一种机器人路径规划的方法、系统及设备技术方案

本发明专利技术涉及技术领域，公开了一种机器人路径规划的方法、系统及设备，包括以下步骤：S1.构建环境模型；S2.构建路径规划的目标函数；S3.初始化粒子的参数；S4.初始化粒子种群；S5.根据粒子的参数及粒子种群，构建路径；S6.计算构建的路径适应度；通过更新路径个体最优值、群体最优值，记录个体最优路径节点坐标与群体最优路径节点坐标进行迭代；还引入扰动因子的策略，进一步更新群体最优值，进行迭代优化；S7.判断此时迭代的次数是否小于设定的最大迭代次数，若是，则采用改进的自适应策略粒子的参数、粒子种群，回到步骤S5；否则输出最优解，完成机器人路径规划。本发明专利技术解决了现有技术存在易陷入局部最优的问题，且具有搜索能力强、收敛速度高的特点。收敛速度高的特点。收敛速度高的特点。

【技术实现步骤摘要】
一种机器人路径规划的方法、系统及设备


[0001]本专利技术涉及路径规划
，更具体的，涉及一种机器人路径规划的方法、系统及设备。

技术介绍

[0002]机器人应用十分广泛，常见于车间物料配送、快递物流配送、养老院物流配送、家庭垃圾清扫、城市垃圾清扫等领域。路径规划是机器人领域的一项关键技术，最优的路径规划方案能有效提高机器人的工作效率、节约能耗，经济效益效益显著。
[0003]机器人路径规划是规划一个在起始位置和目标位置之间时间短、路径短、无冲突的综合优化方案，常用的路径规划算法有群智能算法(蚁群算法、粒子群算法、萤火虫算法等)、图搜索类算法(A*算法等)。
[0004]现有技术有一种基于改进粒子群优化的移动机器人路径规划方法，在RDSAPSO中实施了扰动的全局最佳更新策略，向种群中的全局最佳位置添加小的随机扰动，以获得RDSAPSO中的非滞属性。利用自适应策略来微调RDSAPSO中的粒子的三个控制参数，以便在RDSAPSO中更好的平衡全局搜索能力和局部搜索能力，并为RDSAPSO提供了收敛保证参数选择原则，接着使用可行性法则来解决路径规划问题的约束条件，减少了优化难度，增加了解的多样化，最后，利用开发的RDSAPSO，本专利技术完成了基于RDSAPSO的路径规划方法框架，为解决移动机器人路径规划的问题提出了一种有效的方法。
[0005]然而现有机器人路径规划技术存在易陷入局部最优的问题，因此如何专利技术一种避免陷入局部最优的机器人路径规划方法，是本
亟需解决的技术问题。

技术实现思路

[0006]本专利技术为了解决现有技术存在易陷入局部最优的问题，提供了一种机器人路径规划的方法、系统及设备，其具有搜索能力强、收敛速度高的特点。
[0007]为实现上述本专利技术目的，采用的技术方案如下：
[0008]一种机器人路径规划的方法，包括以下步骤：
[0009]S1.初始化障碍物参数，构建环境模型；
[0010]S2.构建路径规划的目标函数；
[0011]S3.引入粒子群算法，初始化粒子的参数；
[0012]S4.初始化粒子种群；
[0013]S5.根据粒子的参数及粒子种群，构建路径；
[0014]S6.计算构建的路径适应度；通过更新路径个体最优值、群体最优值，记录个体最优路径节点坐标与群体最优路径节点坐标进行迭代；还引入扰动因子的策略，进一步更新群体最优值，进行迭代优化；
[0015]S7.判断此时迭代的次数是否小于设定的最大迭代次数，若是，则采用改进的自适应策略粒子的参数、粒子种群，回到步骤S5；否则输出最优解，完成机器人路径规划。
[0016]优选的，初始化障碍物参数，构建环境模型，具体为：
[0017]设存在m个障碍物，障碍物中心点的位置坐标(a
i
,b
i
),i=1,2,
…
,m，以及其对应的安全碰撞距离d
safem
；设起始地与目标地坐标分别为(x
ori
,y
ori
),(x
end
,y
end
)，机器人横纵方向活动限制范围x
min
,x
max
,y
min
,y
max
。
[0018]进一步的，构建路径规划的目标函数，具体为；
[0019][0020][0021]F＝f1+τf2[0022]其中，f1为路径长度函数，N
path
为一条路径中总的路径节点数，(XS
k
,YS
k
)与(XS
k+1
,YS
k+1
)分别表示一条路径里路径节点P
k
和P
k+1
的坐标；f2为碰撞惩罚函数,(a
m
,b
m
)为障碍物中心坐标，m为障碍物数量；τ为权重系数。
[0023]初始化粒子的参数，具体为：
[0024]设置粒子的数目为N,最大迭代次数为T,惯性权重参数的上下限为w
max
、w
min
，学习因子的上下限为c
max
、c
min
，粒子的初始速度为v1。
[0025]更进一步的，初始化种群，具体步骤为:
[0026]S201.设置初始路径节点数n；随机生成初始路径节点坐标，记为(x
i
,y
i
)；
[0027]S202.采用Logistic混沌映射初始路径节点坐标：
[0028][0029]其中，z
i
表示初始路径节点的位置坐标(x
i
,y
i
),i=1,
…
,n；
[0030]S203.重复N次步骤S201
‑
S202，得到N组初始路径节点。
[0031]更进一步的，构建路径，具体步骤为：
[0032]对于x轴子区间[x
i
,x
i
+1]设其三次多项式方程为：
[0033]S
i
(x)＝a
i0
+a
il
x+a
i2
x2+a
i3
x3i＝（0，1，...，n
‑
1)
[0034]利用待定系数法，代入初始路径节点坐标(x1,y2),(x2,y2),
…
,(x
n
,y
n
)、起始点坐标(x
ori
,y
ori
)、终点坐标(x
end
,y
end
)，求解分段三次多项式方程的各项系数，继而得到路径函数S；
[0035]根据路径函数S，设总路径结点数为N
path
，均等分起点到终点的横坐标区间，取各个路径结点的横坐标间隔为计算所有路径节点坐标：
[0036][0037]其中，a表示为当前路径第a个路径结点；
[0038]将N组初始路径结点坐标与所有路径节点坐标相连，生成N条平滑路径。
[0039]更进一步的，所述的步骤S6中，；通过更新路径个体最优值、群体最优值，记录个体最优路径节点坐标与群体最优路径节点坐标进行迭代，具体步骤为：
[0040]将N条平滑路径视为N组粒子，开始第t次迭代，t=1,2,
…
,T，根据目标函数F计算N条路径的适应度值pbest，各路径最小的pbest取为它们的个体最优值，最小的个体最优值pbest取群体最优值gbest；同时记录个体最优路径结点位置坐标(gx
j
,gy
j
)，群体最优路径结点位置坐标(GX
j
,GY
j
)，j=1,2,
...

