基于模糊神经网络的移动机器人路径规划matlab仿真

1.程序功能描述
基于模糊神经网络的移动机器人路径规划

1.环境地图中的障碍物为静态、未知障碍物，可以随机设置。（一般设置5~7个，为计算简便设置成规则性状的障碍物）

2.机器人的行进方向为X轴的正方向，X轴逆时针旋转90°即为Y轴。两驱动轮之间的距离为50cm，驱动轮的直径为30cm。机器人的最大运动速度设为0.8m/s

3.为简化计算，在机器人的正前方及沿顺、逆时针各偏转45°的方位布置传感器。

机器人模型如图所示

4.控制系统的输入为机器人正前方障碍物的距离df、左前方障碍物的距离dl、右前方障碍物的距离dr、机器人运动方向与目标方向之间的夹角（航向角）α，输出为机器人左、右轮的速度vl、vr（或者为机器人的速度v和转向角增量Δθ，其中转向角θ为世界坐标系与机器人坐标系X轴之间的夹角）。

2.测试软件版本以及运行结果展示
MATLAB2022a版本运行

3.核心程序

       for kk = 1:N
       for m=1:Ns
           xs(:,m) = [x(1,time-1) + Sense_radius*cos(Jd(m,1)); 
                      x(2,time-1) + Sense_radius*sin(Jd(m,1))];
           G1(m,1) = func_obstacle(xs(:,m),xobstacle,yobstacle);
           G2(m,1) = func_goal(xs(:,m),Pend); 
           G3(m,1) = G1(m,1) + G2(m,1);
       end
       [val,bestone]=min(G3);
       %如果某个方向有多个障碍物，那么选择最近的那个
       %如果某个方向的距离集合为空集合，那么说明这个方向的障碍物为无穷远，直接赋值一个较大值
       dr_in = min(dr);
       if isempty(dr) == 1
          dr_in = 1e20; 
       end
       d_in  = min(d);
       if isempty(d) == 1
          d_in  = 1e20; 
       end
       dl_in = min(dl);
       if isempty(dl) == 1
          dl_in = 1e20; 
       end
  
       %代入到模糊神经网络的四个变量
       %调用模糊神经网络的模型
       [v_fnn,Theta_fnn]=func_fnn_test(dr_in,d_in,dl_in,alpha);
       DELTA_Theta = Theta_fnn;
       V           = v_fnn;
       x(:,time) =[x(1,time-1)+lambda*cos(Jd(bestone,1)); 
                   x(2,time-1)+lambda*sin(Jd(bestone,1))];
       Deltalambda = V;
       Deltatheta  = DELTA_Theta;
       x(:,time)   =[x(1,time)+Deltalambda*cos(Jd(bestone,1)+Deltatheta); 
                     x(2,time)+Deltalambda*sin(Jd(bestone,1)+Deltatheta)];   
  
       %更新坐标
       Xs(time)    = x(1,time);
       Ys(time)    = x(2,time);   
       Tes         = [Tes,Jd(bestone,1)+Deltatheta];
       Vs          = [Vs,Deltalambda];       
    end
  
    %画图
    plot(x(1,time),x(2,time),'r.')
    hold on
    drawnow;   
    if sqrt((Xs(time)-X_end)^2+(Ys(time)-Y_end)^2)<0.2
       break;
    end
end
  
  
figure;
subplot(211);
plot(Tes);
grid on
xlabel('times');
ylabel('theta')
  
subplot(212);
plot(Vs);
grid on
xlabel('times');
ylabel('speed')
  
06_017m