摘    要：采用模糊神经网络并结合模糊逻辑控制的方法，研究在动态环境下移动机器人的在线路径跟踪与实时避障问题。针对移动机器人的运动学模型，依据点与直线问的距离关系设计了移动机器人的路径跟踪算法，提出了一种基于模糊神经网络的移动机器人在线路径跟踪方案，采用改进的bp算法对网络进行学习与训练，利用梯度下降法调整网络的权值与闽值，使其实际输出与期望输出的误差总均方差最小。同时，运用模糊逻辑控制，实现了移动机器人的实时进障仿真实例证实了控制方案的有效性，表明了所提出的跟踪算法与控制方案具有良好的动态路径跟踪与实时避障能力。

     路径跟踪是移动机器人最基本和最重要的问题之一，是其完成工作任务所必须具备的自主行为之一。尤其是在动态环境下，移动机器人的路径跟踪更是一个较难解决的问题，它要求移动机器人在行进过程中尽量不要偏离所指定的路径，除非遇到运动的障碍物时不得不绕开行走，但在躲过障碍物后，移动机器人必须回到原路径，直至到达目的地。

    目前，关于移动机器人路径跟踪的研究成果很多，多数方法是采用线性反馈控制或非线性反馈控制，不仅需要系统准确的运动学或动力学模型，而且设计复杂、鲁棒性与实时控制效果也不好；基于模糊推理的移动机器人路径跟踪方法，虽然不需要建立系统精确的数学模型，但模糊规则难以面面俱到，且缺乏泛化能力。模糊神经网络是神经网络与模糊理论结合的产物，不但具有广泛的逼近特性，还可实现从输入到输出的任意非线性映射。因此，本文采用模糊神经网络实现了移动机器人的在线路径跟踪，应用模糊逻辑控制实现了移动机器人的实时避障，并通过仿真实验验证丁本文所提出的路径跟踪算法与控制策略的芷确性与有效性。

  本文针对两轮独立驱动的轮式移动机器人进行研究，随动轮仅在运动过程中起支撑作用，其在运动学模型中的影响忽略不记，分别为移动机器人的平移速度与旋转速度。移动机器人的运动学模型为

因此，只要控制u =[v,w]t，就可以得到当前移动机器人的实时位姿。将移动机器人所跟踪的路径分割成若干路径点，各个路径点间依次连线就构成该路径，利用两点间连线设汁移动机器人的路径跟踪算法，如图1所示。

     假设移动机器人沿着4点到b点间的直线运  径跟踪模型的分析，本文采用了一个标准的5层模动，机器人与路径方向的夹角为θ，θ的范围为[-π，π]，  a点的坐标为a（xa，ya），b点的坐标为b（xb，yb），移动机器人的当前坐标为p(xp,yp)，则4点与b点间的直线方程4为

    定义移动机器人偏离路径的距离为d，则根据点到直线的距离公式，得：

   

    为研究问题需要，若机器人在所跟踪路径的上方时，定义d为正；若机器人在其下方，则d定义为负。定义机器人逆时针转动时，θ为正；顺时针转动时，θ为负，若机器人运动方向与路径方向一致时，定义为0.

   1)糊神经网络(fnn)来实现，结构如图2所示。

    de和θe为移动机器人的期望位置，而dr和θr为其实际位置。第一层为输入层，其作用是将输入值传送到下一层。第二层表示