基于双层模糊推理和改进DWA的多机器人路径规划

摘要/Abstract

摘要： 针对未知复杂环境下，现有多机器人系统路径规划方法存在难以处理好可达性、安全性等性能指标与求解时间之间平衡的问题，提出一种基于双层模糊推理的改进DWA（Dynamic Window Approach）算法。首先，利用线速度模糊控制器以及转向角模糊控制器输出基础位姿，保障机器人寻路过程的灵活性和安全性；然后，对传统DWA算法的障碍物距离评价函数进行改进，纳入偏离危险区评价函数，实现多机器人避碰；通过扩展评价函数和权值参数，改善鲁棒性和全局性能；最后，融合双层模糊推理与改进的DWA算法，即利用双层模糊控制确定大致的速度和方向，在此基础上采用改进DWA算法输出精确速度和转向角。仿真实验表明改进算法生成的轨迹更平滑，并且可提高多机器人路径规划的运行效率和安全性。

关键词: 动态窗口法, 模糊控制, 多机器人系统, 路径规划

Abstract: Aiming at the difficulties—balance the performance indexes such as reachability and safety with time in unknown complex scene—faced by existing multi-robot system path planning methods， an improved DWA （dynamic window approach） algorithm based on two-layer fuzzy inference is proposed. First， the linear velocity fuzzy controller and the steering angle fuzzy controller output the base pose to ensure the flexibility and safety of the robot path-planning process. Then， comparing with the traditional DWA algorithm， the obstacle distance evaluation function is improved and the danger zone-related evaluation function is also incorporated to achieve multi-robot collision avoidance. Also， the robustness and global performance are improved by extending the evaluation function and the weight parameters. Finally， the two-layer fuzzy inference is fused with the improved DWA algorithm， so the two-layer fuzzy controller is used to determine the approximate speed and direction， based on which the precise speed and steering angle are output using the improved DWA. Simulation experiments show that the proposed algorithm generates smoother trajectories and improves the operational efficiency and safety of multi-robot path planning.

Key words: dynamic window approach, fuzzy control, multi-robot system, path planning

王梓薇. 基于双层模糊推理和改进DWA的多机器人路径规划[J]. 计算机与现代化, 2023, 0(04): 20-25.

WANG Zi-wei. Multi-robot Path Planning Based on Double Fuzzy Inference and Improved DWA Algorithm[J]. Computer and Modernization, 2023, 0(04): 20-25.

参考文献［29］

［1］	包翔宇，曹学鹏，张弓，等. 多机器人协同系统的研究综述及发展趋势［J］. 制造技术与机床， 2019（11）:26-30.
［2］	张迎雪，陈萌，陈金宝，等. 多机器人智能化协同技术研究进展［J］. 载人航天， 2021，27（6）:767-778.
［3］	YI X， ZHU A M， YANG S X， et al. An improved neural dynamics based approach with territorial mechanism to online path planning of multi-robot systems［J］. International Journal of Machine Learning and Cybernetics， 2021，12（12）:3561-3572.
［4］	SAEED R A， REFORGIATO RECUPERO D， REMAGNINO P. The boundary node method for multi-robot multi-goal path planning problems［J］. Expert Systems， 2021，38（6）. DOI: 10.1111/exsy.12691.
［5］	ZHANG T H， LIU J， LI H Y， et al. Group consensus coordination control in networked nonholonomic multirobot systems［J］. International Journal of Advanced Robotic Systems， 2021，18（4）. DOI: 10.1177/17298814211027701.
［6］	MARTIN J G， FREJO J R D， GARCIA R A， et al. Multi-robot task allocation problem with multiple nonlinear criteria using branch and bound and genetic algorithms［J］. Intelligent Service Robotics， 2021，14（5）:707-727.
［7］	刘祥，叶晓明，王泉斌，等. 无人水面艇局部路径规划算法研究综述［J］. 中国舰船研究， 2021，16（S1）:1-10.
［8］	YANG L W， FU L X， LI P， et al. An effective dynamic path planning approach for mobile robots based on ant colony fusion dynamic windows［J］. Machines， 2022，10（1）. DOI: 10.3390/machines10010050.
［9］	LIU L S， LIN J F， YAO J X， et al. Path planning for smart car based on Dijkstra algorithm and dynamic window approach［J］. Wireless Communications and Mobile Computing， 2021，2021. DOI: 10.1155/2021/8881684.
［10］	MAROTI A， SZALOKI D， KISS D， et al. Investigation of dynamic window based navigation algorithms on a real robot［C］// Proceedings of the 2013 IEEE 11th International Symposium on Applied Machine Intelligence and Informatics （SAMI）. 2013:95-100.
［11］	郑维，刘德垚，王洪斌，等. 三级缓冲区结合模糊逻辑的DWA及其应用［J/OL］. 小型微型计算机系统:1-11（2021-09-07）［2022-02-09］. https://kns.cnki.net/kcms/detail/21.1106.tp.20210907.1035.004.html.
［12］	TANG P P， ZHANG R B， LIU D L， et al. Research on near-field obstacle avoidance for unmanned surface vehicle based on heading window［C］// Proceedings of the 2012 24th Chinese Control and Decision Conference （CCDC）. 2012:1262-1267.
［13］	张金泽，赵红，王宁，等. 密集障碍物下无人艇模糊双窗口DWA避障算法［J］. 中国舰船研究， 2021，16（6）:10-18.
［14］	詹京吴，黄宜庆. 融合安全A*算法与DWA法的机器人动态避障研究［J/OL］. 计算机工程:1-11（2021-11-04）［2022-02-13］. https://kns.cnki.net/kcms/detail/31.1289.TP.20211104.1215.001.html.
［15］	袁千贺，魏国亮，田昕，等. 改进A*和DWA融合的移动机器人导航算法［J/OL］. 小型微型计算机系统:1-7（2021-12-13）［2022-02-13］. https://kns.cnki.net/kcms/detail/21.1106.TP.20211213.1346.012.html.
［16］	汪馨，姚念民，谭国真. 改进BIT*与DWA算法的动态路径规划［J/OL］. 计算机工程与应用:1-9（2022-01-12）［2022-02-13］. https://kns.cnki.net/kcms/detail/11.2127.TP.20220112.1300.010.html.
［17］	ALAKHRAS M， OUSSALAH M， HUSSEIN M. A survey of fuzzy logic in wireless localization［J］. EURASIP Journal on Wireless Communications and Networking， 2020，2020. DOI: 10.1186/s13638-020-01703-7.
［18］	陈瑶，毛雅洁，赵涛，等. 两轮移动巡检机器人的区间二型模糊滑模控制［J］. 计算机应用与软件， 2020，37（10）:27-33.
［19］	郭娜，李彩虹，王迪，等. 结合预测和模糊控制的移动机器人路径规划［J］. 计算机工程与应用， 2020，56（8）:104-109.
［20］	王迪，李彩虹，郭娜，等. 基于模糊势场法的移动机器人局部路径规划［J］. 计算机工程与应用， 2021，57（6）:212-218.
［21］	刘翰培，王东署，汪宇轩，等. 移动机器人路径规划的模糊人工势场法研究［J］. 控制工程， 2022，29（1）:33-38.
［22］	杨周，刘海滨. 基于改进蚁群与动态窗口法的AGV动态路径规划［J］. 计算机工程与应用， 2022，58（6）:287-295.
［23］	张志文，张鹏，毛虎平，等. 融合改进A*算法和动态窗口法的全局动态路径规划［J］. 电光与控制， 2021，28（9）:39-43.
［24］	任文强，张秋菊. 基于改进的动态窗口法的双舵轮轨迹跟踪研究［J］. 制造业自动化， 2021，43（11）:89-93.
［25］	孙小飞，余涛，陈锐. 基于ROS的自动分拣机器人系统设计［J］. 制造业自动化， 2021，43（7）:141-146.
［26］	DAI J， LI D F， ZHAO J W， et al. Autonomous navigation of robots based on the improved informed-RRT* algorithm and DWA［J］. Journal of Robotics， 2022，2022. DOI: 10.1155/2022/3477265.
［27］	王彬，聂建军，李海洋，等. 优化A*与动态窗口法的移动机器人路径规划［J/OL］. 计算机集成制造系统:1-17（2022-03-08）［2022-04-27］. https://kns.cnki.net/kcms/detail/11.5946.TP.20220305.1932.024.html
［28］	ZHAO T， LI H D， DIAN S Y. Multi-robot path planning based on improved artificial potential field and fuzzy inference system1［J］. Journal of Intelligent and Fuzzy Systems， 2020，39（5）:7621-7637.
［29］	张林，詹威鹏，朱玲芬，等. 基于优化人工蜂群算法的多机器人协同规划［J］. 机械传动， 2017，41（12）:129-132.

