[发明专利]一种基于ANFIS模糊神经网络的机器人路径规划方法

权利要求书

1.一种基于ANFIS模糊神经网络的机器人路径规划方法，其特征在于：首先对移动机器人建立运动学模型；借助神经网络的自主学习功能和模糊理论的模糊推理能力，提出一种模糊神经网络的移动机器人导航的模糊神经网络控制器；其基于自适应模糊神经网络结构，构建Takagi-Sugeno型模糊推理系统并作为机器人局部反应控制的参考模型；将障碍物的距离和方位的相关信息作为模糊神经网络控制器的两个输入，模糊神经网络控制器实时输出机器人偏移角度和前进速度，通过模糊神经网络控制器在线调整移动机器人的偏移方向，使移动机器人能够无碰撞趋向目标；采用虚拟目标方法摆脱机器人趋向目标运行中的陷阱状态；

通过模糊神经网络控制器输出值表示机器人移动角度和速度，越靠近障碍物时输出角度绝对值越大，速度绝对值越小；当前方没有障碍物时，机器人沿预设定方向前进；当前方有一个障碍物时，机器人逐渐接近障碍物，在一定范围内实时改变偏移角度和速度，使机器人缓慢远离障碍物驶向目标；当前方有两个及其以上障碍物时，移动机器人在行进过程中对虚拟目标进行实时调整，选择一条远离障碍的最优路径；

所述对移动机器人建立运动学模型的方法如下：

步骤101，移动机器人通过本体携带的测距传感器测量障碍物的距离，其中，机器人当前坐标为(x_r,y_r)，目标点坐标为(x_t,y_t)，E是机器人当前位置(x_r,y_r)到目标点(x_t,y_t)的矢量，其模长和向量角表示为：

E_n为机器人在目标距离势场中的势能，当前机器人与目标点的夹角，根据机器人当前位置不断修正，始终指向目标位置，下标n表示具体时刻；

步骤102，速度模型，移动机器人在导航任务中的速度由机器人与周围障碍物之间距离决定，当无障碍物阻挡时，机器人全速前进，当遇到障碍物时减速行驶，遵循以下公式：

其中，v为机器人移动速度，d₁为机器人距障碍物距离，d₂为紧急停止距离，β为速度比例系数，maxV为设定的机器人最大行驶速度；

步骤103，偏移规则，在反应式导航中，移动机器人根据传感器信息进行局部路径规划，分为趋向目标行为与避障行为，若周围没有障碍物，机器人朝目标点以角度前进，前方有障碍物时，则需人为加入一个偏移噪声δ，机器人需无碰撞趋向目标，由此建立如下等式：

Φ_n为移动机器人预瞄准方向，φ_n为当前机器人与目标点的夹角，δ_n为n时刻偏移噪声；k为比例系数加入的扰动噪声大小，其值由模糊神经网络控制器根据机器人当前所处的环境确定，当时，器人朝向目标位置前进；当时，移动机器人将按照加入偏移角度后的目标方向前进。

2.根据权利要求1所述基于ANFIS模糊神经网络的机器人路径规划方法，其特征在于：模糊神经网络控制器利用LMS算法和最小二乘法来完成输入/输出数据对的建模，使得Takagi-Sugeno型模糊推理系统能模拟出希望或实际的输入/输出关系。

3.根据权利要求1所述基于ANFIS模糊神经网络的机器人路径规划方法，其特征在于：模糊神经网络控制器在学习时，根据系统实际输出值与期望输出值计算出学习误差，再通过LMS算法对系统的偏移角度和速度进行调整。