实例介绍
【实例简介】
避障算法，对于设计机器人移动避障很有用，来吧，赶紧下载
2442008,44(26) Computer Engineering and Applications计算机工程与应用 1.7++ 0.5 2Hln1 OutI 12:34-f(u) []<0→STOP 2.1 △tan PH cO 0.75 12:34-f(u) 0.75→+ Pull<OFSTOP 0.7 图2智能车辆控制系统结构图 其中n为模糊规则的数量,y,由第i条规则的结论方程式计算线和预期到达位置。其中被控车辆的动态目标位置的设置要考 得到,G为第i条规则的适用度,山下式计算 虑动态障碍物的车身宽度变换车道以后与前后车辆的安全 距离。 (1)当障碍物(车辆2)初始位置坐标为(15,1.7,0)时,通过 其中∏为模糊化算子,通常取小运算。 决策模块的决策,被控车辆从车辆2的下方绕行,运行轨迹和 本研究采用模糊逻辑作为控制策略,以T-S模糊模型来设车头方向即时变化分别如图3所示。 计控制器的结构,利用神经网络的参数学习算法对由仿真产生 的数据集进行学匀来调鳖模糊推理系统中变量的隶属度凼数 的形状参数,计算出隶属度函数的最佳参数,使得设计出来的 T-S模糊推理系统能够很好地模拟岀希望的输入输岀关系,在 ,,e 此基础上获得模糊推理系统,具体由 matlab模糊工具箱的图 形界面工具 anfisedit实现 自→X 1015202530354 (1)根据本研究的控制原理由程序仿真产生其训练数据、 (a)运动轨迹 核对数据和测试数据。然后在 anfisedit图形窗口界面中装载数 0.010 据,包括训练、测试以及核对数据。 0.000 (2)选择网络法 Grid partition单选框按钮,然后点击 Generate FIS,并根据研究的需要设置相应的参数,生成初始模糊推理 0.010 -0.015 系统。 0.020 1.0 2.0 3.0 (3)选择混合法作为训练算法并设置误差精度和训练次数 b)车头方向即时变化 来训练神经网络模糊推理系统。 图3动态避障右绕行图 (4)在完成对ANFS的训练后,对其进行测试,即比较 ANFS的输岀数据与测试数据。然后,根据比较结果来调整步 在图3(a)中:车辆2以10ms的速度作匀速直线运动,到 骤(2)、(3)中的参数,最终得到需要的控制器 达最终状态(41.5,1.7,0),车辆1(被控车辆)从初始状态(2,1,0) 针对车辆运动特性,车辆局部坐标系下的动态目标位置x,平滑地沿着虚拟的路线2以15m/s的速度匀速跟踪车辆2,最 y和动态目标方向θ三个变量作为模糊控制的输入变量,车辆终到达状态(41.5,0.7,0),整个过程比较平滑、自然,比较合理 的转向角α作为模糊控制的输岀变量。根据实际控制要求,可以地反映岀驾驶员的驾驶行为。在图3(b)中:车辆1行驶0.75s 大致确定状态变量和控制变量的范围分别是x,∈⑩0,30,y,∈以后,为了不与车辆2相撞,也增大车头方向与水平方向夹角, 0,61,,∈[-0.3,0.3和a∈(-90,90)。 以便车辆1能够较快地变换车道,车辆1行驶2s(32m处)以 后,车辆1完成绕行,但尚未赶上车辆2(已行驶到35m处), 4仿真实验 因此,车辆1继续前行,车头方向基本保持不变。最终车辆1与 为了说明该研究的有效性,对基于动态日标位置车辆动态标方向的差值大约在0002ad左右,换算成角度值小于1° 避障进行仿真,并进行分析。依据上文设计的智能控制策略,在在误差允许的范围内。 Simulink环境下对控制系统进行建模仿真,得到的基于动态目 (2)当障碍物(车辆2)初始位置坐标为(15,1.1,0)时,通过 标位置车辆的控制系统结构如图2所示。其中被控车辆(车辆决策模块的决策,被控车辆从车辆2的上方绕行,运行轨迹和 1)初始位置坐标为:(2,1,0);被控车辆的速度为15ms,轴距车头方向即时变化分别如图4所示。 为1.5m,动态障碍物的速度为10m/s;仿真采样时间间隔为 在图4(a)中:车辆2以10m/s的速度作匀速直线运动,到 0.05s。 达最终状态(41.5,2.1,0),车辆1(被控车辆)从初始状态(2,1,0) 在本仿真系统中,有一个驾驶员决策模块用来判断前方运平滑地沿着虚拟的路线2以15ms的速度匀速跟踪车辆2,最 动车辆的左右安全间隔(车道宽度与车身宽度)来确定绕行路终到达状态(41.5,2.1,0),整个过程比较平滑、自然,比较合理 于少伟,曹凯:基于动态目标位置的智能车辆动态避障控制研究 2008,44(26)245 目标位置考虑更多障碍物的影响,使避障策略更加有效。 