论文部分内容阅读
本文使用了超声波传感器对移动机器人周围的环境进行探测，并且利用单片机技术对超声波传感器所探得的障碍物信息进行处理，最终通过一种新颖的模糊神经控制算法来完成障碍物的模式识别，从而实现了移动机器人的自主避障。其具体内容如下所示:采用8个US系列的BTE054超声波传感器对移动机器人周围的环境信息进行采集，并且利用含有日本日立公司生产的SH7044(QFP-112Pin)芯片的单片机对采集到的环境信息进行处理。为了增加单个超声波传感器的测量精度和减小多个超声波传感器所产生的干涉现象，在硬件上采取了多个传感器复数统接的方法，在软件上使用了均值法和智能预测法。本文还提出了一种新颖的模式识别算法用于移动机器人的自主避障。通过应用一定量的模糊规则与FKCN（模糊Kohonen聚类网络）的结合，生成了一种启发式的模糊神经网络，并且通过对该模糊神经网络进行离线的非监督式训练，建立起了超声波传感器输入信号和移动机器人速度之间的模式映射关系，从而实现了移动机器人连续、快速的避障。最后，为了验证以上方法的可行性，通过Visual C++编程软件在计算机上作了各种避障情况的仿真，同时也在室内进行了各种实物避障的实验。