人工智能大数据下粒子化移动机器人组及其控制方法技术

本发明专利技术属于移动机器人控制领域，具体涉及一种基于粒子化分数阶的人工智能大数据下粒子化移动机器人组及其控制方法。若干移动机器人均由车体、供电装置、行走机构、图像采集系统以及移动机器人控制系统组成；车体，所述车体包括承载车架，所述承载车架的四周具有外壳板；用于驱动所述车体前进或者后退的行走机构，所述行走机构设于所述车体下方。本发明专利技术以分数阶移动机器人控制策略展开研究，实现移动机器人控制系统的设计和稳定性分析，同时在控制律的基础上，对控制律中的参数进行优化，省去人工选取参数的问题。从而简化移动机器人组控制的难度，实现移动机器人的稳定控制。

Particle mobile robot group and its control method under big data of artificial intelligence

【技术实现步骤摘要】
人工智能大数据下粒子化移动机器人组及其控制方法
本专利技术属于移动机器人控制领域，具体涉及一种基于粒子化分数阶的人工智能大数据下粒子化移动机器人组及其控制方法。
技术介绍
随着移动机器人技术的日益成熟，对于移动机器人路径规划的研究也越来越多。移动机器人路径规划是指在特定的环境中，采用一定的算法为机器人规划一条到达指定目标点或距离最短或时间最少或路径最平滑的最优路径，并且这条最优路径要确保是安全的，即机器人在按照最优路径移动时不能碰到环境中的障碍物，确保机器人安全移动到目标点。所以移动机器人路径规划不仅要设计合理的算法，还要求移动机器人具有一定的智能性，能够躲避障碍物并根据局部环境信息进行局部动态路径规划。目前，关于路径规划的算法主要可以分为传统算法、启发式算法以及其他方法三类传统的路径规划算法主要有人工势场法、可视图法以及向量直方图法等。大部分传统路径规划算法都是基于图论的算法，在进行路径规划时首先将机器人运动环境建模成为一个图，然后在环境模型中寻找路径。其中人工势场法因其原理和结构相对简单、得到的路径平滑等优点在机器人路径规划中得到了广泛的应本文档来自技高网...

【技术保护点】
1.人工智能大数据下粒子化移动机器人组，若干移动机器人均由车体、供电装置、行走机构、图像采集系统以及移动机器人控制系统组成；车体，所述车体包括承载车架，所述承载车架的四周具有外壳板；用于驱动所述车体前进或者后退的行走机构，所述行走机构设于所述车体下方；图像采集系统包括前置摄像头、前置距离检测器、后置摄像头、后置距离检测器、高度传感器，所述前置摄像头以及前置距离检测器设于所述车体的前侧，所述后置摄像头以及后置距离检测器设于所述车体的后侧；所述移动机器人控制系统设于所述承载车架上，且与所述行走机构、图像采集系统连接；为移动机器人供电的供电装置，所述供电装置固定于所述承载车架上，移动机器人采用如下方...

【技术特征摘要】
1.人工智能大数据下粒子化移动机器人组，若干移动机器人均由车体、供电装置、行走机构、图像采集系统以及移动机器人控制系统组成；车体，所述车体包括承载车架，所述承载车架的四周具有外壳板；用于驱动所述车体前进或者后退的行走机构，所述行走机构设于所述车体下方；图像采集系统包括前置摄像头、前置距离检测器、后置摄像头、后置距离检测器、高度传感器，所述前置摄像头以及前置距离检测器设于所述车体的前侧，所述后置摄像头以及后置距离检测器设于所述车体的后侧；所述移动机器人控制系统设于所述承载车架上，且与所述行走机构、图像采集系统连接；为移动机器人供电的供电装置，所述供电装置固定于所述承载车架上，移动机器人采用如下方法控制：
(1)移动机器人的图像采集系统采集图像，对采集的图像进行去噪处理后通过路径边缘点做最优路径规划；
(2)对移动机器人组进行行程控制，使移动机器人在规划的路径通道内行进；
(3)对行程中的移动机器人组进行姿态监控；
(4)重复步骤(2)-(3)直到移动机器人组停止工作为止；
其特征在于：所述步骤(1)包括如下步骤：
(1.1)图像采集去噪：
移动机器人通过图像采集系统对路径所处环境进行三维图像采集，对采集的图像进行高斯滤波处理；
(1.2)对图像中道路进行边缘检测：
对图像中每个像素点周围的邻点灰度值进行Sobel算子计算，通过采集图像所取的亮度选择阈值τ，当



