基于改进A-Star算法的移动机器人路径规划方法技术

本发明专利技术公开了基于改进A

【技术实现步骤摘要】
基于改进A
‑
Star算法的移动机器人路径规划方法


[0001]本专利技术涉及基于改进A
‑
Star算法的移动机器人路径规划方法，属于机器人自主导航


技术介绍

[0002]近年来随着机器人技术的发展和广泛应用，机器人在工业、农业、军事以及民用等领域有着越来越广泛的应用。自主智能移动机器人是现今国际上机器人研究领域的热点，而路径规划则是智能移动机器人的一个重要的组成部分，其研究目的是使机器人能在不同的环境中自主路径规划。环境感知是移动机器人进行自主路径规划的关键技术，获取这些信息的传感器需要足够大的视场来覆盖整个工作区，有需要较高的采集速率以保证在运动的环境中能够提供实时的信息。增加视觉系统是移动机器人的发展方向，其自主和自适应能力可以大大提高。
[0003]现有技术中也对移动机器人的路径规划方法提出了遗传算法和蚁群算法；前者不适用不规则障碍物的路径规划，该算法没有能够及时利用网络的反馈信息,故这种算法的搜索速度比较慢，要得到较精确的解则需要较多的训练时间；后者是通过蚂蚁释放信息素来寻求路径，但是这种算法在蚂蚁完成一次循环后，还需要对其信息素进行实时更新，而且需要迭代多次效率比较低。

