[發明專利]基于改進人工魚群算法的移動機器人路徑規劃方法

有效

• 申請號: 202011124871.6
• 申請日: 2020-10-20
• 公開（公告）號: CN112269381B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 黃宜慶;牛珉玉;詹京吳;劉雙雙
• 申請（專利權）人: 安徽工程大學
• 主分類號: G05D1/02
• 分類號: G05D1/02;G06N3/00
• 代理公司: 蕪湖眾匯知識產權代理事務所(普通合伙) 34128
• 代理人: 端木傳斌

本發明公開了基于改進人工魚群算法的移動機器人路徑規劃方法，包括如下步驟：S1、初始化人工魚群算法相關參數；S2、進行全局路徑規劃，獲得初始路徑；S3、機器人沿初始路徑前進，并不斷檢測周圍環境信息，檢測滾動窗口內是否有動態障礙物；若未檢測到動態障礙物,得到移動機器人的路徑。S4、若檢測到動態障礙物存在，則預測是否會與其發生碰撞以及碰撞的類型；S5、若預測不會發生碰撞，則按初始路徑繼續前進；S6、若預測到即將發生碰撞，則執行相應的避障策略，然后進行局部路徑規劃，重新規劃出到達終點的路徑繼續前進；S7、重復步驟S3至S6，直到機器人到達終點。

技術領域

本發明涉及移動機器人設計技術領域，具體涉及基于改進人工魚群算法的移動機器人路徑規劃方法。

背景技術

機器人路徑規劃可以分成兩種：一種是諸如人工勢場法、Voronoi圖法和可視圖法。人工勢場方法擁有簡單的結構，但存在容易陷入局部最優解的問題；可視圖法能夠獲得最短路徑但其搜索效率較低；Voronoi圖法安全性較高但起始節點到目標節點的路徑較長。一種是隨著技術的發展，環境模型復雜性和任務難度的增加，一些仿生算法也隨之出現，如蟻群算法、遺傳算法、蜂群算法、蛙跳算法、粒子群算法等。蟻群算法是目前在機器人路徑規劃方面應用比較完善的算法，具有較強的魯棒性、優良的分布式計算，但其搜索時間較長易于出現早熟停滯現象。遺傳算法把遺傳算子應用到機器人的研究中，對機器人的路徑規劃具有良好的效果，但其占據較大的存儲空間且局部尋優能力較差。蜂群算法搜索速度快、易于實現，但存容易陷入局部最優、搜索效率低等不足。蛙跳算法的缺點在于易收斂于局部最優解、求解精度較低。粒子群算法的優勢在于簡單且容易實現，但其本身存在易過早收斂而陷入局部最優的缺點。

發明內容

本發明所要解決的技術問題在于提供一種基于改進人工魚群算法的移動機器人路徑規劃方法，以解決上述背景技術中的問題。

本發明是通過以下技術方案解決上述技術問題的，本發明包括如下步驟：

包括如下步驟：

S1、初始化人工魚群算法相關參數，包括魚群規模N、人工魚移動步長step、視野visual、擁擠度因子δ以及最大迭代次數，設定滾動窗口半徑r；

S2、進行全局路徑規劃，隨機獲得初始路徑；

S3、機器人沿初始路徑前進，并不斷檢測周圍環境信息，檢測滾動窗口內是否有動態障礙物；若未檢測到動態障礙物，得到移動機器人的路徑。

S4、若檢測到動態障礙物存在，則預測是否會與其發生碰撞以及碰撞的類型；

S5、若預測不會發生碰撞，則按初始路徑繼續前進；

S6、若預測到即將發生碰撞，則執行相應的避障策略，然后進行局部路徑規劃，重新規劃出到達終點的路徑繼續前進；

S7、重復步驟S3至S6，直到機器人到達終點。

進一步，所述步驟S2中，機器人會首先沿著初始路徑前進，速度為V_R，運動方向為R_dir，機器人可以探測到半徑r為兩個柵格距離的圓形區域的動態障礙物；在機器人前進的過程中不斷檢測周圍是否存在動態障礙物，在檢測到障礙物后則進行局部路徑規劃，執行避障策略，具體為：