基于模糊控制的移动机器人避障研究

２０１７年第３６卷第３期　传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ　ａｎｄ　Ｍｉｅｒｏｓｙｓｔｅｒｏ　Ｔｅｃｈｎｏｌｏｇｉｅｓ）　５１　ＤＯＩ：１０．１３８７３／Ｊ．１０００－９７８７（２０１７）０３－－００５１－－０４　基于模糊控制的移动机器人避障研究　杨小菊　，张伟　，高宏伟。，米海山　（１．中国科学院沈阳自动化研究所机器人学国家重点实验室。辽宁沈阳１１００１６；　２．沈阳理工大学自动化与电气工程学院，辽宁沈阳１１０１６８）　摘娄：针对移动机器人在未知环境中的不确定性，利用Ｍａｔｌａｂ构建了多传感器仿真试验移动平台，在　Ｓｉｍｕｌｉｎｋ中搭建移动机器人运动学模型，利用多传感器采集环境中的障碍物信息与目标物的方位角，设计　了具有避障功能的模糊控制算法。通过模糊控制器控制移动机器人的左右轮速度实现机器人的转弯以及　直走，根据机器人实时的角度反馈信息不断修正机器人的位姿以精确避障。仿真实验验证了该方法的可　行性及有效性。　关键词：移动机器人；多传感器；模糊控制；避障　中囱分类号：ＴＰ２７３．４　文献标识码：Ａ　文章编号：１０００－９７８７（２０１７）０３－－００５１－０４　Ｓｔｕｄｙ　ｏｎ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｏｆ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｂａｓｅｄ　ｏｎ　ｆｕｚｚｙ　ｃｏｎｔｒｏｌ　ＹＡＮＧ　Ｘｉａｏ－ｊｕ　，ＺＨＡＮＧ　Ｗｅｉ　，ＧＡＯ　Ｈｏｎｇ．ｗｅｉ　，ＭＩ　Ｈａｉ．ｓｈａｎ　（１．Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｒｏｂｏｔｉｃｓ，Ｓｈｅｎｙａｎｇ　ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ａｕｔｏｔｎａｔｉｏｎ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｓｃｉｅｎｃｅｓ，　ｓｈｅｎｙａｎｇ　１１００１６，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ　ｏｆ　Ａｕｔｏｍａｔｉｏｎ　ａｎｄ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，　Ｓｈｅｎｙａｎｇ　Ｌｉｇｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ　１１０１６８，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｉｍｅｄ　ａｔ　ｕｎｃｅｒｔａｉｎｔｙ　ｏｆ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｉｎ　ｕｎｋｎｏｗｎ　ｅｎｖｉｒｏｎｍｅｎｔ，ｍｕｌｔｉ—ｓｅｎｓｏｒ　ｓｉｍｕｌａｔｉｏｎ　ｔｅｓｔ　ｍｏｂｉｌｅ　ｐｌａｔｆｏｒｍ　ｉｓ　ｃｏｎｓｔｒｕｃｔｅｄ　ｗｉｔｈ　Ｍａｔｌａｂ　ａｎｄ　ｔｈｅ　ｋｉｎｅｍａｔｉｃｓ　ｍｏｄｅｌ　ｆｏｒ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｉｓ　ｂｕｉｌｔ　ｉｎ　Ｓｉｍｕｌｉｎｋ．