novtexmechМехатроника, автоматизация, управлениеMekhatronika, Avtomatizatsiya, Upravlenie1684-64272619-1253Commercial Publisher «New Technologies»10.17587/mau.26.640-648novtexmech-1885Research ArticleРОБОТЫ, МЕХАТРОНИКА И РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫROBOT, MECHATRONICS AND ROBOTIC SYSTEMSАлгоритмизация автоматического управления движением мобильного робота в среде с препятствиями с использованием нечеткой логикиAlgorithmization Of Automatic Motion Control of a Mobile Robot in an Environment with Obstacles by an Automatic Logical MethodЮжаковА. А.YuzhakovA. A.

Д-р техн. наук, проф.

Пермь

Dr. of Tech. Sc., Head of Department

Perm, 614990

uz@at.pstu.ruСторожевС. А.StorozhevS. A.

Канд. техн. наук, доц.

Пермь

Perm

sastorozhev@pstu.ruМухаметсафинР. Т.MuhametsafinR. T.

Студент

Пермь

Perm

muhametsafin.r@yandex.ruПермский национальный исследовательский политехнический университетРоссияPerm National Research Polytechnic UniversityRussian Federation2025061220252612640648Copyright © Commercial Publisher «New Technologies», 20252025Commercial Publisher «New Technologies»Commercial Publisher «New Technologies»https://mech.novtex.ru/jour/about/submissions#copyrightNoticehttps://mech.novtex.ru/jour/article/view/1885

Рассматривается актуальная задача разработки алгоритмов для автоматического управления движением мобильного робота (МР) в статической среде с препятствиями. Основная цель заключается в обеспечении безопасной и эффективной навигации робота к заданной конечной точке при одновременном уклонении от столкновений с объектами неизвестной конфигурации. Проводится сравнительный анализ двух ключевых подходов к локальной навигации: метода, основанного на конечных автоматах, который характеризуется  дискретным переключением между состояниями "движение к цели" и "объезд препятствия", и метода на основе нечеткой логики, который позволяет реализовать более плавные переходы и адаптивное управление в условиях неопределенности сенсорных данных. Предлагается  оригинальная структура логико-динамической системы автоматического управления (ЛДСАУ), построенная на  принципах нечеткой логики. Эта система включает три специализированных нечетких регулятора (НР): регулятор для объезда препятствий, использующий показания трех датчиков типа лидар (правый, левый, центральный); регулятор для движения к цели, оперирующий угловым отклонением робота от направления на цель; групповой нечеткий регулятор-координатор. Задача  координатора — динамически  взвешивать и комбинировать управляющие воздействия от первых двух регуляторов, отдавая приоритет объезду при близком обнаружении препятствий. Эффективность предложенной ЛДСАУ была исследована посредством компьютерного моделирования в среде MATLAB Simulink с использованием инструментария Mobile Robotics Simulation Toolbox. Движение робота с дифференциальным приводом симулировалось в средах с различными типами статических препятствий. Результаты сравнивались с базовой  моделью, имитирующей работу конечного автомата, по критериям длины траектории, времени достижения цели, средней скорости и интегральной целевой функции. Моделирование показало, что  ЛДСАУ  обеспечивает более плавное изменение угловых скоростей колес, сокращает число резких переключений режимов и повышает общую эффективность управления на 2,2 % по сравнению с автоматным подходом, демонстрируя перспективность для практического применения.

This article addresses the development of algorithms for automatic mobile robot motion control in static environments with obstacles, aiming for safe and effective navigation to a target while avoiding collisions. It compares two key approaches: finite automata, characterized by discrete switching between "move to goal" and "obstacle avoidance" states, and fuzzy logic, which enables smoother transitions and adaptive control under sensor uncertainty. An original Logical-Dynamic Automatic Control System based on fuzzy logic principles is proposed. This system utilizes three specialized fuzzy controllers: an obstacle avoidance controller using data from three lidar sensors (right, left, center); a goal-seeking controller operating on the robot’s angular deviation from the target; and a group fuzzy controller-coordinator. The coordinator dynamically weighs and combines the control actions from the first two controllers, prioritizing obstacle avoidance when necessary. The proposed LogicalDynamic Automatic Control System’s effectiveness was evaluated through computer simulations in MATLAB Simulink using the Mobile Robotics Simulation Toolbox. А differential drive robot’s motion was simulated in environments containing various static obstacles. Performance was compared against a baseline finite automaton model using metrics such as trajectory length, time to reach the goal, average speed, and an integral objective function. The simulations demonstrated that the LogicalDynamic Automatic Control System provides smoother wheel angular velocity changes, reduces abrupt mode switching, and enhances overall control efficiency by 2.22 % compared to the automaton-based approach, highlighting its potential for practical application. This fuzzy logic approach shows promise for real-world robotic systems.

