障系統(tǒng)的仿真實驗過程中，超聲波傳感器以及紅外線傳感器對障礙物的數(shù)據(jù)進行采集，然后將數(shù)據(jù)傳輸?shù)椒抡嫫脚_中，平臺對數(shù)據(jù)進行處理后，再采用避障算法進行處理得到相應(yīng)的避障路徑，再將路徑發(fā)送給自控小車，實現(xiàn)小車的避障行駛。

下面開始進行仿真實驗，以驗證本文算法的有效性。本文采用的是MATLAB仿真軟件進行仿真實驗。

數(shù)據(jù)再通過模糊邏輯控制實現(xiàn)了信息融合之后，會通過模糊神經(jīng)網(wǎng)絡(luò)進行決策控制，自控小車在使用本文方法在不同路徑條件下行駛100次，得出結(jié)果如下：

能夠看的出來，基于模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法的自控小車避障成功率很高?？梢詽M足系統(tǒng)的需求。

6 總結(jié)

本文設(shè)計基于多傳感器協(xié)同的自控小車避障系統(tǒng)，首先系統(tǒng)的整體結(jié)構(gòu)進行了介紹，并詳細講解了硬件系統(tǒng)中超聲波傳感器以及紅外線傳感器，其次對多傳感器信息的融合結(jié)構(gòu)進行了設(shè)計，采用了T-S模糊神經(jīng)網(wǎng)絡(luò)對傳感器采集到的信息進行融合處理并實現(xiàn)對自控小車的避障控制，最后通過仿真實驗對系統(tǒng)的性能進行驗證，結(jié)果證明基于T-S模糊神經(jīng)網(wǎng)絡(luò)信息融合在自控小車避障系統(tǒng)中具有有效性和可行性，這個算法能夠適用于已知條件下，靜態(tài)障礙的避障問題。

參考文獻

[1]王耀南.多傳感器信息融合及其應(yīng)用綜述[J].控制與決策.2001，16（5）：518-522

[2]張橋.基于模糊神經(jīng)網(wǎng)絡(luò)的智能車輛避障方法研究[J].農(nóng)業(yè)裝備與車輛工程，2015，53（4）：33-35.

[3]馮劉中.基于多傳感器信息融合的移動機器人導(dǎo)航定位技術(shù)研究[D].成都：西南交通大學(xué)，2013.

[4]袁新娜，余紅英超聲波傳感器在智能小車避障系統(tǒng)中的應(yīng)用[J].綿陽師范學(xué)院學(xué)報.2009， 8（28）：39-42.

[5]劉春化，程化強等.基于改進勢場法的移動機器人避障路徑規(guī)劃化[J]東南大學(xué)學(xué)報，2009，39（1）：16-20.