[發明專利]一種改進人工勢場算法的智能車路徑規劃方法

有效

• 申請號: 202011307835.3
• 申請日: 2020-11-20
• 公開（公告）號: CN112344943B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 時培成;倪璇;高立新;梁濤年;王金橋;陳現敏;馬康;潘之杰;肖平;張榮蕓;楊勝兵;劉糠繼;齊恒;馬永富
• 申請（專利權）人: 安徽工程大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G05D1/02
• 代理公司: 蕪湖思誠知識產權代理有限公司 34138
• 代理人: 項磊

1.一種改進人工勢場算法的智能車路徑規劃方法，其特征在于：包括采集起點、目標點、障礙物的位置參數，構造引力勢場函數和斥力勢場函數，根據引力勢場函數和斥力勢場函數計算得到智能車在當前位置點所受的合力，根據合力牽引智能車向目標點前進生成相應路徑；

當智能車陷入局部極小值點時執行逃離局部極小值點的步驟：設置X＝S，S為局部極小值點，以點X為圓心、半徑為步長ΔX的圓上取一隨機點X₁，根據設定要求從隨機點中找出滿足要求的運動點，直至最后的運動點滿足逃離局部極小值點條件，再將之前各個運動點組成備選路徑后暫存，縮減步長ΔX的值，重置X＝S重復上述步驟獲得若干備選路徑，上述步驟中在設置X＝S后引入點的勢能T，勢能T由迭代算式生成并且迭代遞減，當勢能T小于設定閾值時，停止生成備選路徑并根據之前各備選路徑最后的運動點的勢能T，選擇勢能最低點對應的路徑為最終結果，并從該結果中最后的運動點開始繼續牽引智能車向目標點前進生成相應路徑；

逃離局部極小值點的步驟具體如下：

S1、設置X＝s，s為局部極小值點；

S2、設置表示勢能的T，T的迭代計算式為T(t)＝αT(t-1)，0.85＜α＜1，初始狀態設定T＝T₀，T₀為設定值并大于0，t為迭代次數；

S3、ΔX為設定步長，T_f為設定閾值，當滿足T≥T_f時產生一個隨機點X₁＝X+ΔX，否則轉到步驟S9；

S4、計算U(X₁)和U(X)，即點X₁和X處的勢場，并進一步計算勢場差值Δ，Δ＝U(X₁)-U(X)；

S5、判斷是否有Δ≤0，若是則認為X₁為有效的隨機點，否則執行下一步；

S6、計算概率并設定取值范圍在0到1之間的隨機概率a，當P＞a時認為X₁為有效的隨機點，否則認為無效，重新設置隨機點X₁，重復步驟S3-S6；

S7、得到有效隨機點后將其設為下一步的運動點，并設置X＝X₁；

S8、判斷U(X₁)≤U(S)是否成立，成立說明一步的運動點已成功逃離局部極小值點，記錄之前各運動點組成的路徑為備選路徑，縮減步長ΔX后轉回步驟S1，若不成立則轉到步驟S2；

S9、根據各備選路徑最后的運動點的勢能T，選擇勢能最低點對應的路徑為最后逃離局部極小值點的路徑。

2.根據權利要求1所述一種改進人工勢場算法的智能車路徑規劃方法，其特征在于：牽引智能車向目標點前進生成相應路徑的具體步驟如下：

步驟一、采集起點、目標點、障礙物的位置參數，設置規劃路徑中的起點，終點和障礙物點；

步驟二、分別根據智能車與目標點和障礙物點位置構造出引力勢場函數和斥力勢場函數；

步驟三、分別對引力勢場函數和斥力勢場函數求負梯度得到智能車所受引力和斥力；

步驟四、根據步驟三中得到的引力和斥力計算該點所受的合力，依據合力牽引智能車向目標點前進以生成相應路徑。

3.根據權利要求2所述一種改進人工勢場算法的智能車路徑規劃方法，其特征在于：在生成路徑過程中存在當前引力和當前斥力形成合力為0的點，判斷該點是否為目標點，如果不是則判定在該點智能車陷入局部極小值點。