[發明專利]一種基于復雜網絡的移動工具尋找最短路徑的規劃方法

在審

• 申請號: 202110036095.2
• 申請日: 2021-01-12
• 公開（公告）號: CN112882465A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 鄧華
• 申請（專利權）人: 鄧華
• 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

本發明公開了一種基于復雜網絡的移動工具尋找最短路徑的規劃方法,包括移動工具主體；所述移動工具主體包括移動工具的工作區域、慣性融合定位以及網絡模塊；所述移動工具的工作區域通過慣性融合定位來確定移動工具主體的位置；所述移動工具主體將當前環境的抽象圖映射到網絡模塊中,本發明在傳統的地圖柵格的表示形式上，結合復雜網絡，在更高維度進行計算，適用于二維平面，三維平面以及在非平面的情況下進行最短路徑的規劃，這樣可以讓機械設備在野外和室外等復雜環境下進行點對點之間最短路徑的運動。本發明專利算法可移植性高，實用范圍廣泛。

技術領域

本發明涉及一種信息技術、自動化，具體涉及一種基于復雜網絡的移動工具尋找最短路徑的規劃方法。

背景技術

在當前市場中，隨著服務機器人逐漸占領市場，尤其是室內的機器人可以有著很大的市場份額，但是在室外的服務機器人當中，仍有許多市場和技術需要解決。相比于室內，室外的環境更復雜，需要解決的問題更多。

在傳統上出現過許多的路徑規劃算法，主要分為局部路徑規劃算法和全局路徑規劃算法。例如模擬退火算法，是由KirkpatrickS于1983年提出的，源于物理退火的過程，基本思想就是利用隨機優化問題求解過程與統計力學中熱平衡問題的相似性，通過設定初溫、初態和降溫控制溫度得到不斷下降，結合概率突跳特性，利用解空間的鄰域結構進行隨機搜索。

第二種就是人工勢場法，法由Khatib于1986年提出，屬于一種虛擬方法，基本思想是將機器人在環境中的運動視為一種虛擬的人工受力場中的運動。障礙物對機器人產生斥力,目標點對機器人產生引力,引力和斥力周圍由一定的算法產生相應的勢,機器人在勢場中受到抽象力作用,促使機器人繞過障礙物,朝目標點前進。

模糊邏輯算法模擬駕駛員的駕駛經驗，將勝利上的感知和動作結合起來，根據實時的傳感器信息，通過查表得到規劃信息，從而實現局部路徑規劃。

近些年被常用于機器人的還有智能仿生算法，近年來,隨著仿生算法的廣泛應用,機器人局部路徑規劃技術取得了長足發展,特別是在局部路徑優化方面。主要方法有人工神經網絡算法、遺傳算法、蟻群優化算法,粒子群算法。

基于行為的路徑規劃最具代表性的是1986年Brooks的包容式體系結構,其基本思想是把移動機器人所要完成的任務分解成一些基本的、簡單的行為單元,機器人根據行為的優先級,結合本身的任務綜合做出反應。在基于行為的機器人控制系統中,不同的行為要完成不同的目標,多個行為之間往往產生沖突,因此,涉及到行為協調問題。Tyrrell等人將行為協調機制的實現方法分為兩類:仲裁機制和命令融合機制。

基于再勵學習的路徑規劃算法是一種未知環境下的實時規劃方法。它來源于行為心理學,其基本思想是采用了動物學習心理的“試錯法”原理,強調在與環境的交互中利用評價性反饋信號進行學習,為實現具有自學習能力的智能系統提供了有效手段。由于再勵學習通過與環境的直接交互進行學習,不需要環境模型和先驗知識,也不需要樣本訓練數據,而且,能夠方便地在線實現,因此,比較適用于未知環境模型的不確定系統。毛勇,李實,王家廞,等.基于再勵學習的被動動態步行機器人[J].清華大學學報:自然科學版,2008,48(1):92-96提出一種基于再勵學習的機器人步行控制方法,實驗表明:利用學習訓練的結果控制柔性驅動器在步行相轉換時的動作,機器人可以實現穩定動態步行。