【技术实现步骤摘要】
一种基于新型蚁群优化算法的自主路径规划及避障系统
[0001]本专利技术涉及机器人路径规划与避障
,尤其涉及一种基于新型蚁群优化算法的自主路径规划及避障系统。
技术介绍
[0002]目前的机器人路径规划算法大多都涉及在室内应用的基于图形的算法。这些算法使用图形来表示环境,包括Dijkstra算法、A*算法、概率路线图(PRM)、快速探索随机树算法(RRT)和正交跳跃点搜索算法(OJPS)。上述绝大多数方法仅限于室内已知环境,使用基于图形的算法,这可能会降低计算性能,尤其是在大图形的复杂环境中。同时,在未知的室内环境中,大多数方法都采用同步定位和导航(SLAM),这会产生过多的计算量,特别是在处理需要各种传感器来准确映射该区域的大型地图时。使用SLAM算法,可能会在地面扫描机制、传感器分辨率、范围限制和产生的点云密度方面存在限制。所以SLAM算法在处理未知、部分已知或动态环境的基本形式方面能力较差。
[0003]蚁群优化(ACO)算法模仿蚂蚁追踪食物来源并绘制从巢穴到食物来源的路径的过程。为了实现这一目标,他们散发出一种叫做信息素的化学物质,作为痕迹。这条小径引导其他蚂蚁寻找食物。随着时间的流逝,踪迹被蒸发,然而,较短的路径对应于较短的信息素挥发时间,而较长的路径对应于较长的时间。因此,由于信息素蒸发较慢和信息素数量较多,较短的路径变得更多。因此,蚂蚁会选择较短的路径。ACO算法通过采用这种方式,找到最短路径。ACO的缺点如下:首先,ACO是一种启发式的仿生优化方法。随机初始化,导致在巨大搜索空间中蚂蚁不 ...
【技术保护点】
【技术特征摘要】
1.一种基于新型蚁群优化算法的自主路径规划及避障系统,其特征在于:包括有全局路径规划器和局部路径规划器;所述的全局路径规划器采用基于模糊逻辑的改进型蚁群优化算法实现多目标路径规划,找到质量最高的路径,并采用基于模糊逻辑的概率方法去更新所述改进型蚁群优化算法的信息素;所述的局部路径规划器结合BUG避障算法与YOLOv5神经网络,通过对比分析确定执行障碍物检测和识别的最有效的神经网络,并进行障碍物的检测,根据障碍物的距离和角度提出最佳避让路径。2.根据权利要求1所述的一种基于新型蚁群优化算法的自主路径规划及避障系统,其特征在于:所述的改进型蚁群优化算法具体内容如下:在时刻t,蚂蚁k遍历(i,j)时的概率的计算公式为:其中τ
ij
(t)是在t时刻轨迹(i,j)边缘点上的信息素,j∈allowed
k
表示在节点j的蚂蚁k允许从节点移动到i,参数α≥0和β≥1分别控制影响τ
ij
(t)和θ
ij
,α表示蚂蚁在选择路径时对连接节点之间的信息素浓度的偏好,β代表蚂蚁对当前节点之间距离的偏好,较高的α代表蚂蚁在选择路径时对连接节点之间的信息素浓度的偏好更强,较高的β表示蚂蚁对当前节点之间距离的偏好更强;当α>>β时,则可能会发生搜索停滞,使得结果达到局部最优解;θ
ij
=1/d
ij
,d
ij
是两点之间的欧氏距离(i,j)。3.根据权利要求2所述的一种基于新型蚁群优化算法的自主路径规划及避障系统,其特征在于:所述的采用基于模糊逻辑的概率方法去更新所述改进型蚁群优化算法的信息素,具体内容如下:模糊逻辑控制基于模糊逻辑控制系统,通过使用模糊化、规则评估和去模糊化过程来实现;采用基于模糊逻辑的概率方法去更新新型蚁群优化算法的信息素,同时为了评估蚂蚁在每次迭代中选择的路径,使用模糊逻辑并施加模糊规则;在信息素更新之前,将来自全局路径规划的输入通过模糊化过程创建一组模糊术语和模糊语言概念,然后进行模糊规则评估,因为将输入模糊化了之后,需要通过规则和模糊逻辑的运算来重新组合,之后,使用成员函数创建模糊规则的集合,并建立最终推理,通过模糊规则评估后的输出在模糊逻辑中定义为Fire Strength;采用去模糊化得到输出值,使用加权平均判决法来去模糊化:其中OW是权重,权重取每个集合的中间值;经过模糊求值后,将进行信息素更新;每次迭代时,蚁群都会走一条路径,每次完成迭代后,都会比较蚂蚁选择的路径并选择最短的路径,然后,将其与之前的最短路径进行比较,以确定当前的最短路径,根据当前路径,信息素更新如下:
0≤ρ≤1表示信息素的蒸发系数,K是蚂蚁种群的集合,是蚂蚁k在这次搜索中沉积的剩余信息素的量,L
k
是蚂蚁k路径的成本,Q是与剩余信息素量相关的常数。4.根据权利要求3所述的一种基于新型蚁群优化算...
【专利技术属性】
技术研发人员:金兢,张俊涛,朱培瑞,张文轩,张静雅,宋家齐,
申请(专利权)人:合肥工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。