钱 夔 宋爱国 章华涛 熊鹏文

(东南大学仪器科学与工程学院，南京210096)

在机器人研究中，反应式导航是提高移动机器人在未知环境中的实时性与灵活性的重要手段.目前已提出了基于模糊控制［1-2］、神经网络［3-4］的移动机器人反应式导航方法来构建移动机器人的反应式导航控制器.神经网络因容错性强与具有自适应学习的特点，可以更好地在非结构化环境下进行感知信息的分析与融合［5］，而模糊控制具有逻辑推理能力，对处理结构化知识更为有效.

然而反应式导航缺乏对环境的全局认识，易使机器人陷入局部陷阱而无法到达终点.针对这一问题，目前提出的有效方法有行为融合、虚目标［6］、沿轮廓跟踪［7］等方法.但行为融合方法需要计算各行为的权值，增加了系统复杂度; 沿轮廓跟踪方法受障碍物形状、大小影响较大; 虚目标在复杂环境下不易去除虚拟子目标及易产生冗余路径.文献［8］采用改进的虚目标方法解决复杂陷阱区域中路径往复及路径冗余问题，但其虚目标去除条件计算仍极为复杂.

本文将神经网络与模糊控制的优点相结合，融合神经网络［9］的自学习能力与模糊控制的模糊推理能力，提出基于自适应模糊神经网络的机器人导航控制器.另外，为解决反应式导航中的复杂陷阱问题，提出了一种改进型虚目标方法，该方法在较好地完成了未知环境下的移动机器人路径规划的同时，有效减少了虚目标计算的复……