CN110147108B - 一种基于膜计算的移动机器人避障控制方法 - Google Patents

一种基于膜计算的移动机器人避障控制方法 Download PDF

Info

Publication number
CN110147108B
CN110147108B CN201910482434.2A CN201910482434A CN110147108B CN 110147108 B CN110147108 B CN 110147108B CN 201910482434 A CN201910482434 A CN 201910482434A CN 110147108 B CN110147108 B CN 110147108B
Authority
CN
China
Prior art keywords
robot
mobile robot
obstacle
distance
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201910482434.2A
Other languages
English (en)
Other versions
CN110147108A (zh
Inventor
荣海娜
张葛祥
黄振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201910482434.2A priority Critical patent/CN110147108B/zh
Publication of CN110147108A publication Critical patent/CN110147108A/zh
Application granted granted Critical
Publication of CN110147108B publication Critical patent/CN110147108B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种基于膜计算的移动机器人避障控制方法，包括局部环境信息的获取及处理和设计避障行为酶数值膜控制***，所述局部环境信息的获取及处理的具体步骤：获取局部环境信息，作为输入，利用移动机器人周身的n个距离传感器获得障碍物与相应传感器的距离值xi；对xi进行线性变换，通过下述公式对xi进行线性变换，其中，si为线性变换后的传感器值，M为传感器的最大检测距离，si＝‑xi+M。本发明的有益效果是：该一种基于膜计算的移动机器人避障控制方法，通过计算障碍物到机器人的距离、计算巡航速度、传感器与权值相乘并累加及计算左右轮速度，便于该控制方法辅助机器人的巡航速度随着障碍物及其自身的距离及角速度进行自适应变化操作。

