[發明專利]一種面向多工況的爬壁機器人智能路徑規劃方法及系統

在審

• 申請號: 201810061433.6
• 申請日: 2018-01-23
• 公開（公告）號: CN108413976A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 高俊杰;趙鵬;崔曉敏;韓賢賢;陳乙慶;謝亞南;王璟
• 申請（專利權）人: 大連理工大學
• 主分類號: G01C21/34
• 分類號: G01C21/34
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 溫福雪;侯明遠

1.一種面向多工況的爬壁機器人智能路徑規劃方法，所用的系統為面向多工況的爬壁機器人智能路徑規劃系統，包括參數輸入模塊、環境建模模塊、路徑搜索模塊和運行結果模塊；

所述的參數輸入模塊，通過手動輸入相關參數實現；

所述的環境建模模塊在可視化界面中，包括環境建模按鈕、設置障礙按鈕和清除障礙按鈕；環境建模按鈕可以新建不同大小的柵格環境，設置障礙按鈕通過在地圖中點擊鼠標左鍵設置障礙物，清除障礙按鈕通過點擊鼠標左鍵清除障礙物；

所述的路徑搜索模塊包括起始點按鈕、目標點按鈕和搜索路徑按鈕；起始點按鈕可以在地圖中設置路徑起始點，目標點按鈕在地圖中設置路徑目標點，搜索路徑按鈕通過鼠標點擊自動完成路徑搜尋；

所述的運行結果模塊包括收斂曲線和運行信息；收斂曲線在路徑搜索完成之后顯示出來，運行信息包括經過的柵格數量、路徑長度和算法用時在搜索完成顯示在界面左下角；

面向多工況的爬壁機器人智能路徑規劃方法是基于改進蟻群算法的路徑規劃，包括以下步驟：

(1)利用柵格法對地圖環境進行建模，包括設置起點柵格、目標柵格和障礙物柵格，并對地圖環境模型進行預處理；

環境建模具體為：爬壁機器人的工作空間是現實的物理空間，而路徑規劃算法處理的對象是地圖環境的抽象空間，稱之為地圖環境模型；地圖環境建模就是實現爬壁機器人的物理空間到路徑規劃算法處理的抽象空間的映射，以便于計算機進行存儲和處理；應用柵格法并依據圖論的思想建立地圖環境模型，假定爬壁機器人的工作空間中環境信息已知，即障礙物的位置、大小以及爬壁機器人的起始位置、目標位置等都是已知的；柵格法把爬壁機器人的工作空間模擬為二維空間，并把該空間分成大小相同的柵格，使爬壁機器人在地圖環境模型中自由移動；

地圖環境模型預處理具體為：在利用蟻群算法進行爬壁機器人路徑規劃時，如遇到復雜的地圖環境模型，當環境中存在凹形障礙物區域時，螞蟻會被困在凹形障礙物區域中，陷入停滯或增加收斂時間；為了解決這個問題，在進行環境初始化時，對凹形障礙物區域進行預處理，把所有凹形障礙物區域改變成凸形障礙物區域，避免由于地圖環境模型問題使螞蟻出現停滯的現象；

(2)設置蟻群算法基本參數，初始化基本參數，并利用信息素限定策略完成信息素的初始化；

信息素限定策略具體為：在蟻群算法中，當最優解附近的信息素較濃時，螞蟻的搜索行為會集中到最優解附近，整體提高解的質量并且加快解的收斂，從而改善算法的性能；但是這樣會使算法發生早熟，使所有的螞蟻都集中在某段軌跡內，致使算法處于停滯狀態，難以得到更好的解；通過借鑒“最大最小螞蟻系統”，設置信息素τ_ij的上限τ_max和下限τ_min，進而限制信息素的閾值，并將信息素軌跡的初始值設置為τ_max，使得對于所有的τ_ij(t)∈[τ_min,τ_max]，保證信息素在合理范圍內變化，提高了蟻群的搜索范圍；

