一种改进粒子群算法的动态路径规划方法技术

本发明专利技术公开了一种改进粒子群算法的动态路径规划方法，其特征在于：包括以下步骤：步骤一、采用改进粒子群算法生成全局路径，将全局路径划分为由{S1G1,S2G2,

【技术实现步骤摘要】
一种改进粒子群算法的动态路径规划方法


[0001]本专利技术涉及机器人运动规划领域，具体涉及一种改进粒子群算法的动态路径规划方法。

技术介绍

[0002]移动机器人的动态路径规划是指在动态环境中规划出一条满足某种条件(通常是指最优的)的抵达目标点的无碰撞路径。可以应用于智能仓储领域，减少人力物力，提高整体运输效率。现有技术，包括环境已知的全局路径规划和环境未知的局部路径规划。全局规划算法主要针对静态已知环境，提前进行地图构建，可以保证机器人以较短路径达到目标位置。常用的全局路径规划算法有智能仿生算法(遗传算法、蚁群算法、粒子群算法、蜂群算法(ABC)等)、图搜索类算法(A*算法等)。局部路径规划是指机器人利用携带传感器采集的局部环境信息进行路径规划，具有实时性和灵活性，可用于未知环境，缺点是缺少全局性，宜陷入局部最优，主要包括动态窗口算法(DWA)、人工势场法等。全局路径规划和局部路径规划侧重点不同，前者进行实时避障，后者则统筹全局，旨在获得全局最优路径。想要获得效果显著的移动机器人的动态路径规划，需要将二者结合起来。粒子群算法(PSO)因其结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进粒子群算法的动态路径规划方法，其特征在于：该方法包括以下步骤：步骤一、采用改进粒子群算法生成全局路径，提取全局路径生成的关键节点{P0,P1,
…
P
n+1
}作为局部目标点，即每一次局部路径规划的起点为S{S1,S2,
…
S
n
}＝{P0,P1,
…
P
n
}；每一次局部路径规划的局部目标点为G{G1,G2,
…
G
n
}＝{P1,P2,
…
P
n+1
}，将路径划分成由{S1G1,S2G2,
…
S
n
G
n
}组成的n段局部路径；所述改进粒子群算法提取全局路径的具体步骤包括：(1)输入起点、终点、全局环境信息；建立初始种群，维度为D，粒子数为N，初始化位置X，速度V；(2)利用适应度函数Fitness计算个体最优位置P
it
和全局最优位置G
t
；所述适应度函数Fitness，包括路径长度函数、安全程度函数；所述路径长度函数f1：用来计算移动机器人从起始点S和目标点G之间的路径长度，公式为：其中，(x
i
,y
i
)和(x
i+1
,y
i+1
)分别代表起始点和目标点之间的路径节点P
i
和P
i+1
的位置坐标；所述安全程度函数f2：移动机器人的路径规划在考虑从起始点S到目标点G的路径长度的同时，要保证生成路径不会与障碍物发生碰撞，将环境模型中的障碍物用圆形表示，m为障碍物数量，对于不规则障碍物，采用圆形近似处理；将障碍物半径设定为安全阈值R＝{rad0,rad1,
…
,rad
m
}，为获得无碰撞路径，需保证路径节点以及路径节点连线与障碍物的距离dis都大于安全阈值；路径节点为k个，
ψ
为危险性因子，对于穿过障碍物的节点判定为危险，给予惩罚，δ为权重系数，则安全程度函数即惩罚函数为：if dis
k
≤rad
k
:rad＝0；else:ψ＝1,则适应度函数Fitness为：Fitness＝f1+f2；(3)对粒子位置X、粒子速度V进行更新，生成优化的种群；(4)基于粒子群算法PSO生成的种群作为差分进化算法DE的初始种群，进行变异、交叉、选择的操作；(5)根据步骤(4)得到差分进化算法DE下的最优位置与粒子群算法PSO生成的全局最优位置G
t
进行比较，选择最小的进行更新；(6)输出最优全局路径Path＝{P0,P1,...,P
n
,P
n+1
}；步骤二、对局部路径S1G1利用动态窗口法DWA进行路径规划：(1)初始化速度空间，航向角建立由线速度和角速度构成的二维速度空间(v,ω)；(2)搭建机器人运动学模型：移动机器人的运动状态由速度空间(v,ω)进行描述；(3)搭建机器人速度模型：二维速度空间中存在无穷组，需根据机器人实际情况进行约束，获得可行的速度范围，包括速度约束、动力学约束、制动距离约束；(4)构建动态窗口法DWA的目标函数：目标函数用来对在约束下生成的速度空间对应的轨迹进行评估，主要由与目标位置代价函数Head(v,ω)、与障碍物距离代价函数Obs(v,ω)、速度代价函数Vel(v,ω)组成，故目
标函数即总代价函数Cost(v,ω)表达式如下：Cost(v,ω)＝αHead(v,ω)+βObs(v,ω)+γVel(v,ω)式中，Head(v,ω)表示移动机器人与目标位置连线与当前位置航向之间夹角；Obs(v,ω)表示与障碍物最近距离；Vel(v,ω)表示当前模拟的速度代价；其中α，β，γ为加权系数；(5)根据目标函数选择最优的轨迹，通过对应的二维速度空间(v,ω)驱动移动机器人进行路径规划；记录机器人到达位置G1的航向角步骤三、对局部路径S2G2利用动态窗口法DWA进行局部路径规划，令即对第二段路径进行局部路径规划时初始航向角继承上一阶段的航向角，以保证生成路径的平滑性；步骤四、重复利用动态窗口法DWA对路径S3G3,
…
S
n
G
n
依次进行局部路径规划；步骤五、记录每一段局部路径规划路线{S1G1,S2G2,
…
S
n
G
n
}，最后输出完整的最终路径。2.如权利要求1所述的改进粒子群算法的动态路径规划方法，其特征在于：所述步骤一中的改进粒子群算法提取全局路径的具体步骤(3)中的对粒子位置X、粒子速度V进行更新公式为：公式为：式中，V
it+1
为第t+1次迭代时第i个粒子的速度；为第t+1次迭代时第i个粒子的速度位置；P
it
为第t次迭代时第i个粒子的个体最优位置；G
t
为第t次迭代时的全局最优位置；N为种群的粒子数；w称为惯性权重；r1和r2为[0,1]范围内随机数；c1和c2为大于或等于零的数值，其中，c1为认知因子，控制个体粒子局部范围内的变化，c2为社会因子，控制粒子群中的最优粒子...

【专利技术属性】
技术研发人员：袁庆霓，孙睿彤，衣君辉，白欢，杜飞龙，蓝伟文，
申请(专利权)人：贵州大学，
类型：发明
国别省市：