摘要目前,实际应用的工业机器人依旧以采用 PID 加前馈的控制方式为主流, 这种方式需要投入大量资源,运用起来相当复杂,且一旦失效可能致使控制系统 的性能发生变化,稳定性一般。因此,机器人控制部分的研究就显得尤为重要, 而移动机器人路径规划又是机器人控制项目的关键内容,对它的研究迫在眉睫。83564
路径规划分为环境未知局部规划和环境已知全局规划两种,本文对陌生环境 中移动机器人的路径规划做出了模拟研究, 将模糊控制算法应用于最优路径规 划中。通过模糊推理,提出一种实践效果良好的避障控制策略。针对局部路径规 划算法存在的死锁问题,充分利用三个超声波传感器来探索距离信息,建立预防 死锁机制,可以让机器人检测禁止地区,然后沿障碍物的边缘前进绕开障碍物, 成功预防死锁现象的发生。
为验证该算法的可行性,利用 MATLAB 模糊逻辑工具箱,建立具体的模糊 控制器,在半径大小不一的圆形障碍环境中进行仿真实验,仿真结果证明了本算 法切实可行。
毕业论文关键词: 移动机器人;模糊控制;路径规划;超声波传感器
Abstract Currently, the practical application of industrial robots is still in use PID plus feed-forward control mode for the mainstream, this approach requires a lot of resources, it is quite complicated to use and once spent, can cause changes in the control system performance, stability in general。 Therefore, the research part of the robot control is particularly important, and path planning for mobile robot control is a key element of the project, its research is imminent
In this paper, a strange environment for mobile robot path planning to make a simulation study to construct an optimal path planning algorithm based on fuzzy control。 Fuzzy reasoning, a practice made good effect avoidance control strategy。 For deadlock local path planning algorithm exists, make full use of the three ultrasonic sensors to explore the distance information established deadlock prevention mechanism that allows the robot to detect prohibited area, and then proceeds along the edge of the obstacle to bypass it so effectively avoided deadlock problem for deadlock prevention provides a new way to happen。
To verify the feasibility of the algorithm using MATLAB fuzzy logic toolbox, establish specific fuzzy controller, simulation experiments radius circular obstacle environment of different sizes, the simulation results show that the algorithm is feasible。
Keywords: Mobile Robot; Fuzzy Control; Path planning; Ultrasonic Sensor
目 录
第一章 绪论 1
1。1 引言 1
1。2 课题研究背景和意义 1
1。4 课题的研究内容 3
第二章 机器人路径环境信息的采集 4
2。1 超声波传感器的工作原理 4
2。2 超声波传感器测距 5
2。2。1 传感器布局结构模型 5
2。2。2 超声波传感器测距方法 6
2。3 本章小结 7
第三章 模糊控制器的设计 8
3。1 模糊控制系统