[發明專利]移動機器人全局平滑路徑規劃方法在審
| 申請號: | 201910093807.7 | 申請日: | 2019-01-30 |
| 公開(公告)號: | CN109799822A | 公開(公告)日: | 2019-05-24 |
| 發明(設計)人: | 高明;張國銘;盛立 | 申請(專利權)人: | 中國石油大學(華東) |
| 主分類號: | G05D1/02 | 分類號: | G05D1/02 |
| 代理公司: | 青島清泰聯信知識產權代理有限公司 37256 | 代理人: | 徐艷艷 |
| 地址: | 266580 山*** | 國省代碼: | 山東;37 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 移動機器人 平滑路徑 貝塞爾曲線 粒子群算法 運動路徑 自適應 全局 穩定性和魯棒性 復雜環境 規劃意圖 環境建模 路徑安全 路徑規劃 目標函數 平滑處理 搜索效率 優化結果 規劃 有效地 輸出 優化 | ||
1.一種移動機器人全局平滑路徑規劃方法,其特征在于,含有以下步驟:
利用直角坐標系對移動機器人的工作環境進行二維空間模擬,將移動機器人視為一個點,并在工作區域內運動,利用移動機器人的視覺系統感知自身的位置和障礙物的位置;采用網格劃分的方式將移動機器人的工作區域分割成M×N個小正方形,每個小正方形稱為網格,對每個網格進行有序編號;將現實環境的障礙物用移動機器人工作區域中的黑色網格表示;
定義從起始點到目標點的路徑的距離為粒子群算法需要優化的目標函數;
自適應調整粒子群算法中的慣性權重和加速度系數,輸出最大迭代時刻的全局最優適應度函數值;
采用自適應調整后的粒子群算法進行移動機器人的全局路徑規劃,找到可行且最優的路徑點序列;
將粒子群算法找到的最優路徑點序列作為貝塞爾曲線的控制點序列,利用貝塞爾曲線對規劃的路徑進行平滑性處理,獲得移動機器人全局平滑路徑。
2.如權利要求1所述的移動機器人全局平滑路徑規劃方法,其特征在于,劃分網格時,在二維空間坐標系中,所有路徑點都定義在工作區域中網格的中心,路徑點序列坐標為二維的,對工作區域內的每個網格進行有序編號;將160×160單位的工作區域劃分為16×16個網格,即每個網格為10×10單位平方,通過公式(1)將網格數轉化為坐標分量值,公式(1)表示為:
式中,Number表示網格編號,%表示取余運算,表示取整運算,Px(t)為網格中心在X軸的坐標分量,Py(t)為網格中心在Y軸的坐標分量;
反之,從路徑上任意點的坐標分量到包含該點的網格數的轉換公式則表示為:
3.如權利要求2所述的移動機器人全局平滑路徑規劃方法,其特征在于,目標函數表示為:
式中,||Pi(t)||表示具有n個分段的規劃路徑中第i個分段的長度,C表示規劃路徑中經過障礙物網格的數量,Pe表示路徑中每個障礙物網格的懲罰系數。
4.如權利要求3所述的移動機器人全局平滑路徑規劃方法,其特征在于,自適應調整粒子群算法中慣性權重和加速度系數,輸出最大迭代時刻的全局最優適應度函數的步驟為:
(1)設置初始化參數,所述初始化參數包括種群規模、粒子維度、慣性權重、學習因子、最大迭代次數、粒子搜索范圍、速度最大值和速度最小值;
(2)初始化粒子種群,隨機生成粒子的位置向量和速度向量;
(3)計算每個離子的適應度值,更新粒子的的局部最優解pi=(pi1,pi2,...,piD)和全局最優解pg=(pg1,pg2,...,pgD),并保存歷史信息;
(4)根據種群分布情況計算當前迭代時刻的慣性權重值和加速度系數值;
(5)更新粒子的位置模型和速度模型;
(6)轉到步驟(2),循環進行迭代,直到達到最大迭代次數;
(7)輸出最大迭代時刻的全局最優適應度函數值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國石油大學(華東),未經中國石油大學(華東)許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910093807.7/1.html,轉載請聲明來源鉆瓜專利網。





