基于模糊控制

AGV自动导航小车自组织模糊控制器研究

冯锋 邓志良 赵旭

（江苏科技大学 电子信息学院，江苏 镇江 212003）

摘 要：随着在工业、农业等领域中自动化程度的不断增长，自动导航小车（简称AGV）在各领域的作用也相应提高。考虑到自动导航小车会在各种环境中工作，本文为此研究设计了一个积极而有效的控制器——自组织模糊控制器。我们采用在非最佳状态下使用遗传算法来调节隶属函数的方法，通过自校正和控制规则的产生提高了控制效率。 关键词： AGV；自组织；模糊控制

中图分类号：TP273 文献标识码：A

基金项目名称：江苏省高校自然科学基金 项目编号：02KJD510003

The study of Self-organizing fuzzy controller based on AGV

Fengfeng，Zhaoxu

(School of Electronics and Information, Jiangsu University of Science and Technology, Zhenjiang Jiangsu 212003, china)

Abstract：With the increasing of automatic degree in the fields of industry and agriculture, automatic guided vehicle (AGV) plays more important roles in various fields. Considered AGV works in different circumstances, this paper is about an active and effective controller that can be fit for the different circumstances——self-organizational fuzzy controller. To construct it, we have tuned suboptimally the membership function using a genetic algorithm and improved the control efficiency by self-correction and the generation of control rules. Key words: AGV; self-organization; fuzzy control

0 引言

自动导航小车(AGV) 是一种使用日益广泛的自动化物料搬运设备的控制器来适应各种环境。

现有的AGV一般采用经典的PID控制，但是其控制效率是比较低的，也没有考虑到可变，它能学习和适应，情况，因此我们研究了一个新型的控制器——自组织模糊控制器（SOC）

能适应各种环境，也能通过使用模糊逻辑表达模糊近似现象。本文提及的自组织模糊控制器是结合模糊控制器和遗传算法特征的一种模糊控制器，它可以直观的控制AGV，容易适应各种环境。

[1]

。目前工业、农业

等领域使用非常广泛，由于在各领域中存在不同的工作环境，因此有必要研究一种积极有效

1 模糊控制器

Zadeh提出的模糊逻辑是基于模糊集合论，它是一个来描述诸如模糊语言值“大”或“小”的有效方法。

1.1 在模糊控制中输入变量和模糊值的确定

本文采用的模糊推论可以表示多输入单输出（MISO）规则集，如下所示：

R1: IF X is A(1) and Y is B(1) THEN Z is C(1), also R2: IF X is A(2) and Y is B(2) THEN Z is C(2), also

…

Rn: IF X is A(n) and Y is B(n) THEN Z is C(n)

这里，A(1), A(2),…, A(n) and B(1), B(2)…, B(n)以及C(1),C(2),…, C(n)都是

http://www.elecfans.com 电子发烧友 http://bbs.elecfans.com 电子技术论坛

输入变量X,Y和输出变量Z的语言模糊集，以上表达式转换成模糊关系则为：

R = also (R1, R2, …, Rn)

用在 “IF语句”中的两个变量分别表示AGV两个驱动轮的连线中点与路径中心线垂直距离d和两个驱动轮连线中垂线与路径之间的夹角θ；用在“THEN语句”中的输出变量表示AGV的行使位置。x和y代表AGV的现行位置，XP和YP表示AGV离路径最近的位置，θn表示AGV在点（XP，YP）的切线与路径的角度，以上变量如图1所示。 1.1.1 AGV与目标路径的距离D

D∈{LF(Left Far), LN(Left Near), MD(Middle),RN(Right Near), RF(Right Far)}

其中，模糊变量LF表示AGV离路径偏右距离较远，LN表示AGV离路径稍偏左，MD表示AGV恰好行使在目标路径上，RN表示AGV离路径稍偏右。

1.1.2 AGV的行使方向V

V∈{LN(Large negative),SN(Small Negative),MD(Middle),SP(Small Positive),LP(Large Positive)}

其中，LN表示AGV在目标路径左边行使，MD表示AGV在目标路径上行使。 1.1.3 AGV的旋转角A

A∈{LN(Large Negative),SN(Small Negative),ZE(Zero Equal),SP(Small Positive),LP(Large Positive)}

θ(x，y)Dθn （XP，YP） 图1 AGV输入变量示意图 模糊变量LN表示AGV的转向向左转一个大的角度，ZE表示AGV不需转向，SP表示AGV应稍向右转向。