[1]	李鹏, 徐珞. 一种面向城市战场的智能车自主导航方法[J]. 计算机与现代化, 2024, 0(01): 92-98.
[2]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[3]	申诗凡, 王立松, 王鑫梦, 秦小麟. 面向多机器人系统的元组空间协同模型[J]. 计算机与现代化, 2023, 0(08): 98-106.
[4]	邓云峥, 黄翼虎. 密集障碍环境下的改进DWA避障算法[J]. 计算机与现代化, 2023, 0(07): 48-53.
[5]	杜传胜, 高焕兵, 侯宇翔, 汪子建. 基于改进双向A*算法的消防机器人路径规划[J]. 计算机与现代化, 2023, 0(04): 15-19.
[6]	田小壮, 李松, 付国萍, 谭启昀, 单德帅, 王伟光, 王祝. 时间最优的无人机巡检避障路径规划[J]. 计算机与现代化, 2023, 0(03): 43-47.
[7]	申浩阳, 陈晓雷, 袁俊岭, 韩禄. 面向UAV的三维空间快速路径规划算法[J]. 计算机与现代化, 2023, 0(02): 6-11.
[8]	王阔, 郝福珍. 面向带时间窗车辆路径问题的PGSA算法优化[J]. 计算机与现代化, 2022, 0(12): 26-32.
[9]	张小芳, 冯慧芳. 基于轨迹大数据的动态最优路径规划[J]. 计算机与现代化, 2021, 0(11): 82-88.
[10]	刘羽飞, 张绪美, 梁晓磊. 基于CiteSpace的AGV路径规划研究热点分析[J]. 计算机与现代化, 2021, 0(05): 112-119.
[11]	李淑霞, 杨俊成, . 一种改进的全覆盖路径规划算法[J]. 计算机与现代化, 2021, 0(02): 100-103.
[12]	郑飞, 吴钦木. 基于模糊PI的永磁同步电机矢量控制[J]. 计算机与现代化, 2021, 0(01): 7-11.
[13]	王振庭, 陈永府, 刘田. 智能仓储中的多机器人调度方法[J]. 计算机与现代化, 2020, 0(07): 65-70.
[14]	肖玮, 张磊, 邱泽华, 钟勇, 张铁楠. 基于多目标点A*算法的停车场车位路径引导系统设计[J]. 计算机与现代化, 2020, 0(06): 40-.
[15]	张高林1,张继宇2,周萌3. 未知环境中基于量子蚁群优化的移动机器人实时路径规划[J]. 计算机与现代化, 2018, 0(07): 49-.