移动机器人控制方法综述

谭 辉

（重庆邮电大学 自动化学院，重庆400065）

随着机器人技术的发展，越来越多的机器人投入到实际的生产中，广泛应用于军事领域、工业领域以及服务领域等。移动机器人作为一个智能综合系统，已有半个世纪的发展历史，它实现了感知环境、实时决策、动态运动控制执行的高度集成[1]，其运动控制是一个重要研究方向。传统的移动机器人运动控制通常采用经典PID控制，但控制对象需要精确的数学模型，只有当系统为线性时控制效果才较好，对于非线性系统控制效果相对较差[2]。当被控对象的数学模型精度不高，但控制效果仍需要满足条件时，提出了改进模糊PID控制方法，其具有模糊控制的灵活性和适应性强的特点以及经典PID控制精度高的优点[3]。随着移动机器人工作任务的多样化，为了使移动机器人智能地完成各种任务，外置传感器的方法逐渐占据主要地位，机器人依靠其传感器感知环境信息。其中，采用计算机视觉为信息获取方式的控制策略，可以通过高精度的图像传感器设备读取到周围环境的实时信息并送入智能控制算法中完成解析运算，使得移动机器人系统具有能够快速获取位置信息、实时性强、控制效果好的特点[4-5]。随着移动机器人的实时运算处理和感知性能的提高，为了充分感知和获取环境信息，移动机器人的各种传感器必须相互配合。为此，提出了一种基于多传感器信息融合的移动机器人控制方法，将多个传感器采集到的数据进行融合关联，并采用智能控制算法对机器人运动控制，使得系统具有快速平稳且高效的控制效果[6]。

本文重点总结了移动机器人的控制方法，主要对改进模糊PID控制、基于机器视觉的控制以及多传感器融合的新型移动机器人控制方法进行综述，阐述了三种不同控制方法应用于移动机器人的情况，并通过简单的仿真介绍移动机器人的控制特点与控制效果，为不同的应用场景提供理论依据。

1 基于PID控制

比例积分微分控制又称PID控制，是最早发展起来的控制方法之一，具有算法简单、可靠性高、鲁棒性强的特点，在控制领域得到了广泛的应用。目前，大多数控制器都采用PID控制器。但是经典的PID控制只能通过精确的线性系统和被控对象的数学模型来保证系统的控制效果和稳定性。为了解决非线性系统的控制，文献[1、2]提出了模糊PID控制的改进方法。

1.1 经典PID控制

移动机器人常采用伺服电机进行驱动，所以对移动机器人的运动控制即是对伺服电机的控制，常采用三环控制系统。如图1所示，机器人的控制器主要由电流力矩环、速度控制环以及位置控制环组成[7]。

图1 伺服电机的三环控制系统结构图

首先，电流回路采用负反馈模式设定电流，并调节PID以达到设定的输出电流并控制电动机转矩。其次，速度环通过检测编码器信号来执行PID调节，输出结果是电流环设置。最后，位置环建立了驱动器和编码器之间的连接并完成PID控制，输出是速度环的设定值。经典PID采用三环控制结构来控制电机速度，有利于提高系统的稳定性，因此它常用于对速度控制要求高且稳定性强的系统中，例如机床数控控制伺服系统和自动泊车系统。

尽管经典PID控制已在自动化场景中广泛使用，但经典PID不具有实时在线调整参数kp、ki、kd的能力。为了在移动机器人的非线性系统中获得良好的控制效果，经典的PID控制与其他控制方法相结合。文献[3]将经典PID控制与模糊控制相结合，提出了模糊PID控制，减少了系统误差并提高了系统的灵活性和适应性。

1.2 改进模糊PID控制

模糊控制是一种基于模糊集理论、模糊语言变量和模糊逻辑推理的智能控制方法，它模拟了人类的模糊推理和决策过程。它的控制形式简单、易于实现，对难以进行准确建模的系统可以很好地进行鲁棒控制。因此，将模糊控制与PID控制相结合，使其具有PID参数自主整定的改进模糊PID控制。

文献[3]首先构造了自适应模糊控制器的结构，并获得了系统模糊PID控制器的传递函数，然后对速度控制输入输出变量进行模糊化，再根据实际操作经验和设计技术知识，建立模糊控制规则。为了验证改进的模糊PID控制器与经典PID控制器相比可以提高系统的控制效果，设计了直流电动机控制仿真实验，其转速仿真控制效果如图2所示。

图2

结果表明，该方法可以克服经典PID控制在移动机器人运动速度时超调量较大、响应时间较长的不足之处，并获得满意的控制效果。因此，改进的模糊PID控制也为恒压灌溉、热风炉温度等难以建模的非线性系统的控制器设计提供了一种设计方法。

2 基于机器视觉的控制

为了使移动机器人智能地完成各种任务，需要使用移动机器人的传感器获取环境信息来解决移动机器人的定位和导航问题。在参考文献[4、8]中，提出了一种基于机器视觉的移动机器人控制方法。