1.2 模糊控制规则

模糊控制中的状态估计和目标估计常用在模糊控制器的设计，它的一般形式为： Ri： If xis Ai,…, and yis Bi；then zis fi(x,…，y) 目标估计被称为预模糊控制规则，它的一般形式为： (uis Ci→ (xis Aiandyis Bi)；then uis Ci) Ri： If

如果用了这种控制规则，那么对下一步状态的预知和控制将变得更容易些，下面是几种提取模糊控制规则的方法：①引入专家经验和专家知识；②提取一个算法函数；③使用被控过程的数学模型；④增加对控制器的学习能力。目标是组织一个有学习和适应能力控制器。在给出启发式控制规则后，自组织模糊控制器是用一个能修正现有控制规则或产生新的控制规则的遗传算法组成的。 1.3 模糊推理及反模糊化

推理是指从已知的事实或关系中得出新的结论或相互关系，其能够运用控制器的输入和控制规则得出新的控制器输出。本文采用Mamdani提出的Max-Min规则做出推论，如下所示：

µR(e,ce,co)=Min(µE(e),µCE(ce),µCO(co))

µCO'(co)=Max-Min(µE(e'),µCE(ce'),µCO(co))

e'，ce'和co为每个控制器输入输出变量及推论输出变量的模糊集，µ为隶属度。

经过模糊推理得到的控制输出是一个模糊隶属或模糊子集，它反映了控制语言的模糊性,这是一种不同取值的组合,然而在实际运用中要控制一个物理对象，只能在某一时刻有一个确定的控制量，这就要从模糊输出隶属函数中找出一个最能代表这个模糊集合即模糊控制作

http://www.elecfans.com 电子发烧友 http://bbs.elecfans.com 电子技术论坛

用可能性分布的精确量，这就是反模糊化。常用的反模糊法有：重心法、二等分法、中间最大值法（MOM）、最大最大法（LOM）和最小最大法（SOM），本文采用的是重心法。 定义了u后，则反模糊化变量u定义为：u=defuzzifier(B)=

*

*

'

j=1n

[2]

ΣµB'(uj)⋅uj

j=1

ΣµB'(uj)

n

。

2 遗传算法

2.1 遗传表达式类型

AGV自动导航小车作为一个基因类型，它能通过具有高适应度参数的变异和交叉产生新的遗传编码，然后应用到模糊系统中，最终获得最适合的参数。AGV的基因类型结构为：两个模糊输入变量，一个输出变量以及控制规则编码。由于每一个输入输出变量需要12位来确定隶属函数，所以模糊输入输出的编码需要36位。 2.2 控制规则的编码

要想把控制规则当作染色体一样进行编码（一般都是使用二进制字母表{0，1}进行编码），控制规则将由一些整数来代替并且按照一定的顺序来排列；如要把模糊控制器当作遗传算法编码，必须在根据隶属函数和控制规则编码法则对每个输入及控制变量编码之后，我们才把他们放入一个染色体中，紧接着排列已编码的控制规则。 2.3 遗传算子

交叉、复制和变异三个遗传算子是遗传算法能够找到最优解的途径。这三个遗传算子模拟了自然界的物种交配和生殖的方式，为产生新的可行解提供了有效手段。

（1）复制（又称繁殖）是一个旧种群中选择生命力强得个体位串产生新种群得过程。 （2）交叉 简单的交叉分两步实现，在由等待配对的位串构成的匹配池中，第一部是将新复制产生位串个体随机两两配对；第二步是随机地选择交叉点，对匹配地位串进行交叉繁殖，产生一对新地位串。

（3）变异 变异就是某个字符串一位的值偶然地随机改变，即在某些特定位置上监督地把1变成0或反之。 2.4 控制规则的变异

控制规则编码引起的基因突变可能是恒定的，与一般遗传算法的突变是一样的。 如图2所示了基于遗传算法的模糊系统调整 结构图。

高适配度 AGV仿真器 变 异 交 叉 [2]

FLC 图2 所示了基于遗传算法的模糊系统调整结构图

3 仿真与结果

3.1 仿真

在仿真过程中，自组织模糊控制器很好地学习了模糊隶属函数和规则，完成了模糊控制。在仿真过程中，我们假定速度是恒定不变的；与目标路径距离d和小车行使方向角θ都是条件变量，而旋转角θ是一个确定的变量；变量d表示AGV与目标路径的距离，由AGV的位置决定。如果AGV在目标路径的左手边则标记为“－”，在右手边标记为“＋”。d的长度转化成一个模糊变量和作为一个语言值输入。图1可以看出它们之间的关系。

