轮式机器人节能轨迹规划方法、规划设备及可读存储介质技术

本发明专利技术公开一种轮式机器人节能轨迹规划方法、规划设备及可读存储介质，所述轮式机器人节能轨迹规划方法包括：通过获取轮式机器人行驶区域的地图信息，使用A*算法规划出机器人从初始点到目标点最小行驶代价的行驶路线，并在最小行驶代价的行驶路线的基础上结合构建的非线性模型预测控制算法，通过求解能耗指标函数最小函数值，得到满足能耗指标函数最小函数值的最优驱动力与最优制动力关于时间变化的曲线，通过控制机器人使用最优驱动力与最优制动力在最小行驶代价的行驶路线上行驶，实现机器人行驶能耗的大幅度减少和行驶里程的进一步提高。一步提高。一步提高。

【技术实现步骤摘要】
轮式机器人节能轨迹规划方法、规划设备及可读存储介质


[0001]本专利技术涉及机器人运动节能控制领域，尤其涉及一种轮式机器人节能轨迹规划方法、规划设备及可读存储设备。

技术介绍

[0002]轮式机器人主要由电池进行供能，由于电池容量有限，如何提高机器人的行驶里程就成为了一个关键问题。当前，从生产和使用两个方面将节能技术分为生产过程中的节能设计和行驶过程中的节能控制。目前节能控制主要集中于限定条件下的优化控制，在满足驱动、制动等条件的前提下，对动力传动系统进行优化以减少传动过程中的能量损耗，但节能潜力较小提高的行驶里程有限。

