基于变目标函数萤火虫优化路径的机器人移动方法技术

基于变目标函数萤火虫优化路径的机器人移动方法，包括以下步骤：S1、构建路径规划场景；S2、设计两个不同的目标函数；S3、启用搜索终点目标函数作为初始目标函数；S4、判断机器人终点方向有无障碍物，若无障碍物则机器人直接向终点移动，若有障碍物，启动萤火虫算法搜索位置；S5、判断移动后的机器人是否满足启用逃离陷阱目标函数条件，若满足则启用逃离陷阱目标函数，若不满足则保持目标函数不变；S6、判断移动后的机器人是否满足启用搜索终点目标函数条件，若满足则启用搜索终点目标函数，若不满足则保持目标函数不变；S7、判断机器人是否到达终点，若成立则结束，若不成立则返回步骤S4。通过本发明专利技术提出的方法，使得萤火虫算法不仅能逃离出局部陷阱还能搜索到终点。不仅能逃离出局部陷阱还能搜索到终点。不仅能逃离出局部陷阱还能搜索到终点。

【技术实现步骤摘要】
基于变目标函数萤火虫优化路径的机器人移动方法


[0001]本专利技术涉及一种机器人移动方法，尤其涉及基于变目标函数萤火虫优化路径的机器人移动方法。

技术介绍

[0002]路径规划是移动机器人导航中的关键技术之一，现有的路径规划优化算法可分为两类：动态路径规划算法和静态路径规划算法。在动态路径规划中，移动机器人面临着躲避障碍物，逃离局部最优陷阱和到达目标点等多种挑战。为了应对上述复杂任务挑战，机器人动态路径规划算法研究的几个主要环节包括：(1)构建路径规划场景模型；(2)设计特定的最小化目标函数；(3)采用特定优化算法来求解目标函数，得出最优解，从而得到移动机器人下一步移动的位置。其中，路径规划的目标函数和优化算法对路径规划的结果影响较大。现有的动态路径规划目标函数通常设计为：将移动机器人和障碍物之间距离的倒数与移动机器人和目标点之间距离进行线性加权，采用这样一种的目标函数能同时表征机器人向目标点移动和避开障碍物的需求。智能启发式算法在机器人路径规划上是一种重要的优化方法，应对复杂场景有一定优势。常规的遗传算法、粒子群算法在机器人路径规划中得到了不断发展，新型的萤火虫算法由于算法参数少，优化能力强，特别是针对多峰函数的优化具有较好的优势。因此，萤火虫算法在路径规划中也得到了较好地应用。
[0003]在动态路径规划中，由于环境信息的未知，容易导致移动机器人陷入局部最优陷阱。尤其是当存在凹形障碍物，并且移动机器人的初始点和目标点的连线穿越障碍物，目标点设置在障碍物的背后时，机器人更容易陷入凹形障碍物中，不能顺利到达目标点。为了解决上述问题，学者们也提出了一些改进方法，并大致可以总结为如下三类：第一种是在机器人移动过程中引入振荡函数，使机器人逃出陷阱；第二种是在机器人移动过的路径上添加虚拟障碍物，并依靠虚拟障碍物将机器人排斥到陷阱外部；第三种是通过设立虚拟子目标点从而引导机器人逃出局部最优陷阱。然而，上述第一种和第二种改进方法具有不可预测的特点从而不能确保机器人可以逃离出陷阱，第三种改进方法需要依靠全局信息才能设立合理的虚拟子目标点。本专利技术专利提出一种基于变目标函数萤火虫优化路径的机器人移动方法，用于指导机器人逃出局部最优陷阱和躲避动态障碍物。

