基于传感器信息权重的移动机器人导航控制

论文摘要

移动机器人是科学进步的产物,更是人类想象和智慧的结晶。在移动机器人研究领域,移动机器人的导航控制一直是研究热点。由于传感器信息和环境的信息都具有近似、不确定性和混杂有一定的噪声,故较难实现其控制。类似于人类思考方式的模糊控制器由于能够容纳这些不确定的输入信息,并能产生光滑的控制输出量,适用于时变未知环境下的移动机器人的导航控制,目前应用较广。但是传统的Mamdani型模糊控制系统的模糊规则过多,控制方法过于复杂。影响了系统的实时性。为了解决这一问题,应用粗糙集数学工具通过Mamdani型模糊控制规则表求出移动机器人各传感器信息的权重,并以各传感器信息权重为基础设计Takagi-Sugeno型模糊控制系统,达到化简模糊控制规则表、减少信息量、提高决策效率的目的。结果表明新的模糊控制系统不仅模糊规则简单、决策效率高,且控制效果满足要求。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 研究现状与发展趋势
• 1.3 本文主要研究内容
• 2 移动机器人建模
• 2.1 引言
• 2.2 两轮差动驱动移动机器人的结构模型
• 2.3 两轮差动驱动移动机器人的驱动和转向控制系统模型
• 2.4 两轮差动驱动移动机器人的动力学模型
• 2.5 MT-U 移动机器人的系统结构
• 2.5.1 传感器部分
• 2.5.2 执行部分
• 2.5.3 动力与驱动部分
• 2.6 本章小结
• 3 移动机器人的导航控制
• 3.1 引言
• 3.2 信息融合基础
• 3.2.1 概述
• 3.2.2 信息融合的基本原理
• 3.2.3 信息融合技术在移动机器人领域中的应用和发展
• 3.3 移动机器人的全局导航控制
• 3.4 移动机器人的局部导航控制
• 3.5 本章小结
• 4 基于Mamdani 模糊逻辑模型的移动机器人导航控制
• 4.1 引言
• 4.2 模糊集理论基础
• 4.3 Mamdani 型模糊逻辑控制的基本原理
• 4.3.1 模糊化
• 4.3.2 模糊规则库
• 4.3.3 推理算法
• 4.3.4 去模糊化
• 4.3.5 小结
• 4.4 基于Mamdani 型模糊逻辑模型的移动机器人导航控制
• 4.4.1 变量的定义
• 4.4.2 建立模糊控制规则表
• 4.4.3 模糊推理控制器的设计
• 4.5 本章小结
• 5 基于Takagi-Sugeno 模糊逻辑模型的移动机器人导航控制
• 5.1 引言
• 5.2 Takagi-Sugeno 模糊逻辑简介
• 5.3 传感器信息权重的确定
• 5.3.1 粗糙集简介
• 5.3.2 利用粗糙集理论的属性约简
• 5.3.3 粗糙集理论的基本定义
• 5.3.4 基于粗糙集理论的传感器信息权重的确定
• 5.4 建立Takagi-Sugeno 模糊控制规则表
• 5.5 模糊推理控制器的设计
• 5.6 对比结果与分析
• 5.7 本章小结
• 6 移动机器人导航控制的实现
• 6.1 引言
• 6.2 移动机器人平台的实现
• 6.3 实验环境的设计
• 6.4 传感器初始化与动力部分设计
• 6.4.1 输出转角与电机控制量的关系
• 6.4.2 灰度传感器控制程序设计
• 6.4.3 远红外传感器初始化
• 6.5 控制程序的设计
• 6.6 实验结果
• 6.7 实验结果分析
• 6.8 本章小结
• 结论
• 参考文献
• 作者简历
• 学位论文数据集