Description

一种基于膜计算的移动机器人避障控制方法
技术领域
本发明涉及智能机器人与控制技术领域，具体为一种基于膜计算的移动机器人避障控制方法。
背景技术
移动机器人自主避障是机器人根据采集的障碍物状态信息，按照一定的方法，避开障碍物的过程，是机器人领域的研究热点，且膜计算是自然计算中最年轻的分支，是一种从细胞的功能与结构，器官和组织等细胞群的信息处理协作方式中抽象出的计算模型，具有并行性、不确定性、分布式等优良特性。
现有的避障方法有曲率速率法、矢量场直方图法、动态窗口法，这些方法均能较好的避障，但存在时间开销大、计算效率低下的缺点，为此，我们提出一种基于膜计算的移动机器人避障控制方法。
发明内容
本发明的目的在于提供一种基于膜计算的移动机器人避障控制方法，解决了上述背景技术中提出的避障方法有曲率速率法、矢量场直方图法、动态窗口法，这些方法均能较好的避障，但存在时间开销大、计算效率低下的缺点的问题。
为实现上述目的，本发明提供如下技术方案：一种基于膜计算的移动机器人避障控制方法，包括局部环境信息的获取及处理和设计避障行为酶数值膜控制***，所述局部环境信息的获取及处理的具体步骤：
1)获取局部环境信息，作为输入利用移动机器人周身的n个距离传感器获得障碍物与相应传感器的距离值xi；
2)对xi进行线性变换
通过下述公式对xi进行线性变换，其中，si为线性变换后的传感器值，M为传感器的最大检测距离。
si＝-xi+M
优选的，所述设计避障行为酶数值膜控制***的具体步骤：
1)计算障碍物到机器人的距离d
障碍物到机器人的距离d通过位于移动机器人前方的4个传感器值求得。通过下式计算出4个传感器获得的障碍物到机器人的距离d1、d2、d3、d4。取d1、d2、d3、d4中最小值作为障碍物到机器人的距离d。将d与机器人半径r1进行对比，较大值做为障碍物到机器人的距离d。
di＝(M-si+r1)cosθi
其中，si为线性变换后的传感器值，M为传感器的最大检测距离，θi为第i个传感器与机器人前进方向的夹角，r1为移动机器人半径。
2)计算巡航速度CruiseSpeed
利用下式计算巡航速度。其中，H为安全系数，取值为(0，1)，H值越小，CruiseSpeed越小，越安全；w为移动机器人旋转角速度，w取绝对值；d为移动机器人到障碍物的距离；r1为移动机器人半径。移动机器人旋转角速度w通过移动机器人编码器获取。计算的巡航速度CruiseSpeed与移动机器人最大前进速度Vmax对比，取较小值做为巡航速度CruiseSpeed。
Figure BDA0002084282480000021
3)传感器si与权值相乘并累加
为每个传感器值si建立权值变量weightLefti、weightRighti。将传感器值与权值相乘并进行累加，结果分别保存在变量SWL、SWR；
即SWL＝∑si*weightLefti、SWR＝∑si*weightRighti
4)计算左右轮速度leftSpeed、rightSpeed，作为输出
利用下式计算左右轮速度。计算出的左右轮速度作为输出，用于移动机器人双轮控制。
leftSpeed＝CruiseSpeed+SWL
rightSpeed＝CruiseSpeed+SWR
5)跳转到获取局部环境信息，作为输入，直到机器人完成运动任务。
本发明提供了一种基于膜计算的移动机器人避障控制方法，具备的有益效果：通过计算障碍物到机器人的距离、计算巡航速度、传感器与权值相乘并累加及计算左右轮速度，便于该控制方法辅助机器人的巡航速度随着障碍物及其自身的距离及角速度进行自适应变化操作，提高避障效果，并且该控制方法中包括有设计避障行为酶数值膜控制***，使得膜***的并行性直接提升计算效率并节约计算时间。
附图说明
图1为本发明一种基于膜计算的移动机器人避障控制方法的Pioneer3-DX声呐分布示意图；
图2为本发明一种基于膜计算的移动机器人避障控制方法的仿真实验环境示意图；
图3为本发明一种基于膜计算的移动机器人避障控制方法的避障控制思路示意图；
图4为本发明一种基于膜计算的移动机器人避障控制方法的避障行为酶数值膜***示意图；
图5为本发明一种基于膜计算的移动机器人避障控制方法的基于酶数值膜***的固定巡航速度避障控制方法仿真实验示意图；
图6为本发明一种基于膜计算的移动机器人避障控制方法的仿真实验示意图。
具体实施方式
膜计算是自然计算中最年轻的分支，是一种从细胞的功能与结构，器官和组织等细胞群的信息处理协作方式中抽象出的计算模型，具有并行性、不确定性、分布式等优良特性。研究表明：理论上膜计算模型具有与图灵机同等的计算能力，甚至还有超越图灵机局限性的可能。酶数值膜***是膜***中的一种。本发明利用酶数值膜***设计了一种基于膜计算的移动机器人避障控制方法。
请参阅图1-6，本发明提供一种技术方案：一种基于膜计算的移动机器人避障控制方法，包括局部环境信息的获取及处理和设计避障行为酶数值膜控制***，局部环境信息的获取及处理的具体步骤：
1)获取局部环境信息，作为输入
利用移动机器人周身的n个距离传感器获得障碍物与相应传感器的距离值xi；
2)对xi进行线性变换
通过下述公式对xi进行线性变换，其中，si为线性变换后的传感器值，M为传感器的最大检测距离。
si＝-xi+M
进一步的，设计避障行为酶数值膜控制***的具体步骤：
1)计算障碍物到机器人的距离d
障碍物到机器人的距离d通过位于移动机器人前方的4个传感器值求得。通过下式计算出4个传感器获得的障碍物到机器人的距离d1、d2、d3、d4。取d1、d2、d3、d4中最小值作为障碍物到机器人的距离d。将d与机器人半径r1进行对比，较大值做为障碍物到机器人的距离d。
di＝(M-si+r1)cosθi
其中，si为线性变换后的传感器值，M为传感器的最大检测距离，θi为第i个传感器与机器人前进方向的夹角，r1为移动机器人半径。
2)计算巡航速度CruiseSpeed
利用下式计算巡航速度。其中，H为安全系数，取值为(0，1)，H值越小，CruiseSpeed越小，越安全；w为移动机器人旋转角速度，w取绝对值；d为移动机器人到障碍物的距离；r1为移动机器人半径。移动机器人旋转角速度w通过移动机器人编码器获取。计算的巡航速度CruiseSpeed与移动机器人最大前进速度Vmax对比，取较小值做为巡航速度CruiseSpeed。
Figure BDA0002084282480000051
3)传感器si与权值相乘并累加
为每个传感器值si建立权值变量weightLefti、weightRighti。将传感器值与权值相乘并进行累加，结果分别保存在变量SWL、SWR；
即SWL＝∑si*weightLefti、SWR＝∑si*weightRighti
4)计算左右轮速度leftSpeed、rightSpeed，作为输出
利用下式计算左右轮速度。计算出的左右轮速度作为输出，用于移动机器人双轮控制。
leftSpeed＝CruiseSpeed+SWL
rightSpeed＝CruiseSpeed+SWR
5)跳转到获取局部环境信息，作为输入，直到机器人完成运动任务。
实施例1
从图5、6的实验结果可以看出相较于固定巡航速度避障控制方法，本发明的避障控制方法能够更好的避开障碍物。
实施例2
本发明在PC机上进行了仿真。仿真实验所用的计算机为联想G470 2.3GHz，6GRAM，操作***为Window7，仿真平台为MobileSim，仿真机器人为Pioneer3-DX，机器人尺寸52*40cm。仿真机器人配备16个声呐传感器，其分布如图1。仿真环境如图2所示，环境中包括100cm通道、80cm通道、间隔60cm的两障碍物等
综上所述，该一种基于膜计算的移动机器人避障控制方法，使用时，首先通过获取局部环境信息，作为输入，则利用移动机器人周身的n个距离传感器获得障碍物与相应传感器的距离值xi，并对xi进行线性变换，再计算障碍物到机器人的距离，并计算巡航速度，再对传感器与权值相乘并累加，然后，计算左右轮速度，作为输出，且通过是否完成运动任务判断，是否跳转到获取局部环境信息，作为输入再次循环操作，直到机器人完成运动任务。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (1)

