资源描述：
《基于模糊神经网络的智能履带车路径跟踪系统》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、基于模糊神经网络的智能履带车路径跟踪系统第19卷2003矩第2期3月农业工程TransactionsoftheCSAEVoI.19No.2Mar.2003149基于模糊神经网络的智能履带车路径跟踪系统赵登峰,王国强,许纯新,陈向东(吉林大学机械科学与工程学院)摘要:履带车适合于松软地面作业,其在结构化环境中能够自动驾驶功能具有重要的意义.介绍了基于模糊神经网络的智能履带车路径跟踪系统.该系统是模糊控制和神经网络控制的有机结合体,除了保留常规模糊控制器的自然语言信息处理功能以外,同时具有神经控制系统的监督学习及知识获取功能.这使得控制系统对变化的工作环境具有更好的
2、适应性.试验表明:该控制系统对变化路径的跟踪响应迅速,反应敏感,能够满足路径实时跟踪的要求.效果较好.关键词:智能履带车;路径跟踪;模糊神经网络中图分类号:U120文献标识码:A文章编号:1002—6819(2003)01—0149-041引言智能履带车用于松软地面自动作业或行驶,路径跟踪是智能履带车辆最基本的功能,其技术要求是根据道路跟踪摄像机采集到的车体前方场景图像,确定合适的转弯指令,以保证车辆始终行驶在给定的路径上(尽可能在路径中央)l_I州.常用的路径跟踪控制算法有PID控制,模糊控制,神经网络控制以及模糊神经控制(1]等等.其中模糊神经网络(fuzz
3、yneuralnetworks,FNN)是模糊系统(fuzzysystem)和人工神经网络(artificialneuralnetworks)的有机结合,它不但保留了模糊系统以自然语言方式表达的经验信息的处理能力,更重要的是它具有人工神经系统的自动知识获取及并行信息处理能力.基于模糊神经网络的模糊神经控制(fuzzyneuralcontro1)是一种较少依赖被控对象模型的现代控制方法].作者曾采用模糊控制算法对智能履带车的路径跟踪进行过研究,发现随着跟踪路径的急剧变化,控制效果变差,系统自适应能力明显下降.分析其原因主要是控制策略是根据人工操作经验离线归纳总结的
4、,是若干个常规路况跟踪知识的浓缩,控制策略知识无法覆盖所有路况下的操作,另外,人为选定的隶属函数的宽度和形状也对控制效果有很大的影响[s].本文利用模糊神经网络技术对智能履带车路径跟踪进行控制,使控制系统从运行中不断获取和完善控制策略,从而达到较优的实时路径跟踪效果.2控制原理本文采用的路径标志为宽约1cm的白色纸带,如图1所示.智能履带车在对路径的跟踪过程中,通过车载摄像机采集车体前下方的地面场景图像(由于采集的视频图像中的路标图像只是被跟踪图像的一微小段,因此该微小段路标可以采用直线拟合出其方位),通过图像预处理和直线拟合,可以提取出路径标志的中心收稿日期:
5、2002一O1—23作者简介:赵登峰(1976一).男,河南上蔡人,博士生,长春市人民大街142号吉林大学南岭校区机械科学与工程学院,130025.Email:wizard—zhao@163.tom线.系统控制的目标就是通过调整智能履带车左右履带的行驶速度,使该中心线与车体纵向轴线的误差相平面属性轨迹逼近原点,即中心线与车体纵向轴线重合.图1路径标志Fig.1Pathmark3模糊神经网络控制器设计选择路径标志中心线与车体纵向轴线的夹角a(规定车体纵向轴线右侧为正值,左侧为负值)和路径标志中心线与视野底边的交点到车体纵向轴线的距离B(规定交点在纵向轴线右侧为正值
6、,左侧为负值)作为控制系统的输入信号,智能履带车左右履带行驶速度差值为系统的输出量.为便于叙述,夹角a表示为:.;距离B表示为:;组成输入向量:=Ex,],输出信号为左右履带速度差:Y.夹角.采用9个模糊集合描述,对应9个隶属函数.距离用7个模糊集合表示,对应7个隶属函数,各个模糊集合隶属函数都采用高斯函数,即夹角为:A{(.)=exp[一(.一(')/,],_『=1,2,…,9距离为:A(2)=exp[一(2一('2,)./22],=1,2,…,7式中('C2i——隶属函数的均值;I『,,——隶属函数的标准差.模糊推理共有9×7=63条规,采用代数积一加法(s
7、um—product)方法.即第z条规则为R,:如果一A,.=A,那么Y=Yt.如果解模糊采用加权平均法,则系统的输出为:15O农业工程bJ一=∑2Yytat厶f:l式中at——第z条模糊规则的激活度,由模糊推理方法得af—A(I)(2)构造的模糊神经网络的结构如图2所示.第1层为输人层,提取智能履带车实际运动轨迹相对于被跟踪路径的偏差,用夹角和距离来衡量;第2层为模糊化层,输人节点,,分别对应9个和7个模糊节点,第3层和第4层分别为规则层和解模糊化输出层.如果用表示第k层的第i个输人,net:表示第k层的第个节点的净输人,Y;表示第k层的第_7个输出,即Y:,
8、则FNN各层的处理过程可
