莊 園, 滕 昊, 徐天奇*, 李 琰

(1.云南民族大學(xué)電氣信息工程學(xué)院，昆明 650540; 2.北京航空航天大學(xué)自動(dòng)化科學(xué)與電氣工程學(xué)院，北京 100191)

爬壁機(jī)器人是集吸附、運(yùn)動(dòng)于一體，既可以在特定墻面上攀爬、移動(dòng),又可以完成特定作業(yè)任務(wù)的自動(dòng)化機(jī)器人[1-2]，現(xiàn)已越來越多地應(yīng)用到大型儲(chǔ)油罐表面工程上[3]，但由于罐體表面安置攝像頭以及一些不確定障礙物，對(duì)爬壁機(jī)器人作業(yè)存在阻礙作用，這要求爬壁機(jī)器人能夠及時(shí)躲避這些障礙物并繼續(xù)工作[4-6]。

爬壁機(jī)器人作業(yè)時(shí)的避障控制屬于局部避障控制，現(xiàn)有應(yīng)用于運(yùn)動(dòng)體局部避障的方法主要有：文獻(xiàn)[7]應(yīng)用改進(jìn)可視圖法，通過傳感器建立障礙物與運(yùn)動(dòng)體之間的連線，同時(shí)建立目標(biāo)點(diǎn)與障礙物之間的連線，將建立的各個(gè)連線組建為可視數(shù)學(xué)模型，然后指揮運(yùn)動(dòng)體避開障礙物最后達(dá)到目標(biāo)點(diǎn)；文獻(xiàn)[8]改進(jìn)了人工勢(shì)場(chǎng)法，建立目標(biāo)點(diǎn)與運(yùn)動(dòng)體之間的引力，障礙物與運(yùn)動(dòng)體之間的斥力，通過引力與斥力的不斷作用使得運(yùn)動(dòng)體能夠靈活地避開障礙物，向目標(biāo)點(diǎn)移動(dòng)；文獻(xiàn)[9-10]應(yīng)用VFH(vector field histogram)法解決復(fù)雜模型的問題，利用高精度的傳感器對(duì)作業(yè)面建模二值柵格單元，經(jīng)過不斷地探測(cè)，對(duì)每一個(gè)柵格內(nèi)的值進(jìn)行累積，控制運(yùn)動(dòng)體按照無障礙物的柵格行走；文獻(xiàn)[11-12]提出模糊控制避障，將運(yùn)動(dòng)體與障礙物之間的距離作為模糊控制器的輸入，由其內(nèi)部演算輸出速度與角速度，從而避開障礙物行走。

以上算法在運(yùn)動(dòng)體局部避障領(lǐng)域都取得了較好的成果，但由于爬壁機(jī)器人運(yùn)動(dòng)受到垂直重力、壁面吸附力以及壁面支撐力的作用，為減小復(fù)雜控制模型的影響，模糊控制因?yàn)椴挥每紤]被控對(duì)象內(nèi)部模型，在爬壁機(jī)器人避障控制中具有較好的實(shí)用性，但是在一般模糊避障控制中，僅僅將障礙物與運(yùn)動(dòng)體的距離量作為輸入，將影響運(yùn)動(dòng)體到達(dá)目標(biāo)的效率，所以需要對(duì)模糊算法中輸入量的選取進(jìn)行改進(jìn)。同時(shí)考慮到爬壁機(jī)器人的作業(yè)環(huán)境及要求，受環(huán)境影響，爬壁機(jī)器人探測(cè)如果出現(xiàn)問題，則不能繼續(xù)進(jìn)行工作，所以在模糊控制避障的基礎(chǔ)上進(jìn)行增加控制策略，以提高避障的可靠性。綜上分析，本文以模糊控制為基礎(chǔ)進(jìn)行避障控制系統(tǒng)的設(shè)計(jì)。

1 爬壁機(jī)器人避障控制系統(tǒng)設(shè)計(jì)

