|
經(jīng)典控制理論對于解決線(xiàn)性定常系統的控制問(wèn)題是很有效的，然而，對于非線(xiàn)性時(shí)變系統卻難以奏效。隨著(zhù)計算機的應用和發(fā)展，自動(dòng)控制理論取得了飛躍性的發(fā)展�；跔顟B(tài)變量描述的現代控制理論對于解決線(xiàn)性或非線(xiàn)性、定�；驎r(shí)變的多輸入與多輸出系統的控制問(wèn)題，已獲得了廣泛和成功的應用。但是，無(wú)論采用經(jīng)典控制理論還是現代控制理論的控制系統，都需要事先知道被控對象(或過(guò)程)的精確數學(xué)模型，然后根據數學(xué)模型以及給定的性能指標，來(lái)選擇適當的控制規律，來(lái)進(jìn)行控制系統設計。然而，在許多情況下，被控對象的精確數學(xué)模型很難建立，這樣，對于這類(lèi)對象或過(guò)程就很難進(jìn)行自動(dòng)控制。 事實(shí)上，對于復雜的、多因素影響的生產(chǎn)過(guò)程，即使不知道該過(guò)程的數學(xué)模型，有經(jīng)驗的操作人員也能根據長(cháng)期的觀(guān)察和操作經(jīng)驗進(jìn)行有效地控制，而采用傳統的自動(dòng)控制方法的效果則并不理想。然而，能否把人的操作經(jīng)驗總結為若干條控制規則，并設計一個(gè)裝置去執行這些規則，從而對系統進(jìn)行有效的控制?模糊控制理論和方法便由此而生。 1 模糊控制原理 模糊邏輯控制系統可用來(lái)代替經(jīng)典控制系統或與經(jīng)典控制系統一起來(lái)控制機器人。通過(guò)應用模糊邏輯，機器人可以變得更獨特、更具有智能和更加有用。本文根據模糊控制理論為移動(dòng)機器人的運動(dòng)控制設計一個(gè)模糊邏輯系統。以使移動(dòng)機器人能根據地形坡度和地形類(lèi)別來(lái)自主的調節自身的運動(dòng)速度，從而完成機器人運動(dòng)的自動(dòng)控制。 2 移動(dòng)機器人的模糊邏輯控制器設計 2.1 確定模糊控制器的輸入變量和輸出變量 根據本設計的目的，為使移動(dòng)機器人能根據地形的坡度和地形的類(lèi)別自主地調節自身的運動(dòng)速度，本系統可設計為雙輸入單輸出系統，將地形坡度和地形的類(lèi)別作為兩個(gè)輸入，而將移動(dòng)機器人的運動(dòng)速度作為控制輸出。 2.2 模糊化 模糊化是將輸入和輸出值轉換為其隸屬度函數的過(guò)程。模糊化的結果是一組如圖2所示的圖形，它描述了不同模糊變量中不同值的隸屬度。為了定義模糊地形坡度、模糊地形類(lèi)別和模糊運動(dòng)速度的變量，這里將期望的地形坡度范圍固定在-45°～+45°，并劃分成五個(gè)隸屬度函數，分別是“負大”、“負”、“水平”、“正”、“正大”。小于-45°的坡度一概看作“負大”，而大于+45°則被認定為“正大”。類(lèi)似的，地形類(lèi)別也劃分成四個(gè)隸屬度函數，分別是“很粗糙”、 “粗糙”、“平緩”、“平坦”。其中所有粗糙程度大于100％的都被認定為“很粗糙”。而輸出的移動(dòng)機器人的運動(dòng)速度(在0～20英里／小時(shí)之間)則被分成“很慢”、“慢”、“中”、“快”、“很快”。 根據輸入變量和輸出變量的模糊化(其中地形坡度和地形類(lèi)別為輸入變量；速度為輸出變量)，便可為每個(gè)隸屬度函數選擇其他域，并對其進(jìn)行不同的劃分，以確定隸屬度函數交疊的不同區域，然后設置非對稱(chēng)的隸屬度函數。 2.3 規則庫的形成 由于地形坡度有五個(gè)隸屬度函數，地形類(lèi)別有四個(gè)隸屬度函數，這樣，總共就會(huì )有5×4=20條規則，根據整個(gè)設計過(guò)程的系統性能要求和設計者的經(jīng)驗，該模型將形成含有20條規則的規則庫，具體如下： 規則1：if(地形坡度is LP) and(地形類(lèi)別is VR)then(速度is VS) 規則2：if(地形坡度is LP)and(地形類(lèi)別is R)then(速度is S) 規則3：if(地形坡度is LP)and(地形類(lèi)別is Mo)then(速度is Me) 規則4：if(地形坡度is LP)and(地形類(lèi)別is S)then(速度is Me) 