摘    要：采用模糊神經網絡并結合模糊邏輯控制的方法，研究在動態環境下移動機器人的在線路徑跟蹤與實時避障問題。針對移動機器人的運動學模型，依據點與直線問的距離關系設計了移動機器人的路徑跟蹤算法，提出了一種基于模糊神經網絡的移動機器人在線路徑跟蹤方案，采用改進的bp算法對網絡進行學習與訓練，利用梯度下降法調整網絡的權值與閩值，使其實際輸出與期望輸出的誤差總均方差最小。同時，運用模糊邏輯控制，實現了移動機器人的實時進障仿真實例證實了控制方案的有效性，表明了所提出的跟蹤算法與控制方案具有良好的動態路徑跟蹤與實時避障能力。

     路徑跟蹤是移動機器人最基本和最重要的問題之一，是其完成工作任務所必須具備的自主行為之一。尤其是在動態環境下，移動機器人的路徑跟蹤更是一個較難解決的問題，它要求移動機器人在行進過程中盡量不要偏離所指定的路徑，除非遇到運動的障礙物時不得不繞開行走，但在躲過障礙物后，移動機器人必須回到原路徑，直至到達目的地。

    目前，關于移動機器人路徑跟蹤的研究成果很多，多數方法是采用線性反饋控制或非線性反饋控制，不僅需要系統準確的運動學或動力學模型，而且設計復雜、魯棒性與實時控制效果也不好；基于模糊推理的移動機器人路徑跟蹤方法，雖然不需要建立系統精確的數學模型，但模糊規則難以面面俱到，且缺乏泛化能力。模糊神經網絡是神經網絡與模糊理論結合的產物，不但具有廣泛的逼近特性，還可實現從輸入到輸出的任意非線性映射。因此，本文采用模糊神經網絡實現了移動機器人的在線路徑跟蹤，應用模糊邏輯控制實現了移動機器人的實時避障，并通過仿真實驗驗證丁本文所提出的路徑跟蹤算法與控制策略的芷確性與有效性。

  本文針對兩輪獨立驅動的輪式移動機器人進行研究，隨動輪僅在運動過程中起支撐作用，其在運動學模型中的影響忽略不記，分別為移動機器人的平移速度與旋轉速度。移動機器人的運動學模型為

因此，只要控制u =[v,w]t，就可以得到當前移動機器人的實時位姿。將移動機器人所跟蹤的路徑分割成若干路徑點，各個路徑點間依次連線就構成該路徑，利用兩點間連線設汁移動機器人的路徑跟蹤算法，如圖1所示。

     假設移動機器人沿著4點到b點間的直線運  徑跟蹤模型的分析，本文采用了一個標準的5層模動，機器人與路徑方向的夾角為θ，θ的范圍為[-π，π]，  a點的坐標為a（xa，ya），b點的坐標為b（xb，yb），移動機器人的當前坐標為p(xp,yp)，則4點與b點間的直線方程4為

    定義移動機器人偏離路徑的距離為d，則根據點到直線的距離公式，得：

   

    為研究問題需要，若機器人在所跟蹤路徑的上方時，定義d為正；若機器人在其下方，則d定義為負。定義機器人逆時針轉動時，θ為正；順時針轉動時，θ為負，若機器人運動方向與路徑方向一致時，定義為0.

   1)糊神經網絡(fnn)來實現，結構如圖2所示。

    de和θe為移動機器人的期望位置，而dr和θr為其實際位置。第一層為輸入層，其作用是將輸入值傳送到下一層。第二層表示