在爬壁機(jī)器人的避障行為中，傳感器相當(dāng)于爬壁機(jī)器人的“眼睛”，選取精度可達(dá)3 mm的HC-SR04高精度傳感器以保證探測(cè)的精度，并且探測(cè)距離可以達(dá)到0～4 m[13]，在罐體作業(yè)這種環(huán)境下游刃有余；傳感器需要將探測(cè)信息傳遞給控制器處理，同時(shí)考慮到改進(jìn)模糊算法的復(fù)雜度，選取STM32F103C8T6作為主控器，其內(nèi)部集成ADC，且具備較高的性能與抗干擾能力?；诖?，設(shè)計(jì)爬壁機(jī)器人避障控制系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1中，由安裝于爬壁機(jī)器人本體上的超聲波傳感器HC-SR04探測(cè)到障礙物體的信號(hào)，經(jīng)過主控制STM32F103C8T6上的AD口送入避障模糊控制器，經(jīng)過避障模糊控制器的內(nèi)部作用輸出控制參數(shù)經(jīng)過DA口轉(zhuǎn)換，再通過主控器送入爬壁機(jī)器人的本體驅(qū)動(dòng)單元，驅(qū)動(dòng)爬壁機(jī)器人進(jìn)行避障動(dòng)作。另外在電機(jī)部分增加反饋，提高避障的實(shí)時(shí)性。

圖1 避障控制系統(tǒng)結(jié)構(gòu)圖Fig.1 Structural diagram of obstacle avoidance control system

其中，AD轉(zhuǎn)換和DA轉(zhuǎn)換接口都集成在主控器STM32F103C8T6中，HC-SR04傳感器為集成模塊，所以根據(jù)所設(shè)計(jì)爬壁機(jī)器人避障控制系統(tǒng)結(jié)構(gòu)中，最重要且需要填補(bǔ)的是避障模糊控制器部分，模糊控制器一般結(jié)構(gòu)如圖2所示。

圖2 模糊控制器組成結(jié)構(gòu)Fig.2 Composition of fuzzy controller

根據(jù)模糊控制器的組成結(jié)構(gòu)，避障模糊控制器需要由以下部分組成[14-15]。

(1)確定避障模糊控制器的輸入、輸出變量。

(2)設(shè)計(jì)各個(gè)輸入變量的基本論域，將各個(gè)變量連續(xù)論域量化為離散的模糊論域，設(shè)計(jì)量化因子完成模糊化的過程。

(3)對(duì)輸入變量以及輸出變量中模糊論域的變量進(jìn)行取值，即確定模糊變量的隸屬度函數(shù)，組成推理機(jī)中的數(shù)據(jù)庫(kù)

(4)設(shè)計(jì)模糊推理的規(guī)則建立模糊規(guī)則表，模糊規(guī)則表是整個(gè)避障模糊控制器的核心，模糊規(guī)則設(shè)計(jì)的好壞，決定了避障性能的優(yōu)劣，

(5)反模糊化，根據(jù)模糊規(guī)則推理出的結(jié)果進(jìn)行解模糊化，輸出設(shè)計(jì)的輸出變量以控制爬壁機(jī)器人進(jìn)行下一步動(dòng)作。

基于此，下面對(duì)模糊控制器進(jìn)行設(shè)計(jì)并改進(jìn)。

2 避障模糊控制器設(shè)計(jì)

根據(jù)模糊控制器的結(jié)構(gòu)，首先確定避障模糊控制器的輸入變量與輸出變量。

2.1 輸入輸出量選取

考慮到模糊避障控制器需要根據(jù)障礙物與爬壁機(jī)器人之間的距離來做出下一步判斷，而距離量則是根據(jù)HC-SR04的探測(cè)獲得，為準(zhǔn)確反映爬壁機(jī)器人與障礙物的距離量，設(shè)置HC-SR04傳感器在爬壁機(jī)器人的位置如圖3所示。