мобильный роботнавигацияметод состоянийнечеткая логикалогико-динамическая система автоматического управленияфаззификаторMATLAB SimulinkMobile robotnavigationstate methodfuzzy logiclogical-dynamic automatic control systemfuzzifierMATLAB SIMULINKReferencesКурганов С. М. Разработка системы управления и навигации мобильного робота для движения в априоре неизвестной среде // Современные техника и технологии: Cборник докладов XX Международной научно-практической конференции студентов, аспирантов и молодых ученых. Томск, 14—18 апреля 2014 года. Т. 2. Томск: Национальный исследовательский Томский политехнический университет, 2014. С. 199—200.Kurganov S. M. Development of a control and navigation system for a mobile robot for moving in a priori unknown environment, Contemporary equipment and technologies: Collection of reports of the XX International Scientific and Practical Conference of Students, Postgraduates and Young Scientists, Tomsk, April 14—18, 2014, vol. 2, National Research Tomsk Polytechnic University, Tomsk, Publishing House of Tomsk Polytechnic University, 2014, pp. 199—200 (in Russian).Филимонов А. Б., Филимонов Н. Б., Кожин М. А. Анализ модифицированного метода жука в задачах локальной навигации мобильных роботов // Мехатроника, автоматика и робототехника. 2021. № 7. С. 4—8.Filimonov A. B., Filimonov N. B., Kozhin M. A. Analysis of the modified beetle method in local navigation problems of mobile robots, Mechatronics, automation and robotics, 2021, no. 7, pp. 4—8, DOI: 10.26160/2541-8637-2021-7-4-8 (in Russian).Филимонов А. Б., Филимонов Н. Б., Барашков А. А. Вопросы построения потенциальных полей в задачах ло кальной навигации мобильных роботов // Автометрия. 2019. Т. 55, № 4. С. 65—70.Filimonov A. B., Filimonov N. B., Barashkov А. A. Issues of constructing potential fields in problems of local navigation of mobile robots, Autometry, 2019, vol. 55, no. 4, pp. 65—70, DOI: 10.15372/AUT20190407 (in Russian).Юревич Е. И. Основы робототехники. 4-е изд. СПб.: БХВ-Петербург, 2018. 304 с.Yurevich E. I. Fundamentals of Robotics, St. Petersburg, BHV-Petersburg, 2018, 304 p. (in Russian).Петунин В. И. Математические модели многосвязных систем автоматического управления с селекторами каналов // Вестник УГАТУ. 2011. Т. 15, № 2 (42). С. 52—58.Petunin V. I. Mathematical models of multi-connected automatic control systems with channel selectors, Bulletin of USATU, 2011, vol. 15, no. 2 (42), pp. 52—58 (in Russian).Гуревич О. С., Гольберг Ф. Д., Селиванов О. Д. Интегрированное управление силовой установкой многорежимного самолета. Под общ. ред. О. С. Гуревича. М.: Машиностроение, 1993. 304 с.Gurevich O. S., Goldberg F. D., Selivanov O. D. Integrated control of the power plant of a multi-mode aircraft, Moscow, Mashinostroenie, 1993. 304 p. (in Russian).Петунин В. И., Фрид А. И. Анализ и синтез логикодинамических систем автоматического управления газотурбинными двигателями // Известия Российской академии наук. Теория и системы управления. 2012. № 6. С. 80.Petunin V. I., Frid А. I. Analysis and synthesis of logicaldynamic automatic control systems for gas turbine engines, Proceedings of the Russian Academy of Sciences. Theory and Control Systems, 2012, no. 6, pp. 80—91 (in Russian).Сторожев С. А. Адаптивная групповая логико-динамическая система автоматического управления газотурбинного двигателя на базе нечеткого подхода: дис. ... канд. техн. наук. Пермь: Перм. нац. исслед. политехн. ун-т, 2023. 345 с.Storozhev S. A. Adaptive group logical-dynamic automatic control system for a gas turbine engine based on a fuzzy approach, PhD Thesis (Eng.). Perm National Research Polytechnic University, Perm, 2023, 345 p. (in Russian).Петунин В. И. Синтез логико-динамических систем автоматического управления газотурбинными двигателями на основе согласования и адаптации каналов управления: дис. ... д-ра. техн. наук. Уфа: Уфимский гос. авиационный техн. университет, 2011. 332 с.Petunin V. I. Synthesis of logical-dynamic automatic control systems for gas turbine engines based on coordination and adaptation of control channels, DSc Thesis (Eng.). Ufa State Aviation Technical University, Ufa, 2011, 332 p. (in Russian).Морозовский В. Т. Многосвязные системы автоматического управления. М.: Энергия, 1970. 288 с.Morozovsky V. T. Multiconnected automatic control systems, Moscow, Energiya, 1970, 288 p. (in Russian).