一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法技术

本发明专利技术公开了一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，包括：S1、对工作环境进行处理；S2、对哈里斯鹰算法进行初始化，获取哈里斯鹰种群初始化位置；S3、计算所述哈里斯鹰种群中哈里斯鹰个体位置的适应度值，基于所述适应度值，获取猎物位置；S4、通过非线性能量因子，获取猎物逃逸能量，并更新所述猎物位置；S5、判断当前迭代次数，若当前所述迭代次数达到最大迭代次数则输出全局路径，否则，迭代次数加1后返回S3；S6、获取动态窗口法的评价函数并对机器人进行局部路径规划；S7、判断所述机器人是否到达目标点，若到达则结束导航，否则，返回S6。本发明专利技术具有实时避障和路径最优的特点。的特点。的特点。

【技术实现步骤摘要】
一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法


[0001]本专利技术属于路径规划
，尤其涉及一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法。

技术介绍

[0002]针对传统路径规划算法对于数学要求较高，不能够处理目标函数不可微及多峰值的优化问题，因此，基于群智能优化的路径规划算法为传统路径规划算法在求解复杂路径问题上提供了有效的补充。
[0003]哈里斯鹰(HHO)算法，具有较好的寻优性能、参数较少等特点。算法应用于路径规划中，在迭代之前，需对鹰群位置进行初始化，由于原始模型采用的是随机初始化方法，无法确保种群的多样性，从而导致“早熟现象”和搜索失败。在原始算法中，猎物逃逸能量控制鹰群在全局搜索和局部开发之间切换，能量因子呈线性递减趋势，当迭代次数增加到一定程度时，鹰群只进行局部搜索，容易陷入局部最优。
[0004]利用群智能优化算法规划出的全局路径，仍不能解决机器人实时避障的问题，因此，需要引入局部路径规划算法。利用动态窗口法(DWA)满足移动机器人实际运动参数需求的特点，具有良好的局部避障能力。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出了一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，具有兼顾实时避障和路径最优的特点。
[0006]为实现上述目的，本专利技术提供了一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，包括以下步骤：
[0007]S1、对工作环境进行处理；
[0008]S2、对哈里斯鹰算法进行初始化，结合处理后的所述工作环境获取哈里斯鹰种群初始化位置；
[0009]S3、计算所述哈里斯鹰种群中哈里斯鹰个体位置的适应度值，基于所述适应度值，获取猎物位置；
[0010]S4、通过非线性能量因子，获取猎物逃逸能量，根据所述猎物逃逸能量执行搜索阶段和开发阶段，并更新所述猎物位置；
[0011]S5、判断当前迭代次数，若当前所述迭代次数达到最大迭代次数则输出全局路径，否则，迭代次数加1后返回S3；
[0012]S6、获取所述全局路径中的关键节点和路径信息，基于所述关键节点、所述路径信息和curvefit(v,ω)子函数的轨迹评价函数，获取动态窗口法的评价函数，选取所述评价函数中最优轨迹的运动信息进行局部路径规划；
[0013]S7、判断机器人是否到达目标点，若到达则结束导航，否则，返回S6重新对所述机器人进行局部路径规划。
[0014]可选的，所述S1对工作环境进行处理包括：
[0015]将所述工作环境分割成大小相同的方块，对搜索范围、起点、终点和障碍物信息进行限定。
[0016]可选的，所述S2对哈里斯鹰算法进行初始化包括：
[0017]初始化所述哈里斯鹰算法种群数量、迭代次数、搜索维度；
[0018]利用方形邻格邻近扩散的方法，获取所述哈里斯鹰种群初始化位置。
[0019]可选的，利用方形邻格邻近扩散的方法，获取所述哈里斯鹰种群初始化位置的方法包括：
[0020]获取路径起点，基于所述路径起点，利用所述方形邻近扩散的方法搜索至地图边界或终点，获取所述哈里斯鹰种群位置初始化的搜索维度；
[0021]基于所述搜索维度，获取所述哈里斯鹰种群初始化位置。
[0022]可选的，所述S3中获取猎物位置包括：
[0023]选择欧式距离为适应度函数，通过所述适应度函数计算所述哈里斯鹰种群中哈里斯鹰个体位置的适应度值；
[0024]选取所述哈里斯鹰个体位置的适应度最小值，所述适应度最小值为猎物位置。
[0025]可选的，所述S4中通过非线性能量因子，获取猎物逃逸能量E的方法为：
[0026][0027]其中，E0表示猎物的初始能量，t表示算法当前迭代次数，T表示算法最大迭代次数。
[0028]可选的，所述S4中根据所述猎物逃逸能量执行搜索阶段和开发阶段，并更新所述猎物位置的方法包括：
[0029]当所述猎物逃逸能量|E|≥1时，执行所述搜索阶段，在所述搜索阶段根据发现和未发现猎物两者状态更新所述猎物位置；
[0030]当所述猎物逃逸能量|E|<1时，执行所述开发阶段，在所述开发阶段根据所述猎物逃逸能量和在规定范围内逃脱的可能性，分别采取硬包围、硬围攻、软包围和软围攻四种策略更新所猎物位置。