1.一种基于膜计算的移动机器人避障控制方法，包括局部环境信息的获取及处理和设计避障行为酶数值膜控制***，其特征在于：所述局部环境信息的获取及处理的具体步骤：
1)获取局部环境信息，作为输入：
利用移动机器人周身的n个距离传感器获得障碍物与相应传感器的距离值xi；i表示第i个传感器；
2)对xi进行线性变换：
通过下述公式对xi进行线性变换，其中，si为线性变换后的传感器值，M为传感器的最大检测距离；
si＝-xi+M；
所述设计避障行为酶数值膜控制***的具体步骤：
1)计算障碍物到机器人的距离d：
障碍物到机器人的距离d通过位于移动机器人前方的4个传感器求得；通过下式计算出4个传感器获得的障碍物到机器人的距离d1、d2、d3、d4；取d1、d2、d3、d4中最小值作为障碍物到机器人的距离d；将d与机器人半径r1进行对比，较大值做为障碍物到机器人的距离d；
di＝(M-si+r1)cosθi；
其中，si为线性变换后的传感器值，M为传感器的最大检测距离，θi为第i个传感器与机器人前进方向的夹角，r1为移动机器人半径；
2)计算巡航速度CruiseSpeed：
利用下式计算巡航速度；其中，H为安全系数，取值为(0，1)，H值越小，CruiseSpeed越小，越安全；w为移动机器人旋转角速度，w取绝对值；d为移动机器人到障碍物的距离；r1为移动机器人半径；移动机器人旋转角速度w通过移动机器人编码器获取；计算的巡航速度CruiseSpeed与移动机器人最大前进速度Vmax对比，取较小值做为巡航速度CruiseSpeed；
Figure FDA0003052915370000021
3)传感器值si与权值相乘并累加：
为每个传感器值si建立权值变量weightLefti、weightRighti；将传感器值与权值相乘并进行累加，结果分别保存在变量SWL、SWR；
即SWL＝∑si*weightLefti、SWR＝∑si*weightRighti；
4)计算左右轮速度leftSpeed、rightSpeed，作为输出：
利用下式计算左右轮速度；计算出的左右轮速度作为输出，用于移动机器人双轮控制；
leftSpeed＝CruiseSpeed+SWL；
rightSpeed＝CruiseSpeed+SWR；
5)跳转到获取局部环境信息，作为输入，直到机器人完成运动任务。
CN201910482434.2A 2019-06-04 2019-06-04 一种基于膜计算的移动机器人避障控制方法 Expired - Fee Related CN110147108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910482434.2A CN110147108B (zh) 2019-06-04 2019-06-04 一种基于膜计算的移动机器人避障控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910482434.2A CN110147108B (zh) 2019-06-04 2019-06-04 一种基于膜计算的移动机器人避障控制方法

Publications (2)

Publication Number Publication Date
CN110147108A CN110147108A (zh) 2019-08-20
CN110147108B true CN110147108B (zh) 2021-08-03

