车型移动机器人的模糊并行停车控制的设计与实现外文翻译资料

英语原文共 20 页，剩余内容已隐藏，支付完成后下载完整资料

---

车型移动机器人的模糊并行停车控制的设计与实现

摘要:本文的主题是设计和实现车型移动机器人（CTMR）具有的一种自主的平行停车能力。 首先,我们介绍CTMR的硬件架构，包括机器人机构，微机部分，电子驱动器和传感器。 两个模糊平行停车控制（FPPC），即向后和向前平行停车，用于操纵CTMR的转向角。 使用计算机模拟来说明发展FPPC计划的有效性。 对于实时实现，我们利用两个FPPC方法，即我们所提出的在模拟中反向驱动或进入到停车场的CTMR。仿真结果和实时实验证明了所提出的智能并联停车控制系统的可行性和有效性。

关键词：模糊逻辑控制，平行停车，车型移动机器人，实时实现。

1.介绍

汽车的智能平行停车或车库停车技术的设计和实施已成为全球学术界和该行业的一个有吸引力的挑战。CTMR是最常用的非完整移动机器人之一，用于模拟车的运动。 CTMR的并行泊车控制可以被视为自动移动机器人的运动规划任务[15,16]之一。

近年来，CTMR的并行泊车问题已经迅速吸引了人们的兴趣[7-10，12，13，18，19]。Lyon [13]提出了具有非完整约束的汽车的曲线路径生成的平行泊车问题，其中斜率和曲率约束用于导出表示为平行泊车路径的五阶多项式方程。后路曲率和转向角之间的关系也得到了发展。 Ohkita et al [18]使用具有六个超声传感器的DREAM-1来导出用于自主移动机器人的行进控制的模糊规则，检查其中三种情况及其在冲水停车中的相应模糊控制规则。

Laumond等人 [9]提出了一种完整的运动规划算法，包括三个阶段：

（1）设计几何系统的路径;

（2）在路径上执行细分，直到所有端点可以通过最优链接可行路径;

（3）运行“优化”路程以减少路径的长度。

该算法已经在具有多个多边形障碍物的复杂环境中的并行泊车控制中实现。 在[19]中提出了一种用于非完整车辆的迭代并行泊车算法，其中车辆遵循正弦函数。 使用具有超声波传感器系统的LIGIER电自动车辆来验证所开发的控制。

Divelbiss和Wen [7]提出了一种用于汽车拖车的轨迹跟踪和平行跟踪的方法，其中通过使用路径空间迭代算法离线生成轨迹，并且应用时变线性二次调节器来跟踪轨迹。 它还通过使用CAT移动机器人，拖拉机拖车和双拖车拖车提出平行停车实验。 Leitch和Probert [10]提交了一种新颖而强大的遗传算法（GA）来设计模糊系统。他们利用新的上下文相关编码技术，染色体重排序算法以及控制器测试集的共同改进设计控制器中的传统GAs。 该算法适用于移动机器人的平行泊车操作。

Jiang和Seneviratne [8]为CTMR提供了自动化平行泊车策略。 该策略分为三个阶段：扫描阶段，定位阶段和操纵阶段。移动机器人遵循由彼此切向连接的两个圆弧的路径。 该策略由改良的B12移动机器人实现。文献[12]提出了一种用于并行停车的模糊增益调度控制器，其中首先提出一种模糊滑动模型控制器，用于本地跟踪并行停车的典型路径。 对于非完整约束和机械约束，形成若干典型路径以完成平行停车过程。

在这些文献[7-10,12,13,18,19]中，可以发现大约一半的平行停车由模糊逻辑控制（FLC）方案操纵。众所周知，FLC已经成功应用于许多工业电器，消费电子和自主移动机器人[1-6,14,17,20-25,27]。 FLC的决策逻辑（DML）规则可以从人类专家，学习机制，进化算法[26]或一些传统的控制理论获得。 在本文中，我们将在相对坐标系统中提出两种用于CTMR的FPPC方法。 DML是通过滑模控制和人的驾驶技术导出的。

本文组织如下。 第2节讨论CTMR的设置，其中CTMR的系统架构包括机器人机构，微计算机部件，电机驱动器和传感器。 在第3节中，我们首先讨论CTMR的模型，然后研究合适的FPPC，使得CTMR可以适当地和自动地停放在期望的位置。 计算机仿真结果表明所提出的FLC算法的有效性。 开发了两种FPPC方法来实现并行泊车任务。 第4节介绍了CTMR的实时控制。第5节总结了本文。

2.车型移动机器人的设置

为了模拟真实汽车的平行停车，我们采用了其上安装有微型计算机系统的1/10规模的汽车型模型汽车。 实际自主CTMR的外观如图1所示。图2说明了CTMR的硬件架构。 CTMR由以下四部分组成，机器人机构，微机部分，电子驱动器和传感器。