Ｔｈｅ　ｏｂｓｔａｃｌｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｅｎｖｉｒｏｎｍｅｎｔ　ａｎｄ　ａｚｉｍｕｔｈ　ａｎｇｌｅ　ｏｆ　ｔａｒｇｅｔ　ｏｂｊｅｃｔ　ａｒｅ　ｃｏｌｌｅｃｔｅｄ　ｂｙ　ｍｕｌｔｉ－ｓｅｎｓｏｒ　ａｎｄ　ｔｈｅ　ｆｕｚｚｙ　ｃｏｎｔｒｏｌ　ａｌｇｏｒｉｔｈｍ　ｗｈｉｃｈ　ｈａｓ　ｔｈｅ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｉｓ　ｄｅｓｉｇｎｅｄ．Ｆｕｚｚｙ　ｃｏｎｔｒｏｌｌｅｒ　ｃｏｎｔｒｏｌｓ　ｗｈｅｅｌ　ｓｐｅｅｄ　ｏｆ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｔｏ　ｔｕｒｎ　ａｒｏｕｎｄ　ａｎｄ　ｇｏ　ｓｔｒａｉｇｈｔ，ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ａｎｇｌｅ　ｏｆ　ｒｅａｌ—ｔｉｍｅ　ｆｅｅｄｂａｃｋ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｏ　ｍｏｄｉｆｙ　ｔｈｅ　ｐｏｓｅ　ｏｆ　ｔｈｅ　ｒｏｂｏｔ　ａｎｄ　ｔｈｅｎ　ａｖｏｉｄ　ｏｂｓｔａｃｌｅｓ　ｐｒｅｃｉｓｅｌｙ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｓｉｍｕｌａｔｉｏｎ　ｅｘｐｅｒｉｍｅｎｔ　ｖｅｒｉｆｙ　ｆｅａｓｉｂｉｌｉｔｙ　ａｎｄ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｉｓ　ｍｅｔｈｏｄ．　Ｋｅｙ　ｗｏｒｄｓ：ｍｏｂｉｌｅ　ｒｏｂｏｔ；ｍｕｌｔｉ—ｓｅｎｓｏｒ；ｆｕｚｚｙ　ｃｏｎｔｒｏｌ；ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　０引　言　移动机器人最基本的智能行为就是避障　Ｊ，是机器人　移动机器人通过传感器感知环境和自身状态，对复杂　环境进行自主分析、判断和决策，实现面向目标的自主运　进行决策规划和运动控制等高级智能行为的基础，是在复　杂环境或者未知环境中的完成各种任务的重要保障。因　此，研究实时准确避障也是当前移动机器人技术的难点与　热点。国内外多传感器信息融合的避障常用方法包括Ｂｕｇ　动，从而完成一定作业功能的机器人系统　。传感器采集　的信息是移动机器人感知的唯一来源，也是机器人理解环　境从而执行决策的依据。然而，环境信息往往是未知的。　算法　］、人工势场法　】、矢量直方图法　、遗传算法　、模　糊控制法　等。Ｂｕｇｚ算法中没有考虑机器人的动力学。　人工势场法结构简单，便于低层的实时控制，但是存在局部　最优解的问题，因而可能使机器人在到达目标点之前就停　传统的系统是靠单一传感器完成信号采集，即使使用多种　（多个）传感器也只能提供局部的孤立信息。多传感器的　出现使机器人从多层面，多角度、多方位充分理解环境信　息，为机器人实时做出准确的判断和决策提供了有力的技　术支撑。多传感器信息融合充分利用传感器信息的冗余、　互补性以提高机器人的感知能力与智能水平。　收稿日期：２０１６－０４－２１　基金项目：国家自然科学基金青年科学基金资助项目（５１５０５４７０）　留在局部最优点，即死锁现象。遗传算法运算速度不快，进　化要占据较大的运算时间和存储空间。车体移动时，周围　的环境动态变化，移动机器人作为时变的非线性复杂系统，　５２　传感器与微系统　第３６卷　很难建立精确的数学模型，采用模糊控制方法能够很好地　解决这类问题　。　