Хопкрофт Дж. Э., Мотвани Радж., Ульман Джефф. Д. Введение в теорию автоматов, языков и вычислений: учебник. Москва: Изд. дом "Вильямс", 2008. 528 с.Khopcroft J. E., Motwani Rajeev., Ullman Jeffry D. Introduction to automata theory, languages, and computations, Moscow, Publishing house "Williams", 2008, 528 p. (in Russian).Костыгов А. М., Даденков Д. А., Каверин А. А. Нечеткая система управления движением мобильного робота // Современные проблемы науки и образования. 2013. № 5.Kostygov A. M., Dadenkov D. A., Kaverin А. A. Fuzzy control system of mobile robot movement, Modern problems of science and education, 2013, no. 5 (in Russian).Виноградов А. Н., Терентьев А. И., Петров О. В. Модель нечеткого регулятора для управления движением мобильного робота // Наноиндустрия. 2018. № 9 (82). С. 152—159.Vinogradov A. N., Terentyev A. I., Petrov O. V. Fuzzy regulator model for mobile robot motion control, Nanoindustry, 2018, no. 9(82), pp. 152—159, DOI: 10.22184/1993-8578.2018.82.152.159 (in Russian).Wu B., Cheng T., Yip T. L., Wang Y. Fuzzy logic based dynamic decision-making system for intelligent navigation strategy within inland traffic separation schemes // Ocean Engineering. 2020. Vol. 197. 106909.Wu B., Cheng T., Yip T. L., Wang Y. Fuzzy logic based dynamic decision-making system for intelligent navigation strategy within inland traffic separation schemes, Ocean Engineering, 2020, vol. 197, art. 106909, DOI: 10.1016/j.oceaneng.2019.106909Khan O. A., Kunwar F., Khan U. S., Jabbar H. Z-Number-Based Fuzzy Logic Approach for Mobile Robot Navigation // IEEE Access. 2023. Vol. 11. P. 131979—131997.Khan O. A., Kunwar F., Khan U. S., Jabbar H. Z-Number-Based Fuzzy Logic Approach for Mobile Robot Navigation, IEEE Access, 2023, vol. 11, pp. 131979—131997, DOI: 10.1109/ACCESS.2023.3336014.Mishra D. K., Thomas A., Kuruvilla J., Kalyanasundaram P., Prasad K. R., Haldorai А. Design of mobile robot navigation controller using neuro-fuzzy logic system // Comput. Electr. Eng. 2022. Vol. 101. C.@Mishra D. K., Thomas A., Kuruvilla J. et al. Design of mobile robot navigation controller using neuro-fuzzy logic system, Computers and Electrical Engineering, 2022, vol. 101, pt. C, art. 108113, DOI: 10.1016/j.compeleceng.2022.108113.Ramesh G., Aravindarajan V., Logeshwaran J., Kiruthiga T. Estimation analysis of paralysis effects for human nervous system by using Neuro fuzzy logic controller // NeuroQuantology. 2022. Vol. 20, N. 8. P. 3195.Ramesh G., Aravindarajan V., Logeshwaran J., Kiruthiga T. Estimation analysis of paralysis effects for human nervous system by using Neuro fuzzy logic controller, NeuroQuantology, 2022, vol. 20, no. 8, pp. 3195—3207.Хижняков Ю. Н. Алгоритмы нечеткого, нейронного и нейро-нечеткого управления в системах реального времени: учеб. пособие. Пермь: Изд-во Перм. нац. исслед. политехн. ун-та, 2013. 156 с.Hizhnyakov Yu. N. Algorithms of fuzzy, neural and neurofuzzy control in real-time systems, Perm, Publishing House of Perm National Research Polytechnic University, 2013, 156 p. (in Russian).Гончаровский О. В., Воркунов В. В. Разработка и исследование специальной навигационной системы для работы робота в помещении // Автоматизированные системы управления и Информационные технологии: Матер. Всеросс. науч.-техн. конф.: в двух томах, Пермь, 30—31 мая 2019 года. Том 1. Пермь: Пермский национальный исследовательский политехнический университет, 2019. С. 125—131.Goncharovsky O. V., Vorkunov V. V. Development and research of a special navigation system for robot operation indoors, Automated Control Systems and Information Technologies: Materials of the All-Russian Scientific and Technical Conference, Perm, May 30—31, 2019, vol. 1, Perm, Perm National Research Polytechnic University, 2019, pp. 125—131 (in Russian).Сторожев С. А., Южаков А. А., Хижняков Ю. Н. и др. Нейронечеткое управление выбросами вредных веществ авиационного газотурбинного двигателя // Мехатроника, автоматизация, управление. 2020. Т. 21, № 6. С. 348—355.Storozhev S. A., Yuzhakov A. A., Hizhnyakov Yu. N. et al. Neuro-fuzzy control of emissions of harmful substances from an aircraft gas turbine engine, Mekhatronica, Avtomatizatsiya, Upravlenie, 2020, vol. 21, no. 6, pp. 348—355 (in Russian).

The authors declare that there are no conflicts of interest present.