汪科

摘要：針對(duì)人工勢(shì)場(chǎng)法在仿生機(jī)器魚(yú)路徑規(guī)劃應(yīng)用中障礙物目標(biāo)附近不可達(dá)問(wèn)題（GNRON），采用人工勢(shì)場(chǎng)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(yú)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(yú)快速擺脫陷阱區(qū)域，向目標(biāo)點(diǎn)移動(dòng)。通過(guò)實(shí)驗(yàn)，實(shí)現(xiàn)了機(jī)器魚(yú)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(shì)場(chǎng)法；模糊邏輯；仿生機(jī)器魚(yú)；避障

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

中圖分類(lèi)號(hào)：TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2017）10-0087-02

0 引言

當(dāng)前，隨著各類(lèi)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(lái)越多的高校與研究機(jī)構(gòu)的重視。水下仿生機(jī)器魚(yú)由于兼具靈活性和使用性，引起了國(guó)內(nèi)外多數(shù)學(xué)者的重視。但是由于水下運(yùn)動(dòng)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(yú)研究的瓶頸。

由于人工市場(chǎng)法具有實(shí)時(shí)性強(qiáng)、算法簡(jiǎn)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(shì)場(chǎng)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(dòng)態(tài)環(huán)境下易產(chǎn)生震蕩等各類(lèi)缺陷。不少學(xué)者針對(duì)人工勢(shì)場(chǎng)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(shì)場(chǎng)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(guò)構(gòu)造其它形式的場(chǎng)，設(shè)計(jì)新的勢(shì)場(chǎng)函數(shù)[3，4]；三是通過(guò)將多種智能算法與搜索算法相結(jié)合[5，6]。綜合來(lái)說(shuō)，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(shì)場(chǎng)法作為機(jī)器魚(yú)路徑規(guī)劃的基礎(chǔ)，然后根據(jù)機(jī)器魚(yú)、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(yú)避開(kāi)障礙物到達(dá)目標(biāo)區(qū)域。最后通過(guò)實(shí)驗(yàn)表明，仿生機(jī)器魚(yú)能夠成功避開(kāi)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(shì)場(chǎng)法的基本原理

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

機(jī)器魚(yú)從起點(diǎn)開(kāi)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(yú)導(dǎo)航。

2 人工勢(shì)場(chǎng)法的缺陷及改進(jìn)

傳統(tǒng)的人工勢(shì)場(chǎng)法雖然算法簡(jiǎn)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(dòng)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(huì)出現(xiàn)合成勢(shì)場(chǎng)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(dòng)甚至無(wú)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(lái)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(huì)妨礙對(duì)智能體的控制。因此將模糊邏輯和人工勢(shì)場(chǎng)兩種規(guī)劃算法進(jìn)行組合，充分發(fā)揮人工勢(shì)場(chǎng)算法簡(jiǎn)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(yú)與障礙物之間的距離d及障礙物相對(duì)于機(jī)器魚(yú)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(yǔ)言變量進(jìn)行模糊化，θ（φ）的語(yǔ)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(yú)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(duì)象機(jī)器魚(yú)的運(yùn)動(dòng)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(yǔ)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(jiàn)圖2。

為了保證機(jī)器魚(yú)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(yú)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(yú)的間距決定。若障礙物位于機(jī)器魚(yú)正前方時(shí)，默認(rèn)機(jī)器魚(yú)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(yú)實(shí)驗(yàn)臺(tái)上對(duì)所述算法進(jìn)行驗(yàn)證，假想將機(jī)器魚(yú)理想化為一條直線，忽略在實(shí)際避障過(guò)程中的一些誤差，總體效果令人滿意，能順利避開(kāi)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(zhǎng)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(guò)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(yú)所受合力指引它越過(guò)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(yú)從中間障礙物的下方繞過(guò)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(yú)控制效果良好，機(jī)器魚(yú)能夠以最佳途徑到達(dá)目標(biāo)區(qū)域。

5 結(jié)束語(yǔ)

本設(shè)計(jì)首先采用傳統(tǒng)人工勢(shì)場(chǎng)法，對(duì)一類(lèi)仿生機(jī)器魚(yú)的行進(jìn)路徑進(jìn)行初步規(guī)劃，針對(duì)人工勢(shì)場(chǎng)法的局限性，即障礙物目標(biāo)附近不可達(dá)問(wèn)題（GNRON），設(shè)計(jì)了二維模糊控制器，在機(jī)器魚(yú)陷入陷阱區(qū)域時(shí)，使用模糊控制算法為機(jī)器魚(yú)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(shì)場(chǎng)的移動(dòng)機(jī)器人自主導(dǎo)航研究綜述[J].自動(dòng)化與儀表，2007（4）：8-12.

[2]覃柯，孫茂相，孫昌志.動(dòng)態(tài)環(huán)境下基于改進(jìn)人工勢(shì)場(chǎng)法的機(jī)器人運(yùn)動(dòng)規(guī)劃[J].沈陽(yáng)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.