【技术保护点】

【技术特征摘要】
1.一种机器人路径规划的方法，其特征在于，包括以下步骤：S1.初始化障碍物参数，构建环境模型；S2.构建路径规划的目标函数；S3.引入粒子群算法，初始化粒子的参数；S4.初始化粒子种群；S5.根据粒子的参数及粒子种群，构建路径；S6.计算构建的路径适应度；通过更新路径个体最优值、群体最优值，记录个体最优路径节点坐标与群体最优路径节点坐标进行迭代；还引入扰动因子的策略，进一步更新群体最优值，进行迭代优化；S7.判断此时迭代的次数是否小于设定的最大迭代次数，若是，则采用改进的自适应策略粒子的参数、粒子种群，回到步骤S5；否则输出最优解，完成机器人路径规划。2.根据权利要求1所述的机器人路径规划方法，其特征在于：初始化障碍物参数，构建环境模型，具体为：设存在m个障碍物，障碍物中心点的位置坐标(a
i
，b
i
)，i＝1，2，...，m，以及其对应的安全碰撞距离d
safem
；设起始地与目标地坐标分别为(x
ori
，y
ori
)，(x
end
，y
end
)，机器人横纵方向活动限制范围x
min
，x
max
，y
min
，y
max
。3.根据权利要求2所述的机器人路径规划方法，其特征在于：构建路径规划的目标函数，具体为；数，具体为；F＝f1+τf2其中，f1为路径长度函数，N
path
为一条路径中总的路径节点数，(XS
k
，YS
k
)与(XS
k+1
，YS
k+1
)分别表示一条路径里路径节点P
k
和P
k+1
的坐标；f2为碰撞惩罚函数,(a
m
，b
m
)为障碍物中心坐标，m为障碍物数量；τ为权重系数。初始化粒子的参数，具体为：设置粒子的数目为N,最大迭代次数为T,惯性权重参数的上下限为w
max
、w
min
，学习因子的上下限为c
max
、c
min
，粒子的初始速度为v1。4.根据权利要求3所述的机器人路径规划方法，其特征在于：初始化种群，具体步骤为:S201.设置初始路径节点数n；随机生成初始路径节点坐标，记为(x
i
,y
i
);；S202.采用Logistic混沌映射初始路径节点坐标：其中，z
i
表示初始路径节点的位置坐标(x
i
,y
i
),i=1,...,n；S203.重复N次步骤S201
‑
S202，得到N组初始路径节点。5.根据权利要求4所述的机器人路径规划方法，其特征在于：构建路径，具体步骤为：对于x轴子区间[x
i
,x
i+1
]设其三次多项式方程为：
S
i
(x)=a
i0
+a
i1
x+a
i2
x2+a
i3
x3i=(0,1,...,n
‑
1)利用待定系数法，代入初始路径节点坐标(x1，y2)，(x2，y2)，...，(x
n
，y
n
)、起始点坐标(x
ori
，y
ori
)、终点坐标(x
end
，y
end
)，求解分段三次多项式方程的各项系数，继而得到路径函数S；根据路径函数S，设总路径结点数为...

【专利技术属性】
技术研发人员：蔡延光，刘锦旺，蔡颢，黄嘉铖，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：