本文将模糊控制算法应用于移动机器人避障中，以模　糊控制器控制机器人的速度，通过Ｍａｔｌａｂ仿真验证了此方　法的有效性。　１　移动机器人的系统结构与运动学模型　１．Ｉ　移动机器人的系统结构　移动机器人采用差速转向式，利用两后轮的筹速驱动　实现轨迹的控制和姿态的调节，系统结构如图ｌ所示，移动　机器人的控制结构分为＿二层结构　’　：上层为传感器层（超　声波、红外与电子罗盘），完成环境信息的采集；中间为决策　控制层，实现机器人系统的运动控制决策；下层为运动执行　层，由驱动　元组成，完成机器人的转弯和直走等操作。　，　，图１移动机器人的系统结构图　针对机器人在复杂环境中执行避障任务，在移动饥器　一　人本体的左、前、右三个力‘向分别安装两超声波传感器获取　未知环境的障碍物距离信息，红外传感器来弥补超声波测　距的缺陷，用于紧急避障，电子罗盘实时获取机器人与目标　物的方位角．．传感器的整体布局如图２昕示，１～６数字表　示机器人本体　的６个超声波编号，ｌ非　２　声波组成机　器人左方障碍物的测距组，３＃Ｌ３　４妫前方的测距组，５＃ｔ－￣６＃　组成右方的测距组。　移动机　人　超Ｊ｛　波传感　ｍ　『Ｕ　罗盘豢红外传感　图２传感器的布局系统图　１．２移动机器人的运动学模型　『｝１移动饥器人的运动学使型“可知，移动机器人　ｆ￡　意时刻都足绕乍体转动　似没移动饥器人只作纯滚动　／ｆ　滑动　图３为移动机器人的运动模型，其中ＸＯＹ为移动机　器人的全局坐　系　、　移动机器人化姿　叮以表爪为　二］　㈩　【　＝１＿）ｌ／－　ＵＩ　３　畅小葡，等：　于模糊控制的移动机　人避障研究　５３　ｌ＿－■　ｌｌ　Ｉ｝　Ｉ　ｌ　●　Ｉ　ｆ　Ｉ１　－－■－ｌ■　一　●ｌ　　ｌ　㈣　Ｉ－　Ｉ－－●　一　●　Ｉｃ）　（１１　ｌ　ｔｈ）　ｌ－　■－－－■图４－　—．－　．１障碍物的环境分类　－Ｉ●　综合学虑各个他感器的信息做出　合理的避障决策　移动饥器人避障的决策取决于障碍物的分布，在Ｍａｔｌａｂ　仿真环境ｆｆＩ，需要模拟机器人的传感器分布，因此，将机器　人前方视线范围划分为左、前与右方三个区域，以判断障碍　物的ｌ　怵ｆ　、、　５为｝１　，Ｊ‘向分　罔　图５　目标方向　为Ｊ　使移动机器人　、精确避障，　利剑达Ｈ标ｆ　、　、将趟　波　ｊ红外传感器采集的信息进行分组预处　删，　离　息干¨电ｆ罗黼获取的日标角度信息送入模糊控　制器，懊糊舒：法融合ｆｎ　境障碍物；然后根据控制规则发出　执ｆ　命令，…运动执ｉ于　实现饥器人的位　捌　；最后将机　人的，仃瞍　时反馈给控　以精确地完成避障动作、移　动机器人进障　制　构　６所，Ｊ　传感　』１、　搽　侈　境　息ｎｑ　商ｌ　分组　ｆ』【　心　搜ｒ　！　器　ｊ　趣　处川　伯人　Ｊ耍　图６移动机器人避障的模糊控制结构　２．２模糊控制器的设计　此　，ｉ１：多　埘卡５１糊　制进行深入研究，将多传感　采集的　息Ｉ　ｆ｝受作为模糊　制器的输入，随荷传感器维　数的增ＪＪ【】，分削数越多，控制规则就成俯增ｎｆ１，从　影响机　器人的　时　此埘传感器信息分组处理，提取最ｌ仃效　ｎ０特ｆｉＩ！ｆ＇ｔ　为模糊　【Ｊｎ　输入　糊控制　汁为多输入／多输川系统（４输入／２输　…），将移动机　人　１８０。池　的　力‘、　力‘　方的ｊ芏ｊ　，｛　波ｆ１Ｉ　￣３＇－１ｔ々感　采集的障衅物　！离（Ｉｄ），ＦＤ，ＲＤ）以及电　Ｊ　艇扶取的ｌ】标力．ｆ　『ｆ】（ａｎｇｌｅ）作为模糊控制器的输入，　ｆ｛；动机器人的／Ｊｊ　轮速度（１ｅｆｔ—Ｖ，ｒｉｇｌＩｔ—Ｖ）作为控　器的输　…　为ｒ减少系统过多的输入　增力Ｉ１复杂性，取ＬＤ为机器　人　‘洲：Ｉ｛＝的障碍物最近距离，　ＬＤ＝ｌｌｌｉｌ＇ｌ（１，２）．．