摘要: 关于智能轮椅路径识别问题，如何采集外界障碍物信息，以及迅速的做出判断是智能轮椅进行室内避障导航的关键。针对轮椅受路面粗超度，轮胎变形，和结构变形等的影响，整个系统表现为高度的非线性和不确定性。为解决上述问题，提出在智能轮椅中安装超声、红外传感器，利用模糊逻辑算法处理障碍物信息进行室内避障导航。在 Simulink 中建立轮椅运动学模型和创建模糊控制理论的模糊控制器，进行智能轮椅避障导航仿真。仿真结果表明，智能轮椅能有效完成室内避障，到达目的地，获得良好的避障导航效果。将该方案应用到智能轮椅上，将提高轮椅的智能水平，扩大其应用空间。
1 引言
随着人口老龄化的到来，智能轮椅将迎来巨大的使用空间[1]。为了给老年人和残障人士提供性能优越的代步工具，帮助他们提高行动自由度及重新融入社会，许多国家都对智能轮椅避障问题进行了研究[2]。智能轮椅的室内避障导航问题属于路径规划问题[3]，即是在室内环境中，寻找从起始点到目标点的最优无碰路径问题。根据控制系统对环境的认知情况，路径规划算法分为全局路径规划算法和局部路径规划算法，全局路径规划方法需要获得整个环境的精确数学模型，由于每个室内环境都有其特殊性，而且在室内环境中，椅子，杂物等的放置经常会不确定，比较难取得较好的避障导航效果。
局部路径规划主要有人工势场法，模糊逻辑算法，遗传算法等。人工势场法结构简单，便于低层实时控制，其不足之处在于存在局部最优解，容易产生死锁现象，因而可能使智能轮椅在未到达目标点之前就停留在局部最优点。遗传算法算法比较繁琐，在算法的设计上投入比较大，而且代码的实现也是一个较为庞大的工程，难以保证智能轮椅避障导航的实时性。
模糊逻辑算法不需要整个环境的精确数学模型，对控制系统参数的变化不敏感，具有很强的鲁棒性和处理非线性数据的能力。利用模糊集合理论能模拟人的思维方式对一些无法构造数学模型的被控对象进行有效的控制。
本文通过使用超声和红外传感器来获得外部障碍物信息，利用模糊逻辑算法对获得的环境信息进行融合[4]，并完成了系统的仿真验证。
2 系统模型的建立
为了完成智能轮椅室内避障导航，首先需要建立智能轮椅的运动学模型，以确定任一时刻智能轮椅在室内的位置，同时需要建立模糊控制器，融合处理外界环境信息。
2. 1 轮椅运动学模型的建立
首先，本文对轮椅所在的环境做了以下假设: 轮椅所在平面为光滑平面; 轮椅在运动过程中，轮子只是纯滚动，没有打滑现象; 轮椅的有关参数在空载和负载的情况下相同，如左右轮半径，左右轮宽度等。
利用( x，y，θ) 三个参数来确定轮椅的位置，其中 x 为轮椅在坐标系中的水平位置，y 为轮椅在坐标系中的垂直位置，θ 为轮椅的正面朝向和水平坐标轴的角度。轮椅任意时刻的位置坐标为:
2. 2 模糊控制器模型的建立模糊控制器[5]
由模糊量化、模糊推理、模糊规则和反模糊化接口 4 部分组成。如图 3 所示。利用模糊控制器，接收传感器上的距离信息和方位角的四个参数信息，四个输入量经过模糊量化，转化为模糊控制器需要的控制量，并由隶属度函数来定义，通过查询相关的模糊规则，进行模糊推理，得出相应的模糊控制量，模糊控制量经过反模糊化，就得到了轮椅左右轮的精确控制量。精确控制量通过控制左右驱动轮的驱动电机，达到避障的目的。
2. 2. 1 确定输入、输出量
通过安装在轮椅上的超声、红外传感器传感器和电子罗盘获得轮椅前方，左方和右方的障碍物距离、轮椅的目标方位角环境信息，作为模糊控制器的四个输入量。输出量为轮椅的左右轮速度，轮椅的左右轮采用分别驱动的差动结构。
2. 2. 2 输入输出量隶属度的建立
根据障碍物和轮椅之间的具体位置关系，给输入量和输出量建立相应的隶属度函数，隶属度函数反映了输入输出空间每一点映射到 0 和 1 之间的隶属度。输入量隶属度: 根据障碍物和左( DL) 、右( DR) 、前( DF) 三个方向上的距离，定义了三个模糊子集{ 近，中，远} ，采用如下简记形式，近 = N，中 = M，远 = F，通过对本文的智能轮椅进行实验测算，智能轮椅的刹车距离为 20cm，本文设定当智能轮椅和障碍物的距离为 75cm 时，智能轮椅开始进行绕障移动，因此设定距离隶属度为，近: 0cm < D !20cm，中:20cm < D !75cm，远 D 75cm。超声波传感器测距范围为 20～ 700cm，由于超声传感器的障碍盲区为 20cm，因此本文使用超声传感器和红外传感器相结合以消除障碍盲区。当轮椅与障碍物的距离小于 20cm 时，利用红外传感器进行测距。
如图 4 所示，目标方向的范围是{ 0°，180°} 根据智能轮椅和目标点的位置关系，也定义了三个模糊子集{ 1，2，3} 分别为: ①( 0°，60°) ，②( 60°，120°) ，③( 120°，180°) 。
