[發(fā)明專利]一種室內(nèi)移動機器人的混合路徑規(guī)劃方法

有效

• 申請?zhí)枺?/td>: 202010793664.3
• 申請日: 2020-08-10
• 公開（公告）號: CN111930121B
• 公開（公告）日: 2022-10-25
• 發(fā)明（設(shè)計）人: 原新;苑新偉;呂曉龍;柳瀠林
• 申請（專利權(quán)）人: 哈爾濱工程大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種室內(nèi)移動機器人的混合路徑規(guī)劃方法，其特征在于，包括以下步驟：

步驟1：根據(jù)機器人初始位置及目標位置，采用柵格法對機器人所處空間進行建模；

以水平方向為x軸，豎直方向為y軸，以邊長為1m的正方形柵格劃分機器人所處空間，并設(shè)定行區(qū)域和列區(qū)域的最大值以及最小值；

步驟2：設(shè)定最大迭代次數(shù)T、蝙蝠種群數(shù)目N、初始蝙蝠個體中柵格數(shù)量n、障礙物系數(shù)ω、搜索脈沖頻率的最大值f_max和最小值f_min；

步驟3：初始化蝙蝠種群；蝙蝠種群中每一個蝙蝠個體由隨機抽取的n-2個非障礙物柵格、機器人初始位置柵格和目標位置柵格組成，初始化蝙蝠個體i的蝙蝠響度為脈沖發(fā)生率為

步驟4：篩除蝙蝠個體中獨立的柵格；篩除完成后，蝙蝠個體i中含有n_i個柵格，且每個柵格至少與其他n_i-1個柵格中的一個柵格相鄰；

步驟5：令當前迭代次數(shù)k＝1，計算蝙蝠種群中每一個蝙蝠個體的搜索脈沖頻率f_i和適應度值F(i)，取對應適應度值F(i)最低的蝙蝠個體作為當前最優(yōu)蝙蝠個體i_*；蝙蝠個體i的搜索脈沖頻率f_i和適應度值F(i)的計算方法為：

f_i＝f_min+(f_max+f_min)β_i

其中，x_ij為蝙蝠個體i中第j個柵格的行坐標；y_ij為蝙蝠個體i中第j個柵格的列坐標；n_ik為蝙蝠個體i中包含的障礙物柵格數(shù)量；β_i為隨機選取的隨機數(shù)，β_i∈[0,1]；

步驟6：計算第k次迭代中，蝙蝠種群中每一個蝙蝠個體中所有柵格的行速度列速度行坐標和列坐標

其中，x_i*j為當前最優(yōu)蝙蝠個體i_*中第j個柵格的行坐標；y_i*j為當前最優(yōu)蝙蝠個體i_*中第j個柵格的列坐標；

步驟7：生成隨機數(shù)rand1∈[0,1]，若隨機數(shù)rand1大于當前最優(yōu)蝙蝠個體i_*的脈沖發(fā)生率γ_i*，即rand1＞γ_i*，則對當前最優(yōu)蝙蝠個體i_*進行隨機擾動，得到新的蝙蝠個體i_new，并執(zhí)行步驟8.1；否則執(zhí)行步驟8.2；

其中，ε為隨機選取的隨機數(shù)，ε∈[-1,1]；為所有蝙蝠個體的平均蝙蝠響度；

步驟8.1：生成隨機數(shù)rand2∈[0,1]；若蝙蝠種群中存在蝙蝠個體i滿足且F(i)＜F(i_new)，則計算第k+1次迭代中該蝙蝠個體i的蝙蝠響度以及脈沖發(fā)生率

其中，α_i和r_i為隨機選取的隨機數(shù)，α_i∈(0,1)，r_i＞0；

步驟8.2：生成隨機數(shù)rand2∈[0,1]；若蝙蝠種群中存在蝙蝠個體i滿足且F(i)＜F(i_*)，則更新該蝙蝠個體i的蝙蝠響度以及脈沖發(fā)生率

其中，α_i和r_i為隨機選取的隨機數(shù)，α_i∈(0,1)，r_i＞0；

步驟9：重新計算蝙蝠種群中每一個蝙蝠個體的適應度值，并取對應適應度值最低的蝙蝠個體作為當前最優(yōu)蝙蝠個體i_*；

步驟10：若k≥T，則判定已經(jīng)到達最大迭代次數(shù)，輸出當前最優(yōu)蝙蝠個體i_*，執(zhí)行步驟11；否則，令k＝k+1，返回步驟6；

步驟11：對輸出的蝙蝠個體中所包含的柵格路徑進行優(yōu)化，得到最優(yōu)運動路徑；

步驟11.1：將蝙蝠個體中的所有柵格按照與機器人初始位置的距離升序排列，得到路徑點集合{p_j|j＝1,2,...,n}；其中，p₁為機器人初始位置，p_n為目標位置；令j＝1；

步驟11.2：判斷路徑點p_j與其他n-1個路徑點之間的連線是否經(jīng)過障礙物，并從與路徑點p_j連線不經(jīng)過障礙物的路徑點中，選擇與機器人初始位置的距離最遠的路徑點p_t，并刪除集合{p_j|j＝1,2,...,n}中p_j與p_t之間的其他路徑點；

步驟11.3：若t＜n，則令j＝t并返回步驟11.2；否則，輸出最優(yōu)運動路徑；

步驟12：控制機器人沿著最優(yōu)運動路徑移動，直到到達目標；

步驟12.1：動態(tài)窗口法初始化，確定速度采樣空間V；

V＝V_m∩V_d∩V_a

V_m＝{(v,ω)|v∈[v_min,v_max]∧ω∈[ω_min,ω_max]}

V_d＝{(v,ω)|v∈[v_c-vΔt,v_c+vΔt],ω∈[ω_c-ωΔt,ω_c+ωΔt]}

其中，v_max和v_min分別是機器人的最大和最小線速度，ω_max和ω_min分別是機器人的最大和最小角速度；v_c和ω_c分別代表當前時刻機器人的速度和角速度；dist(v,ω)是速度(v,ω)對應的運動路徑與最近障礙物的距離；

步驟12.2：機器人根據(jù)自適應評價函數(shù)G(v,ω)，從速度采樣空間V中選擇當前時刻對應G(v,ω)值最大的速度(v,ω)；

所述的自適應評價函數(shù)為：

G(v,ω)＝I_αgdist(v,ω)+I_βobdist(v,ω)+I_γvel(v,ω)+I_λgpdist(v,ω)

其中，gdist(ν,ω)是目標距離評價函數(shù)，即當前位置與最終目標點的距離；obdist(ν,ω)是障礙物評價函數(shù)，表示運動路徑末端距離障礙物的遠近程度，若運動路徑與障礙物相交則舍棄；vel(ν,ω)是速度評價函數(shù)，速度間接影響到機器人的距離函數(shù)；gpdist(v,ω)是路徑距離函數(shù)，表示當前機器人位置與最近的全局路徑節(jié)點的距離；I_α、I_β、I_γ、I_λ分別為G(ν,ω)中四項的權(quán)重系數(shù)，可根據(jù)動態(tài)障礙物的出現(xiàn)的位置，調(diào)整權(quán)值I_α、I_β、I_γ、I_λ以適應環(huán)境的動態(tài)變化。