[发明专利]一种基于逃逸力模糊控制的人工势场路径规划方法

权利要求书

1.一种基于逃逸力模糊控制的人工势场路径规划方法，其特征在于，包括以下步骤：

步骤1)，获取当前的全局环境信息，所述全局环境信息包括无人车当前位置、静态障碍物位置及目标点位置；

步骤2)，基于已获取到的全局环境信息构建出障碍物的虚拟斥力势场与目标点的虚拟引力势场，并分析无人车自身所受的斥力与引力；

步骤3)，根据当前无人车自身所受的斥力与引力情况，采用模糊控制策略对无人车施加逃逸力，直至到达目标点；逃逸力的大小由预设的模糊控制器来进行模糊控制，逃逸力的方向定义为垂直于引力方向，所述模糊控制器模型的建立步骤如下：

步骤3.1)，选取二维模糊控制器，输入变量分别为当前无人车自身所受的引力大小与斥力大小之差ΔF、引力与斥力的方向角度之差Δθ，输出变量即为逃逸力大小F；

步骤3.2)，将模糊控制器的输入与输出参数量化模糊处理；

步骤3.2.1)，输入变量引力大小与斥力大小之差ΔF的量化方法为：

定义力差系数ΔF_c，ΔF_c与ΔF的关系表示为

则ΔF经量化后得到的力差系数ΔF_c的论域为[-1,1]；

步骤3.2.2)，输入变量引力与斥力的方向角度之差Δθ的范围为[-π，π]，将Δθ量化后的论域定义为[-3.142,3.142]；

步骤3.2.3)，输出变量逃逸力大小F的量化方法为：

定义逃逸力系数为F_c，F_c与F的关系表示为

则逃逸力大小F量化后得到的逃逸力系数F_c的论域为[-1,1]；

步骤3.3)，生成ΔF_c、Δθ、F_c的模糊子集NB、NS、ZO、PS、PB；NB中的元素小于等于预设的第一阈值，NS中的元素大于第一阈值且小于等于预设的第二阈值，ZO中的元素大于第二阈值且小于预设的第三阈值，PS中的元素大于等于第三阈值且小于预设的第四阈值的，PB中的元素大于等于第四阈值，其中，所述预设的第一阈值、第二阈值为负值，第三阈值、第四阈值为正值，且第一至第四阈值依次变大；

步骤3.4)，为模糊控制器的输入输出变量的模糊子集选择相应的三角形隶属度函数，使用选取的三角形函数实现模糊控制器输入输出变量的模糊化；

步骤3.5)，建立模糊控制规则库，确定逃逸力系数F_c的模糊子集，所述模糊控制规则库中的模糊规则为：

当ΔF_c为NB且Δθ为NB时，F_c为NB；当ΔF_c为NB且Δθ为NS时，F_c为NB；

当ΔF_c为NB且Δθ为ZO时，F_c为NS；当ΔF_c为NB且Δθ为PS时，F_c为NS；

当ΔF_c为NB且Δθ为PB时，F_c为NS；当ΔF_c为NS且Δθ为NB时，F_c为NS；

当ΔF_c为NS且Δθ为NS时，F_c为NS；当ΔF_c为NS且Δθ为ZO时，F_c为NS；

当ΔF_c为NS且Δθ为PS时，F_c为ZO；当ΔF_c为NS且Δθ为PB时，F_c为ZO；

当ΔF_c为ZO且Δθ为NB时，F_c为NS；当ΔF_c为ZO且Δθ为NS时，F_c为ZO；

当ΔF_c为ZO且Δθ为ZO时，F_c为ZO；当ΔF_c为ZO且Δθ为PS时，F_c为ZO；

当ΔF_c为ZO且Δθ为PB时，F_c为PS；当ΔF_c为PS且Δθ为NB时，F_c为ZO；

当ΔF_c为PS且Δθ为NS时，F_c为ZO；当ΔF_c为PS且Δθ为ZO时，F_c为PS；

当ΔF_c为PS且Δθ为PS时，F_c为PS；当ΔF_c为PS且Δθ为PB时，F_c为PS；

当ΔF_c为PB且Δθ为NB时，F_c为PS；当ΔF_c为PB且Δθ为NS时，F_c为PS；

当ΔF_c为PB且Δθ为ZO时，F_c为PS；当ΔF_c为PB且Δθ为PS时，F_c为PB；

当ΔF_c为PB且Δθ为PB时，F_c为PB；

步骤3.6)，根据模糊规则库确定F_c的模糊子集后，选取质心法作为去模糊化方法，将F_c的模糊子集转化为精确量得到逃逸力系数F_c的值，最后，根据公式F＝500F_c计算出施加在无人车上的逃逸力大小。

2.根据权利要求1所述的基于逃逸力模糊控制的人工势场路径规划方法，其特征在于，步骤2)中，障碍物虚拟斥力势场为目标点虚拟引力势场为其中，r_c表示无人车与障碍物间的欧几里得距离，r₀表示安全距离，m表示斥力增益系数，k_at表示引力增益系数，r_q表示无人车与目标点间的欧几里得距离。