由TAMIYA有限公司制造的机器人机构具有车体，驱动电机，转向结构，齿轮系和传动系统。 我们通过修改一些机械结构以适合我们的特殊应用的模型车。 它是一个四轮车的前轮驱动系统和前方向盘就像它的全尺寸对应。 四轮独立的双叉骨悬挂系统通过大容量阻尼，在角落处的油填充减震器上卷绕以获得明显的牵引力。 前密封齿轮箱采用精密球差式齿轮传动，实现清晰转弯。 因为遥控（RC）模型车是为体育和赛车而制造的，所以驱动电机以高速低转矩运行。 在本研究中，模型车载有CPU板，A / D-D / A卡，传感器等。 因此，它比原始的要重得多。 我们用高扭矩和低速直流电机代替驱动电机。 详情请参阅[5]

图1. CTMR的外观

图2. CTMR的硬件架构

图3. CTMR的信号处理框图

微机部分包括CPU板，引导板和A / D-D / A卡。 CTMR的信号处理框图如图3所示。CPU板（PCA-6143P）由32位Intel 80486DX4-100 CPU运行。 它由研华有限公司制造。由M-SYSTEMS Flash Disk Pioneers Ltd制造的引导盘（PCD-896）通过使用固态存储器芯片来存储程序和数据而不是机械驱动器的磁盘上的磁性粒子来仿真软盘驱动器。 对于CTMR，没有HDD和FDD与微计算机系统连接。 因此，我们安装Flash Disk作为启动设备。

A / DD / A卡（PCL-818HG）是该控制系统中非常重要的一部分，由研华有限公司制造，是IBM PC / XT / AT或兼容计算机的高性能多功能数据采集卡。 它提供五种最需要的测量和控制功能：12位A / D转换，D / A转换，数字输入，数字输出和定时器/计数器。 我们采用的第一个功能是A / D转换。 CTMR通过安装的传感器识别环境的信息。 传感器的输出是模拟信号，不会直接发送到计算机。 因此，A / D-D / A卡用作传感器和计算机之间的通信器。 我们采用的第二个函数是数字输出。 我们可以通过连接的数字输出的A / D-D / A卡与TA7291P IC控制直流电机的旋转方向。 此外，我们可以将A / D-D / A卡的D / A转换与TA7291P IC连接，以控制直流电机的转速。

电子驱动器由TA7291P直流电机驱动器IC和I / O实验卡组成。 我们在电路板中组装了TA7291P IC、驱动直流电机来改变前轮的速度。 I / O实验卡由ICC信息有限公司制造。我们使用I / O卡产生PWM信号，驱动DC伺服电机控制前轮的转向角。

图4.微型计算机系统布置和传感器布置

CTMR能够基于红外传感器的信息在未知环境中导航。 本研究中使用的传感器是由TELCO国际有限公司制造的UF55MG。红外传感器包含发射器和接收器，并且被用于检测CTMR和障碍物之间的距离。 传感器UF 55MG的输出电压几乎与距离成反比。

在CTMR上放置了六个红外传感器。 图4中示出了CTMR的传感器布置。还示出了微计算机系统布置。 四个传感器设置在四个车轮的位置上方。 因此，当传感器检测到环境的变化时，CTMR可以快速响应控制命令。 为了避免与障碍物碰撞，我们在CTMR的前部和后部各放置一个传感器。

3.CTMR的建模和FPPC

红外传感器UF66MG在1.0 m内给出与反射距离成反比的输出电压。 在本节中，通过这种测量来检查CTMR的建模、壁跟随和平行停车问题。 最后，我们讨论FPPC的设计过程，并给出计算机模拟的可行性。

3.1. CTMR的建模

考虑图5所示的CTMR的运动学模型，其中后轮平行于车体固定并且允许滚动或旋转但不允许滑动。 前轮可向左或向右转动，但左前轮和右前轮必须平行。图5中描述的CTMR的所有相应参数被定义为如下：

F（x f，y f）：CTMR前轮中心的位置，

R（x r，y r）：CTMR后轮中心的位置，

phi;：方向盘相对于CTMR框架的取向，

theta;：车架定向与X轴之间的角度，

l：CTMR的轴距，

O：曲率中心，

r：从点O到点F的距离（x f，y f），

k：五次多项式的曲率。

CTMR运动受以下等式约束[9]：

y r costheta; minus; x r sintheta; = 0（1）

图5. CTMR的运动模型

方程（1）是所谓的非完整约束，其表示沿着汽车的任何可行路径的切线方向，并且由路径的曲率界定。 然后CTMR的后轮运动学方程被描述为

x r = vcostheta;cosphi;，（2a）

y r = vsintheta;cosphi;，（2b）

theta;= v *sinphi;/ l，（2c）

其中v是前轮的速度。 方程（2）表示CTMR的向后移动。 由于后轮相对于车体固定并且没有发生滑动，所以坐标（x f，y f）和（x r，y r）的关系为

x r = x f-lcostheta;，y r = y f-lsintheta;。 （3）

因此，微分（3）意味着

x r = ˙ x f ˙ theta;l sintheta;, ˙ y r = ˙ y f minus; ˙ theta;l costheta;. (4)