(3)運用目標導向策略，設置能見度函數；

目標導向策略具體為：蟻群算法的能見度函數為相鄰柵格距離的倒數，但由于所建地圖環境模型的柵格大小相同，當前節點和可選節點的距離只有兩種情況，所以能見度函數值相差并不大，蟻群搜索具有盲目性；借鑒最佳優先搜索算法BFS提出目標導向策略，構造適用于柵格環境模型的能見度函數；最佳優先搜索算法是一種啟發式搜索算法，使用啟發估價函數對將要被遍歷到的點進行估價，估價標準為可選節點到目標節點的距離，然后選擇代價小的進行遍歷，直到找到目標節點；由此構造的能見度函數為可選節點到目標節點的距離的倒數，使螞蟻尋路時選擇離目標最近的節點，這樣不但能使螞蟻以較大的概率靠近目標，而且提高了收斂速度；

(4)初始化每只螞蟻的爬行路線、爬行路線長度和禁忌表，并使螞蟻處在起點柵格處；

(5)迭代開始，每只螞蟻根據狀態轉移概率P^k_ij選擇下一路徑點；每次循環之后，記錄本次循環的最短路徑、最短路徑的長度和所有螞蟻所走路徑的平均長度；

(6)當所有螞蟻完成一次路徑搜索后，對每只螞蟻走過的路徑按照獎懲激勵策略更新信息素；

獎懲激勵策略具體為：借鑒自然界中“適者生存”原則提出應用于蟻群尋優的獎懲激勵策略；每次循環結束后，在對每條路徑進行全局更新的基礎上，對最優路徑和最差路徑給予額外的局部更新；局部更新具體指的是，增加當次迭代最優路徑上的信息素量，減少當次迭代最差路徑上的信息素量；信息素增加和減少的量與最優路徑和最差路徑的長度有關；

(7)禁忌表清零，進行下一次循環；

(8)重復執行步驟(4)‐步驟(7)，直到迭代次數達到最大迭代次數，計算各輪迭代的最優路徑長度，得到全局最優路徑；

爬壁機器人的路徑環境分為兩種情況，一種情況是爬壁機器人運行在水平面環境里，另一種情況是爬壁機器人運行在豎直壁面上，具體情況如下：

在水平面，爬壁機器人的吸附機構不起作用，主要利用移動機構進行運動，其路徑規劃和一般移動機器人的路徑規劃類似；考慮到爬壁機器人實際工作過程中，水平面上存在道路粗糙度不均勻的問題，機器人運動速度會發生改變，提出速度控制策略，將其與改進蟻群算法相結合，實現爬壁機器人在水平面的路徑規劃；

速度控制策略具體為：為柵格地圖上的每一個柵格賦予權值qz，qz的取值范圍為(0,1)，數值大小代表柵格的可通行度，數值越大，此柵格的可通行度越大；若qz＝0，則為障礙柵格，爬壁機器人不能通過；若qz＝1，則為完全自由柵格，爬壁機器人的移動速度可達到最大值；若0<qz<1，機器人的移動速度會受到相應的限制；實現過程為：爬壁機器人按照設計尋找最優路徑，在尋找到的每一條路徑上，對遇到的每個柵格點進行識別，通過讀取每個柵格點的權值數據，動態改變其移動速度，即可計算出相應路徑上的爬壁機器人移動時間；

在豎直壁面上，爬壁機器人主要有直線運動和轉向運動；從運動學角度分析，在滿足吸附力要求條件下，直線運動比轉向運動更安全；因為當爬壁機器人進行轉向運動時，有兩種可能發生的危險情況：一種從壁面上滑落下來；另一種由于扭轉力矩太大而造成吸附裝置的旋轉；實際運動中，應考慮避免下滑和避免扭轉兩個因素；同時，移動機構轉向消耗是爬壁機器人的關鍵性能指標，其在轉向過程中消耗的能量為E＝∫_t(M_s×Ω_s)dt，M_s為轉向力矩，Ω_s為移動機構瞬間轉向的角速度，M_s為移動機構移動的距離，t為時間；從提高安全性和減少能量消耗的角度考慮，提出基于最少轉彎次數的安全策略，與改進的蟻群算法相結合，實現爬壁機器人在豎直壁面的路徑規劃；

基于最少轉彎次數的安全策略具體為：每輪迭代完成后，比較每條路徑長度和路徑中機器人的轉彎次數，選擇長度最短的路徑作為當次迭代的最優路徑，如果路徑長度相同，則選擇轉彎次數較少的路徑作為當次迭代的最優路徑。