[發(fā)明專利]一種用于全向智能輪椅避障的模糊神經(jīng)網(wǎng)絡(luò)控制方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201310651871.5
• 申請(qǐng)日: 2013-12-04
• 公開（公告）號(hào): CN103699124A
• 公開（公告）日: 2014-04-02
• 發(fā)明（設(shè)計(jì)）人: 賈松敏;劉釗;樊勁輝;王成富;鄭鵬
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G05D1/02
• 分類號(hào): G05D1/02
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

1.一種用于全向智能輪椅避障的模糊神經(jīng)網(wǎng)絡(luò)控制方法，當(dāng)檢測(cè)到輪椅行進(jìn)方向出現(xiàn)障礙或其它方向有障礙物向輪椅靠近時(shí)，在全向智能輪椅運(yùn)動(dòng)控制器中運(yùn)行所述方法，控制輪椅避開障礙物，其特征在于包括以下步驟：

步驟一，定義輸入變量；

定義5個(gè)輸入變量d_l,d_f,d_r,θ,v，分別表示左側(cè)、中間及右側(cè)障礙物距離信息，輪椅行駛方向角和輪椅行駛速率；其中，d_l,d_f,d_r由超聲波傳感器獲得，θ,v由編碼器反饋的速度信號(hào)經(jīng)過全向智能輪椅運(yùn)動(dòng)控制器進(jìn)行運(yùn)算得到；

步驟二，確定模糊神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)；

（1）確定輸入層；

輸入層為第1層，各個(gè)節(jié)點(diǎn)直接與輸入向量的各個(gè)分量連接，將輸入值U={d_l,d_f,d_r,θ,v}傳遞到下一層；

（2）確定隸屬度函數(shù)層；

隸屬度函數(shù)層為第2層，隸屬度函數(shù)選取三角形函數(shù)、Z型函數(shù)和S型函數(shù)3種基本形式；Z型函數(shù)表示左邊界隸屬度函數(shù)值，三角形函數(shù)表示中間隸屬度函數(shù)值，S型函數(shù)表示右邊界隸屬度函數(shù)值；根據(jù)輸入輸出量的特性將上述三式進(jìn)行組合，得到模糊神經(jīng)網(wǎng)絡(luò)的隸屬度函數(shù)；超聲波距離和速率僅采用Z型和S型函數(shù)，方向角和加速度增加1個(gè)三角形函數(shù)，方向角變化率采用3個(gè)三角形函數(shù)；

3種隸屬度函數(shù)的表達(dá)式分別為：

三角形函數(shù)：

Z型函數(shù)：

S型函數(shù)：

其中，i＝1,2,......,5，j＝1,2,......,5，u_i表示控制器的輸入，pi_j表示隸屬度函數(shù)值，mi_j表示隸屬度函數(shù)的中心值，σ_ij表示隸屬度函數(shù)的寬度值；

（3）確定模糊推理層；

模糊推理層為第3層，每一個(gè)節(jié)點(diǎn)代表一條模糊規(guī)則，用來匹配模糊規(guī)則的前件，計(jì)算每條規(guī)則的適用度，即：

q_k＝min{p_1,k,p_2,k,p_3,k,p_4,k,p_5,k}

其中，q_k為規(guī)則k的適用度，p_i,k表示輸入i對(duì)規(guī)則k的適用度，k＝1,2,......,K，K為規(guī)則總數(shù)；根據(jù)模糊規(guī)則數(shù)確定該層總節(jié)點(diǎn)數(shù)為K；

（4）確定輸出層；

輸出層為第4層，Δθ,Δv為輸出變量，分別表示輪椅行駛方向角變化率及輪椅行駛加速度；采用重心法對(duì)模糊集進(jìn)行解模糊化計(jì)算；系統(tǒng)的實(shí)際輸出為：

Δθ=(Σk=1Kvk,1qk)/(Σk=1Kqk)Δv=(Σk=1Kvk,2qk)/(Σk=1Kqk)]]>

其中，v_k,j表示規(guī)則k對(duì)輸出j的權(quán)重，j＝1,2；根據(jù)模糊規(guī)則匹配v_k,j與n_ls的關(guān)系，n_ls為網(wǎng)絡(luò)權(quán)值，l＝1,2;s＝1,2,3,4,5；

步驟三，調(diào)整模糊神經(jīng)網(wǎng)絡(luò)模型參數(shù)；

（1）通過經(jīng)驗(yàn)設(shè)置模糊神經(jīng)網(wǎng)絡(luò)初始化參數(shù)值，并設(shè)置學(xué)習(xí)訓(xùn)練結(jié)束的允許誤差值；

誤差代價(jià)函數(shù)為：

E=12Σl=12(yl-y^l)2]]>

其中，{y₁,y₂}={Δθ,Δv}為實(shí)際輸出值，即實(shí)際的輪椅行駛方向角變化率和輪椅行駛加速度，為期望輸出值；需調(diào)整的參數(shù)為：