技术实现思路

[0004]本专利技术主要解决上述现有技术的不足。结合路径规划问题的特点，提供一种基于变目标函数萤火虫优化路径的机器人移动方法。
[0005]基于变目标函数萤火虫优化路径的机器人移动方法包括以下步骤：
[0006]S1、构建路径规划场景；S2、设计两个不同的目标函数：搜索终点目标函数f1、逃离陷阱目标函数f2；S3、启用搜索终点目标函数作为萤火虫算法的初始目标函数，并计算搜索终点目标函数值记为f1(0)；S4、判断机器人当前位置与终点连线在一个移动步长内有无障碍物，若没有障碍物则机器人直接向终点方向移动一个步长，若有障碍物，按照所选目标函
数启动萤火虫算法搜索下一步位置，机器人并移动到该计算位置，计算搜索终点目标函数值记为f1(s)；S5、判断移动后的机器人是否满足启用逃离陷阱目标函数的条件，若满足则将萤火虫算法的目标函数设置为逃离陷阱目标函数，并计算机器人此时位置与终点实时位置距离记为d
trap
，若不满足则保持目标函数不变；S6、判断移动后的机器人是否满足启用搜索终点目标函数的条件，若满足则将萤火虫算法的目标函数设置为搜索终点目标函数，若不满足则保持目标函数不变；S7、判断机器人是否到达终点，若成立结束路径规划，若不成立则返回步骤S4往复执行其余步骤直至机器人到达终点；
[0007]进一步的，步骤S2所述的搜索终点目标函数f1为：
[0008]f1＝k1d
rt
+k2(1/d
ro
)+k3θ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0009]其中，k1，k2和k3为加权系数，d
rt
为机器人当前位置到终点实时位置的距离，d
ro
为机器人与附近障碍物的最小距离，θ为机器人当前移动步的运动方向与前一步的运动方向之间的夹角；
[0010]进一步的，步骤S2所述的逃离陷阱目标函数f2为：
[0011]f2＝k4|d
ro
‑
d
safe
|+k5d
f
+k6θ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0012]其中，k4，k5和k6为加权系数，d
ro
为机器人运动过程中与附近障碍物的最小距离，d
safe
为机器人与障碍物之间的安全距离，取常数，θ为机器人当前移动步的运动方向与前一步的运动方向之间的夹角，d
f
为机器人在移动方向上与障碍物的距离；
[0013]进一步的，步骤S4所述的计算搜索终点目标函数值：当机器人通过两种方式完成一步移动后都需要计算搜索终点目标函数值并记为f1(s)，其中s为机器人的移动步数，两种移动方式包括：机器人直接向终点方向移动一个步长和机器人通过萤火虫算法搜索到下一步位置并移动到该位置；
[0014]进一步的，步骤S5所述的启用逃离陷阱目标函数的条件为：当前萤火虫算法的目标函数为搜索终点目标函数，并且搜索终点目标函数值满足条件：
[0015]f1(s)＜f1(s
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0016]其中，f1(s)为步骤S4中机器人移动后的搜索终点目标函数值，f1(s
‑
1)为步骤S4中机器人移动前的搜索终点目标函数值；
[0017]进一步的，步骤S6所述的启用搜索终点目标函数的条件为：当前萤火虫算法的目标函数为逃离陷阱目标函数，并且满足如下条件：
[0018]d
rt
≤(d
trap
‑
d
gap
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0019]其中，d
trap
为步骤S5中切换为逃离陷阱目标函数时机器人位置与终点实时位置之间的距离，d
rt
为机器人实时位置与终点实时位置之间的距离，d
gap
为常数。
[0020]与现有技术相比，本专利技术的优点在于：本专利技术涉及萤火虫算法在动态路径规划中设计了两个不同的目标函数，分别用于搜索终点和逃离陷阱。在动态路径规划中通过监测目标函数值的变化规律来判断机器人是否进入局部最优陷阱，通过监测机器人与终点的距离是否变近来判断机器人是否已经逃离出局部陷阱，机器人在局部最优陷阱内时，启用逃离陷阱目标函数作为其目标函数，机器人在其余时刻均启用搜索终点目标函数作为其目标函数。通过在动态路径规划的不同状态选择相应的目标函数，使得机器人不仅可以逃离出凹形局部最优陷阱、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于变目标函数萤火虫优化路径的机器人移动方法，其特征在于，包括以下步骤：S1、构建路径规划场景；S2、设计两个不同的目标函数：搜索终点目标函数f1、逃离陷阱目标函数f2；S3、启用搜索终点目标函数作为萤火虫算法的初始目标函数，并计算搜索终点目标函数值记为f1(0)；S4、判断机器人当前位置与终点连线在一个移动步长内有无障碍物，若没有障碍物则机器人直接向终点方向移动一个步长，若有障碍物，按照所选目标函数启动萤火虫算法搜索下一步位置，机器人并移动到该计算位置，计算搜索终点目标函数值记为f1(s)；S5、判断移动后的机器人是否满足启用逃离陷阱目标函数的条件，若满足则将萤火虫算法的目标函数设置为逃离陷阱目标函数，并计算机器人此时位置与终点实时位置距离记为d
trap
，若不满足则保持目标函数不变；S6、判断移动后的机器人是否满足启用搜索终点目标函数的条件，若满足则将萤火虫算法的目标函数设置为搜索终点目标函数，若不满足则保持目标函数不变；S7、判断机器人是否到达终点，若成立结束路径规划，若不成立则返回步骤S4往复执行其余步骤直至机器人到达终点；进一步的，步骤S2所述的搜索终点目标函数f1为：f1＝k1d
rt
+k2(1/d
ro
)+k3θ
ꢀꢀꢀꢀꢀꢀꢀ
(1)其中，k1，k2和k3为加权系数，d
rt
为机器人当前位置到终点实时位置的距离，d
ro
为机器人与附近障碍物的最小距离，θ为机器人当前移动步的运动方向与前一步的运动方向之间的夹角；进一步的，步骤S2所述的逃离陷阱目标函数f2为：f2＝k4|d
ro
‑
d
safe
|+k5d
f
+k6θ
ꢀꢀꢀꢀꢀꢀꢀꢀ
...

【专利技术属性】
技术研发人员：李凤玲，范兴江，侯志祥，游庆如，尹正安，田肖，成威，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：