输出量隶属度: 即轮椅左右轮的速度模糊子集取为正速度( PV) ，零( ZV) ，负速度( NV) 。
智能轮椅的速度范围为 0 ～ 114mm/s，因此本文设定速度隶属度为，正速度: PV =100mm/s，零速度: ZV =0mm/s，负速度 NV =100mm/s。
隶属函数有钟形，梯形，三角形等形状，一般认为钟形最好，但难于计算; 三角形次之，最后是梯形。在这里，为了计算方便，选用的是三角形隶属函数，可以减少控制器的计算负担，提高数据处理速度。
2. 2. 3 模糊控制规则
模糊控制规则是模糊控制器的关键部分，反映了输入输出量之间的关系，本文使用的是“感知 - 动作”的方法来建立模糊控制规则。感知就是指超声、红外传感器和电子罗盘所得到的环境信息，动作就是指对所获得的环境信息进行分析，确定所遇到的障碍物情况，进行相应的避障导航控制。影响轮椅前进的因素主要是轮椅左、前、右三个方向的障碍物距离信息和目标方向等级，当轮椅遇到障碍物时，采取相应的避障策略进行避障，在没有障碍物时，轮椅就朝着目标前进。
根据轮椅可能遇到的障碍物情况，把所有的障碍物一共分为八种情况，如图 5 所示。
对于这八种情况，利用障碍物距离和目标方向的隶属度情况，根据现场人员的相关经验或相关专家的知识，建立了74 种模糊控制规则，当轮椅遇到任意一种障碍物情况就可以查询相关的模糊控制规则，得到左右轮的控制量进行避障导航。
以下为第二种障碍物时的模糊规则:
1) if( DF is N) and ( t is 1) then ( left - v is NV) ( right - vis PV)
2) if( DF is N) and ( t is 2) then ( left - v is PV) ( right - vis NV)
3) if( DF is N) and ( t is 3) then ( left - v is PV) ( right - vis NV)
4) if( DF is M) and ( t is 1) then ( left - v is ZV) ( right - vis PV)
5) if( DF is M) and ( t is 2) then ( left - v is PV) ( right - vis NV)
6) if( DF is M) and ( t is 3) then ( left - v is PV) ( right - vis ZV)
3 仿真分析
为了验证本方案在室内进行避障导航的可行性，本文利用 MATALAB 提供的 SIMULINK 模块进行仿真。
3. 1 建立模糊控制器
在 SIMULINK 中打开模糊控制器，增加三个输入量，即为四个输入量，添加一个输出量，输入隶属度，并添加模糊控制规则( 见图 6) 。
3. 2 仿真过程
在 SIMULINK 中建立轮椅的运动学模型，加入室内模型、障碍物信息、智能轮椅起点、终点坐标、模糊控制器和“S- Function”模块[6]，建立仿真模型。将模糊控制器输出到工作空间，即“to worksPACe”，进行仿真。
从图 7 可以看出，智能轮椅从房间 1 的起点出发，穿过房间 1 的门框，在去终点的过程中平滑的绕过一个障碍物，顺利的到达了目标点。该方案能比较迅速的搜索路径，平滑 绕过外界环境中的障碍物，准确到达目标点。
4 结束语
本文对智能轮椅结构和路径规划算法进行分析，提出了一种智能轮椅室内导航避障方案，通过建立智能轮椅运动学模型，调用模糊控制箱，组建了室内仿真模型。仿真结果发现，该方案能科学合理的处理障碍信息，取得了满意的避障导航效果。通过对残障者日常活动环境进行建模，把室内环境地图加入到轮椅控制器中，对传感器精度进行改进，进一 步细分所遇到的障碍物情况，将得到更精确的避障导航效果。
参考文献:
[1] 冯建农，柳明，吴捷. 自主移动机器人智能导航研究进展[J].机器人，1997，( 19) .
[2] 何克忠，郭木河. 智能移动机器人技术研究[J]. 机器人技术与应用，1996，( 2) : 11 -13.
[3] 孙增圻. 智能控制理论与技术[M]. 北京: 清华大学出版社，2002. 16 - 66.
[4] 王正林，郭阳宽. 过程控制与 Simulink 应用[M]. 北京: 电子工业出版社，2006. 260 -263.
[5] 张建仁，王莉. 基于 MATLAB 的模糊控制系统的仿真[J]. 自动化与仪器仪表，2003，( 1) : 6 -8.
[6] 王咏梅，黄孝彬，牛玉广. 利用 S 函数实现仿真的动态效果[J]. 广东自动化与信息工程，2003，( 4) : 42 -44.