Z＝{m₁₁,m₁₂,m₂₁,m₂₂,m₃₁,m₃₂,m₄₁,m₄₂,m₄₃,

m₅₁,m₅₂,n₁₁,n₁₂,n₁₃,n₁₄,n₁₅,n₂₁,n₂₂,n₂₃}

（2）開始訓(xùn)練過程后，讀取輸入變量和理想輸出參數(shù)；

按下面的誤差反向傳播修正式進(jìn)行參數(shù)調(diào)整：

Z(t+1)=Z(t)-ϵ∂E∂Z]]>

其中，Z為待調(diào)整參數(shù)向量，t為學(xué)習(xí)時(shí)間，ε為學(xué)習(xí)效率；

（3）對(duì)輸入進(jìn)行模糊化、模糊推理和反模糊化得到實(shí)際輸出；

對(duì)前述誤差反向傳播修正式兩邊求導(dǎo)得：

mij(t+1)=mij(t)-ϵm∂E∂mij,i=1,2,......,5,j=1,2,3]]>

nls(t+1)=nls(t)-ϵn∂E∂nls,l=1,2,s=1,2,......,5]]>

其中，ε_m和ε_n分別為調(diào)整m_ij和n_ls時(shí)的學(xué)習(xí)效率，進(jìn)一步對(duì)需要調(diào)整的參數(shù)求偏導(dǎo)：

∂E∂mij=Σl=12∂E∂yl∂yl∂qk∂qk∂pij∂pij∂mij=-2Σl=12[(yl-y^l)vk,lΣk=1Kqk-Σk=1Kvk,lqk(Σk=1Kqk)2]×sign(ui-mij)σij∂E∂nls=Σl=12∂E∂yl∂yl∂vk,l∂vk,l∂nls=(yl-y^l)qkΣk=1Kqk]]>

式中，σ_ij表示隸屬度函數(shù)的寬度值，q_k為規(guī)則k的適用度；

（4）計(jì)算偏差并調(diào)整模糊神經(jīng)網(wǎng)絡(luò)權(quán)值，如果偏差小于允許偏差或達(dá)到最大訓(xùn)練次數(shù)，那么結(jié)束訓(xùn)練，否則返回繼續(xù)學(xué)習(xí)；

由于控制器輸出主要依賴于隸屬度函數(shù)的中心值，寬度值σ_ij設(shè)定為常量；

步驟四，選取狀態(tài)控制變量記錄輪椅的運(yùn)動(dòng)狀態(tài)，規(guī)劃最優(yōu)的運(yùn)動(dòng)路徑；

上述模型主要針對(duì)運(yùn)動(dòng)方向在使用者視場(chǎng)角內(nèi)的避障情況，本發(fā)明智能輪椅采用麥克納姆全向輪，根據(jù)重心坐標(biāo)位置來控制輪椅的運(yùn)動(dòng)方向和運(yùn)動(dòng)速率，可實(shí)現(xiàn)無旋轉(zhuǎn)半徑的全向運(yùn)動(dòng)，故增加狀態(tài)控制變量解決運(yùn)動(dòng)方向在視場(chǎng)角外的避障情況；

（1）定義狀態(tài)控制變量st=θtvt,t=τ,τ-1,τ-2,]]>用s_τ、s_τ-1、s_τ-2記錄連續(xù)三個(gè)時(shí)間段輪椅的運(yùn)動(dòng)狀態(tài)；

（2）求連續(xù)三個(gè)時(shí)間段狀態(tài)控制變量的均值和變化量：

θv=13θτ+θτ-1+θτ-2vτ+vτ-1+vτ-2]]>

ΔθτΔvτ=θτ-θτ-1vτ-vτ-1]]>

Δθτ-1Δvτ-1=θτ-1-θτ-2vτ-1-vτ-2]]>

（3）確定使用者的目標(biāo)方向D，實(shí)現(xiàn)智能避障；

智能避障方向按下式確定：

式中，0＜N＜1，為實(shí)驗(yàn)獲得的經(jīng)驗(yàn)值，-Nθ表示輪椅避障控制的方向角；

當(dāng)Δθ_τ＜0，并且Δθ_τ-1＜0時(shí)，D_S＝0，表明在遇到障礙物前，人的意識(shí)的運(yùn)動(dòng)方向和智能輪椅的避障規(guī)則的避障方向相同，按照既定的避障規(guī)則進(jìn)行避障即可；

當(dāng)Δθ_τ＞0，并且Δθ_τ-1＞0時(shí)，D_S＝-Nθ，表明在遇到障礙物前，人的意識(shí)的運(yùn)動(dòng)方向和智能輪椅的避障規(guī)則的避障方向不同，根據(jù)-Nθ確定使用者的目標(biāo)方向；

其他情況下，D_S＝1，均按照人的意識(shí)進(jìn)行運(yùn)動(dòng)；

步驟五，根據(jù)表模糊控制規(guī)則，將改進(jìn)模糊神經(jīng)網(wǎng)絡(luò)輸出的Δθ及Δv經(jīng)過狀態(tài)控制變量的優(yōu)化后，輸入電機(jī)組驅(qū)動(dòng)器實(shí)時(shí)控制電機(jī)組完成避障任務(wù)。

2.根據(jù)權(quán)利要求1所述的一種用于全向智能輪椅避障的模糊神經(jīng)網(wǎng)絡(luò)控制方法，其特征在于，步驟二所述的規(guī)則總數(shù)為K=48。