[發(fā)明專利]基于粒子群和差分進(jìn)化算法的移動機器人路徑規(guī)劃方法

在審

• 申請?zhí)枺?/td>: 202211639810.2
• 申請日: 2022-12-20
• 公開（公告）號: CN116048071A
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計）人: 袁慶霓;孫睿彤;杜曉英;陳啟鵬;吳楊東;杜飛龍;藍(lán)偉文
• 申請（專利權(quán)）人: 貴州大學(xué)
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 貴陽東圣專利商標(biāo)事務(wù)有限公司 52002
• 代理人: 袁慶云

本發(fā)明公開了一種基于粒子群和差分進(jìn)化算法的移動機器人路徑規(guī)劃方法，包括以下步驟：輸入地圖模型；初始化路徑參數(shù)和粒子群參數(shù)；設(shè)計路徑規(guī)劃目標(biāo)函數(shù)，由路徑長度函數(shù)和懲罰函數(shù)組成；通過引入企業(yè)治理思想、加入自適應(yīng)調(diào)整權(quán)重和加速度系數(shù)來改進(jìn)傳統(tǒng)粒子群算法，優(yōu)化并更新速度V和位置X，生成更優(yōu)的精英種群作為改進(jìn)差分進(jìn)化算法的初始種群，結(jié)合自適應(yīng)參數(shù)的縮放因子F和交叉概率因子CR，進(jìn)行變異操作、交叉操作、選擇操作，實現(xiàn)粒子群的迭代優(yōu)化，并更新粒子群的Adm，輸出優(yōu)化路徑并進(jìn)行平滑處理。本發(fā)明可以有效的提高移動機器人在靜態(tài)復(fù)雜環(huán)境模型中的路徑規(guī)劃能力，提高規(guī)劃效率，生成路徑長度最短且平滑的抵達(dá)目標(biāo)點的無碰撞路徑。

技術(shù)領(lǐng)域

本發(fā)明涉及機器人運動規(guī)劃領(lǐng)域，具體涉及一種基于粒子群和差分進(jìn)化算法的移動機器人路徑規(guī)劃方法。

背景技術(shù)

路徑規(guī)劃是移動機器人技術(shù)中的重要研究方向之一。移動機器人的路徑規(guī)劃是指在靜態(tài)環(huán)境或動態(tài)環(huán)境中規(guī)劃出一條滿足某種條件(通常是指最優(yōu)的)的抵達(dá)目標(biāo)點的無碰撞路徑。良好的移動機器人路徑規(guī)劃技術(shù)可以應(yīng)用于機器人探索人類無法到達(dá)的惡劣環(huán)境；代替人類進(jìn)行火災(zāi)搶救等高危救援；幫助視障人士進(jìn)行路徑指引；也可應(yīng)用于智能倉儲領(lǐng)域，提高物料運輸效率，減小人力物力。

現(xiàn)有技術(shù)中，利用啟發(fā)式算法來優(yōu)化路徑規(guī)劃問題，包括粒子群算法(PSO)，人工蜂群算法(ABC)，遺傳算法(GA)，灰狼算法(GWO)，蟻群算法(ACO)，差分進(jìn)化算法(DE)等。其中，JianfangLian等人利用混沌自適應(yīng)粒子來優(yōu)化粒子群算法，并對參數(shù)進(jìn)行自適應(yīng)調(diào)整。FaizaGul等人利用灰狼算法-粒子群算法混合優(yōu)化算法來解決尋找最小路徑問題。Chang-FengChen等人則提出基于ABC算法和PSO算法的混合算法，即PSO-ABC算法。但是改進(jìn)的算法仍然具有收斂精度低，易早熟等局限性，導(dǎo)致路徑規(guī)劃效率差。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述缺點而提出了一種基于粒子群和差分進(jìn)化算法的移動機器人路徑規(guī)劃方法，可以有效的提高移動機器人在靜態(tài)復(fù)雜環(huán)境模型中的路徑規(guī)劃能力，提高規(guī)劃效率，生成路徑長度最短且平滑的抵達(dá)目標(biāo)點的無碰撞路徑。

本發(fā)明的基于粒子群和差分進(jìn)化算法的移動機器人路徑規(guī)劃方法，其中：該方法包括以下步驟:

步驟一、地圖構(gòu)建：獲取移動機器人自身所在位置信息以及目標(biāo)點坐標(biāo)信息，同時獲取障礙物信息進(jìn)行地圖構(gòu)建，形成地圖模型，獲取環(huán)境信息；

步驟二、初始化路徑參數(shù)：包括移動機器人起始點Start、終點坐標(biāo)Goal，路徑節(jié)點、最大迭代次數(shù)T、加速度因子c_i(i＝1,2,3,4)；

步驟三、隨機初始化粒子群參數(shù)：包括維度D、種群粒子數(shù)N、位置X、速度V；

步驟四、設(shè)計路徑規(guī)劃目標(biāo)函數(shù)：根據(jù)路徑規(guī)劃的需求，設(shè)計評價指標(biāo)，構(gòu)建目標(biāo)函數(shù)，進(jìn)行路徑適應(yīng)度值fit計算，并確定最大適應(yīng)度值fit_max和最小適應(yīng)度值fit_min；

步驟五、改進(jìn)傳統(tǒng)粒子群算法：通過引入企業(yè)治理思想、加入自適應(yīng)調(diào)整權(quán)重和加速度系數(shù)來改進(jìn)傳統(tǒng)粒子群算法；基于計算的路徑適應(yīng)度值，計算個體最佳位置，局部最佳位置，全局最佳位置，選舉管理者粒子Adm，從而優(yōu)化并更新速度V和位置X，生成更優(yōu)的精英種群；

所述優(yōu)化并更新速度和位置的公式如下：

2)慣性因素：ω^*·V_i^t

速度更新公式(1)的第一項為慣性因素，為自適應(yīng)慣性權(quán)重ω^*和第t代的第i個粒子的速度V_i^t的乘積，其中慣性權(quán)重的概念與傳統(tǒng)粒子群原理相同；