圖3 超聲波傳感器安裝位置圖Fig.3 Position diagram of ultrasonic sensor

圖3中，將HC-SR04安裝在爬壁機(jī)器人1～12位置，測(cè)取爬壁機(jī)器人與障礙物距離，記超聲波傳感器與障礙物的距離為di(i=1,2,…,12)。由于超聲波具有反射作用，超聲波反射時(shí)與發(fā)射方向存在偏角會(huì)產(chǎn)生誤差，所以，計(jì)算爬壁機(jī)器人前進(jìn)方向一邊的三個(gè)超聲波傳感器取平均值記為df、計(jì)算前進(jìn)邊的左側(cè)三個(gè)傳感器取平均值記為dl、計(jì)算前進(jìn)邊的右側(cè)三個(gè)傳感器取平均值記為dr。若設(shè)編號(hào)為1、2、3的HC-SR04為爬壁機(jī)器人的前進(jìn)方向，則有：

(1)

(2)

(3)

舍棄編號(hào)為7、8、9傳感器的測(cè)量值。根據(jù)式(1)～式(3)可得爬壁機(jī)器人前方與障礙物的距離，左側(cè)與障礙物的距離、右側(cè)與障礙物的距離，為爬壁機(jī)器人躲避障礙物，以及轉(zhuǎn)向問題做好了信息提取。

但是，距離變量只是能夠識(shí)別障礙物，在避障行為中，當(dāng)爬壁機(jī)器人已知障礙物距離，需要轉(zhuǎn)向避開繼續(xù)向目標(biāo)點(diǎn)行進(jìn)，而轉(zhuǎn)向移動(dòng)受目標(biāo)點(diǎn)影響，在局部避障問題中，目標(biāo)點(diǎn)的約束不允許爬壁機(jī)器人朝背離目標(biāo)點(diǎn)行走。目標(biāo)點(diǎn)與爬壁機(jī)器人之間的聯(lián)系由距離與角度2個(gè)參數(shù)決定，其中，距離參數(shù)類似于障礙物與爬壁機(jī)器人之間的影響，在距離不大時(shí)有明顯作用，而角度信息則會(huì)一直影響爬壁機(jī)器人的轉(zhuǎn)向策略。所以，將目標(biāo)點(diǎn)與爬壁機(jī)器人的角度信息增加到避障模糊控制器的輸入變量，使得對(duì)爬壁機(jī)器人避障轉(zhuǎn)向的問題約束力更強(qiáng)，如圖4所示。

圖4 爬壁機(jī)器人與目標(biāo)點(diǎn)坐標(biāo)示意圖Fig.4 Diagram of coordinates between wall climbing robot and target point

目標(biāo)點(diǎn)與爬壁機(jī)器人的航向之間的角度，記為參數(shù)α，定義目標(biāo)點(diǎn)位于爬壁機(jī)器人前進(jìn)方向的右側(cè)則α為正值，目標(biāo)點(diǎn)位于爬壁機(jī)器人的左側(cè)則α為負(fù)值，根據(jù)現(xiàn)場(chǎng)爬壁機(jī)器人朝向目標(biāo)點(diǎn)行走約束，不允許爬壁機(jī)器人背離目標(biāo)點(diǎn)行走，所以α的取值范圍為(-π, π]。

綜上取避障模糊控制器的輸入為df、dl、dr以及α。

爬壁機(jī)器人在避障的行為中，最根本的是行走加轉(zhuǎn)向，使得爬壁機(jī)器人能夠避開障礙物向目標(biāo)點(diǎn)行走，所以選擇爬壁機(jī)器人的速度v、角速度ω作為避障模糊控制器的輸出。確定了輸入輸出參數(shù)，下面需對(duì)各個(gè)參數(shù)的基本論域與模糊論域進(jìn)行設(shè)計(jì)，為模糊規(guī)則的建立奠定基礎(chǔ)。

