System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 履带机器人的模糊逻辑导向控制方法及系统技术方案_技高网

履带机器人的模糊逻辑导向控制方法及系统技术方案

技术编号:42543267 阅读:10 留言:0更新日期:2024-08-27 19:46
本发明专利技术公开了履带机器人的模糊逻辑导向控制方法及系统,涉及机器人控制技术领域,包括利用机器人上的传感器实时收集环境参数数据,并对收集到的原始传感器数据进行预处理,得到标准化的数据集;基于预处理后的数据,建立输入输出变量的模糊集和隶属函数,确定模糊规则,建立模糊推理模型;将预处理后的数据代入模糊控制模型进行模糊推理,得到控制输出量;对模糊推理得到的控制量进行后处理,转换为机器人的控制指令;收集执行后的效果数据,评估控制效果,根据需要优化控制模型与参数,实现自适应控制。本发明专利技术增强了控制指令的实用性和执行的精确性,确保了机器人行为的正确性和高效性。

【技术实现步骤摘要】

本专利技术涉及机器人控制,特别是履带机器人的模糊逻辑导向控制方法及系统


技术介绍

1、随着工业和科技的发展,机器人已广泛应用于多种领域,包括但不限于制造、农业、勘探和救援任务。其中,发电机机器人在执行任务时面临多种复杂地形,这些地形可能包括陡峭的斜坡、不平坦的地面和其他难以导航的环境。传统的控制系统在这些环境中往往难以准确导航,导致效率低下和潜在的故障风险。

2、现有的控制系统多依赖于经典的控制理论,如pid控制,它们在处理简单、线性的控制任务时表现良好。然而,这些传统方法在处理复杂、非线性问题时效果有限,特别是在应对机器人在复杂地形中的动态变化和不确定性时。因此,急需一种能够在不确定和动态变化的环境中提供高效导航的新型控制系统。


技术实现思路

1、鉴于上述现有的控制系统中存在的问题,提出了本专利技术。

2、因此,本专利技术所要解决的问题在于如何提供一种能够在不确定和动态变化的环境中提供高效导航的新型控制系统。

3、为解决上述技术问题,本专利技术提供如下技术方案:

4、第一方面,本专利技术实施例提供了履带机器人的模糊逻辑导向控制方法,其包括,利用机器人上的传感器实时收集环境参数数据,并对收集到的原始传感器数据进行预处理,得到标准化的数据集;基于预处理后的数据,建立输入输出变量的模糊集和隶属函数,确定模糊规则,建立模糊推理模型;将预处理后的数据代入模糊控制模型进行模糊推理,得到控制输出量;对模糊推理得到的控制量进行后处理,转换为机器人的控制指令;收集执行后的效果数据,评估控制效果,根据需要优化控制模型与参数,实现自适应控制。

5、作为本专利技术所述履带机器人的模糊逻辑导向控制方法的一种优选方案,其中:所述环境参数数据包括加速度计、陀螺仪的原始数据,当前位置、速度和航向数据和图像信息。

6、作为本专利技术所述履带机器人的模糊逻辑导向控制方法的一种优选方案,其中:所述输入输出变量的模糊集包括,输入变量的模糊集包括:倾斜角度模糊集、速度模糊集、地面接触压力模糊集以及功率消耗模糊集;输出变量的模糊集包括:履带速度调整模糊集、履带角度调整模糊集和履带齿轮传动比调整模糊集。

7、作为本专利技术所述履带机器人的模糊逻辑导向控制方法的一种优选方案,其中:建立输入输出变量的隶属函数包括定义输入变量x的非对称三角隶属函数μ(x):

8、

9、调整三角形端点a,b,c的参数,改变三角形的形状,针对不同输入变量,设置不同形状的参数,模拟不确定性分布。

10、作为本专利技术所述履带机器人的模糊逻辑导向控制方法的一种优选方案,其中:所述模糊推理模型的公式如下:

11、

12、其中,z为模糊推理模型的输出,a、b、c、d分别为倾斜角度、速度、地面接触压力和功率消耗对应模糊集合中的隶属函数值;e、f和g分别表示履带速度调整、履带角度调整和履带齿轮传动比调整的程度。

13、作为本专利技术所述履带机器人的模糊逻辑导向控制方法的一种优选方案,其中:所述将预处理后的数据代入模糊控制模型进行模糊推理,得到控制输出量包括以下步骤:对每个输入变量值,计算其对各隶属函数的匹配度,获得输入变量对每个语言值的隶属度;对规则前件计算激活强度,采用prod运算,截断规则后件的输出隶属函数,进行多个规则的输出作聚合,采用max运算,得到模糊输出;得到输出变量的隶属度分布,输出为一个模糊集;进行去模糊化;得到明确的控制输出量,并转换为执行器的控制信号。

