[發明專利]一種基于UWB和蟻群算法的多樓層的貨物運送方法

在審

• 申請號: 202211637659.9
• 申請日: 2022-12-16
• 公開（公告）號: CN116007646A
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 陳旭;朱家輝;梁銀銀;劉賀祥
• 申請（專利權）人: 安徽信息工程學院
• 主分類號: G01C21/34
• 分類號: G01C21/34;B65G35/00;B65G43/00;H04W4/38;G06Q10/047;G06Q50/30;G06N3/006
• 代理公司: 蕪湖思誠知識產權代理有限公司 34138
• 代理人: 項磊

1.一種基于UWB和蟻群算法的多樓層的貨物運送方法，其特征在于：包括下列步驟：

步驟一、通過UWB無線測距傳感器接收目標信號源的位置，以及提前設定好的樓梯口位置；

步驟二、通過蟻群算法計算最優路線規劃，確定距離最近的樓梯口，并將其作為本樓層移動路徑的終點；

步驟三、無人小車根據步驟二確定的路線結果移動到對應的樓梯口；

步驟四、無人小車在上下移動過程中運用UWB傳感器不斷反饋的數據，判斷是否到達目標信號源的樓層，到達目標信號源的樓層移動到對應樓梯口；

步驟五、當無人小車到達目標樓層時，再次通過UWB無線測距傳感器接收目標信號源的信號，并確定此時的位置到目標信號源的最優路線；

步驟六、無人小車根據步驟五確定的路線結果移動到目標信號源的位置。

2.根據權利要求1所述的一種基于UWB和蟻群算法的多樓層的貨物運送方法，其特征在于：所述步驟二中，蟻群算法包括：定義一個具有N個節點的有權圖G＝(N，A)，其中N表示節點集合N＝1，2，…，n，A表示邊，A＝(i，j)|i，j∈N，節點之間的距離設為(d_ij)_n×n，目標函數即最小化起點到終點的距離之和；

設整個螞蟻群體中螞蟻的數量為m，路徑節點的數量為n，節點i與節點j之間的相互距離為d_ij(i，j＝1，2，…，n)，t時刻節點i與節點j連接路徑上的信息素濃度為τ_ij(t)，初始時刻，各個節點間連接路徑上的信息素濃度相同，設為τ_ij(0)＝τ₀；

螞蟻k(k＝1，2，…，m)根據各個節點間連接路徑上的信息素濃度覺定其下一個訪問節點，設表示t時刻螞蟻k從節點i轉移到節點j的概率，其計算公式如下：

其中，η_ij(t)為啟發函數，表示螞蟻從節點i轉移到節點j的期望程度；allow_k(k＝1，2，…，m)為螞蟻k帶防偽節點的集合；α為信息素重要程度因子；β為啟發函數重要程度因子。

3.根據權利要求2所述的一種基于UWB和蟻群算法的多樓層的貨物運送方法，其特征在于：確定t時刻螞蟻k從節點i轉移到節點j的概率后，首先計算每個個體的累積概率q_j，如下式：

q_j相當于轉盤上的跨度，跨度越大的區域越容易選到，1表示下一步可選的路徑的數量；

之后隨機生成一個(0，1)的小數r，比較所有的q_j與r的大小，選出大于r的最小的那個q_i，該q_i對應的索引j即為第k只螞蟻在第i條路徑時下一步要選擇的目標點，算式如下：

r＝rand(0，1)

j＝index{min[q_jr]}

在螞蟻釋放信息素的同時，各個節點問連接路徑上的信息素逐漸消失，設參數ρ(0ρ1)表示信息素的揮發程度，當所有的螞蟻完成一次循環后，各個節點間連接路徑上的信息素濃度需要進行更新，計算公式為：

4.根據權利要求1所述的一種基于UWB和蟻群算法的多樓層的貨物運送方法，其特征在于：所述步驟四中，在判斷到目標信號源的距離最短時確認到達目標信號源所在的樓層，采用Elman神經網絡算法判斷到目標信號源的距離，Elman神經網絡算法屬于梯度下降法，加入粒子群算法，優化ENN閱值與權重，并且結合靜態目標定位算法進行協同定位。

5.根據權利要求1所述的一種基于UWB和蟻群算法的多樓層的貨物運送方法，其特征在于：在步驟二和步驟五進行路線規劃時采用柵格法建立環境模型：先建立柵格地圖，采用序號法標記環境地圖信息，將柵格地圖中一個個柵格從序號1依次累加直到標記到最后一個柵格，假設柵格規模為x行y列，則第i個柵格對于的位置由下式計算得出：

式中口為每個小方格像素的邊長，ceil(n)取大于等于數值n的最小整數，mod(i，y)求i除以y的余數。每條路徑的長度由下式計算得出：

6.根據權利要求5所述的一種基于UWB和蟻群算法的多樓層的貨物運送方法，其特征在于：在建立環境模型之后，采用八叉樹搜素策略設計移動路線，無人小車在搜索過程中朝附近八個方向的相連柵格之間的自由移動，通過八叉樹搜素策略結合蟻群優化算法完成最優路線規劃。