【技术实现步骤摘要】
一种移动机器人智能路径规划方法
本专利技术涉及机器人路径规划领域，特别涉及一种移动机器人智能路径规划方法。
技术介绍
机器人实际运行的地图环境中存在两种类型的障碍，一种是已知静态的障碍，一种是随机出现的未知障碍物。全局路径规划是指在给定的环境障碍条件下，选择一条从起始点到目标点的路径，使机器人可以安全、无碰撞地通过所有的障碍。这种自主地躲避障碍并完成作业任务的方法，是机器人研究和应用中的一个重要内容。静态障碍物的地图，常见的机器人全局路径规划方法有A*算法、Dijkstra算法、遗传算法、粒子群算法和蚁群算法等。其中A*算法，Dijkstra算法的复杂度较低,计算量相对其他算法都较小,但是在自动化任务要求更高，环境更复杂的情况下难以满足任务需求。仿生智能算法越来越受到关注，特别是蚁群算法，由于该算法自组织，分布式，正反馈等优点广泛应用到机器人路径规划中。在实际环境中，可能会随机出现未知动态障碍物，针对动态环境目前常见的方法有人工势场法和动态窗口法等，由于人工势场法容易陷入局部最优出现震荡，寻优失败的问题。动态...
【技术保护点】
1.一种移动机器人智能路径规划方法，其特征在于，包括以下步骤：/n步骤1：根据已知静态二维空间建立栅格地图，设置栅格序号，选择起始点S和目标点E；/n步骤2：改进蚁群算法进行全局路径规划；/n步骤3：移动机器人在全局规划的路径上行驶，移动机器人传感器模块检测未知障碍物，并且获取障碍物大小和速度信息；/n步骤4：如果传感器检测未知障碍物距离机器人小于安全距离S1，则机器人立刻刹车并停靠，再根据障碍物运动情况是否重新规划路径；如果动态障碍物远离机器人或者障碍行驶轨迹不与机器人规划路径有交集，则继续行驶；如果动态障碍物靠近机器人或者停靠在全局规划的路径上，则控制器发出预警，机器人...
【技术特征摘要】
1.一种移动机器人智能路径规划方法，其特征在于，包括以下步骤：
步骤1：根据已知静态二维空间建立栅格地图，设置栅格序号，选择起始点S和目标点E；
步骤2：改进蚁群算法进行全局路径规划；
步骤3：移动机器人在全局规划的路径上行驶，移动机器人传感器模块检测未知障碍物，并且获取障碍物大小和速度信息；
步骤4：如果传感器检测未知障碍物距离机器人小于安全距离S1，则机器人立刻刹车并停靠，再根据障碍物运动情况是否重新规划路径；如果动态障碍物远离机器人或者障碍行驶轨迹不与机器人规划路径有交集，则继续行驶；如果动态障碍物靠近机器人或者停靠在全局规划的路径上，则控制器发出预警，机器人回退并且重新规划路径；
步骤5：如果传感器检测未知障碍物距离机器人大于安全距离S1，利用感知到障碍物信息，计算障碍物运动轨迹和机器人运动轨迹，采用优化动态窗口法进行局部动态避障，以机器人当前位置为起始点，全局规划路径上的最临近关键节点为临时目标点动态避障；
步骤6：采用动态窗口法机器人完成避障到达临近关键节点，然后重复步骤3-5，直到机器人沿着规划路径行驶并且安全到达目的地。
2.根据权利要求1所述的一种移动机器人智能路径规划方法，其特征在于，步骤2蚁群算法转移概率中的启发函数引入目标点E，提高算法收敛速度，转移概率函数加入变异因子，提高解的多样性避免算法陷入局部最优：
将当前节点i到待选节点j的真实代价dij以及待选节点j到目标点E的预估代价dje作为启发函数：
其中，τij表示路径(i，j)信息素浓度，dij是当前节点i到待选节点j的欧氏距离，dij是待选节点j到目标节点E预估的欧氏距离，ηij是启发函数，α为信息素启发因子，表示信息素浓度对转移概率影响；β为期望启发因子，ζ表示路径信息对转移概率的影响；
其中，Pk代表蚂蚁K从当前节点i到待选节点j的转移概率，代表无变异情况下的转移概率公式通过公式(1-1)计算得到，rand代表变异概率，每次转移都会生成一个(0，1)范围内的随机数，Pvar代表变异因子，如果rand小于变异因子则表明发生变异，即当前蚂蚁概率转移发生改变。
3.根据权利要求1所述的一种移动机器人智能路径规划方法，其特征在于，步骤2中改进蚁群算法信息素更新规则：
信息素更新规则引入拐点评价函数，可以使所寻路径更加平滑，节省机器人行走时间和功耗，机器人行走路径有不同的拐角，拐角大小也代表不同的功耗；
所有的蚂蚁完成一次迭代之后，路径上信息素挥发处理，在t+1时刻路径(i，j)上信息素更新方式如下：
τij(t+1)＝(1-ρ)*τij(t)+Δτij(t)(1-5)
其中，ρ表示信息素挥发系数，(1-ρ)则表示路径信息素残留因子，表示第k只蚂蚁在此轮迭代过程中在路径(i，j)上留下的信息素，公...
【专利技术属性】
技术研发人员：张谦，马向华，狄逸群，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：上海;31
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。