2.2 論域、隸屬度、量化因子及比例因子的確定

2.2.1 輸入變量df、dl、dr

根據(jù)HC-SR04的探測(cè)范圍為[0,4]，取df、dl、dr三個(gè)輸入變量的基本論域均為[0,4]，將基本論域量化為3個(gè)數(shù)量等級(jí)，取模糊論域取為{0,1,2}。于是得到輸入變量df、dl、dr的量化因子Kd為

(4)

對(duì)于距離變量基本論域中的任意元素乘以量化因子即可得到相應(yīng)的模糊論域中的元素，即對(duì)任意的di∈[0,4](i=f,l,r)，通過式(5)模糊化得到相應(yīng)模糊論域元素。

D=?Kddi+0.5」=?0.5di+0.5」

(5)

式(5)中：? 」為向下取正算子；D為di對(duì)應(yīng)的模糊論域元素。

在確定了變量論域之后需要建立模糊論域的隸屬度函數(shù)來得到模糊論域元素的函數(shù)值。由于爬壁機(jī)器人與障礙物的距離的程度只能用遠(yuǎn)近來形容，因?yàn)榕辣跈C(jī)器人作業(yè)過程中，遇到障礙物就需要及時(shí)避開，防止躲避不及時(shí)造成損失較大，同時(shí)為簡(jiǎn)化模糊規(guī)則的設(shè)計(jì)，取df、dl、dr的模糊子集均為{S, B}，S、B分別表示爬壁機(jī)器人距離障礙物的距離較小，距離較大，其隸屬度函數(shù)采用等腰三角形函數(shù)來確定，如圖5所示。

圖5 df、dl、dr隸屬度函數(shù)Fig.5 Membership function of df，dl，dr

2.2.2 輸入變量α

目標(biāo)點(diǎn)與爬壁機(jī)器人行走方向之間的角度輸入變量的取值范圍為(-π/2, π/2]，所以取α的基本論域?yàn)?-π/2, π/2]；將α的連續(xù)基本論域量化為5個(gè)等級(jí)，相應(yīng)地取模糊論域?yàn)閧-2,-1,0,1,2},于是得到角的量化因子Kα為

(6)

于是對(duì)應(yīng)α中模糊論域的元素A為

A=?Kαα+0.5」=?1.27d+0.5」

(7)

對(duì)應(yīng)于模糊論域，設(shè)計(jì)模糊子集為{NB,NS,ZO,PS,PB}，分別表示α為負(fù)大、負(fù)小、0、正小、正大，其隸屬度函數(shù)用等腰三角形來確定，如圖6所示。

圖6 α隸屬度函數(shù)Fig.6 Membership function of α

2.2.3 輸出變量v

現(xiàn)場(chǎng)作業(yè)中，由于爬壁機(jī)器人自身的重力較大，其速度不會(huì)太大，正常作業(yè)行走速度大約在0.5 m/s以內(nèi)，所以設(shè)輸出變量v的基本論域?yàn)閇0,0.5]，將v的連續(xù)基本論域量化為4個(gè)等級(jí)，取其模糊集合為{0,1,2,3}。所以v的比例因子Kv為

(8)

速度描述劃分為模糊論域{Z,S,M,B}，分別表示速度為0、速度較小、速度適中以及速度較大，其隸屬度函數(shù)采用等腰三角函數(shù)確定，如圖7所示。

圖7 v隸屬度函數(shù)Fig.7 Membership function of v

2.2.4 輸出變量ω

為防止轉(zhuǎn)向太快，出現(xiàn)意外的情況，不易控制，爬壁機(jī)器人在罐體表面作業(yè)時(shí)的角速度一般也控制在1 rad/s以內(nèi)，所以取ω的基本論域?yàn)閇-1,1]，與輸入變量α類似，由于ω的轉(zhuǎn)向存在正負(fù)值和其值的大小程度，取{-2,-1,0,1,2}，可得輸出變量的比例因子Kω為