技术实现思路

[0003]本专利技术的主要目的在于提供一种轮式机器人节能轨迹规划方法，旨在解决目前机器人节能控制领域中通过优化传动系统减少能耗提高机器人行驶里程有限的技术问题。
[0004]为实现上述目的，本专利技术提供一种轮式机器人节能轨迹规划方法，所述轮式机器人节能轨迹规划方法包括：
[0005]获取地图信息；
[0006]将所述地图信息对应电子地图划分出数个参考节点；
[0007]根据所述地图信息计算任意相邻两参考节点的行驶代价；
[0008]根据任意所述相邻两参考节点的行驶代价和A*算法，规划起始点到目标点的最小行驶代价路线；
[0009]获取所述最小行驶代价路线在电子地图中的路径信息；
[0010]根据所述路径信息结合非线性模型预测控制算法，规划在所述最小行驶代价路线上行驶的最优驱动力和最优制动力关于时间变化的曲线。
[0011]进一步的，所述将所述地图信息对应电子地图划分出数个参考节点包括：
[0012]将所述电子地图划分成多个网格，所述网格的几何中心为参考节点。
[0013]进一步的，所述根据所述地图信息计算任意相邻两参考节点的行驶代价包括：
[0014]根据所述地图信息获取任意相邻两参考节点间的地形及每种地形的路程距离；
[0015]根据所述任意相邻两参考节点间的地形、每种地形的路程距离和机器人自身属性，并结合能量消耗公式，计算任意相邻两参考节点间的能量消耗；
[0016]所述能量消耗公式为：
[0017][0018]其中，在各种地形下所述机器人自身属性包括：滚动阻力、空气阻力、坡度阻力和惯性力，在能量消耗公式中，F
f
为滚动阻力、F
w
为空气阻力、F
i
为坡度阻力、F
j
为惯性力、S为各种地形的路程距离、Q为能量消耗，任意两参考节点间的Q能量消耗即为任意两参考节点
的行驶代价。
[0019]进一步的，所述根据任意所述相邻两参考节点的行驶代价和A*算法，规划起始点到目标点的最小行驶代价路线包括：
[0020]根据任意两参考节点的行驶代价使用A*算法公式，进行起始点到目标点的全局路径规划；
[0021]所述A*算法公式为：
[0022]f(n)＝g(n)+h(n)
[0023]其中，f(n)为从初始节点经由节点n到目标节点的总估计代价，g(n)为在节点空间中从初始节点到n节点的当前代价，h(n)是n到目标节点最佳路径的预估代价，所述预估代价的计算函数为曼哈顿距离；
[0024]利用A*算法计算f(n)的最小值，将f(n)的最小值的行驶路径作为最小行驶代价路线。
[0025]进一步的，所述获取所述最小行驶代价路线在电子地图中的路径信息包括：
[0026]获取所述最小行驶代价路线处于电子地图中位置的路径信息，所述路径信息包括：最小行驶代价路线关于弯道的限速值v
cur
，以及关于直道的限速值v
road
；
[0027]将所述路径信息作为非线性模型预测控制算法的约束条件。
[0028]进一步的，所述根据所述路径信息结合非线性模型预测控制算法，规划在所述最小行驶代价路线上行驶的最优驱动力和最优制动力关于时间变化的曲线包括：
[0029]使用所述非线性模型预测控制算法计算性能指标函数值为最小值时的控制变量u；
[0030]所述非线性模型预测控制算法的公式为：
[0031][0032]其中，t为时间、u(t)为控制变量、U为任意时刻下的控制变量容许集、t0为初始时刻、t
f
为终端时刻、L为目标函数、P(t)为系统的时变参数、x(t)为状态变量、f为系统动力学方程、φ为终端惩罚项，所述控制变量u(t)包括：驱动力F
t
关于时间的函数F
t
(t)、制动力F
b
关于时间的函数F
b
(t)，所述状态变量x(t)包括：路程S关于时间的函数S(t)、速度V关于时间的函数V(t)；
[0033]目标函数L为预测时域[t0,t
f
]等分成N份小时间段T的能耗指标函数，公式为：
[0034][0035]其中，状态变量x＝[s,v]T
满足约束条件：
[0036][0037]式中，S和V分别为行驶的距离和速度，机器人初始条件为S0和V0，τ为T的周期时间Q
e
为瞬时能量消耗，F
t
为车轮处的驱动力，F
b
为制动力，M为轮式机器人的整体质量，空气阻
力系数C
d
、空气密度ρ和机器人有效迎风面积A
f
和重力加速度带来的行驶阻力k，其中k＝gfcos(θ(s))+gsin(θ(s))，g、f和θ分别为重力加速度、滚动阻力系数和道路坡度；
[0038]其中，终端惩罚项Φ为：
[0039]φ＝α1(v(t+T)
‑
v
f
)2+α2(s(t+T)
‑
s
f
)2[0040]式中，α1和α2为权重系数，V
f
和S
f
为机器人终端状态；
[0041]以所述路径信息和机器人预设最大限速值为非线性模型预测控制算法的约束条件，计算所述性能指标函数最小值，性能指标函数最小值为目标函数L关于时间t的积分值与终端惩罚项Φ值的和的最小值；
[0042]得到所述和的最小值所使用的控制变量u，所述控制变量u的F
t
(t)和F
b
(t)即为最优驱动力和最优制动力关于时间变化的曲线。
[0043]进一步的，所述以所述路径信息和机器人预设最大限速值为非线性模型预测控制算法的约束条件包括：
[0044]取最小行驶代价路线道路弯道限速值v
cur
、最小行驶代价路线行驶直道限速值v
road
和机器人的设置最大限速值v
ref
中最小值并赋值给V
r
，所述V
r
为状态变量x(t)中的函数V(t)函数值的约束条件，即所述V(t)的值域为[0，V
r...