14、作为本专利技术所述履带机器人的模糊逻辑导向控制方法的一种优选方案,其中:所述去模糊化,计算模糊输出集的重心的公式如下:

15、

16、其中,z*代表去模糊化后的精确控制输出值,z是输出变量的域内的一个点,而μc(z)是该点上的模糊输出集的隶属度函数。

17、第二方面,本专利技术为进一步解决现有的控制系统中存在的问题,实施例提供了履带机器人的模糊逻辑导向控制系统,其包括:数据收集模块,用于利用机器人上的传感器实时收集环境参数数据;数据预处理模块,用于对收集到的原始传感器数据进行预处理,得到标准化的数据集;模糊逻辑处理模块,用于基于预处理后的数据建立输入输出变量的模糊集和隶属函数,确定模糊规则,建立模糊推理模型;模糊推理模块,用于将预处理后的数据代入模糊控制模型进行模糊推理,得到控制输出量;控制指令转换模块,用于对模糊推理得到的控制量进行后处理,转换为机器人的控制指令;效果评估与优化模块,用于收集执行后的效果数据,评估控制效果,根据需要优化控制模型与参数,实现自适应控制。

18、第三方面,本专利技术实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述计算机程序被处理器执行时实现如本专利技术第一方面所述的履带机器人的模糊逻辑导向控制方法的任一步骤。

19、第四方面,本专利技术实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序被处理器执行时实现如本专利技术第一方面所述的履带机器人的模糊逻辑导向控制方法的任一步骤。

20、本专利技术有益效果为,本专利技术通过定义非对称三角隶属函数和调整其形状参数,精确模拟输入变量的不确定性分布,建立了适应各种环境条件下的模糊控制规则,利用模糊逻辑理论来处理实际应用中的不确定性和模糊性问题,实现了对复杂环境的有效适应和响应;通过计算输入变量对每个语言值的隶属度,并利用模糊逻辑规则进行推理,有效地将输入数据转化为模糊输出集,通过模糊逻辑推理,综合考虑各种输入信息和控制规则,得出最适合当前环境条件的控制输出,使机器人能够更加精准地响应外部环境变化;本专利技术增强了控制指令的实用性和执行的精确性,确保了机器人行为的正确性和高效性。

本文档来自技高网...

【技术保护点】

1.一种履带机器人的模糊逻辑导向控制方法,其特征在于:包括:

2.如权利要求1所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述环境参数数据包括加速度计、陀螺仪的原始数据,当前位置、速度和航向数据和图像信息。

3.如权利要求2所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述输入输出变量的模糊集包括,

4.如权利要求3所述的履带机器人的模糊逻辑导向控制方法,其特征在于:建立输入输出变量的隶属函数包括定义输入变量x的非对称三角隶属函数μ(x):

5.如权利要求4所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述模糊推理模型的公式如下:

6.如权利要求5所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述将预处理后的数据代入模糊控制模型进行模糊推理,得到控制输出量包括以下步骤:

7.如权利要求6所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述去模糊化,计算模糊输出集的重心的公式如下:

8.履带机器人的模糊逻辑导向控制系统,基于权利要求1~7任一所述的履带机器人的模糊逻辑导向控制方法,其特征在于:包括:

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述的履带机器人的模糊逻辑导向控制方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述的履带机器人的模糊逻辑导向控制方法的步骤。

...

【技术特征摘要】

1.一种履带机器人的模糊逻辑导向控制方法,其特征在于:包括:

2.如权利要求1所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述环境参数数据包括加速度计、陀螺仪的原始数据,当前位置、速度和航向数据和图像信息。

3.如权利要求2所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述输入输出变量的模糊集包括,

4.如权利要求3所述的履带机器人的模糊逻辑导向控制方法,其特征在于:建立输入输出变量的隶属函数包括定义输入变量x的非对称三角隶属函数μ(x):

5.如权利要求4所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述模糊推理模型的公式如下:

6.如权利要求5所述的履带机器人的模糊逻辑导向控制方法,其特征在于:所述将预处...

【专利技术属性】
技术研发人员:洪伟杨强强吴肖柯海鹏徐广学刘华
申请(专利权)人:华能核能技术研究院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1