[發明專利]一種基于差分進化和模糊控制相結合的避障路徑規劃算法

有效

• 申請號: 201811384875.0
• 申請日: 2018-11-20
• 公開（公告）號: CN109540163B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 張春美;劉承鵬;郭紅戈;申靜如
• 申請（專利權）人: 太原科技大學
• 主分類號: G01C21/34
• 分類號: G01C21/34
• 代理公司: 北京國坤專利代理事務所(普通合伙) 11491
• 代理人: 趙紅霞

本發明的一種基于差分進化和模糊控制相結合的避障路徑規劃算法屬于智能控制領域，解決了現有模糊控制同樣會使智能車輛陷入局部最小問題使其不能做出及時、準確的避障動作的問題，具體步驟為：1)設計模糊控制器，2)利用差分進化算法優化模糊控制規則表，3)將優化后的模糊控制規則表應用到模糊控制器進而在整個模糊控制系統實現，本發明算法通過利用模糊控制和差分進化算法構建一種智能車輛的避障路徑規劃方法，利用差分進化算法對模糊控制規則表進行優化，能夠有效地解決局部最小問題，得到全局最優解。

技術領域

本發明屬于智能控制領域，特別是涉及一種基于差分進化和模糊控制相結合的避障路徑規劃算法。

背景技術

路徑規劃是當前智能車輛技術研究熱點之一，它要求智能車在從起始狀態向目標狀態移動的過程中，能夠自主地搜索一條避開障礙物的最優路徑。其中避障策略是其重中之重，目前，研究者多借用人工勢場法、珊格法、模糊控制法等方法研究智能車避障算法。其中，人工勢場法因算法簡單且易于實時控制而廣泛應用，但容易陷入局部最小而不能使智能車到達目標位置；而珊格法存在著環境分辨率與環境信息存儲量之間的矛盾，且計算量大，使用范圍受限。

模糊控制法模擬駕駛員的駕駛思想，將模糊控制本身所具備的魯棒性與基于生理學上的“感知一動作”行為結合起來，為智能車輛的路徑規劃問題提出了一種新思路。該方法通過建立一系列模糊推理規則有效的解決了傳統避障算法中存在的對智能車輛的定位精度敏感、對環境信息依賴性強等問題，對處理未知環境下的規劃問題顯示了很強的優越性，有較強的實時性，同時由于模糊控制規則的建立主要依靠經驗，所以將模糊邏輯理論直接用于智能車輛路徑規劃同樣會出現局部最小問題。

發明內容

本發明針對現有模糊控制會使智能車輛陷入局部最小問題使其不能做出及時、準確的避障動的問題，旨在提供一種基于差分進化和模糊控制相結合的避障路徑規劃算法，本發明算法通過利用模糊控制和差分進化算法構建一種智能車輛的避障路徑規劃方法，利用差分進化算法對模糊控制規則表進行優化，能夠有效地解決局部最小問題，得到全局最優解。

為解決上述技術問題，本發明采用的技術方案為：一種基于差分進化和模糊控制相結合的避障路徑規劃算法，按照以下步驟實現：步驟一、設計模糊控制器，具體步驟為：

1)確定模糊控制器的結構，根據被研究系統的輸入輸出，確定基本系統模型；

2)定義輸入、輸出量的模糊分布；

3)建立模糊控制規則；

4)近似推理；

步驟二、利用差分進化算法優化模糊控制規則表；

步驟三、將優化后的模糊控制規則表應用到模糊控制器進而在整個模糊控制系統實現。

進一步地，步驟二中利用差分進化算法優化模糊控制規則表的具體步驟為：

1)根據研究的問題確定解的表示方式和評價函數f(x)，設置種群規模NP、縮放因子F、交叉概率CR參數；

2)執行種群初始化操作，產生初始種群X；

隨機產生一部分染色體，即在n維空間里產生滿足約束條件的K個染色體，實施措施如下：

接著將舊模糊控制規則表編碼復制L個染色體引入共同組成含有M個染色體的初始種群X，其中M＝K+L；

3)變異操作：

從群體中隨機選擇3個染色體，X_p1X_p2X_p3，且(i≠p1≠p2≠p3)，則