参考文献: [1] Aoki T Motion planning for multiple obstacles avoidance of au- tonomous mobile robot using hierarchical fuzzy rules[C]/proceed 00 X 10 354045 ings of ieee international Conference on Multisensor Fusion and (a)运动轨迹 Integration for Intelligent System(MFI94), Las Vegas, 1994: 265-271 2]谢敬,傅卫平,杨静基于碰撞危险度的移动机器人避障模糊控制J 0.030 组合机床与自动化加工技术,2003,1(2):23-25 0.025 0.020 3]Ge SS, Cui Y JDynamic motion planning for mobile robots using 0.01 potential field method[J]. Autonomous Robots, 2002, 13(1): 207-222 0.010 「4]董立志基于实时障碍物预测的机器人运动规划J机器人,200,1 0.005 (1):12-16 0.5 1.0 1.5 2.0 3.0 (b)车头方向即时变化 5]袁曾任,高明在动态环境中移动机器人导航和避碰的一种新方法J 机器人,2000,3(2):81-88 图4动态避障左绕行图 6]庄晓东动态环境中基于模糊概念的机器人路径搜索方法J机器 地反映出驾驶员的驾驶行为。在图4(b)中:车辆1行驶0.75s 人,2001,9(5):397-399 以后,为了不与车辆2相撞,也增大车头方向与水平方向夹角, Fiorini e, Shiller Z Motion planning in dynamic environments using 以便车辆1能够较快地变换车道,车辆1行驶2s(32m处)以 velocity obstacles[J.The International Journal of Robotics Research 1998,17(7):760-772 后,车辆1完成绕行,但尚未赶上车辆2(已行驶到35m处),8陈华华,杜歆,顾伟康基丁神经网络和遗传算法的机器人动态避障 因此,车辆1继续前行,车头方向基本保持不变。最终车辆1与 路径规划J传感技术学报,2004,12(4):551-555 目标方向的差值大约在0.002rad左右,换算成角度值小于 19 Rude M Collision avoidance by using space time representations of 在误差允许的范围内。 motion processes[J]. Autonomous Robots, 1997, 4(1): 101-119 10张凤,谈大龙.一种基于相对坐标系下移动机器人动态实时避碰的 结论 新方法门机器人,2003,25(1):31-34 11段华,赵东标.一种新的移动机器人动态避障方法应用科学学 本文以智能车辆的动态避障为研究对象,提出了动态目标 报,2006,24(5):525-528 位置概念作为车辆控制的基础,通过采用自适应神经网络对T-[12]段华,赵东标动态环境下基于势场原理的避障方法小华中科技 S模糊模型的隶属度函数的参数调整,在此基础上建立模糊推 大学学报:自然科学版,2006,34(9):3941. 理系统以三次样条曲线作为车辆运行的路径选择,实现了车辆13马志涛倒立摆系统的TS模糊控制研究J微计算机信息,2002 的动态障碍物避让。仿真结果表明:被控车辆能够沿着虚拟的路 10):69-71 41刘卫国 MATLAB程序设计教程M北京:中国水利水电出版社, 线平稳地跟踪前方车辆,并平滑地绕行,较为理想地模拟实际交 2005 通环境中车辆橫向运动的特性和驾驶员的驾驶行为特性。在以(15于少伟曹凯基于云模型的动态交通数据流软划分算法门计算 后的研究工作中,将考虑在限制算法复杂度的前提下,基于动态 机工程与应用,2007,43(28):217-219 (上接207页) 3]王守觉仿生模式识别——一种模式识别新模型的理论与应用[J 等转发策略,通过在 TOSSIM上的模拟执行发现,有多于17% 电子学报,2002,30(10):1417-1420. 的传感器节点提高它们到汇聚节点之间的路由路径可靠性,提4安冬,王库,王守觉高维空间点覆盖方法在物种计算机自动分类中 高的可靠性在2%到51%之间。模拟结果表明,随着转发步数增 的应用电子学报,2006,34(2):277-281 加,报文重发次数增加,建立的路由路径更优,然而节点需要发5]JZ,LiJB, Shi S F Concepts, issues and advance of sensor networks and data management of sensor networks J-Journal of 送和接收更多的数据报文。随着我国西部大开发及西气东输工 Software,2003,14(10):1717-1727 程的实施将有大量的油气管道投入建设和运行,为将泄漏事故6LicL,CaoH. A load balance data storage method based on rin 造成的各种危害减少到最小,需要研究泄漏在线监测技术,网络 for sensor networks[J]Journal of Software, 2007, 18(5): 1173-1185 链路层中路由路径算法的研究对提髙的泄漏监测灵敏度和定位( Shenker s, Ratnasamy S,KapB,etal.Data- centric storage In 精度具有直接影响和决定作用,本设计在线监测系统在开封仪 sensornets[J]. ACM SIGCOMM Computer Communications Review 表有限公司已经投入生产,每年带来经济效益达1500万元,完 2003,33(1):137-142 