(9)

令ω模糊集合為{NB,NS,ZO,PS,PB}，分別表示爬壁機(jī)器人向左以大弧度行走，向左以小弧度行走，直行不轉(zhuǎn)向，向右以小弧度行走，向右以大弧度行走，其隸屬度函數(shù)采用等腰三角形函數(shù)來確定，如圖8所示。

圖8 ω隸屬度函數(shù)Fig.8 Membership function of ω

綜上，確定輸入變量與輸出變量的基本論域、模糊論域、量化因子、比例因子、模糊子集以及各自的隸屬度函數(shù)，基于此，下面設(shè)計(jì)模糊控制規(guī)則。

2.3 避障模糊規(guī)則設(shè)計(jì)及模糊推理

模糊控制規(guī)則是爬壁機(jī)器人避障性能的根本，將爬壁機(jī)器人避障“思路”類比于人類駕駛汽車時(shí)遇到前方障礙物躲避的思路建立模糊規(guī)則。

假設(shè)三個(gè)傳感器探測(cè)到的障礙物距離均為較遠(yuǎn)，且目標(biāo)點(diǎn)與爬壁機(jī)器人行走之間的正向夾角較大，為保證安全使爬壁機(jī)器人以中速，較大角速度行走，即：Ifdf=B，dl=B，dr=B andα=PB，thanv=M，ω=PB。

假設(shè)三個(gè)傳感器角度均較遠(yuǎn)，且目標(biāo)點(diǎn)與爬壁機(jī)器人行走之間的正向夾角較小，則可以使得爬壁機(jī)器人以高速，向右以較小角速度行走，即：Ifdf=B，dl=B，dr=B andα=PS，thanv=B，ω=PS。

同理可得：

Ifdf=B，dl=B，dr=B andα=ZO，thanv=B，ω=ZO；

Ifdf=B，dl=B，dr=B andα=NS，thanv=B，ω=NS；

Ifdf=B，dl=B，dr=B andα=NB，thanv=B，ω=NB；

Ifdf=B，dl=B，dr=S andα=PB，thanv=M，ω=PB；

Ifdf=B，dl=B，dr=S andα=PS，thanv=M，ω=PS；

Ifdf=B，dl=B，dr=S andα=ZO，thanv=B，ω=ZO；

Ifdf=B，dl=B，dr=S andα=NS，thanv=M，ω=ZO；

Ifdf=B，dl=B，dr=S andα=NB，thanv=M，ω=ZO；

…

由以上思路共可建立2×2×2×5=40條模糊規(guī)則，將其整理為避障模糊規(guī)則表，如表1所示。

表1 避障模糊規(guī)則

上述避障模糊規(guī)則均可用語句：Ifdr=A，df=B，dl=C andα=D thanv=E，ω=F來描述。其中，A為dr模糊論域上的元素；B為df模糊論域上的元素；C為dl模糊論域上的元素；D為α模糊論域上的元素；E為v模糊論域上的元素；E為ω模糊論域上的元素。根據(jù)Mamdani推理法[16]，由表2可生成40個(gè)控制規(guī)則Rv和Rω，其公式表示為

(10)

式(10)中，×為叉乘運(yùn)算算子；°為合成運(yùn)算算子；i為第i條控制規(guī)則。

所以，總的模糊規(guī)則為

(11)

對(duì)于任意條件dr、df、dl以及α對(duì)應(yīng)模糊論域元素A′、B′、C′以及D′，可以得到v、ω對(duì)應(yīng)的模糊推理結(jié)果E′和F′分別為

(12)