Family

ID=67590553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910482434.2A Expired - Fee Related CN110147108B (zh) 2019-06-04 2019-06-04 一种基于膜计算的移动机器人避障控制方法

Country Status (1)

Country Link
CN (1) CN110147108B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110901384B (zh) * 2019-12-05 2021-03-30 北京京东乾石科技有限公司 无人车控制方法、装置、介质及电子设备
CN112379688B (zh) * 2020-10-26 2022-05-17 武汉科技大学 一种基于膜计算的多机器人有限时间同步控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104050390A (zh) * 2014-06-30 2014-09-17 西南交通大学 一种基于可变维粒子群膜算法的移动机器人路径规划方法
KR20150124014A (ko) * 2014-04-25 2015-11-05 에브리봇 주식회사 거리 센서, 로봇 청소기 및 이의 제어 방법
CN108544491A (zh) * 2018-03-30 2018-09-18 杭州电子科技大学 一种综合考虑距离与方向两因素的移动机器人避障方法
CN109164812A (zh) * 2018-10-23 2019-01-08 西南交通大学 一种未知环境下移动机器人多行为融合酶数值膜控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10335952B2 (en) * 2017-01-18 2019-07-02 International Business Machines Corporation Monitoring and controlling the movement of mobile robots

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150124014A (ko) * 2014-04-25 2015-11-05 에브리봇 주식회사 거리 센서, 로봇 청소기 및 이의 제어 방법
CN104050390A (zh) * 2014-06-30 2014-09-17 西南交通大学 一种基于可变维粒子群膜算法的移动机器人路径规划方法
CN108544491A (zh) * 2018-03-30 2018-09-18 杭州电子科技大学 一种综合考虑距离与方向两因素的移动机器人避障方法
CN109164812A (zh) * 2018-10-23 2019-01-08 西南交通大学 一种未知环境下移动机器人多行为融合酶数值膜控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
酶数值膜***仿真器设计与实现;王争一;《中国优秀硕士学位论文全文数据库信息科技辑》;20170115;正文第48页第4.3.1节、第49-51页第4.3.2节 *

Also Published As

Publication number Publication date
CN110147108A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
US11331800B2 (en) Adaptive predictor apparatus and methods
US9008840B1 (en) Apparatus and methods for reinforcement-guided supervised learning
CN107168309B (zh) 一种基于行为的多水下机器人路径规划方法
CN110147108B (zh) 一种基于膜计算的移动机器人避障控制方法
CN110543727B (zh) 一种基于改进粒子群算法的全向移动智能轮椅机器人参数辨识方法
Wang et al. A UKF-based predictable SVR learning controller for biped walking
Tang et al. An overview of path planning algorithms
Farooq et al. Comparative analysis of zero order Sugeno and Mamdani fuzzy logic controllers for obstacle avoidance behavior in mobile robot navigation
Vans et al. Vision based autonomous path tracking of a mobile robot using fuzzy logic
CN115032984A (zh) 一种面向港口物流智能机器人的半自主导航方法及***
Mohanty et al. A new intelligent approach for mobile robot navigation
Ullah et al. Integrated collision avoidance and tracking system for mobile robot
CN117008607A (zh) 基于clf与cbf的移动机器人在线导航与避障方法
Yang et al. Research on dynamic path planning of auv based on forward looking sonar and fuzzy control
CN110262481B (zh) 一种基于酶数值膜***的移动机器人避障控制方法
Liu et al. UUV path planning method based on QPSO
Suganya et al. Soft computing controller based path planning wheeled mobile robot
Wang Identification of load dynamics parameters of industrial robots based on artificial neural network
CN109542099B (zh) 一种农机控制方法
Boujelben et al. Hierarchical fuzzy controller to avoid mobile obstacle for a mobile robot
Zarkasi et al. Artificial Intelligence in Underwater Robot Navigation Using Sonar Sensors with Fuzzy Logic Method
Zhai et al. Local Trajectory Planning for Obstacle Avoidance of Unmanned Tracked Vehicles Based on Artificial Potential Field Method
Khudaverdiyeva Modeling of Mobile Robot with Obstacle Avoidance Using Fuzzy Controller
Asad et al. Intelligent Obstacle Avoidance Controller for QBot2
Yang-zhi et al. Study on obstacle avoidance for intelligent robot based on hierarchical fuzzy control

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210803

CF01 Termination of patent right due to non-payment of annual fee