[0031]可选的，所述S5中若当前所述迭代次数达到最大迭代次数则输出全局路径之后还包括：利用共线和跳点删除冗余节点，优化所述全局路径。
[0032]可选的，所述S6中获取动态窗口法的评价函数并选取所述评价函数中最优轨迹的运动信息进行局部路径规划的方法包括：
[0033]获取机器人的位姿和速度约束条件；
[0034]通过所述速度约束条件，获取速度约束集合并进行速度采样，获取速度窗口：
[0035]基于所述位姿和所述速度窗口，获取所述机器人一定时间后的模拟轨迹；
[0036]基于所述全局路径中的关键节点、路径信息和一定时间后的所述模拟轨迹的运动、位置信息，获取curvefit(v，ω)子函数的轨迹评价函数；
[0037]基于一定时间后的所述模拟轨迹和所述curvefit(v，ω)子函数的轨迹评价函数，获取所述动态窗口法的评价函数，并选取所述评价函数中最优轨迹的运动信息进行局部路径规划。
[0038]可选的，所述动态窗口法的评价函数为：
[0039]G(v，ω)＝σ[ε
×
heading(v，ω)+τ
×
dist(v，ω)+γ
×
vel(v，ω)+κ
×
curvefit(v，ω)][0040]其中，heading(v，ω)表示模拟轨迹终点与目标点的机器人方位角重合程度，dist(v，ω)表示模拟轨迹终点与最近障碍物的距离程度，vel(v，ω)表示模拟轨迹的线速度，curvefit(v，ω)表示模拟轨迹末端位置与全局规划路径的距离程度，ε、τ、γ和κ表示权重，σ表示评价函数中heading(v，ω)、dist(v，ω)、vel(v，ω)和curvefit(v，ω)的归一化参数。
[0041]本专利技术技术效果：本专利技术提出了一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，引入哈里斯鹰算法，在求解复杂全局路径多峰值优化问题上提供有效补充；提出方形邻格邻近扩散方法初始化哈里斯鹰种群位置，满足种群多样性的条件下提高种群初始遍历性；提出一种非线性能量因子改善哈里斯鹰在搜索和开发阶段的转换比例，提高全局搜索性能；引入动态窗口法提高机器人实际运行路径平滑程度，构造结合全局路径的动态窗口评价函数改善动态窗口法前瞻性不足的问题。
附图说明
[0042]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0043]图1为本专利技术实施例一种融合改进哈里斯鹰算法和动态窗口法的路径规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，包括：S1、对工作环境进行处理；S2、对哈里斯鹰算法进行初始化，结合处理后的所述工作环境获取哈里斯鹰种群初始化位置；S3、计算所述哈里斯鹰种群中哈里斯鹰个体位置的适应度值，基于所述适应度值，获取猎物位置；S4、通过非线性能量因子，获取猎物逃逸能量，根据所述猎物逃逸能量执行搜索阶段和开发阶段，并更新所述猎物位置；S5、判断当前迭代次数，若当前所述迭代次数达到最大迭代次数则输出全局路径，否则，迭代次数加1后返回S3；S6、获取所述全局路径中的关键节点和路径信息，基于所述关键节点、所述路径信息和curvefit(v,ω)子函数的轨迹评价函数，获取动态窗口法的评价函数并选取所述评价函数中最优轨迹的运动信息进行局部路径规划；S7、判断机器人是否到达目标点，若到达则结束导航，否则，返回S6重新对所述机器人进行局部路径规划。2.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S1对工作环境进行处理包括：将所述工作环境分割成大小相同的方块，对搜索范围、起点、终点和障碍物信息进行限定。3.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S2对哈里斯鹰算法进行初始化包括：初始化所述哈里斯鹰算法种群数量、迭代次数、搜索维度；利用方形邻格邻近扩散的方法，获取所述哈里斯鹰种群初始化位置。4.如权利要求3所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，利用方形邻格邻近扩散的方法，获取所述哈里斯鹰种群初始化位置的方法包括：获取路径起点，基于所述路径起点，利用所述方形邻近扩散的方法搜索至地图边界或终点，获取所述哈里斯鹰种群位置初始化的搜索维度；基于所述搜索维度，获取所述哈里斯鹰种群初始化位置。5.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S3中获取猎物位置包括：选择欧式距离为适应度函数，通过所述适应度函数计算所述哈里斯鹰种群中哈里斯鹰个体位置的适应度值；选取所述哈里斯鹰个体位置的适应度最小值，所述适应度最小值为猎物位置。6.如权利要求1所述的一种融合改进哈里斯鹰算法和动态窗口法的路径规划方法，其特征在于，所述S4中通过非线性能量因子，获取猎物逃逸能量E的方法为：其中，E0表示猎物的初始能量，t表示算法当前迭代次数，T表示算法最大迭代次数。
7.如权...

【专利技术属性】
技术研发人员：胡啸，卞炜，王健安，刘俊，董炤琛，赵志诚，谢刚，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：