『州理　Ｄ为前方的障碍物最近距离，ＦＤ＝ｌｌｌｉｎ（３，４），ＲＤ—　ａｒｉｎ（５，６）　、　…ｒ模糊分割数‘ｊ模糊控制规川紧密相关，模糊分割　数太多或太少郁将影响机器人的避障性能。考虑剑实验环　境和超声波测距性能，将输入变　ＬＤ．ＦＤ，ＲＤ的模糊语言　变　定义为　近”，“一　，“远”　＝　”，“Ｍ”，“Ｆ＇．：，障碍　物论域［０—４．５１ｌ１　前、左、有任意方向的趟声波出现洲量　育　时，障碍物的　离以该方向的红外传感器信息作为输　入。Ａｎｇｌｅ的模糊语言变量为ｌ－－左”，“曲”，“右”÷＝　Ｚ”，　“Ｑ”，“Ｙ”；，论域为［０，１８０。］　输出变量ｌｅｆｔ—Ｖ与ｒｉｇｌｌＩ—Ｖ　的值为｛－－２００，一１００，０，１００，２００　一Ｉ．．ＮＢ”，“ＮＳ”，“Ｚ”，　“ｚＳ”，“ＺＢ”　巾于高斯型隶属度　数曲线较为平滑，使系　统仃较好的准确性卡¨简洁性，所以小文的隶幅度函数采川　高斯型　７（ａ）为左方ＬＤ距离ｎ　隶属度　数曲线　理　｝ｉｉ『方干¨　方有同样的隶属度曲线　目标角度的隶属度函数　Ｉ｝Ｉ１线平１１乍　轮速度求槲度曲线ｆ』ｆ　１７（Ｉ｝）干¨（ｔ－）昕示．　ｌ　０　毒　Ｏ　Ｏ　１．Ｏ　２　０　３　０　４　０　ＬＤ距离，ｍ　（ａ）障碍物距离隶黼度　ｌ　Ｏ　０　５　０　０　２０　４０　６０　８０　１００　ｌ２０　ｌ４０　１６０　１　８Ｏ　ｉｎｐｕｔ　ｖａｉ　ｉａｂｌｅ“Ａｎｇｌｅ”角度／。　ｆｂ）｝｛标角度隶膪度　１　Ｏ　萋　０　５　Ｏ　述慢／ｍ／ｓ　（ｃ）速度求　度　图７　障碍物距离、目标角度和速度隶属度　为Ｊ　形象直观地规察　制效果．　叮以　看模糊控制规　则的ｉ维观洲　，　８昕爪，其中（ａ）为输入前　距离ＲＤ　ｊ左办趴离ＬＤ，输出ｌｅｔｆ—Ｖ的曲面图，图（ｂ）为输入ＬＤ与　Ａｎｇｌｅ，输ｔｌ；ｒｉｇｈｔ—Ｖ的［ｕ１【ｆＬ『　２００　ｌ００　０　（ａ）／Ｊ・轮述艘　（ｂ）　ｉ轮速度　图８模糊控制的三维观测图　水文的模糊推理采用Ｍａｍｄａｎｉ的Ｉｌｌ＇ＩＸ—ｌｌｌｉ　Ｔ１合成法，反　模糊化采胴叫积『ｆｌ心法　。模糊规［Ｊ！Ｊｊ足模糊控制的核心，　采川ｌ　ｒＨＥＮ条件沿占，组成Ｎ＝３　ｘ３　ｘ３　ｘ５＝１３５条模糊　控制规则　以机器人的右侧具有障碍物为例，巳ｌＪ图４的第　５４　传感器与微系统　第３６卷　４类障碍物分布所示，可以建立如下６条模糊控制规则：１）　ＩＦ　ＲＤ＝Ｎ　ＡＮＤ　Ａｎｇｌｅ＝Ｚ　ＴＨＥＮ　ｌｅｆｌ＿Ｖ＝ＮＢ　ＡＮＤ　ｒｉｇｈｔ—Ｖ＝　ＰＢ；２）ＩＦ　ＲＤ；Ｎ　ＡＮＤ　Ａｎｇｌｅ＝Ｑ　ＴＨＥＮ　ｌｅｆｔ—Ｖ＝ＰＢ　ＡＮＤ　ｒｉｇｈｔ＿Ｖ＝ＰＢ；３）ＩＦ　ＲＤ＝Ｎ　ＡＮＤ　Ａｎｇｌｅ＝Ｙ　ＴＨＥＮ　ｌｅｆｔ＿Ｖ＝ＰＢ　ＡＮＤ　ｒｉｇｈｔ＿Ｖ＝ＮＢ：４）ＩＦ　ＲＤ；Ｍ　ＡＮＤ　Ａｎｇｌｅ：Ｚ　ＴＨＥＮ　ｌｅｆｔ—　Ｖ＝Ｚ　ＡＮＤ　ｆｉｇｈｔＶ＝ＰＢ；５）ＩＦ　ＲＤ＝Ｍ　ＡＮＤ　Ａｎｇｌｅ＝Ｑ　ＴＨＥＮ　ｌｅｆｔ　Ｖ＝ＰＢ　ＡＮＤ　ｒｉｇｈｔ＿Ｖ＝ＰＢ；６）ＩＦ　ＲＤ＝Ｍ　ＡＮＤ　Ａｎｇｌｅ＝Ｙ　ＴＨＥＮ　ｌｅｆｔ＿Ｖ＝ＰＳ　ＡＮＤ　ｒｉｇｈｔＶ＝ＰＳ；　３移动机器人避障实验　首先在Ｍａｔｌａｂ的ｉｎ文件中设定机器人的起始位置、目　标位置和随机分布的障碍物。先计算机器人与目标物的角　度Ａｎｇｌｅ，在设定测距范围内，计算障碍物与机器人的角度　并逐一与目标角度比较，当障碍物角度大于Ａｎｇｌｅ时，则认　为障碍物在机器人的左方，等于Ａｎｇｌｅ则可以确定障碍物　在机器人的前方，小于Ａｎ　ｅ就认为障碍物在机器人的右　方。