由此便得到了模糊推理結(jié)果，最后還需進(jìn)行解模糊化處理。

2.4 解模糊化與輸出

通過推理得到的模糊推理結(jié)果仍然是模糊控制器內(nèi)的數(shù)據(jù)，不能直接作用于外部控制器，而需要解模糊化將模糊信息量轉(zhuǎn)化為控制器可以處理的外部數(shù)字信息量[17]。為增大爬壁機(jī)器人避障控制精度，對(duì)于信號(hào)變化較微小時(shí)，仍能做出響應(yīng)，避免在重要作業(yè)時(shí)出現(xiàn)問題，所以應(yīng)用重心法來解模糊化。對(duì)于v中模糊推理的結(jié)果，在模糊論域{0,1,2,3}上的模糊集合V，其隸屬度函數(shù)與橫軸組成了一塊面積，取該面積的重心作為輸出結(jié)果v0，有：

(13)

同理，角速度ω解模糊化的輸出ω0為

(14)

由2.2.3、2.2.4節(jié)所求得的速度比例因子Kv=0.167、Kω=0.5，再根據(jù)輸出變量模糊論域到基本論域的變換函數(shù)求得對(duì)應(yīng)解模糊化的輸出值：

(15)

將求得的輸出值，傳遞給主從控制器分配速度、角速度值給輪部電機(jī)組，每個(gè)電機(jī)組再根據(jù)協(xié)調(diào)控制分配給各個(gè)電機(jī)轉(zhuǎn)動(dòng)，從而控制爬壁機(jī)器人按預(yù)定的方向轉(zhuǎn)向或行走。

綜上，對(duì)避障模糊控制器設(shè)計(jì)完成。但由于罐體作業(yè)環(huán)境的復(fù)雜性，考慮傳感器受環(huán)境變化影響較大，保證爬壁機(jī)器人避障的高可靠性，在避障系統(tǒng)設(shè)計(jì)中增加優(yōu)雅降級(jí)功能。

3 優(yōu)雅降級(jí)策略的設(shè)計(jì)

爬壁機(jī)器人作業(yè)環(huán)境為大型油罐體表面，而大型罐體表面偶爾會(huì)出現(xiàn)環(huán)境突變的情況[18]，比如粉塵濃度過大與罐體周圍空氣分子作用，再加上溫度的影響，超聲波傳感器會(huì)出現(xiàn)異常情況，爬壁機(jī)器人探測(cè)不到障礙物，可能會(huì)撞上物體，因?yàn)榕辣跈C(jī)器人機(jī)械結(jié)構(gòu)的硬度以及作業(yè)時(shí)速度不大的特點(diǎn)，對(duì)爬壁機(jī)器人本體影響較小，但是如果現(xiàn)場(chǎng)工作為緊急作業(yè)，將對(duì)作業(yè)的影響是巨大的，所以，在爬壁機(jī)器人“眼睛”暫時(shí)不能正常工作時(shí)，為保證爬壁機(jī)器人與障礙物相撞后，能有效進(jìn)行作業(yè)，在軟件設(shè)計(jì)中增加優(yōu)雅降級(jí)策略，如圖9所示。

圖9 優(yōu)雅降級(jí)控制策略Fig.9 Graceful degradation control strategy

(1)當(dāng)爬壁機(jī)器人周圍有障礙物時(shí)，首先判斷超聲波傳感器HC-SR04是否正常工作，如果正?？梢蕴綔y(cè)到障礙物，則啟動(dòng)模糊控制器進(jìn)行避障。

(2)若HC-SR04受到外界影響不能正常工作，爬壁機(jī)器人不能有效避障，導(dǎo)致與周圍障礙物碰撞，這時(shí)需要在爬壁機(jī)器人本體中增加定位芯片MPU6050[19]，MPU6050中的加速度計(jì)與陀螺儀共同判斷爬壁機(jī)器人是否受到?jīng)_擊力作用，若受到?jīng)_擊力則判斷爬壁機(jī)器人與障礙物相碰撞，需要實(shí)施逃離障礙物的行為，行為可設(shè)定為反向以一定角度行走一段距離，同時(shí)可生成一定的擾動(dòng)信號(hào)，防止爬壁機(jī)器人靜止，避免電機(jī)堵轉(zhuǎn)損壞。

