基于多传感器信息融合的机器人的行为控制

摘要

随着机器人应用范围的不断扩展，机器人所面临的工作环境越来越复杂，多数是未知的、动态的。由于机器人传感器自身的限制，感知信息存在一定的不确定性，所以本文提出了基于多传感器信息融合的机器人的行为控制，能更准确和可靠的获得环境信息，将自适应神经网络和模糊逻辑推理结合运用于机器人行为控制中，为机器人设计了多种不同的行为，最后协调多个行为使机器人适应不确定环境完成目标任务。 首先，本文阐述了机器人与传感器的关系，机器人的多传感器系统，多传感器信息融合技术，以及信息融合在机器人领域的应用。因为机器人NAO在同类机器人中具有丰富的传感器，本文从机器人NAO入手，详细的研究了机器人多传感器系统的组成和多传感器的感知技术。根据采集的信号对机器人感知信息进行分类，为机器人NAO设计和实现了自身状态信息的监测功能。 然后，为机器人设计了多种不同的行为，其中有避障行为、执行命令行为、趋向目标行为、紧急行为、漫游行为，分别对不同的行为进行了具体的设计和研究。根据对信息融合算法的对比，选择将自适应神经模糊推理的信息融合算法运用到机器人避障行为控制中。机器人的基本行为确定之后，多个行为通过控制方法就可以突显新的更复杂的行为，机器人完成的目标任务也由多种基本行为协调实现的，从而提高了机器人的自主性和智能性。 最后协调机器人的多种行为，实现机器人完成目标任务。根据机器人行为的协调机制为机器人设计了行为控制器，通过采用优先级和动态调整权值现结合的方法控制机器人的行为。在仿真平台和真实环境下进行了实验，证明了该行为控制方案的有效行和可行性。

目录

声明

摘要

1．1机器人与传感器

1．2多传感器系统与信息融合

1．3多传感器信息融合技术

1．3．1信息融合的原理

1．3．2信息融合的方法

1．4信息融合在机器人领域的应用

1．5本课题的主要内容

第2章 机器人NA0的多传感器感知系统

2．1机器人NA0的多传感器技术

2．1．1多传感器系统的组成

2．1．2多传感器系统的感知

2．2机器人NA0感知的本体信息

2．3机器人NA0感知的外界信息

2．4机器人NA0感知信息的监测

2．4．1信息监测的设计

2．4．2信息监测的实现

2．5本章小结

第3章 基于自适应神经模糊推理的信息融合

3．1模糊控制理论及其用于信息融合

3．1．1模糊控制系统的设计

3．1．2基于模糊推理的信息融合

3．2神经网络增强模糊推理系统

3．2．1神经网络的基本原理

3．2．2神经网络和模糊推理的结合

3．3自适应神经模糊推理系统

3．3．1 ANFIS的模型结构

3．3．2神经网络的学习

3．3．3 ANFIS的建模过程

3．4自适应神经模糊推理系统的信息融合步骤

3．5本章小结

第4章 机器人NA0的基本行为设计

4．1移动机器人的模型

4．2避障行为的设计

4．2．1样本数据的获取

4．2．2避障行为的ANTIS设计

4．3执行命令行为的设计

4．3．1执行声音命令

4．3．2执行触觉命令

4．4趋向目标行为的设计

4．5紧急行为的设计

4．6漫游行为的设计

4．7本章小结

第5章 基于信息融合的机器人行为控制的实现

5．1行为协调机制

5．2机器人行为控制的实现

5．2．1行为优先级控制

5．2．2动态调整控制权值

5．3机器人实验平台

5．4实验结果与分析

5．5本章小结

6．1总结

6．2展望

参考文献

致谢