未知环境下移动机器人导航安全的方法技术

本发明专利技术提出一种未知环境下移动机器人导航安全的方法，其步骤为：１）建立当前环境的局部栅格地图，确定每个栅格的占用概率；２）构建模糊神经网络控制器结构；３）模糊神经网络控制器根据当前局部栅格地图、机器人当前位置信息、移动机器人自主导航系统的当前输出移动速度与转向角，输出移动机器人正确的速度命令。本发明专利技术能够克服单一的导航决策系统可靠性不高，避免移动机器人因自主导航系统的错误决策发生碰撞等事故，确保移动机器人在未知环境下探索、运动过程中的安全。

【技术实现步骤摘要】

本专利技术属于机器人导航和人工智能控制
，涉及未知环境下移动机器人导航 安全的方法。
技术介绍
近20年来，人工智能技术和计算机技术的飞速发展，自主智能移动机器人研究取 得了重大关注。目前智能移动机器人广泛应用于工农业、交通运输、军事、医疗卫生等 行业，以解决危险环境下工作问题和取代人类繁重工作。行为控制和人工势场法是移动 机器人自主导航系统中的两种最常见方法，机器人根据当前局部范围内获取的传感器信 息(红外、声纳、激光等测距信息、视觉信息等)进行决策，改变转向角和运动速度以 避免向期望目标方向行驶过程中与障碍物发生碰撞。移动机器人在行走过程中，首先要求避免危险情况如碰撞等，将机器人停留于安全 的操作环境下。但是机器人所处环境未知、复杂多变，当前根据设计者经验离线设计的 自主导航系统很难保证适应所有环境或突发的情况，在实际运行过程中自主导航系统的 决策输出(转向角和运动速度)是否正确，如果是错误的如何纠正避免发生碰撞事故， 难以人工及时干预。 一般采用在移动机器人周边安装触觉传感器和软垫，触觉传感器感 应发生碰撞后紧急制动，并由软垫缓冲碰撞力，但这只是一种事后行为，并没有起到提 前预防的作用。因此，亟需一种在线自动判断移动机器人的自主导航系统决策信息正确 性和更正错误指令的解决方案，在事故发生前能及时更正，消除隐患。
技术实现思路
本专利技术的所要解决的技术问题是提供一种， 以在线自动判断移动机器人的自主导航系统决策信息正确性和更正错误指令，能够克服 单一的自主导航决策系统难以适用于所有环境和突发情况的缺点，更正自主导航系统输出的错误信息，避免移动机器人因自主导航系统的错误决策导致碰撞等事故，提高自主 导航系统的可靠性，确保移动机器人在未知环境下探索和运动过程中的安全。 为解决上述技术问题，本专利技术所采用的技术方案为一种，其特征在于，首先实时创建局部栅格 地图；采用基于模糊神经网络输出作用于移动机器人运动机构的最终速度；所述的基于模糊神经网络的输入信号为3个由局部栅格地图计算当前环境对机 器人虚拟排斥力F 、移动机器人自主导航系统输出的转向角和运动速度F ;所述的当前环境对机器人的虚拟排斥力的计算公式为<formula>formula see original document page 7</formula>为单个栅格对移动机器人产生的虚拟排斥力；且<formula>formula see original document page 7</formula>Fc排斥力常量；saj)栅格c仏力与移动机器人之间的距离；S(/,力栅格"/,J')的状态；JC。,h移动机器人在当前局部栅格地图中的坐标； x,，x 栅格c仏力在当前局部栅格地图中的坐标； 先 常量；UJC和y方向的单位矢量，即表示F力',刀为矢量； J(/Jf是c/(/，力的A次方。 所述模糊神经网络分为五层，在下列各式中/",W、 cn^。分别代表第r层网络的第/ 个神经元的输入和输出第一层为输入层，共3个节点，各个节点直接与输入向量;c-[IFI，IFI,^的各分量连接，其中I尸I,IFI，3分别为虚拟排斥力F的大小、移动机器人自主导航系统输出的运动速度F的大小以及虚拟排斥力F与速度F之间的夹角；第一层神经元到第二层神经 元的连接权值为l;有OMf)" = Z.M)" = X, ， ！ = 1，2,3 ;第二层为模糊化层每个节点表示一个语言变量值，第二层的作用是计算各输入 分量属于各语言变量值模糊集合的模糊隶属函数///，其中i表示第i个输入，j表示该输入的第j个模糊语言变量。I FI的模糊语言变量有4个^ZJ77X五，i:/77Z五，M五A5/G〉，分别表示{非常小，小，中等、大}，即W、 //,2、 //f和W; 3的模糊语言变量有3个{ZJ77Z￡,7kffiA5/G}，分别表示{小，中等，大}，即川、//22和//23; iri的模糊语言变量有3个"CW，AffiA历G/f7，分别表示{低，中等，高},即川、//32和//33, IF卜in 和3的模糊隶属度函数采用三角形模糊隶属度函数，第二层神经元的数量为输10个； 第二层各节点的输出为///，第二层节点到第三层节点的连接权值为1:o《=《)=〃/ —) ， / = 1,2,3 ; / = 1,2，3,4 ;第三层为模糊规则层每个节点为一个神经元，代表一条模糊规则，作用是匹配 模糊规则的前件，计算出每条规则的适用度；模糊规则的数量为4X3X3=36条，具体 规则列在表l中，第三层神经元的数量为36个；第三层神经元的输入之间采用的连接方式为"与"操作，第三层节点到第四层节点的连接权值为^(^ = 1,2，...，36);o<) = < = ，附=1,2,3 ; / = 1,2,3 ; w = 1,2,3,4 ; A: = 1,2,…，36 ;表1模糊规则表<table>table see original document page 8</column></row><table><table>table see original document page 9</column></row><table><table>table see original document page 10</column></row><table>第四层为去模糊化层只有一个节点，表示比例因子尸，采用重心法f"(4)/ "1第五层为耦合处理层只有一个节点，将比例因子尸与in相乘得到最终作用到移动机器人运动机构上的速度F'，通过调整权值^4，《=1，2,进一步优化比例因子户与in的关系，得到最佳速度F':本专利技术所具有的有益效果与现有技术相比，本专利技术的优点就在于1、 本专利技术采用模糊神经网络控制方法，将神经网络与模糊控制相结合，既可以使模糊控制具有自学习的能力，又可以赋予神经网络推理归纳的能力，同时还能够使网络的结构、权值具有明确的物理意义;也充分利用了神经网络并行处理计算的能力，具备较高实时性。2、 本专利技术能在线自动判断移动机器人自主导航系统决策信息是否正确，在保证向目标前进的同时给出当前最安全、最佳的运动速度，有效地预防碰撞事故发生。3、 本专利技术采用了冗余技术，增强了移动机器人自主导航系统的容错性能，提高了系统的可靠性。移动机器人导航安全保护系统独立于移动机器人自主导航系统，采用单独一套测距传感器和计算机感知环境和控制移动机器人的速度，移动机器人自主导航系统的决策信息通过RS232串口送入移动机器人导航安全保护系统的安全决策模块。这个移动机器人导航安全保护系统单独是另外一套系统，有独立的计算机，与控制导航的计算机(即自主导航系统)之间用串口通信方式获取自主导航系统的数据，所以本技术方案采用了冗余技术。4、 本专利技术通用性好，能适用于任何安装了测距传感器的移动机器人平台。附图说明图1为移动机器人导航安全保护系统框图；图2为虚拟排斥力F与速度r的关系示意图；图3为安全决策模块的模糊神经网络结构；图4本文档来自技高网...