(3)但是若MPU6050硬件同樣受到環(huán)境影響不能有效判斷沖擊力，或者沖擊力過小不能判斷出來，則需要根據(jù)爬壁機(jī)器人因?yàn)檎系K物阻礙的原因而造成電機(jī)堵轉(zhuǎn)，若沒有檢測(cè)到堵轉(zhuǎn)，通過MPU6050驗(yàn)證爬壁機(jī)器人的位置是否改變，不變則增加一個(gè)擾動(dòng)信息使得爬壁機(jī)器人繼續(xù)移動(dòng)；但若是爬壁機(jī)器人的電機(jī)堵轉(zhuǎn)，則采用逃離策略使得爬壁機(jī)器人離開障礙物。

4 仿真驗(yàn)證

根據(jù)爬壁機(jī)器人模糊控制器以及優(yōu)雅降級(jí)的避障設(shè)計(jì)方案，基于MATLAN仿真平臺(tái)，取爬壁機(jī)器人的工作面積為550 m×600 m，設(shè)爬壁機(jī)器人的起點(diǎn)為(0,0)，終點(diǎn)為(500 m,550 m)，在工作面隨機(jī)分布40個(gè)障礙點(diǎn)，并與人工勢(shì)場(chǎng)法作比較進(jìn)行避障部分的仿真，結(jié)果如圖10所示。

圖10 爬壁機(jī)器人避障仿真Fig.10 Simulation of obstacle avoidance for climbing wall robot

圖10中，爬壁機(jī)器人避障過程中，由于受到重力的影響，人工勢(shì)場(chǎng)法存在一定的局限性，如圖10(a)，當(dāng)運(yùn)動(dòng)到(250 m,150 m)點(diǎn)附近時(shí)與障礙物相碰撞，在點(diǎn)(300 m,200 m)左右與障礙物相碰撞，避障的可靠性較低；而在改進(jìn)后的模糊控制中如圖10(b)，爬壁機(jī)器人能在遇到第一個(gè)障礙物時(shí)能夠有效避開，并在避開之后，由于目標(biāo)點(diǎn)變量作為模糊輸入，能夠很好地跟蹤目標(biāo)點(diǎn)和起點(diǎn)的連線進(jìn)行運(yùn)動(dòng)，同時(shí)能夠良好地避開障礙物，整個(gè)運(yùn)動(dòng)過程較平滑，效果較理想。

若超聲波傳感器工作異常導(dǎo)致撞到障礙物，則啟用優(yōu)雅降級(jí)策略，根據(jù)目標(biāo)點(diǎn)與起始點(diǎn)位置，其理想軌跡斜率為500/500=1，為測(cè)試優(yōu)雅降級(jí)策略，在仿真中設(shè)置點(diǎn)(100 m,100 m)為一半徑為15 m的障礙物點(diǎn)，使得在碰撞該點(diǎn)前，HC-SR04暫定工作，其效果如圖11所示。

圖11 優(yōu)雅降級(jí)策略避障仿真Fig.11 Obstacle avoidance simulation of elegant downgrading strategy

從圖11中可以看出，當(dāng)爬壁機(jī)器人碰撞到第一個(gè)障礙物時(shí)，采用了逃離行為，即以-90°的角度向左行走，之后再繼續(xù)進(jìn)行模糊避障。所以該策略可有效避免爬壁機(jī)器人撞上障礙物后電機(jī)堵轉(zhuǎn)的情景，同時(shí)也可以繼續(xù)行走至目標(biāo)點(diǎn)進(jìn)行作業(yè)，減小不必要的損失。

綜上，通過仿真驗(yàn)證了爬壁機(jī)器人避障模糊控制器設(shè)計(jì)的可行性，以及對(duì)優(yōu)雅降級(jí)策略設(shè)計(jì)的實(shí)用性。

