4 实验结果
    为了验证算法的有效性，本文设计了移动机器人沿左墙行进的实验。实验环境为有两扇门的长方形走廊。其中，黑色实线为带有两扇门的墙体，蓝色曲线为移动机器人沿墙体行进的轨迹。移动机器人使用0#～4#声纳，图2为基于航迹推算法的移动机器人墙体跟踪轨迹图；图3为基于模糊神经网络的移动机器人沿墙导航控制轨迹图。

    图3中，移动机器人与墙体的距离联合各声纳相对于移动机器人正前方的角度作为模糊神经网络的输入，经过融和判断来控制移动机器人的动作，靠近墙体或远离墙体。例如，O#(-90°)测得的数值为208mm，1#(-50°)测得的数值为324mm，2#(一30°)测得的数值为877mm，3#(一10°)测得的数值为1700mm，4#(10°)测得的数值为3000mm，说明移动机器人距离墙体太近，需远离以避免碰撞，此时移动机器人左轮速度为0．20m／s，右轮速度为O．08m／s。移动机器人采用模糊神经网络进行沿墙导航控制的均方误差为0．0014。单一采用航迹推算法的均方误差为0．0382。由此可见，采用模糊神经网络进行移动机器人沿墙导航控制，性能大大提高。

5 结论
    本文给出了模糊神经网络的计算模型，利用BP网络离线训练权值。此方法能够根据移动机器人声纳采集到的信息自动生成模糊隶属函数，并且自动提取模糊规则，增强了神经网络的泛化能力和容错能力。实验证明了此方法的有效性和可行性，能够无碰撞地沿墙体行进，并保持一定的距离。