[发明专利]一种基于混沌机理的机器人自主导航方法

说明书

一、技术领域

本发明属于智能控制以及机器人导航技术领域，涉及一种机器人自主导航方法，更具体涉及一种基于混沌机理的机器人自主导航方法，可以用于机器人在未知环境下和无训练前提下的智能导航。

二、背景技术

机器人移动导航问题最初是依靠遥控操作来解决，这是一种被动的机器人导航方式，主要靠人为控制。后来有些机器人可针对事先设置好的轨迹，辅助以视觉、声纳、雷达等传感器进行引导，但这类方式只是一种辅助导航方式，也没有完全摆脱人的参与。近年来针对仿人机器人的研究，开始有学者关注人工神经网络方法应用于机器人的控制，并设计了各种人工神经网络模拟机器人的思维活动，开拓了机器人自主导航相关研究领域。但人工神经网络方法并没有考虑到实际生物体神经网络的复杂的思维机制，并且人工神经网络是需要训练和存储记忆的，一方面机器人需要大量的时间学习和训练，不利于实时控制和导航；另外，在许多未知的复杂环境下，这种机器人也不能够适应不断变化的环境，完成自主导航。

其它如模糊控制、遗传算法等理论也被引入到机器人行为控制器的设计或行为协调、融合策略的研究，但是在实际应用中存在可靠性差、自适应能力弱等问题。

混沌现象自提出以来，吸引了很多数学领域学者的注意。混沌现象的本质在于对所谓“混沌吸引子”的理解。“混沌吸引子”是一个抽象的数学概念，描述了运动的收敛类型。简而言之，“混沌吸引子”是指这样的一个集合，当时间趋于无穷大时，在任何一个有界集上出发的非定常流的所有轨道都趋于它。目前，已经可以用各种数学手段设计并产生混沌信号，并在模拟或数字电路上设计实现。混沌现象最初的应用为保密通信领域，并逐步推广到控制方面，形成了混沌控制学理论。

近年来，有许多生物领域的学者开始关注混沌现象的生物学机理，他们通过大量的实验，在某些动物神经系统活动过程中发现了存在混沌动力学现象，因此他们推断混沌现象的机理和具备高级思维能力的人的思维活动有许多相似之处，并设想可以用混沌动力学机理来代替人的感知动力学行为。特别的是，在对某些混沌吸引子的研究中发现，这些高维混沌吸引子存在一些类似“卷”的结构，而这些结构可以认为代表了通过脑的神经组织长时间自主学习形成的记忆轨迹，值得注意的是，这种学习不需要训练而产生，而是生物体神经组织在生命过程中本能产生的。在没有外部刺激的情况下，系统处于高维迭代搜索模式，搜索轨迹为不同的“卷”。但一接收到激励信号后，系统的动力学行为就表现为约束在某一个“卷”作周期性振动，而这个特定的“卷”恰好反映了外部激励信号的特征。如果输入系统的激励信号停止，系统立刻又会切换到高维迭代搜索模式。

三、发明内容

1、技术问题

受混沌现象产生的这种生物学机理的启发，本发明公开了一种感知动力学环路结构，并应用于实现机器人自主导航。其中机器人感知阶段用一个完全抽象的多卷混沌吸引子来代表，它受到负载传感器接收信号的控制。通过对混沌信号施加适当控制(包括增益、频率和相位等参数的控制)，使得当负载传感器接收到信号以后，混沌轨迹迅速收敛到一个代表外部激励信号物理含义的平衡点或循环单卷。在状态空间中，状态变量的演化轨迹代表了在实际物理空间中机器人的运动轨迹。这种方法的优点在于机器人自主导航所使用的感知系统具有更准确的神经反应信号表达手段，在未知的移动环境下，同时考虑了机器人的物理结构(包括传感器的几何分布)以及外部障碍物和目标的位置信息。本发明要解决的问题是提供一种基于混沌机理的机器人自主导航方法，该方法采用一个完全抽象的“多卷混沌吸引子”来代表机器人感知思维活动，使机器人感知系统具有更准确的神经反应信号表达手段，有利于未知环境下实现实时自主导航。其中的“多卷混沌吸引子”是一种特殊的“混沌吸引子”，它具有一般“混沌吸引子”的特征，即当时间趋于无穷大时，在任何一个有界集上出发的非定常流的所有轨道都趋于它。同时，它在状态空间的形状是有多个“卷”形结构所组成的。

2、技术方案

为了达到上述的发明目的，本发明的技术方案为一种基于混沌机理的机器人自主导航方法，该方法包括下列步骤：

第一步骤：在机器人101上负载4个距离传感器104，105，106，107和1个全向方位角传感器103，机器人传感器配置结构图如图1所示。在没有接收到任何外部激励信号前，用多卷混沌状态模拟机器人的思维状态，机器人保持探索未知环境，匀速移动且不改变运动方向。这里的“多卷混沌状态”，是指在状态空间中，当时间趋于无穷大时，在任何一个有界集上出发的非定常流的所有轨道都趋于由多个“卷”形结构所组成的“多卷混沌吸引子”轨迹；