智能小车自动避障系统功能优化

2017-08-16王燕王红敏郭芳辰西安工业大学工业中心

数码世界 2017年8期

关键词：传感小车神经网络

王燕王红敏郭芳辰西安工业大学工业中心

智能小车自动避障系统功能优化

王燕王红敏郭芳辰西安工业大学工业中心

自动避障技术作为智能小车研发核心，能自行调整运动状态，避免发生碰撞，使智能小车的其他功能得以实现。在此次研究中对智能小车自动避障系统研究现状进行汇总，并通过采用模糊神经网络算法实现智能小车自动避障系统功能优化。

智能小车自动避障模糊神经网络算法

引言：随着信息技术的快速发展，“互联网+”逐步的改变着大众的生活方式，不断推进“智慧交通”的构建。智能小车作为智慧交通的重要核心，具备灵动性强、操作简便、体积小等优势，可以有效降低交通成本、避免交通意外的发生。

1 智能小车自动避障系统研究现状

1.1 智能小车自动避障功能概述

自动避障技术作为智能小车研发核心，只有具备良好的自动避障技术，才能保证智能小车其他功能的实现，避免智能小车在运行过程中，可以自行调整运动状态，避免发生碰撞。而今智能小车信息采集系统已初步具备自动避障功能，但是智能小车的视觉传感器极易受到自然环境与天气条件的影响。而主动传感器需要通过大量的运算，才能将汽车周边障碍物的距离与车辆行驶速度进行测算，导致其反应速度慢，难以保障智能小车自动避障功能的准确性。

1.2 智能小车自动避障系统国内外研究综述

智能小车最早出现在上世纪九十年代，由美国Electronics公司最早研发，并将该智能小车命名为AGV。自AGV智能小车以后，智能小车就普遍应用于探测、排爆、救灾等工作。瑞典研发的ANFM智能小车主要用于户外导航探测，该智能小车是以智能导航汽车为基础，在此基础上增加探测、摄像、导航以及远程控制功能，用以增加野外探测与定位功能。直至二十世纪初，Mahajan采用模糊逻辑法，将探测器所收集的数据采用该模糊逻辑处理的方式，将数据进行加工处理。我国在智能小车的研发过程中也收获了颇多成果，其中由清华大学智能技术研究实验室与北京理工大学、浙大等多所高校联合研发的THMR-V智能小车可以通过多传感器实现结构与非结构化的路径中工作。

2 基于模糊神经网络算法智能小车自动避障系统优化

2.1 智能小车自动避障算法分析

在现有研究中，针对智能小车避障传感相关的研究成果较多，而对于智能小车来说主要的传感功能的实现主要包括红外线传感、超声波传感以及视觉传感等，对于这些传感器而言实现自动避障精确度的差异主要体现在避障系统间的算法。智能小车自动避障系统的算法主要包括：确定格栅法以及模糊逻辑法等。其中确定格栅法是通过将智能小车传感探测的区域按照格栅进行划分，并针对逐个格栅的概率进行测算，并将测算结果进行整合，对智能小车外部环境进行描述。其次，模糊逻辑法是智能小车常用的算法之一，该算法又称之为实时监控法，该算法将传感信息按照模糊推理数学运算方式进行模糊推算，并以此对智能小车的环境障碍信息进行反馈，对智能小车进行自动避障控制。该算法主要是应用于已知条件信息无法确定，且情景具有确定性的条件下。

2.2 模糊神经网络算法在智能小车自动避障中的应用

在此次研究中将采用模糊神经网络算法，对智能小车的自动避障系统进行优化。优化后的智能小车具备多个红外传感器、超声波传感器以及单个视角传感。实验开发中红外传感工具数量3，超声波传感工具数量为3，其中红外传感主要用以进行智能小车的遁迹，同时还可以提升避障自控系统测定的准确性，对超生传感无法避免的距离盲区问题进行补充。因此超声波与远红外传感器可以实现对智能小车前方以及左右三方的路障距离的测算。其中分别由个远红外与超声波传感器测算的障碍物距离为Lq,Lz,Ly；通过模糊神经算法将探测信息进行归纳运算，继而输入值为Lq,Lz,Ly，而小车与障碍物视觉角度为tf；最终传送出信息为智能小车的转弯角度ma与智能小车的车速da。数值带入将Lq,Lz,Ly模糊变量设定为{near，far}，论域为(0～2m)；{ZD，ZX，0，YX，YD}，论域为(-1800，1800)；距离和夹角的隶属度函数，如图1，2所示。