[發明專利]基于改進的多目標粒子群算法的無人車路徑規劃方法

有效

• 申請號: 201711427582.1
• 申請日: 2017-12-26
• 公開（公告）號: CN107992051B
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 葛洪偉;錢小宇;葛陽
• 申請（專利權）人: 江南大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 張勇

本發明屬于智能無人車與控制技術領域，尤其涉及一種基于改進的多目標粒子群算法的無人車路徑規劃方法。本發明步驟主要為：環境建模及目標函數構建、輸入路徑參數、初始化有效粒子的信息、目標空間分解、計算目標函數值以及粒子方向向量、利用新的適應值公式進行粒子分類更新、計算新粒子方向向量、利用全局最優和個體最優粒子的信息產生新一代粒子，接著進行循環，當達到最大迭代次數時跳出并根據最優解集規劃出無人車最優路徑。本發明能利用復雜環境下全局或局部位置的信息以及待定無人車的狀態參數快速規劃出適合此無人車行駛的最優路徑。

技術領域

本發明屬于智能無人車與控制技術領域，尤其涉及一種基于改進的多目標粒子群算法的無人車路徑規劃方法。

背景技術

無人車技術在當前工業4.0時代備受關注，無論是在民用工業還是在國防軍事都有著十分廣泛的應用。同時隨著人工智能的深入研究，無人車技術也在快速的發展與更新，隨之路徑規劃問題在無人車技術中顯得尤為重要，路徑規劃的主要任務是在復雜障礙物的環境下尋找一條從起點到終點的可行的、安全的路徑。作為智能無人車行駛技術重要組成部分,路徑規劃結果的優劣直接決定著無人車的實用性及總體性能。

無人車的路徑規劃問題需要考慮因數眾多，但在路徑尋優的過程中主要涉及以下三個重要因素：首先的是路徑長度，它是路徑規劃問題中最直接的問題；其次是路徑的安全性，即與障礙物的碰撞情況；最后就是無人車駕駛路線的安全性，即路徑的平滑度，如行駛中無人車轉向時的角度非常大就會影響無人車的安全。雖然目前用于路徑規劃的環境建模方法很多，如可視圖法、單元分解法、構造空間法、勢力場法、柵格法等，優化方法也很多，例如：遺傳算法、蟻群算法、神經網絡、粒子群算法、模擬退火法等。很多方法給影響路徑規劃的因素分配一定的權重將其組成一個新的因素模型來作為路徑規劃的參考指標，但是這樣不能很好的凸顯每個因素的作用。由于這些因素之間充滿著矛盾約束，為了能充分滿足這些因素的約束，所以采用一種改進的多目標粒子群方法來解決路徑優化問題具有十分重要的實際意義，而且有利于未來智能無人車控制系統的不斷完善。

發明內容

本發明方法針對現有技術的不足，提出一種基于改進的多目標粒子群算法的無人車路徑規劃方法，實現本發明方法的技術關鍵是利用一種基于目標空間分解和連續變異的多目標粒子群優化方法(MOPSO/DC，Multi-objective Particle Swarm OptimizationBased on Decomposition and Continuous Mutation)來解決復雜環境下智能無人車路徑規劃問題，具體實現步驟包括如下：

(1)利用直角坐標系來對無人車的行駛環境進行二維空間模擬，障礙物用不同半徑的圓形表示，無人車用點代替，將無人車整個路徑的位置點通過起止點用線連接起來，然后將該路徑分成若干等分路段，規定無人車行駛過程中的位置點為相鄰兩路段的連接點，將位置點包括起止點連起來就得到一條路徑；粒子x是由p₁,p₂,…,p_n組成的集合，p_i，i∈[1,2,...,n]，p_i為粒子x中的第i個位置點，p₀和p_n+1表示無人車運動的起點和終點位置，將粒子與起止位置點組合成該粒子對應的路徑，并將該路徑表示為P＝[p₀,p₁,p₂,…,p_n,p_n+1]，|p_ip_i+1|表示路段p_ip_i+1的長度，n表示無人車行駛過程中經過的位置點的個數；

(2)無人車最優路徑的參考指標建模即目標函數min F(x)的構建如下所示：

min F(x)＝(f₁(x),f₂(x),f₃(x))