[发明专利]一种野外管道检测机器人的控制系统

权利要求书

1.一种野外管道检测机器人的控制系统，包括基于pytorch深度学习模糊神经网络避障算法，其特征在于：通过该算法可以计算碰撞的危险度；在机器人的避障过程中，仅讨论机器人与障碍物之间的距离和相对速度的方向与碰撞危险度的关系，也就是空间碰撞危险度；以机器人相对于障碍物的最短距离和相对速度方位为参数，确定机器人与障碍物发生碰撞可能性大小的度量；图1表示了碰撞危险度的概念，第i个障碍物到机器人的距离为di，障碍物与机器人之间的相对速度为VR，Bi；将机器人上能感知的障碍物的两个端点定为A，B，相应的距离为a，b，障碍物与机器人相对速度与中心连线(CCi)的夹角为θ；SCR(t)的值越大，碰撞的可能性就越大，反之，SCR(t)的值越小，碰撞的可能性就越小。

2.根据权利要求1所述的一种野外管道检测机器人的控制系统，其特征在于：所述设计改进的模糊神经网络与传统的模糊神经网络一样有5层(如图所示):输入层、模糊化层、模糊推理层、补偿运算层、反模糊化层；第一层为输入层，有四个输入变量xi：分别是右前方障碍物碰撞危险度R_SCR、正前方障碍物碰撞危险度C_SCR、左前方障碍物碰撞危险度L_SCR、目标定位导航角t_r；定义碰撞危险度SCR，第i个障碍物到仿生蜥蜴的距离为di；障碍物与仿生蜥蜴的相对速度为V_R，B_i；将仿生蜥蜴上能感知的障碍物的两个端点定为A，B，相应的距离为a，b；障碍物与仿生蜥蜴相对速度与中心连线(CCi)的夹角为θ；并且把运动障碍物的速度也考虑到碰撞危险度中。

3.根据权利要求1所述的一种野外管道检测机器人的控制系统，其特征在于：所述在仿生蜥蜴实时避障进行局部路径规划时，仿生蜥蜴与障碍物之间的距离、相对速度及相对加速度都影响到碰撞危险关系；以仿生蜥蜴相对于障碍物的最短距离和相对速度方位为参数，确定仿生蜥蜴与障碍物发生碰撞可能性大小的度量。

4.根据权利要求1所述的一种野外管道检测机器人的控制系统，其特征在于：所述第二层是对输入模糊化层；定义SCR的范围为[0，2]，取a＝1，b＝1；将表示碰撞危险度的L_SCR、C_SCR、R_SCR分为3个模糊等级{S，M，B}，即小，中，大；对目标定位t_r模糊子集定义为{L，Z，R}，即左，零，右；则节点代表语言变量值为i表示输入量的维数为4，k表示距离xi的模糊分割数为3；该层节点总数第三层是模糊规则节点，用来计算规则的适用度。

5.根据权利要求1所述的一种野外管道检测机器人的控制系统，其特征在于：所述该层节点总数为81，采用高斯函数式中的表示输入隶属函数的宽度，表示输入隶属函数的中心；式中δ^k表示输出隶属函数的宽度，b^k表示输出隶属函数的中心；同时采用Larsen的积运算规则；第四层是补偿运算：补偿度为：Y∈[0，1]采用单值模糊化，则第五层是清晰化：将模糊运算得到的控制量变换为实际的清晰量。

6.根据权利要求1所述的一种野外管道检测机器人的控制系统，其特征在于：所述对于补偿模糊神经网络的学习，我们可以设计一个学习算法对4维输入数据和1维输出数据，去最优调整模糊神经网络的输入和输出隶属度函数的宽度和中心；模糊子集和b^k的模糊隶属函数为：

得 

7.根据权利要求1所述的一种野外管道检测机器人的控制系统，其特征在于：所述式中取为误差代价函数，依据梯度下降法训练：

a.输入隶属度函数宽度的训练；

b.输入隶属度函数中心的训练；

c.输出隶属度函数宽度的训练；

d.输出隶属度函数中心的训练；

e.补偿度的训练；Y∈[0，1]，定义则