全符合工业现场要求,具有很大的实际意义和应用价值 8 Ganesan D, Greenstein B, Estrin D, et al. Multi-resolution storage and search in sensor networks J ACM Trans on Storage, 2005, 1(3): 277-315 [9] Madden S, Franklin M, Hellerstein J, et al.Tinydb: An acquisitional 参考文献: query processing system for sensor networks[JLACM Trans on Database [1] Marti P, Fuertes J M, Fohler G, et al. Improving quality of contro ystems,2005,30(1):122-173 using flexible timing constraints: metric and scheduling [C]/ [10] Intanagonwiwat C, Govindan R, Estrin D, et al. Directed diffusion Proceedings of the 23rd IEEE Real-Time Systems Symposium for wireless sensor networking.IEEE/ACM Trans on Networking Texas,USA,2002:91-100 2003,11(1):2-16 [2] Cervin A, Henriksson D, Lincoln B, et al. How does control timing [11] Gil T M, Madden SScoop: An adaptive indexing scheme for affect performance? Analysis and simulation of timing usin stored data in sensor networks[C)/Dogac A, Ozsu T, Sellis T. Proc Jitterbug and True Time [J.IEEE Control Systems Magazine, 2003 of the 23rd Int' conf on data engineering Istanbul: IEee 23(3):16-30. Computer Society, 2007: 89-102 【实例截图】
【核心代码】
避障算法，对于设计机器人移动避障很有用，来吧，赶紧下载
2442008,44(26) Computer Engineering and Applications计算机工程与应用 1.7++ 0.5 2Hln1 OutI 12:34-f(u) []<0→STOP 2.1 △tan PH cO 0.75 12:34-f(u) 0.75→+ Pull<OFSTOP 0.7 图2智能车辆控制系统结构图 其中n为模糊规则的数量,y,由第i条规则的结论方程式计算线和预期到达位置。其中被控车辆的动态目标位置的设置要考 得到,G为第i条规则的适用度,山下式计算 虑动态障碍物的车身宽度变换车道以后与前后车辆的安全 距离。 (1)当障碍物(车辆2)初始位置坐标为(15,1.7,0)时,通过 其中∏为模糊化算子,通常取小运算。 决策模块的决策,被控车辆从车辆2的下方绕行,运行轨迹和 本研究采用模糊逻辑作为控制策略,以T-S模糊模型来设车头方向即时变化分别如图3所示。 计控制器的结构,利用神经网络的参数学习算法对由仿真产生 的数据集进行学匀来调鳖模糊推理系统中变量的隶属度凼数 的形状参数,计算出隶属度函数的最佳参数,使得设计出来的 T-S模糊推理系统能够很好地模拟岀希望的输入输岀关系,在 ,,e 此基础上获得模糊推理系统,具体由 matlab模糊工具箱的图 形界面工具 anfisedit实现 自→X 1015202530354 (1)根据本研究的控制原理由程序仿真产生其训练数据、 (a)运动轨迹 核对数据和测试数据。然后在 anfisedit图形窗口界面中装载数 0.010 据,包括训练、测试以及核对数据。 0.000 (2)选择网络法 Grid partition单选框按钮,然后点击 Generate FIS,并根据研究的需要设置相应的参数,生成初始模糊推理 0.010 -0.015 系统。 0.020 1.0 2.0 3.0 (3)选择混合法作为训练算法并设置误差精度和训练次数 b)车头方向即时变化 来训练神经网络模糊推理系统。 图3动态避障右绕行图 (4)在完成对ANFS的训练后,对其进行测试,即比较 ANFS的输岀数据与测试数据。然后,根据比较结果来调整步 在图3(a)中:车辆2以10ms的速度作匀速直线运动,到 骤(2)、(3)中的参数,最终得到需要的控制器 达最终状态(41.5,1.7,0),车辆1(被控车辆)从初始状态(2,1,0) 针对车辆运动特性,车辆局部坐标系下的动态目标位置x,平滑地沿着虚拟的路线2以15m/s的速度匀速跟踪车辆2,最 y和动态目标方向θ三个变量作为模糊控制的输入变量,车辆终到达状态(41.5,0.7,0),整个过程比较平滑、自然,比较合理 的转向角α作为模糊控制的输岀变量。