首先，建立机器人所处空间的三维坐标和环境信息的检测模型，然后进行移动机器人的路径规划和目标拾取任务。基于视觉的移动机器人控制算法描述：首先，完成机器人的自我定位；其次，在获取到机器人的位置和方向信息等定位信息后，机器人给出决策，判断机器人的目标点并完成路径规划；最后，机器人用运动控制算法来控制机器人移动车轮达到目标点的速度。在这个算法中，需要对实时采集的视频信息进行处理，滤掉干扰和噪声，以获取目标物的图像信息。

根据反馈信息的类型，移动机器人的视觉伺服系统可分为基于位置的视觉伺服系统和基于图像的视觉伺服系统。基于位置的伺服系统定义了机器人在三维空间内的视觉伺服误差，能直接控制机器人在三维空间内的运动。但是，基于图像的视觉伺服系统缺少目标位置的反馈环节，仅适用于视觉投影关系相对简单的情况。

在移动机器人的视觉伺服系统中，由于机器人在不同位置向不同目标物运动时，获取到的图像特征将存在多重解，故采用基于位置的视觉伺服系统，通过获取目标点相对于机器人的位置信息作为视觉伺服系统的期望目标输入，并与机器人的运动控制形成闭环系统。基于视觉的移动机器人控制能够根据图像信息获取机器人的位置信息，为机器人的路径规划缩短了时间，提高了系统的实时性。

3 基于多传感器信息融合的控制

为了使移动机器人能够全面而准确地感知环境，移动机器人的传感器必须相互配合，以充分感知并获取环境信息。文献[7、9]提出了一种多传感器信息融合的移动机器人控制方法，结合多个传感器获得的路径和距离信息，并采用模糊控制算法控制机器人的运动。

首先，设计了移动机器人系统的整体流程，Iotsu是路径提取算法。在移动机器人的路径跟踪过程中，根据不同的环境，分别设置传感器的可信度；然后选择合适的传感器数据以获得与目标或障碍物的距离信息，并进行判断距离[10]；最后使用模糊控制，控制机器人的运动以达到目标点并完成任务。两种常见的传感器数据融合方法：其一是基于证据理论的数据关联法，获取传感器的测量值并使用概率数据关联算法对测量值进行关联，然后进行状态估计为不同的传感器数据分配权重，更新综合状态；其二是考虑置信度的判断决策法，则是利用各传感器置信度，通常置信度是变化的，需要进行赋值，并通过计算融合后得到最终的判据结果来控制机器人运动。其中机器人系统的测距信息是通过融合红外传感器和超声传感器测得的数据而获得的。

为了验证其算法的有效性，设计出了移动机器人循迹路径曲线实验。实验结果表明，基于多传感器信息融合的控制技术被应用到移动机器人的跟踪控制中，提高了机器人的路径跟踪精度，减少了跟踪过程中由于偏差引起的误差。此方法将多传感器信息融合技术与智能运动控制算法相结合，可以大大提高系统的实时性和稳定性。基于以上优点，该方法将被广泛应用于智能机器人控制等领域。

4 总结与展望

本文从经典PID控制到改进模糊PID控制的移动机器人运动控制算法，总结了经典PID控制和模糊控制的优缺点，以及对系统的控制效果，进而提出了改进模糊PID控制方法。其具有适应性强、灵活性高、可靠性好和鲁棒性强等特点。然后介绍了基于机器视觉控制的移动机器人，通过图像信息为机器人的自主定位和路径规划提供控制策略，与机器人运动控制系统形成闭环，从而缩短了机器人的路径规划时间，提高了系统的整体实时性。

最后，介绍了基于多传感器信息融合的移动机器人控制，通过获取各个传感器的数据信息，能准确地判断机器人的距离信息，并结合模糊控制算法来控制机器人的运动。该方法使机器人更准确地获取外部环境信息，大大提高了整个系统的实时性和稳定性。

当前，关于移动机器人系统仍然有许多问题尚待研究，关于其控制方法的发展将会有如下几个趋势：

（1）复合控制策略的研究。通过上述经典PID和模糊控制等单一控制方法，分别将它们应用于机器人控制系统，其控制效果的优缺点比较明显，但结合两者的改进模糊PID算法可以最大化发挥它的优点，避免其缺点。并且这种控制方法的优点可以很好地满足系统的控制设计要求。因此，在未来的研究中不同控制策略的复合使用将成为一种发展趋势。

（2）多机器人多传感器协同控制。目前，复杂的任务很难由单个机器人完成，而需要由多个机器人完成。从独立机器人多传感器中获取的信息相较于多机器人多传感器来说始终有限，因此研究多机器人多传感器之间的数据共享问题，实现多机器人协同控制的成熟应用将是未来机器人的研究热点。