热门关键词:

基于模糊逻辑的FFSR飞行跟踪算法

  • 该文件为pdf格式
  • 文件大小:271.43KB
  • 浏览次数
  • 发布时间:2014-08-11
文件介绍:
本资料包含pdf文件1个,下载需要1积分

自由飞行空间机器人(free flying space robot,简称 FFSR)可以自由飞行,扩大了空间机器人的工作空间,得到了广泛 的应用.FFSR的飞行消耗燃料,而在太空中补充燃料是很困难的 J.如果飞行跟踪的算法十分复杂,将会影响机器人完成飞行任务的时间,而且不利于实现实时控制;而且低效率的飞行跟踪算法也会使飞行跟踪问题的稳定时间加长,增加燃料的消耗.可见飞行跟踪算法的性能直接影响空间机器人对燃料的消耗,所以对空间机器人的飞行跟踪算法进行深入的研究有重要的意义。

由于空间机器人的特殊工作环境,有许多不可预知因素的影响,另外在空间机器人控制系统中的传感器也存在不精确性,这使得空间机器人的运动控制问题复杂化4 J.本文提出了-种模糊逻辑控制方法5 控制空间机器人沿着确定的路径飞行,计算机仿真表明这种模糊逻辑控制方法可以使空间机器人很好地跟踪给定的路径。

收稿日期:2013-05-07基金项目:黑龙江侍育厅科学技术研究项目(12531104)作者简介:金飞虎(1973-),男,博士研究生,讲师,E-mail:fhjin88###163.con王鸿鹏(1973-),男,博士研究生,教授。

第4期 金飞虎等:基于模糊逻辑的FFSR飞行跟踪算法1 FFSR的飞行路径跟踪1.1 FFSR路径跟踪问题的描述FFSR选择好会合点和飞行轨迹后,采用模糊控制使 FFSR跟踪给定的路径,问题的描述见图 1.为了简化设计,用圆心在 FFSR本体中心,并且包含FFSR的最小的圆来表示 FFSR,FFSR可以用这个有方向的圆来表示.FFSR与给定路径之间的垂直距离记为 D,路径的方向与 FFSR的正方向之间的夹角记为 ,若 FFSR的正方向到给定路径方向的夹角为顺时针方向,则 A为正;反之,A为负.FFSR路径跟踪的最终 目标就是使 D和A旧能地小,也就是使FFSR旧能地沿着给定的路径运动.这类似于汽车驾驶问题 J,可以运用已有的相关知识来控制机器人跟踪给定的路径。

图 1 路径跟 踪问题的描述1.2 路径跟踪模糊控制器的设计在路径跟踪模糊控制器中,采用A和 D作为输入变量。

输入变量 D的隶属函数如图2所示,输入变量A的隶属函数如图 3所示.用来描述 D和 A的语言变量主要各有 7个 ,如表 1所示。

: PS P Pm 0 3Oct图2 距离D的隶属函数曲线PS PM PB- 180deg 0 180deg图3 偏转角A的隶属函数曲线表 1 用于描述各输入变量的语言变量NB FFSR在给定路径左边很远的地方 FFSR偏向给定路径方向的左边很大NM FFSR在给定路径左边不远的地方 FFSR偏向给定路径方向的左边不太大NS FFSR在给定路径左边很近的地方 FFSR偏向给定路径方向的左边很小语言 二:72 FSR基本上在给定路径上 FSR与给定路径方向基本- 致亘 PS FFSR在给定路径右边很近的地方 FFSR偏向给定路径方向的右边很小PM FSR在给定路径右边不远的地方 FFSR偏向给定路径方向的右边不太大PB FFSR在给定路径右边很远的地方 FFSR偏向给定路径方向的右边很大选择 FFSR的飞行速度 和转角 .s作为模糊控制器的输出变量.输出变量 的隶属函数如图4所示.用来描述 的语言变量如表 2所示。

0 30cm/s图4 FFSR飞行速度 的隶属函数曲线N N N : : P P P- - 80deg 0 80deg图5 转角 S的隶属函数曲线上述各输人输出变量的隶属函数如图2至5所示.隶属函数采用了三角形隶属函数.确定了上述的各输入输出变量的定义及其隶属函数之后,基于已有的经验,制定了表 3中的模糊控制规则用于 FFSR的路径跟踪算法中。

100 哈 尔 滨 理 工 大 学 学 报 第 18卷表 2 用于描述各输出变量的语言变量表3 路径跟踪中的模糊控制规贝U2 FFSR的飞行路径跟踪算法2.1 FFSR避碰问题的描述FFSR避碰问题的描述如图6所示.计算 FFSR与周围环境 中的物体在五个不 同方 向上的距离( - ):即左、右、左前、右前、正前.把这些变量作为模糊控制器的输入变量,控制 FFSR运动,并防止FFSR与周围的物体发生碰撞。

N N N : : P P P- 50cm/s 0 50cm/s图 6 (n1-5)的隶属函数曲线2.2 避碰模糊控制器的设计用于避碰控制的模糊控制器的输入变量-共有12个:在 5个方向上的距离(W1- )、这 5个距离的变化(DW )、状态 STATE(它表明 FFSR是在给定的路径上方向,或是偏离给定的路径,或是正飞回给定的路径)、FFSR偏离路径的方向 SIDE(它表明FFSR在给定路径的左侧还是在给定路径的右侧)。