为了估计小车的行使效率，误差e，∆d和∆e都作为功能评价输入。小车的行使效率通过这个功能来估量。θ表示AGV的行使方向，通过比较θ和θp可以得出AGV和目标路径的

http://www.elecfans.com 电子发烧友 http://bbs.elecfans.com 电子技术论坛

关系，由这个关系可以确定一个模糊规则，控制规则在图5中已经列出，我们使用上面讨论过的遗传算法和模糊推断来完成这次仿真，仿真的目标路径近似为一个“S”型曲线。

3.2 AGV的行使算法

AGV的行使算法如下：（1）确定行使路径（2）路径规划（3）AGV的行使 其中又包括①IF“当前位置在目标点上”THEN“行使停止”；②IF“障碍存在”THEN“避障，直接进入下一个目标点，路径恢复”；③直接行使到下一个目标点（4）回到步骤（3）。

AGV的行使指令使AGV按照事先规划的路径向目标行使，其控制器的性能通过使用路径规划来评价。横向位置误差作为评估AGV行使性能的一个函数表示小车与目标路径的位移，位移的绝对值定义为e。总的横向位置误差定义为评估函数，评估函数值越低则AGV行使路径越接近于目标路径。图4表示适应度变化曲线，适应度值为0.84作为初始值，通过调节遗传算法曲线在适应度值为0.99时结束。仿真曲线表明模糊系统通过遗传算法调节参数规则与现有的模糊系统相比得到了改进。在图3所示的三幅图中，横轴表示时间改变，纵轴分别表示（从上到下依次为：误差曲线、误差累积、∆e的变误差e的大小、e的累积和∆e的变化。化曲线）

图3 仿真结果 图4 适应度变化曲线

4 小结

本文主要介绍了一个控制器组成一个自组织模糊控制系统，然后把它应用在AGV自动导航小车上，从而提高AGV控制效率。现有的AGV控制算法仅仅是依靠专家知识，因为它在AGV效率的参数优化上面有局限性；另外，由于有太多规则和复杂地计算所以它自身很难理解知识。因此，我们提出了这样一个控制器——使用语言变量的自组织模糊控制器，它能适应各种环境，使用自组织模糊控制器可以使隶属函数保持最优化，而且我们采用了遗传算法，通过自校正和控制规则的产生保证AGV处于最佳行使状态。

参考文献

[1] 冯星华.AGV及其控制系统研制[J] .电子机械工程，2001，1. [2] 易继铠.智能控制技术[M] .北京工业大学出版社.1999，1.

[3] 叶菁.磁导式AGV控制系统设计与研究[D].武汉：武汉理工大学,2006.

[4] 吕广明,孙立宁,彭龙刚,祁亮.自动引导车轨迹偏差的智能控制.哈尔滨工业大学学

报.2003，12 .

[5] Peng, Jufeng．Multiple robot coordination：A mathematical programming approach

[D]．RENSSELAER POLYTECHNIC INSTITUTE，2005.

[6] 邱寄帆,王海春．基于分布式控制系统的轮式智能机器人研究［J］．微计算机信息，2006，

4-2：180-182.

http://www.elecfans.com 电子发烧友 http://bbs.elecfans.com 电子技术论坛

本文创新点：把自组织模糊控制器应用在AGV上，它可以适应各种环境，使用自组织模糊控 制器可以使隶属函数保持最优化，为此我们采用了遗传算法，通过自校正和控制规则的产生 保证AGV处于最佳行使状态。

作者简介：冯锋，男，1983年7出生，汉族，江苏南通人，江苏科技大学控制理论与控制工程硕士研究生，主要研究方向：计算机控制。导师：邓志良，男，1962年出生，汉族，江苏武进人，江苏科技大学教授，主要研究方向：远程控制，网络通讯技术。赵旭，男，1979年12出生，汉族，浙江舟山人，江苏科技大学控制理论与控制工程硕士研究生，主要研究方向：计算机控制。About author: Fengfeng, male, born in 1983.7 Rudong Jiangsu, Han Nationality, postgraduate of Control

Theory and Project Jiangsu University of Science and Technology. Major reach field: computer control.

Deng Zhiliang: male, born in 1962 Wujin Jiangsu, Han Nationality, professor of Jiangsu University of Science and Technology, major reach field: remote control, internet communication technology.

Zhaoxu, male, born in 1979.12 Zhoushan Zhejiang, Han Nationality, postgraduate of Control Theory and

Project Jiangsu University of Science and Technology. Major reach field: computer control.

联系地址：江苏省镇江市江苏科技大学321信箱 邮编：212003

导师批注：