基于人脑行为调控机理的移动机器人智能控制方法研究

Mobile robot needs to have a high manoeuvrable capability to adapt to the complex terrain and the changing needs of attack-defense countermeasure in the wild environment such as dangerous rescue, unmanned combat and monitoring. The complex unknown terrain and high-speed maneuverability at the same time caused problems on the uncertainty model and control stability, so that traditional control methods based on dynamic model were difficult to meet these special control requirements of mobile robot. The seasoned drivers could drive the car at high speed with the well coordinated and the ability to make immediate response in the dangerous and complex environment. This project choose a human-simulated intelligent control strategy. By analyzing of the human driver's driving behavior model, we set up a simplified and abstract model to simulate information regulation mechanism of the human brain behavior central. Then we propose an algorithm of hierarchical intelligent control to build a neural network base on the cerebellar model, and to establish a coordination mechanisms based on multiple central hierarchical model. The results of this project will solve the problems about the stability and maneuverability of mobile robot in different trajectory, speed, terrain and geological conditions. This research could provide a new way to improve the control performance of field mobile robot.

移动机器人在危险救援、侦察监测、无人作战等野外环境下需要具备高机动能力，以适应复杂地形和瞬息万变的攻防对抗需求。复杂未知地形和高速机动同时出现带来了模型的不确定性和控制稳定性问题，基于动力学模型的控制方法难以满足野外移动机器人的特殊控制要求。经验丰富的驾驶员能够在危险、复杂环境中随机应变，协调自如地高速驾驶车辆，为研究新的控制策略提供了借鉴。本项目拟采用仿人智能控制策略，通过分析人类驾驶员的驾驶行为模型，在对人脑系统行为中枢的信息调控机理进行抽象和模拟的基础上建立一种仿人分层递阶智能控制结构；设计基于小脑模型的神经网络实现对被控对象模型的非线性逼近；针对复杂环境和多任务的控制要求提出基于多中枢递阶协调机制以实现多模态控制及各模态的安全过渡。本项目的研究成果将解决移动机器人在不同轨迹、速度、地形和地质条件下轨迹跟踪的高机动性和高稳定性问题，为提高面向野外环境的移动机器人的控制性能提供新途径。

移动机器人在危险救援、侦察监测、无人作战等野外环境下需要具备高机动能力，以适应复杂地形和瞬息万变的攻防对抗需求。复杂未知地形和高速机动同时出现带来了模型的不确定性和控制稳定性问题，基于动力学模型的控制方法难以满足野外移动机器人的特殊控制要求。本项目通过分析人类驾驶员的驾驶行为模型，建立了分层递解控制模型和基于神经网络的小脑模型，实现了车辆平台移动机器人的仿人脑控制。首先，从生物控制论和系统控制论的观点出发，对人脑神经中枢的调控机理进行分析和合理的简化，将驾驶行为模型分为感觉中枢模型、行为中枢模型和执行系统三部分，分别对对象实体进行简化并建立模型。其次，在驾驶员行为模型的指导下，本项目将分层递阶智能控制系统结构作为理论依据，以三层递阶结构分别模拟小脑、脑干和脊髓的功能。最后，建立了一种基于模糊小脑模型神经网络与PID复合的控制方法，该方法中，模糊逻辑用来模拟人脑的直觉和经验，神经网络使控制器具有自学习能力，PID环节用以维持系统的稳定性和鲁棒性，通过两者的融合可以有效的提高控制系统的智能性。本项目最后在无人驾驶车辆平台上实现了上述控制算法，分别在不同轨迹、速度、地形和地质条件下进行了系统验证，实验证明了本项目所研究控制方法能够提高移动机器人轨迹跟踪的机动性和稳定性 ，为提高面向野外环境的移动机器人的控制性能提供新途径。