規則5：if(地形坡度is P)and(地形類(lèi)別is VR)then(速度is VS) 規則6：if(地形坡度is P)and(地形類(lèi)別is R)then(速度is S) 規則7：if(地形坡度is P)and(地形類(lèi)別isMo)then(速度is Me) 規則8：if(地形坡度is P)and(地形類(lèi)別is S)then(速度is F) 規則9：if(地形坡度is L)and(地形類(lèi)別isVR)then(速度is S) 規則10：if(地形坡度is L)and(地形類(lèi)別is R)then(速度is Me) 規則11：if(地形坡度is L)and(地形類(lèi)別is Mo)then(速度is F) 規則12：if(地形坡度is L)and(地形類(lèi)別is S)then(速度is VF) 規則13：if(地形坡度is N)and(地形類(lèi)別is VR)then(速度is Vs) 規則14：if(地形坡度is N)and(地形類(lèi)別is R)then(速度is S) 規則15：if(地形坡度is N)and(地形類(lèi)別is Mo)then(速度is Me) 規則16：if(地形坡度is N)and(地形類(lèi)別is S)then(速度is F) 規則17：if (地形坡度is LN)and(地形類(lèi)別is VR)then(速度is VS) 規則18：if(地形坡度is LN)and(地形類(lèi)別is R)then(速度is VS) 規則19：if(地形坡度is LN)and(地形類(lèi)別is Mo)then(速度is s) 規則20：if(地形坡度is LN)and(地形類(lèi)別is S)then(速度is Me) 3 清晰化 清晰化是將模糊輸出值轉換為可供實(shí)際應用的等效清晰值的過(guò)程。即對模糊規則進(jìn)行匹配并計算相應的數值，從而得到一個(gè)與不同輸出模糊集隸屬度函數值相關(guān)的數。清晰化的方法有很多種，兩種常用的主要方法是：centroid面積中心法(又稱(chēng)重心法)和Mamdani(馬丹尼)推理法。 3.1 centroid面積中心法 centroid面積中心法主要計算隸屬度函數所包圍區域的重心。對于連續論域，若U是某一變量u在論域U的模糊集合，則去模糊化的結果為： 3.2 Mamdani(馬丹尼)推理法 該方法中，每個(gè)集合的隸屬度函數將在相應的隸屬度值上被截去頂端，并將得到的所有隸屬度函數作為“或”函數加在一起。即將每一個(gè)重復的區域作為一層相互疊加在一起，其結果將是一個(gè)代表所有區域的新區域。新區域的重心將等價(jià)于輸出。 本文中的清晰化主要采用centroid面積中心法。也就是采用MATLAB模糊邏輯工具箱的解模糊化函數defuzz，該函數的功能為執行輸出去模糊化，其格式為： output=defuzz(x,mf,type) 其中：參數x是變量的論域范圍；mf為待去模糊化的模糊集合；type為清晰化方法，本文主要采用centroid面積中心法。 4 模糊邏輯控制器的仿真 一般情況下，為模糊系統設計的規則必須通過(guò)仿真才能保證其對所有的輸人值都能產(chǎn)生滿(mǎn)意的結果，這一般可通過(guò)模糊邏輯程序來(lái)實(shí)現。程序通過(guò)運行模糊推理機來(lái)計算所有可能輸入產(chǎn)生的輸出，并作出輸出值的圖形來(lái)對模糊控制系統進(jìn)行仿真。通過(guò)該圖即可審核規則和隸屬度函數是否匹配。 5 結束語(yǔ) 本文針對不同路面條件下移動(dòng)機器人運動(dòng)控制的實(shí)際問(wèn)題提出了一種解決方法。該方法把模糊邏輯推理應用到移動(dòng)機器人的行為控制中，并將地形坡度和地形類(lèi)別作為控制器的輸入，而機器人的速度作為控制系統的輸出，從而實(shí)現了對移動(dòng)機器人的行為控制。通過(guò)模糊邏輯控制器的仿真結果證明：該模糊控制算法在移動(dòng)機器人運動(dòng)控制中能表現出良好的魯棒性和實(shí)時(shí)性。近年來(lái)，神經(jīng)網(wǎng)絡(luò )、模糊控制等理論的研究和應用有了很大的發(fā)展，進(jìn)一步了解學(xué)習和應用這些理論將是下一步的目標。 |