【技术保护点】
一种未知环境下移动机器人导航安全的方法，其特征在于，首先实时创建局部栅格地图；采用基于模糊神经网络输出作用于移动机器人运动机构的最终速度；　所述的基于模糊神经网络的输入信号为３个：由局部栅格地图计算当前环境对机器人虚拟排斥力Ｆ、移动机器人自主导航系统输出的转向角和运动速度Ｖ；　所述的当前环境对机器人的虚拟排斥力的计算公式为：Ｆ＝＊Ｆ↓［ｒ］（ｉ，ｊ）；Ｆ↓［ｒ］（Ｉ，ｊ）为单个栅格ｃ（ｉ，ｊ）对移动机器人产生的虚拟排斥力；且Ｆ↓［ｒ］（ｉ，ｊ）＝Ｆ↓［ｃ］Ｂ（ｉ，ｊ）／ｄ（ｉ，ｊ）↑［ｋ］（（ｘ↓［ｉ］－ｘ↓［０］）／ｄ（ｉ，ｊ）＊＋（ｙ↓［ｉ］－ｙ↓［０］）／ｄ（ｉ，ｊ）＊）；其中：　Ｆ↓［ｃ］排斥力常量；　ｄ（ｉ，ｊ）栅格ｃ（ｉ，ｊ）与移动机器人之间的距离；　Ｂ（ｉ，ｊ）栅格ｃ（ｉ，ｊ）的状态；　ｘ↓［０］，ｙ↓［０］移动机器人在当前局部栅格地图中的坐标；　ｘ↓［ｉ］，ｙ↓［ｉ］栅格ｃ（ｉ，ｊ）在当前局部栅格地图中的坐标；　＊，＊ｘ和ｙ方向的单位矢量，即表示Ｆ↓［ｒ］（ｉ，ｊ）为矢量；　ｋ常量；ｄ（ｉ，ｊ）↑［ｋ］是ｄ（ｉ，ｊ）的ｋ次方。

【技术特征摘要】

【专利技术属性】
技术研发人员：王耀南，朱江，许海霞，余洪山，万琴，刘理，
申请(专利权)人：湖南大学，
类型：发明
国别省市：43[中国|湖南]