然后分别在左方、前方与右方区域计算离机器人最近　的距离作为左、前和右方的障碍距离。鉴于Ｓｉｍｕｌｉｎｋ具有　直观、方便高效等特点，利用Ｓｉｍｕｌｉｎｋ的模块搭建移动机器　人运动模型并建立模糊控制器。将Ｉｎ文件中实时计算的障　碍物距离和机器人与目标物体的角度信息送人Ｓｉｍｕｌｉｎｋ的　模糊控制器，控制器输出机器人的左右轮速度，基于机器人　的运动学原理转换成当前的位置坐标。即用ｓｉｍ函数将ｍ　文件与Ｓｉｎｉｕｌｉｎｋ建立连接，并配置好仿真时间，使ＩＴＩ文件与　Ｓｉｍｕｌｉｎｋ实时通信。Ｓｉｍｕｌｉｎｋ的运动学模型图９所示。　图９　Ｓｉｍｕｌｉｎｋ的运动学模型　经过多次仿真，不断调整各个模块的参数，最后将仿真　数据整理并执行画图功能，得到移动机器人的避障仿真结　果如图ｌＯ所示。　姜　褪　距离／ｍ　图１Ｏ机器人避障仿真结果　４结论　本文基于模糊控制算法实现移动机器人的避障任务，　仿真实验结果表明，模糊控制算法解决非线性系统的优势。　在简单的环境中，移动机器人可以灵活、准确避开障碍物，　到达目标点，满足机器人避障需求。但是，在障碍物形状不　规则且分布复杂时，机器人容易靠近障碍物，造成避障失　败。因此，还需进一步改进避障算法，下一步将考虑将多种　算法集成　”　使用并在移动平台上进行实物验证，比如将神　经网络与模糊控制结合，充分利用各自的优点，使机器人做　出更灵活、更优越的规划。　参考文献：　［１］倪小雷，　佳俊．自主移动机器人混合式体系结构的设计与　实现［Ｊ］．计算机测量与控制，２００６，１４（１１）：１５２６－－１５２８．　［２］　Ｍａｈｌｅｒ　Ｒ．Ｒａｎｄｏｍ　ｓｅｔｓ：Ｕｎｉｉｆｃａｔｉｏｎ　ａｎｄ　ｃｏｍｐｕｔａｔｉｏｎ　ｆｏｒ　ｉｎｆｏｒｍａ—　ｔｉｏｎ　ｆｕｓｉ０ｎ——Ａ　ｒｅｔｒｏｓｐｅｃｔｉｖｅ　ａｓｓｅｓｓｍｅｎｔ［Ｃ］／／Ｔｈｅ　７ｔｈ　Ｉｎｔｅｒｎａ—　ｔｉｏｎａｌ　Ｃｏｎｆｔ，ｒｅｎｃｅ　ｏｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｆｕｓｉｏｎ，Ｓｔｏｃｋｈｏｌｍ，Ｓｗｅｄｅｎ：　Ｓｗｅｄｉｓｈ　Ｄｅｆｅｎｅｅ　Ｒｅｓｅａｒｃｈ　Ａｇｅｎｃｙ，２００４：１－２０．　［３］Ｌｕｍｅｌｓｋｙ　Ｖ，Ｓｋｅｗｉｓ　Ｔ．Ｉｎｃｏｒｐｏｒａｔｉｎｇ　ｒｎａｇｅ　ｓｅｎｓｉｎｇ　ｉｎ　ｔｈｅ　ｒｏｂｏｔ　ｎａｖｉｇａｔｉｏｎ　ｆｕｎｃｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｓｙｓｔｅｍｓ，Ｍａｎ，ａｎｄ　Ｃｙｂｅｒｎｅｔｉｃｓ，１９９０，２０（５）：１０５８－－１０６８．　『４　１　Ｋｏｒｅｎ　Ｙ．Ｂｏｒｅｎｓｔｅｉｎ　Ｊ．Ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ　ｍｅｔｈｏｄｓ　ａｎｄ　ｔｈｅｉｒ　ｉｎｈｅｒｅｎｔ　ｌｉｍｉｔａｔｉｏｎｓ　ｆｏｒ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｎａｖｉｇａｔｉｏｎ［Ｃ］∥ＩＥＥＥ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｒｏｂｏｔｉｃｓ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，Ｃａｌｉｆｏｒｎｉａ，１９９１：１３９８－－１４０４．　