STATE和 SIDE的值通过前面给出的D和A的定义根据表4中给出的决策表可以确定出来。

表中:STATE1表示 FFSR偏离给定的路径 ;STATE :0表示 FFSR在给定的路径上运动;STATE:- 1表示 FFSR正在向给定的路径接近。

SIDE-1表示 FFSR在 给定路径的左侧;SIDE0表示 FFSR在给定的路径上;SIDE:1表示FFSR在给定路径的右侧。

表4 STATE和 SIDE的决策表- 的隶属函数如图7所示,用来描述各个方向上的距离 - 的语言变量见表 5。

图7 W (n1-5)的隶属函数 曲线表5 用于描述各变量的语言变量基于上面的那些知识,作者构造了模糊规则用于 FFSR跟踪给定路径时的避碰算法.避碰模糊控制器是以 - ,DW1-5,STATE,SIDE为输入变量,以 ,Js为输出变量的模糊控制器,控制规则的形式如表6所示,其中-表示任何值,K为加权系数。

第4期 金飞虎等:基于模糊逻辑的FFSR飞行跟踪算法 l01表6 避碰路径跟踪模糊控制规则表2.3 FFSR的无碰撞路径跟踪模糊算法前面已经得到了两种情况下(无障碍物和有障碍物)的模糊控制算法.但在实际的应用中,需要把这两种算法以正确的方式结合起来,以实现无碰撞的路径跟踪算法.如果在实际应用中,障碍物在FF。

SR的正前方,那么把路径跟踪算法和避碰算法以1:1的比例结合起来不-定总能避免碰撞的发生。

为了避免这种情况,提出-种方法.这种方法中引入了-个加权系数 K,根据实际的情况,决定哪种算法的输出占较大的比重,即假设路径跟踪算法中得到的控制量分别为 和 s ,避碰算法中得到的控制量分别为 和s ,那么无碰撞路径跟踪算法的控制量输出为:VLK (1-K)SIs KS。(1-K)0.0≤K≤1.0其中的加权系数 是根据表 6中所给出的规则形式,采用马丹尼推理方法、用重心法求出的.模糊输入变量也前面采用的那 12个变量( - ,D -DW ,STATE,SIDE).模糊推理规则与前面的模糊推理规则有相同的前件部。

输出量(加权系数 )用下列模糊量来描述:ZZ:只有路径跟踪控制;PS:偏重于路径跟踪控制;PM:偏重于避碰控制;PB:只有避碰控制;的隶属函数曲线如图8示。

O 1.O图8 K的隶属函数曲线3 仿真实验结果仿真实验中设 FFSR的起始点为坐标原点,目标点坐标为(4 1'"1,3 n1),障碍物的坐标为(1.5 m,2 m)障碍物大匈设为 0.5 m。

仿真实验-:无障碍物的情况下,作者对 FFSR采用上面提出的模糊路径跟踪算法跟踪给定的曲线路径的情况进行了仿真,采用表 3中的模糊控制规则,实验结果如图9所示.从图9可以看出,FFSR运用所提出的模糊路径跟踪算法跟踪给定的曲线路径时,由于FFSR的初始方向与给定的路径方向有-定的偏差,所以 FFSR在开始跟踪时有-定的偏差,但随着跟踪过程的进行,在模糊控制算法的作用下,FFSR逐渐地回到给定的曲线路径上,从而最终使FFSR沿着给定的路径到达了路径的终点。

y(m)(m J图9 FFSR运用模糊算法跟踪给定的曲线路径仿真实验二:作者对 FFSR采用上面提出的模糊路径跟踪算法在有障碍物的条件下进行了仿真,采用表 6中的模糊控制规则,实验结果如图 10所示,在给定的路径上存在有障碍物.图中的虚线圆圈表示障碍物,实验表明 FFSR用所提出的模糊路径跟踪算法跟踪给定的曲线路径时,由于有障碍物的存在,FFSR为了避免碰撞障碍物,FFSR必须偏离给定的路径,绕过了障碍物,以达到避免碰撞障碍物的目的;为了避碰,FFSR偏离给定的路径比较远,但最终同样到达了给定的位置。

在实验中规定实际轨迹偏离给定轨迹的偏差小于0.2 m.表7是本文算法和蚁群算法及遗传算法102 哈 尔 滨 理 工 大 学 学 报 第 18卷的比较结果.各个算法运行 l0次,取平均值.其结果是:在路径跟踪实验中,本文算法平均用了0.61 S,蚁群算法用了 1.83 S,遗传算法用了3.96 S.在避碰路径规划实验中,本文算法平均用了 1.72 S,蚁群算法用了5.48 S,遗传算法用了9.62 S。

),y(m)(m)图10 FFSR在有障碍物的情况下运用模糊算法跟踪给定的路径表 7 本文算法与其他智能算法的比较4 结 语FFSR扩大了空间机器人的工作空间,FFSR也因此受到了广泛的应用.自由飞行的工作任务就是使空间机器人在适当的时间内以适当的运动方向和速度接近目标.确定了空间机器人的运动路径后,要采取适当的控制算法控制空间机器人沿着所确定的路径运动,使机器人的相对于给定路径的距离方向趋近于零.由于模糊控制算法不要求知道被控对象的精确数学模型,本文提出了-种模糊逻辑控制方法控制空间机器人沿着给定的路径飞行.最后,通过计算机仿真表明这种模糊逻辑控制方法可以在有障碍物的情况下使空间机器人很好跟踪给定的曲线路径,并可以避免与障碍物发生碰撞.比较本文算法和蚁群算法及遗传算法,本文算法可以在较短时间内进行路径规划。

正在加载...请等待或刷新页面...
发表评论
验证码 验证码加载失败