在未知环境下基于递阶模糊行为的移动机器人控制算法

提出了一种基于递阶行为，并将重点放在对于基本行为的设计以及协调融合上的控制算法结构。基本行为由模糊推理系统设计，较高级的复杂行为由基本行为的融合产生。采用神经网络来模仿人类行为，学习人类复杂的决策技能，从而达到对基本行为进行融合的目的，以减少行为之间的强硬转换给整个系统带来的不良影响。采用不同的任务类型进行了仿真以测试这种基于模糊逻辑以及神经网络的递阶行为控制系统的性能，仿真结果表明该算法具有令人满意的性能。