5 爬壁機(jī)器人避障實(shí)驗(yàn)

為保證爬壁機(jī)器人能夠在罐體表面上可靠地進(jìn)行工作，下面對(duì)本文避障算法進(jìn)行實(shí)驗(yàn)驗(yàn)證。將爬壁機(jī)器人置于實(shí)驗(yàn)鋼板位置坐標(biāo)(4.5,8)位置，在其下方(5,2.7)位置放置一黑色磁鐵作為障礙物，并設(shè)置目標(biāo)點(diǎn)為障礙物下方(5,0)，實(shí)驗(yàn)過程如圖12所示。

圖12 爬壁機(jī)器人避障實(shí)驗(yàn)Fig.12 Obstacle avoidance experiment of wall-climbing robot

如圖12所示，爬壁機(jī)器人探測(cè)到障礙物距離，于是在1 s內(nèi)做出反應(yīng)，向障礙物的右方行走，圖12(c)顯示已經(jīng)到達(dá)(3,7)位置，在2 s時(shí)已經(jīng)可以看到將要越過障礙物，這里由于實(shí)驗(yàn)板面積約束，發(fā)出中斷使爬壁機(jī)器人停止運(yùn)動(dòng)，但已經(jīng)能看出爬壁機(jī)器人已經(jīng)探測(cè)到障礙物并進(jìn)行了避障行為，說明本設(shè)計(jì)的可行性。

6 結(jié)論

設(shè)計(jì)了爬壁機(jī)器人避障控制系統(tǒng)，其中最主要的是避障模糊控制器的設(shè)計(jì)。

(1)根據(jù)模糊控制器的基本結(jié)構(gòu)，首先確定了以3個(gè)方向探測(cè)到的距離以及目標(biāo)點(diǎn)的角度作為輸入變量，以速度、角速度作為輸出變量，建立了輸入輸出變量的論域及其隸屬度函數(shù)，同時(shí)解算出了輸入各變量的量化因子和計(jì)算模糊論域的公式，可進(jìn)行輸入變量的模糊化；另外解算出了各輸出變量的比例因子，為解模糊化奠定了基礎(chǔ)。

(2)參考駕駛員遇到障礙物躲避的習(xí)慣，即以人的經(jīng)驗(yàn)建立了爬壁機(jī)器人避障模糊規(guī)則表，通過總結(jié)歸納，模糊推理采用Mamdani推理法求得了控制規(guī)則Rv和Rω，給出一般條件下避障模糊推理的輸出公式。

(3)將避障模糊推理的輸出，根據(jù)重心法對(duì)模糊推理結(jié)果進(jìn)行解模糊化，再根據(jù)輸出變量的模糊論域到基本論域的變換函數(shù)與比例因子，求得實(shí)際的輸出變量v和ω，控制爬壁機(jī)器人進(jìn)行局部避障動(dòng)作。

(4)進(jìn)一步考慮爬壁機(jī)器人罐體表面的環(huán)境因素或其他因素的影響，在避障控制器的軟件設(shè)計(jì)中增加優(yōu)雅降級(jí)策略，使得爬壁機(jī)器人在探測(cè)傳感器暫時(shí)“失靈”的情況下，能夠繼續(xù)進(jìn)行作業(yè)。

(5)將設(shè)計(jì)好的避障模糊控制器進(jìn)行仿真驗(yàn)證，結(jié)果表明模糊控制方法可有效躲避障礙物，最后到達(dá)目標(biāo)點(diǎn)，整個(gè)避障過程較平滑，效果良好；同時(shí)驗(yàn)證了優(yōu)雅降級(jí)策略的可行性，有效提高爬壁機(jī)器人作業(yè)時(shí)避障的可靠性。

(6)將避障控制算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證，當(dāng)爬壁機(jī)器人靠近障礙物時(shí)能夠有效地轉(zhuǎn)向行走以躲避障礙物，說明本文設(shè)計(jì)的可行性。