根据实际控制要求,可以地反映岀驾驶员的驾驶行为。在图3(b)中:车辆1行驶0.75s 大致确定状态变量和控制变量的范围分别是x,∈⑩0,30,y,∈以后,为了不与车辆2相撞,也增大车头方向与水平方向夹角, 0,61,,∈[-0.3,0.3和a∈(-90,90)。 以便车辆1能够较快地变换车道,车辆1行驶2s(32m处)以 后,车辆1完成绕行,但尚未赶上车辆2(已行驶到35m处), 4仿真实验 因此,车辆1继续前行,车头方向基本保持不变。最终车辆1与 为了说明该研究的有效性,对基于动态日标位置车辆动态标方向的差值大约在0002ad左右,换算成角度值小于1° 避障进行仿真,并进行分析。依据上文设计的智能控制策略,在在误差允许的范围内。 Simulink环境下对控制系统进行建模仿真,得到的基于动态目 (2)当障碍物(车辆2)初始位置坐标为(15,1.1,0)时,通过 标位置车辆的控制系统结构如图2所示。其中被控车辆(车辆决策模块的决策,被控车辆从车辆2的上方绕行,运行轨迹和 1)初始位置坐标为:(2,1,0);被控车辆的速度为15ms,轴距车头方向即时变化分别如图4所示。 为1.5m,动态障碍物的速度为10m/s;仿真采样时间间隔为 在图4(a)中:车辆2以10m/s的速度作匀速直线运动,到 0.05s。 达最终状态(41.5,2.1,0),车辆1(被控车辆)从初始状态(2,1,0) 在本仿真系统中,有一个驾驶员决策模块用来判断前方运平滑地沿着虚拟的路线2以15ms的速度匀速跟踪车辆2,最 动车辆的左右安全间隔(车道宽度与车身宽度)来确定绕行路终到达状态(41.5,2.1,0),整个过程比较平滑、自然,比较合理 于少伟,曹凯:基于动态目标位置的智能车辆动态避障控制研究 2008,44(26)245 目标位置考虑更多障碍物的影响,使避障策略更加有效。 参考文献: [1] Aoki T Motion planning for multiple obstacles avoidance of au- tonomous mobile robot using hierarchical fuzzy rules[C]/proceed 00 X 10 354045 ings of ieee international Conference on Multisensor Fusion and (a)运动轨迹 Integration for Intelligent System(MFI94), Las Vegas, 1994: 265-271 2]谢敬,傅卫平,杨静基于碰撞危险度的移动机器人避障模糊控制J 0.030 组合机床与自动化加工技术,2003,1(2):23-25 0.025 0.020 3]Ge SS, Cui Y JDynamic motion planning for mobile robots using 0.01 potential field method[J]. Autonomous Robots, 2002, 13(1): 207-222 0.010 「4]董立志基于实时障碍物预测的机器人运动规划J机器人,200,1 0.005 (1):12-16 0.5 1.0 1.5 2.0 3.0 (b)车头方向即时变化 5]袁曾任,高明在动态环境中移动机器人导航和避碰的一种新方法J 机器人,2000,3(2):81-88 图4动态避障左绕行图 6]庄晓东动态环境中基于模糊概念的机器人路径搜索方法J机器 地反映出驾驶员的驾驶行为。在图4(b)中:车辆1行驶0.75s 人,2001,9(5):397-399 以后,为了不与车辆2相撞,也增大车头方向与水平方向夹角, Fiorini e, Shiller Z Motion planning in dynamic environments using 以便车辆1能够较快地变换车道,车辆1行驶2s(32m处)以 velocity obstacles[J.The International Journal of Robotics Research 1998,17(7):760-772 后,车辆1完成绕行,但尚未赶上车辆2(已行驶到35m处),8陈华华,杜歆,顾伟康基丁神经网络和遗传算法的机器人动态避障 因此,车辆1继续前行,车头方向基本保持不变。最终车辆1与 路径规划J传感技术学报,2004,12(4):551-555 目标方向的差值大约在0.002rad左右,换算成角度值小于 19 Rude M Collision avoidance by using space time representations of 在误差允许的范围内。 motion processes[J]. Autonomous Robots, 1997, 4(1): 101-119 10张凤,谈大龙.一种基于相对坐标系下移动机器人动态实时避碰的 结论 新方法门机器人,2003,25(1):31-34 11段华,赵东标.一种新的移动机器人动态避障方法应用科学学 本文以智能车辆的动态避障为研究对象,提出了动态目标 报,2006,24(5):525-528 位置概念作为车辆控制的基础,通过采用自适应神经网络对T-[12]段华,赵东标动态环境下基于势场原理的避障方法小华中科技 S模糊模型的隶属度函数的参数调整,在此基础上建立模糊推 大学学报:自然科学版,2006,34(9):3941. 