fx＝(f(a-1,b-1)+2f(a-1,b)+f(a-1,b+1))-(f(a+1,b+1)+2f(a-1,b)+f(a+1,b+1))，
fy＝(f(a-1,b-1)+2f(a,b-1)+f(a+1,b-1))-(f(a-1,b-1)+2f(a,b-1)+f(a+1,b-1))，
当So(a,b)＞τ时，图像中点(a,b)为边缘点，a、b为边缘点坐标，f为灰度值；
(1.3)依据边缘点的路径规划：
移动机器人的云控制系统采集边缘点信息，通过边缘点构建出路径通道，设移动机器人的图像采集系统与图像采集系统的距离检测器的与水平方向上的夹角为θa，距离检测器返回的数据为la，移动机器人的高度传感器的测量值为z′，水平方向参考系下的坐标为Dn0＝(xa,yb,z′)＝(la×cosθa,la×sinθa,z′)；
根据路径通道中节点的迭代评价值确定规划的路径，两个相邻节点的距离为ln0，ln0＝Dn0-Dn0-1，n0为当前节点的标号，起始点I0到当前节点In0的代价函数为：



扫描每个节点附近G(n0)最大的两个邻居节点进行连接，形成规划的路径通道。


2.根据权利要求1所述的人工智能大数据下粒子化移动机器人组，其特征在于：所述步骤(2)包括：
(2.1)初始化数量大小为N的移动机器人组，包括移动机器人行进区域随机速度和移动机器人行进区域位置，确定每个移动机器人的姿态矩阵、姿态矩阵角速率以及姿态角；
(2.2)评估每组中移动机器人的适应值；
(2.3)评估每组中移动机器人当前搜索空间中最佳位置；
(2.4)更新移动机器人的惯性权重，更新每个移动机器人的速度和位置；
(2.5)在移动机器人组工作状态下重新执行步骤(2.2)，在移动机器人组工作结束时结束本方法。


3.根据权利要求2所述的人工智能大数据下粒子化移动机器人组，其特征在于：所述的移动机器人的姿态矩阵的确定步骤包括：
(2.1.1)设地球坐标系为earth系，地理坐标系为geo系，载体坐标系为carrier系，导航坐标系为pilot系，各坐标系的轴依次分别为Xg、Yg、Zg；Xc、Yc、Zc；Xp、Yp、Zp；
(2.1.2)计算移动机器人的地理坐标系的方向余弦矩阵；



其中移动机器人所在经度为αe和纬度为δe；αe的取值范围为(-180°，180°)；δe的取值范围为(-90°，90°)；
(2.1.3)计算移动机器人的载体坐标系的方向余弦矩阵；



其中γc为载体坐标系相对于地理坐标系的横滚角，即Xc相对于Xg的夹角；
其中θc为载体坐标系相对于地理坐标系的俯仰角，即Yc相对于Yg的夹角；
其中为载体坐标系相对于地理坐标系的航向角，即Zc相对于Zg的夹角；
(2.1.4)计算移动机器人的导航坐标系的姿态矩阵；



(2.1.5)计算移动机器人的导航坐标系的姿态矩阵角速率；



ωe为地球角速率在导航坐标系下的投影，ωa为移动机器人陀螺仪测量值；
移动机器人姿态角的实时值为：










为移动机器人导航坐标系的横滚角；为移动机器人导航坐标系的航向角；为移动机器人导航坐标系的俯仰角。


4.根据权利要求3所述的人工智能大数据下粒子化移动机器人组，其特征在于：所述的评估每组中移动机器人的适应值为：



fj(x)表示移动机器人的目标路径上的第j个支路上的分支函数；αj表示第j个支路对应的权值，m为目标路径的支路总数，x表示被评估的移动机器人标号；
fj(x)＝(βj∩γj)(βj∪γj)-2；<...

【专利技术属性】
技术研发人员：石帅，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23