【技术实现步骤摘要】
一种应用于智能车路径规划的基于改进蚁群算法与动态窗口法的混合算法
本专利技术涉及一种应用于智能车路径规划的基于改进蚁群算法与动态窗口法的混合算法，属于智能车路径规划领域。
技术介绍
随着计算机科学技术的快速发展，智能车辆的研究已是智能车交通系统的研究热点之一，其中，路径规划是智能车研究领域的重要技术，旨在障碍物环境中寻找从起始点到目标点的无碰撞路径。目前，国内外学者已经相继开发了几种解决路径规划问题的算法，如全局路径规划算法：Voronoi图、Dijkstra算法、遗传算法、蚁群算法等从环境中找到一条从起始点到目标点的最佳路径，其中蚁群算法是一种智能优化算法，鲁棒性好、全局优化性能好；局部路径规划方法有：人工势场法、模糊逻辑法、动态窗口法等利用车载传感器获取实时环境信息，规划出一条无碰撞局部路径，其中动态窗口法可以根据环境信息实时路径规划，具有较好的避障能力，可以很好的满足智能车的自主导航能力。因此，改进的蚁群算法在进行全局路径规划时可以解决收敛速度慢、陷入局部最优的问题，动态窗口法结合全局路径信息可以提升智...
【技术保护点】
1.一种应用于智能车路径规划的基于改进蚁群算法与动态窗口法的混合算法，其特征在于，包括如下步骤：/n步骤一：利用车载传感器获取环境信息，实现车辆的自身定位，并构建栅格地图；/n步骤二：利用改进的蚁群算法完成智能车的全局路径规划；首先，设置初始化参数，蚂蚁数量M，迭代次数K，信息素启发因子a，期望启发因子w，并将M只蚂蚁放在初始位置；其次根据蚂蚁状态转移概率
【技术特征摘要】
1.一种应用于智能车路径规划的基于改进蚁群算法与动态窗口法的混合算法，其特征在于，包括如下步骤：
步骤一：利用车载传感器获取环境信息，实现车辆的自身定位，并构建栅格地图；
步骤二：利用改进的蚁群算法完成智能车的全局路径规划；首先，设置初始化参数，蚂蚁数量M，迭代次数K，信息素启发因子a，期望启发因子w，并将M只蚂蚁放在初始位置；其次根据蚂蚁状态转移概率选择路径，并将蚂蚁已走过的节点放入禁忌表中，并判断蚂蚁下一步的路径选择：
其中all(i)表示除禁忌表之外的蚂蚁k在节点i处下一步允许选择的转移节点的集合；Tig(t)表示蚂蚁在t时刻从节点i到节点g的信息素含量，Nig(t)表示蚂蚁在t时刻从节点i到节点g之间的启发函数；其次，根据当前节点到下一节点的距离与当前节点到目标节点的距离之和的平方引入启发函数Nig(t)，加快蚁群的搜索速度，增加蚁群对下一节点的选择导向作用：
Νig(t)＝1/(σ·lig+(1-σ)·liE)2
其中σ表示两节点距离之间的加权比重，且σ∈[0，1]，由实时环境确定，lig表示当前节点i与下一节点g之间的距离，liE表示当前节点i与目标点E之间的距离；然后，在信息素更新上做出改进：确定两点间信息素浓度的最大值Tmax和最小值Tmin：
其中Ds为某次迭代后的最优路径长度，n为每次的循环次数，蚂蚁在结束每一次循环后，路径上的信息素信息在改变，为了获得最优路径，需对整条路径上的信息素进行调整，同时为了防止蚁群利用局部最优路径上的信息素进行路径规划，则蚂蚁在两点间的信息素浓度增量也需要进行更新，保证每只蚂蚁都可以找到可行路径：
其中λ表示信息素挥发系数，λ∈[0,1]；表示在t时刻第b只蚂蚁在节点i到节点g之间的信息素增量；rs为目前为止找到的最优解；
步骤三：采用三次B样条曲线对全局路径进行平滑处理，三次B样条曲线的数学表达方式为：
其中Pi(i＝0，1，2，…，n)是曲线的(n+1)个控制点的坐标，Fi,k(t)为t时刻k次B样条基函数：
步骤四：针对车载传感器获取未知障碍物信息，根据初始参数，最大速度Vm、线加速度v、角加速度ω，利用动态窗口法结合全局路径规划信息做出路径评价，选择局部最优...
【专利技术属性】
技术研发人员：李爱娟，陈政宏，李韶华，王希波，黄欣，邱绪云，王健，徐传燕，韩文尧，葛庆英，王春民，
申请(专利权)人：山东交通学院，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。