理系统以三次样条曲线作为车辆运行的路径选择,实现了车辆13马志涛倒立摆系统的TS模糊控制研究J微计算机信息,2002 的动态障碍物避让。仿真结果表明:被控车辆能够沿着虚拟的路 10):69-71 41刘卫国 MATLAB程序设计教程M北京:中国水利水电出版社, 线平稳地跟踪前方车辆,并平滑地绕行,较为理想地模拟实际交 2005 通环境中车辆橫向运动的特性和驾驶员的驾驶行为特性。在以(15于少伟曹凯基于云模型的动态交通数据流软划分算法门计算 后的研究工作中,将考虑在限制算法复杂度的前提下,基于动态 机工程与应用,2007,43(28):217-219 (上接207页) 3]王守觉仿生模式识别——一种模式识别新模型的理论与应用[J 等转发策略,通过在 TOSSIM上的模拟执行发现,有多于17% 电子学报,2002,30(10):1417-1420. 的传感器节点提高它们到汇聚节点之间的路由路径可靠性,提4安冬,王库,王守觉高维空间点覆盖方法在物种计算机自动分类中 高的可靠性在2%到51%之间。模拟结果表明,随着转发步数增 的应用电子学报,2006,34(2):277-281 加,报文重发次数增加,建立的路由路径更优,然而节点需要发5]JZ,LiJB, Shi S F Concepts, issues and advance of sensor networks and data management of sensor networks J-Journal of 送和接收更多的数据报文。随着我国西部大开发及西气东输工 Software,2003,14(10):1717-1727 程的实施将有大量的油气管道投入建设和运行,为将泄漏事故6LicL,CaoH. A load balance data storage method based on rin 造成的各种危害减少到最小,需要研究泄漏在线监测技术,网络 for sensor networks[J]Journal of Software, 2007, 18(5): 1173-1185 链路层中路由路径算法的研究对提髙的泄漏监测灵敏度和定位( Shenker s, Ratnasamy S,KapB,etal.Data- centric storage In 精度具有直接影响和决定作用,本设计在线监测系统在开封仪 sensornets[J]. ACM SIGCOMM Computer Communications Review 表有限公司已经投入生产,每年带来经济效益达1500万元,完 2003,33(1):137-142 全符合工业现场要求,具有很大的实际意义和应用价值 8 Ganesan D, Greenstein B, Estrin D, et al. Multi-resolution storage and search in sensor networks J ACM Trans on Storage, 2005, 1(3): 277-315 [9] Madden S, Franklin M, Hellerstein J, et al.Tinydb: An acquisitional 参考文献: query processing system for sensor networks[JLACM Trans on Database [1] Marti P, Fuertes J M, Fohler G, et al. Improving quality of contro ystems,2005,30(1):122-173 using flexible timing constraints: metric and scheduling [C]/ [10] Intanagonwiwat C, Govindan R, Estrin D, et al. Directed diffusion Proceedings of the 23rd IEEE Real-Time Systems Symposium for wireless sensor networking.IEEE/ACM Trans on Networking Texas,USA,2002:91-100 2003,11(1):2-16 [2] Cervin A, Henriksson D, Lincoln B, et al. How does control timing [11] Gil T M, Madden SScoop: An adaptive indexing scheme for affect performance? Analysis and simulation of timing usin stored data in sensor networks[C)/Dogac A, Ozsu T, Sellis T. Proc Jitterbug and True Time [J.IEEE Control Systems Magazine, 2003 of the 23rd Int' conf on data engineering Istanbul: IEee 23(3):16-30. Computer Society, 2007: 89-102 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论