［５］　Ｂｏｒｅｎｓｔｅｉｎ　Ｊ，Ｋｏｒｅｎ　Ｙ．Ｔｈｅ　ｖｅｃｔｏｒ　ｆｉｅｌｄ　ｈｉｓｔｏｇｒａｍ－ｆａｓｔ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｆｏｒ　ｍｏｂｉｌｅ　ｒｏｂｏｔｓ『Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｒｏｂｏｔｉｃｓ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，１９９１（７）：２７８－２８８．　［６］　孙树栋，林茂．基于遗传算法的多移动机器人协调路径规　划［Ｊ］．自动化学报，２０００，２６（５）：６７２－－６７６．　［７］　Ｍａｌｈｏｔｒａ　Ｒ，Ｓａｒｋａｒ　Ａ．Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ａ　ｆｕｚｚｙ　ｌｏｇｉｃ　ｂａｓｅｄ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｆｏｒ　ｄｙｎａｍｉｃ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ａｎｄ　ｇｏａｌ　ａｃｑｕｉｓｉｔｉｏｎ　ｉｎ　ａｎ　ｕｎｓｔｒｕｃｔｕｒｅｄ　ｅｎｖｉｒｏｎｍｅｎｔ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２００５　ＩＥＥＥ／　ＡＳＭＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｄｖａｎｃｅｄ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｍｅｃｈａ－　ｔｒｏｎｉｃｓ　Ｍｏｎｔｅｒｅｙ，Ｃａｌｉｆｏｒｎｉａ，ＵＳＡ，２００５：１１９８－－１２０３．　［８］　赵晓光，戴炬，赵经纶．ＲＯＶ模糊控制导航方法［Ｊ］．信息与　控制，２００２（１）：５５－－５８．　［９］　Ａｒａｕｊｏ　Ｒ，Ａｌｍｅｉｄａ　Ａ　Ｔ　Ｄ．Ｌｅａｒｎｉｎｇ　ｓｅｎｓｏｒ—ｂａｓｅｄ　ｎａｖｉｇａｔｉｏｎ　ｏｆ　ａ　ｒｅａｌ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｉｎ　ｕｎｋｎｏｗｎ　ｗｏｒｌｄｓ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｓｙｓｔｅｍｓ　Ｍａｎ　ａｎｄ　Ｃｙｂｅｒｎｅｔｉｃｓ，Ｐａｒｔ　Ｂ：Ｃｙｂｅｒｎｅｔｉｃｓ　Ａ　Ｐｕｂｌｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ＩＥＥＥ　Ｓｙｓｔｅｍｓ　Ｍａｎ　ａｎｄ　Ｃｙｂｅｒｎｅｔｉｃｓ　Ｓｏｃｉｅｔｙ，１９９９，２９（２）：　１６４－１７８．　［１Ｏ］师黎，陈铁军，李晓媛，等．智能控制理论及应用［Ｍ］．北　京：清华大学出版社，２００９：３４－６７．　［１１］席爱民．模糊控制技术［Ｍ］．西安：西安电子科技大学出版　社．２００８．　［１２］黄漫国，樊尚春，郑德智，等．多传感器数据融合技术研究进　展［Ｊ］．传感器与微系统，２０１０，２９（３）：５—８．　作者简介：　杨小菊（１９８９一），女，硕士研究生，主要研究方向为移动机器　人的多传感器信息融合方法。　张伟（１９７９一），通讯作者，博士，副研究员，从事故障诊断、　机器人等方面的研究工作，Ｅ—ｍａｉｌ：ｚｈａｎｇｗｅｉ＠ｓｉａ．ｃｎ。