【技术保护点】

【技术特征摘要】
1.一种轮式机器人节能轨迹规划方法，其特征在于，所述轮式机器人节能轨迹规划方法包括以下内容：获取地图信息；将所述地图信息对应电子地图划分出数个参考节点；根据所述地图信息计算任意相邻两参考节点的行驶代价；根据任意所述相邻两参考节点的行驶代价和A*算法，规划起始点到目标点的最小行驶代价路线；获取所述最小行驶代价路线在电子地图中的路径信息；根据所述路径信息结合非线性模型预测控制算法，规划在所述最小行驶代价路线上行驶的最优驱动力和最优制动力关于时间变化的曲线。2.如权利要求1所述的轮式机器人节能轨迹规划方法，其特征在于，所述将所述地图信息对应电子地图划分出数个参考节点包括：将所述电子地图划分成多个网格，所述网格的几何中心为参考节点。3.如权利要求2所述的轮式机器人节能轨迹规划方法，其特征在于，所述根据所述地图信息计算任意相邻两参考节点的行驶代价包括：根据所述地图信息获取任意相邻两参考节点间的地形及每种地形的路程距离；根据所述任意相邻两参考节点间的地形、每种地形的路程距离和机器人自身属性，并结合能量消耗公式，计算任意相邻两参考节点间的能量消耗；所述能量消耗公式为：其中，在各种地形下所述机器人自身属性包括：滚动阻力、空气阻力、坡度阻力和惯性力，在能量消耗公式中，F
f
为滚动阻力、F
w
为空气阻力、F
i
为坡度阻力、F
j
为惯性力、S为各种地形的路程距离、Q为能量消耗，任意两参考节点间的Q能量消耗即为任意两参考节点的行驶代价。4.如权利要求3所述的轮式机器人节能轨迹规划方法，其特征在于，所述根据任意所述相邻两参考节点的行驶代价和A*算法，规划起始点到目标点的最小行驶代价路线包括：根据任意两参考节点的行驶代价使用A*算法公式，进行起始点到目标点的全局路径规划；所述A*算法公式为：f(n)＝g(n)+h(n)其中，f(n)为从初始节点经由节点n到目标节点的总估计代价，g(n)为在节点空间中从初始节点到n节点的当前代价，h(n)是n到目标节点最佳路径的预估代价，所述预估代价的计算函数为曼哈顿距离；利用A*算法计算f(n)的最小值，将f(n)的最小值的行驶路径作为最小行驶代价路线。5.如权利要求4所述的轮式机器人节能轨迹规划方法，其特征在于，所述获取所述最小行驶代价路线在电子地图中的路径信息包括：获取所述最小行驶代价路线处于电子地图中位置的路径信息，所述路径信息包括：最小行驶代价路线关于弯道的限速值v
cur
，以及关于直道的限速值v
road
；
将所述路径信息作为非线性模型预测控制算法的约束条件。6.如权利要求5所述的轮式机器人节能轨迹规划方法，其特征在于，所述根据所述路径信息结合非线性模型预测控制算法，规划在所述最小行驶代价路线上行驶的最优驱动力和最优制动力关于时间变化的曲线包括：使用所述非线性模型预测控制算法计算性能指标函数值为最小值时的控制变量u；所述非线性模型预测控制算法的公式为：其中，t为时间、u(t)为控制变量、U为任意时刻下的控制变量容许集、t0为初始时刻、t
f
为终端时刻、L为目标函数、P(t)为系统的时变参数、x(t)为状态变量、f为系统动力学方程、φ为终端惩罚项，所述控制变量u(t)包括：驱动力F
t
关于时间的函数F
t
(t)、制动力F
b
关于时间的函数F
b
(t)，所述状态变量x(t)包括：路程S关于时间的函数S(t)、速度V关于时间的函数V(t)；目标函数L为预测时域[t0，t
f
]等分成N份小时间段T的能耗指标函数，公式为：其中，状态变量x＝[s，v]
T
满足约束条件：式中，S和V分别为行驶的距离和速度，机器人初始条件为S0和V0，τ为T的周期时间，Q
e
为瞬时能量消耗，F
t
为车轮处的驱动力，F
b
为制动力，M为轮式机器人的整体质量，空气阻力系数C
d
、空气密度ρ和机器人有效迎风面积A
f
和重力加速度带来的行驶阻力k，其中k＝gfcos(θ(s))+gsin(θ(s...

【专利技术属性】
技术研发人员：邓琬云，赵小羽，林智桂，罗覃月，姚毅超，
申请(专利权)人：上汽通用五菱汽车股份有限公司，
类型：发明
国别省市：