将（4）代入（2）得到

x f = v* cos(theta; phi;), ˙ y f = v *sin(theta; phi;),theta; = v*sinphi;/l. (5)

方程（5）是前轮运动学方程并且表示CTMR的向前运动。

图6.墙后面的输入变量的定义

3.2. 控制器用于墙壁

该任务的动机是控制CTMR的转向，使得其平稳地跟随具有恒定距离的墙壁，即theta;几乎等于零。 换句话说，CTMR必须总是平行于墙壁。 在图6中描绘了用于墙壁跟随问题的模糊逻辑控制器的输入变量，其中d 1是由CTMR和墙壁之间的红外传感器（s1）测量的距离，d 2表示由红外传感器（s2）测量的 CTMR和壁的距离，theta;表示CTMR相对于壁的角度，phi;表示机器人前轮的转向角。

在模拟中，运动学等式（2）和（5）用于产生CTMR的下一步。 我们可以从（x f，y f）和（x r，y r）获得每个传感器的位置，如图6所示，其中

s1:(x f w/2*sintheta;,y f –w/2*costheta;)和

s2:（x r w/2*sintheta;,y r minus;w/2*costheta;）

可以通过每个传感器的位置和壁之间的差来计算距离，因此可以获得每个传感器的输出值（d 1和d 2）。

图7. CTMR壁的模糊隶属函数

我们将提出一个双输入单输出FLC方案来指挥前轮的转向角用于墙跟随任务。 我们引入u1和u2作为输入语言变量，当机器人向前移动时，可变量U1被定义为d 2 - Dist和可变量U2被定义为d 2 - d 1的; 当机器人向后移动，变量U1被定义为d 1 - Dist和可变量U2被定义为d 1 - D 2。 变量u1表示从CTMR到墙壁的距离。 变量u2表示平行于壁的CTMR的方向。 其中Dist是CTMR和壁之间的期望恒定距离。 FLC的输出是转向角phi;。 我们利用CTMR的运动学方程（2）或（5）以及CTMR，墙壁和传感器的信息之间的关系来导出双输入和单输出FLC方案。

输入变量u1，u2和输出变量phi;被分解成具有三角隶属函数的五个模糊分区。 我们不应用任何特殊的调谐算法来确定隶属函数。 我们只是使各部分权利平等以形成五个隶属职能。 图7中示出了隶属函数的分区和形状，其中u1，u2和phi;被划分为表示由NB（负大），NS（负小），ZE（零），PS （正小）和PB（正大）。 事实上，如果我们改变隶属函数的支持区域，模拟结果没有明显的不同。 控制输入phi;表示前轮的转向角。 根据模糊滑模控制（FSMC）[11]，用于墙跟随的模糊推理规则可以用以下语言形式表示：R1：如果u1是正大，u2是负大，那么phi;是零。

R2：如果u1是正大，u2是负小，则phi;是正小。

.

.

.

R13：如果u1为零，u2为零，则phi;为零。

.

.

.

R24：如果u1是负大，u2是正小，则phi;是负小。

R25：如果u1是负大，u2是正大，则phi;是零。

表1.墙后的模糊规则表

图8.模糊逻辑系统的基本配置

对于FSMC，我们首先必须选择代表控制目的的滑动表面（实际上，在该应用中的滑动线）。例如，滑动线定义为s = u1 u2。 （6）

所有的控制作用是将输入变量驱动到滑动线s = 0。一旦CTMR处于这种状态，则转向角phi;应为零。相应的语言含义之一是“如果u1是NB并且u2是PB，则phi;是ZE”。当u1和u2处于相反状态对（例如（NS，PS），（PS，NS），（PB，NB）等等时，可以确定类似的phi;。假设sgt; 0（例如，u1是PS和u2是PS），这种现象表示CTMR刚好在期望的距离之上，我们必须向右转向转向角以减小d 2并增加d 1。图6描绘了这种情况。同样，如果U1为PB和u2是PB，则phi;应为PB。另一方面，如果s lt;0，则phi;lt;0。我们可以得出结论，如果u1 u2接近滑动线，则控制动作小于远离线的控制动作。

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[139746]，资料为PDF文档或Word文档，PDF文档可免费转换为Word