技术实现思路

[0004]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供基于改进A
‑
Star算法的移动机器人路径规划方法，使机器人在复杂环境下也能有效跟踪理想的路径，同时能很好保证机器人动力学的稳定性。
[0005]为达到上述目的，本专利技术提供基于改进A
‑
Star算法的移动机器人路径规划方法，包括：
[0006]步骤1，基于移动机器人的真实工作环境，进行环境建模获得二维坐标系；
[0007]步骤2，利用A
‑
Star算法规划获得移动机器人的全局初始路径；
[0008]步骤3，采用模糊逻辑算法跟踪获得全局优化路径；
[0009]步骤4，利用2
‑
opt算法选择最优路径。
[0010]优先地，步骤1中，基于构建的二维坐标系，获取障碍物坐标、移动机器人的起始位置X
start
和移动机器人的目标位置X
goal
；
[0011]设定移动机器人的安全范围。
[0012]优先地，步骤2，包括：
[0013]1)，设定步长s和目标点阙值ε；
[0014]2)，计算起始位置和目标位置的欧氏距离，将欧氏距离与步长s作比较；
[0015]若欧氏距离≤步长s，则将起始位置和目标位置直线连接，并作为移动机器人的初始路径，否则执行3)；
[0016]3)，基于A
‑
Star算法的启发式函数，获得移动机器人的全局初始路径。
[0017]优先地，启发式函数为：
[0018][0019]式中，x为移动机器人当前所在位置的横坐标，y为移动机器人当前所在位置的纵坐标，x
goal
为目标位置的横坐标，y
goal
为目标位置的纵坐标。
[0020]优先地，步骤3，包括：
[0021]基于全局初始路径，采用模糊逻辑算法控制路径跟踪，获得局部避障路径；
[0022]对全局初始路径和局部避障路径进行模糊处理，获得全局优化路径；
[0023]模糊控制器设置移动机器人的自主运动时间速度常数τ
v
、角速度时间常数τ
θ
、移动机器人运动速度v
c
和移动机器人前进的角度θ
c
。
[0024]优先地，步骤4，包括：
[0025]从全局优化路径中随机选择两个坐标位置；
[0026]颠倒两个坐标位置之间的目标顺序，求出新的路径；
[0027]若新的路径长度小于全局优化路径的长度，则将新的路径作为移动机器人移动的最优路径，否则将全局优化路径作为移动机器人移动的最优路径。
[0028]优先地，模糊逻辑算法为：
[0029][0030][0031]式中，v
c
为移动机器人运动速度，θ
c
为移动机器人运动角度，τ
v
为机器人自主运动时间速度常数，v为移动机器人的初始速度，τ
θ
为角速度时间常数，为移动机器人的初始角速度；
[0032]设移动机器人到起始位置的距离ρ，此时移动机器人到起始位置的相对距离为：
[0033]x0＝ρcosθ，
[0034]y0＝ρsinθ，
[0035]式中，x0为移动机器人到起始位置的水平距离，y0为移动机器人到起始位置的垂直距离；位移的导数因此获得：
[0036][0037][0038]式中，为移动机器人到起始位置的水平方向的速度，为移动机器人到起始位置的垂直方向的速度；
[0039]设得到：
[0040][0041][0042][0043]设
[0044]则
[0045]式中，x
n
为移动机器人在模糊逻辑算法中得到的横坐标的点集，y
n
为移动机器人在模糊逻辑算法中得到的纵坐标的点集；
[0046]模糊逻辑控制目标是设计控制输入U，移动机器人的实际移动轨迹的横坐标的点集和对应的移动机器人的实际移动轨迹的纵坐标的点集一一组合获得多个连续坐标位置的，记为局部避障路径X；
[0047]对全局初始路径和局部避障路径进行模糊处理，获得全局优化路径X
compare
‑
ideal
。
[0048]优先地，设定移动机器人的安全范围d
safe
：
[0049]d
safe
＝r+l
[0050]式中，r为移动机器人的工作半径，l为设定的常数。
[0051]本专利技术所达到的有益效果：
[0052]1.与现有技术相比，本专利技术引入了安全距离，保证了机器人按照规划好的路径移动时，不会与障碍物发生碰撞，保证了机器人的安全性。
[0053]2.与现有技术相比，本专利技术引入了A
‑
Star算法，规划出既符合避障条件、又适合机器人自身动力学约束的全局路径，提高了路径规划时的效率，保证了路径的可跟踪性的特点。
[0054]3.与现有技术相比，本专利技术巧妙地将机器人动力学模型与模糊逻辑算法融合在一起，不仅使机器人在复杂的环境下也能跟踪到较为理想避障的路径，同时保持机器人动力学的稳定性。
[0055]4.与现有技术相比，本专利技术引入了2
‑
opt算法，选择出的路径不仅符合机器人的动力学要求，而且更加适合机器人在复杂环境下的移动的理想路径。
附图说明
[0056]图1是本专利技术的流程图；
[0057]图2是本专利技术在不同安全距离下最优路径的仿真结果图；
[0058]图3是本专利技术在不同安本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进A
‑
Star算法的移动机器人路径规划方法，其特征在于，包括：步骤1，基于移动机器人的真实工作环境，进行环境建模并建立二维坐标系；步骤2，利用A
‑
Star算法规划获得移动机器人的全局初始路径；步骤3，采用模糊逻辑算法跟踪获得全局优化路径；步骤4，利用2
‑
opt算法选择最优路径。2.根据权利要求1所述的基于改进A
‑
Star算法的移动机器人路径规划方法，其特征在于，步骤1中，基于构建的二维坐标系，获取障碍物坐标、移动机器人的起始位置X
start
和移动机器人的目标位置X
goal
；设定移动机器人的安全范围。3.根据权利要求2所述的基于改进A
‑
Star算法的移动机器人路径规划方法，其特征在于，步骤2，包括：1)，设定步长s和目标点阙值ε；2)，计算起始位置和目标位置的欧氏距离，将欧氏距离与步长s作比较；若欧氏距离≤步长s，则将起始位置和目标位置直线连接，并作为移动机器人的初始路径，否则执行3)；3)，基于A
‑
Star算法的启发式函数，获得移动机器人的全局初始路径。4.根据权利要求3所述的基于改进A
‑
Star算法的移动机器人路径规划方法，其特征在于，启发式函数为：式中，x为移动机器人当前所在位置的横坐标，y为移动机器人当前所在位置的纵坐标，x
goal
为目标位置的横坐标，y
goal
为目标位置的纵坐标。5.根据权利要求3所述的基于改进A
‑
Star算法的移动机器人路径规划方法，其特征在于，步骤3，包括：基于全局初始路径，采用模糊逻辑算法控制路径跟踪，获得局部避障路径；对全局初始路径和局部避障路径进行模糊处理，获得全局优化路径；模糊控制器设置移动机器人的自主运动时间速度常数τ
v
、角速度时间常数τ
θ
、移动机器人运动速度v
c
和移动机器人前进的角度θ
...

【专利技术属性】
技术研发人员：彭君，庞宗强，陆昂，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：