【技术实现步骤摘要】
本专利技术涉及路径规划方法，尤其涉及一种基于改进白鲸优化算法的路径规划方法。
技术介绍
1、传统的工厂巡检通常依赖于人工巡检任务，这种方式存在一些明显的局限性。人工巡检任务受限于人力资源和时间，因此在大型工厂或复杂环境中，难以实现全面覆盖和高效率的巡检。其次，人工巡检可能会受到主观因素的影响，导致数据不一致性和不准确性，尤其是在长时间巡检中。以前的无人车系统虽然能够自主巡检，但也存在一些技术瓶颈。传统无人车系统通常缺乏实时数据集成的能力，无法动态调整巡检路径以应对工厂环境中的实时变化，例如检测到的故障或不寻常事件。这意味着这些系统往往无法及时响应问题，可能导致生产中断或设备损坏。此外，传统无人车系统通常缺乏智能决策支持，无法根据工厂中的不同类型设备和环境，优化路径选择，从而无法最大程度地提高巡检效率。
技术实现思路
1、本专利技术目的在于提供一种基于改进白鲸优化算法的路径规划方法，引入了多智能车协同巡检系统，通过协同巡检，实时数据流集成来改进白鲸优化算法，显著提高了工厂巡检的效率和覆盖范围，以达到解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于改进白鲸优化算法的路径规划方法，包括如下步骤：
4、s1：多智能车协同巡检系统模型构建
5、s1-1：多智能车协同巡检系统需要确保每辆智能车都配备gps系统，以获取智能车位置信息；
6、s1-2：多智能车协同巡检系统需要与任务管理系统集成
7、s1-3：给每一辆智能车配有温湿度传感器、红外热成像传感器和一氧化碳浓度传感器，多智能车协同巡检系统从每辆智能车的硬件和传感器状态中获取巡检速度、电池电量、传感器精度相关的性能参数，计算车辆性能评分；
8、s1-4：根据收集的位置信息、任务紧急性和车辆性能评分，使用任务分配策略函数ta来智能地分配任务；
9、s2：实时数据流集成
10、实时数据流由传感器数据实时处理构成，通过安装在智能车上的传感器来实时监测工厂内的实时数据流；
11、s3：改进白鲸优化算法
12、s3-1：勘探阶段；
13、s3-2：开发阶段；
14、智能车如何在勘探和开发两个阶段相互转换，关键因素是平衡因子bf，其数学模型为：
15、
16、其中，b0表示一个(0,1)范围内的随机数，在每次迭代中都会改变，表示搜索半径；t表示当前迭代次数；t表示总的迭代次数；该平衡因子综合考虑了任务分配策略函数和指数衰减两个因素，随着迭代次数的增加，指数衰减使平衡因子发生改变；当平衡因子bf≥0.5时，即为勘探阶段；当平衡因子bf＜0.5时，即为开发阶段。
17、本专利技术的进一步方案是，所述s1-1中：启动这些gps系统以开始位置信息的收集，gps系统会每隔1秒记录智能车的当前经纬度坐标，表示车辆在工厂内的准确位置；将采集到的位置信息存储在系统的数据库中，以备后续任务分配和路径规划使用；这些位置信息通常以坐标点的形式存储，其表达式为：
18、
19、其中，li表示第i辆智能车的坐标点，lati表示第i辆智能车的纬度坐标，loni表示第i辆智能车的经度坐标；kj表示第j个任务的坐标点，latj表示第j辆智能车的纬度坐标，lonj表示第j辆智能车的经度坐标。
20、本专利技术的进一步方案是，所述s1-2中：
21、根据任务管理系统提供的数据，为每个巡检任务定义一个紧急性级别pi；使用数字值表示不同的紧急性程度；将确定的任务紧急性pi与每项任务相关联，并将这些信息存储在任务管理系统中，以供后续的任务分配策略ta使用，其计算式为：
22、p＝w1·time+w2·imp
23、其中，p表示任务的紧急性，time表示任务的检测时间，imp表示任务的重要性，w1和w2是权重系数，用于调整时间和重要性在紧急性计算中的相对重要性，根据实际需求进行调整，以确保任务分配策略符合多智能车协同巡检系统的优化目标。
24、本专利技术的进一步方案是，所述s1-3中：
25、为了进行比较和计算，需要对不同车辆的性能参数进行标准化，通过将性能参数映射到相同的单位来实现；根据标准化后的性能参数，使用车辆性能评分函数来计算每辆车辆的性能评分，通过考虑各种性能参数的权重，以反映车辆的整体性能，其函数表达式为：
26、ui＝w3·vi+w4·(1-bati)+w5·ai
27、其中，ui表示车辆i的性能评分，vi表示标准化后的巡检速度，bati表示标准化后的电池电量，ai表示标准化后的传感器精度，w3、w4、w5表示权重系数，用于调整不同性能参数的相对重要性。该性能评分反映了每辆车辆的整体性能，可以用于后续的任务分配策略中，以决定哪辆车辆最适合执行相应任务。
28、本专利技术的进一步方案是，所述s1-4中：
29、任务分配策略函数表达式为：
30、
31、其中，tai表示分配给第i辆智能车的任务分配策略，disij表示车辆li到任务kj的距离，根据其位置信息计算，ui表示车辆i的性能评分，pj反映了其巡检能力，表示任务j的紧急性；使用指数函数将各个参数的值作为指数的幂，使其具有更高值的参数将对任务分配具有更大的影响，而具有更低值的参数将对任务分配具有较小的影响；通过调整参数的权重系数，可以控制不同参数的相对重要性，满足不同场合的需求。
32、本专利技术的进一步方案是，所述s2中：通过安装在智能车上的传感器来实时监测工厂内的实时数据流，设传感器产生的数据为：di＝{d1,d2,...,dn}，其中，di表示第i辆智能车上的传感器的数据，d1,d2,...,dn是传感器的测量值；采用数据滤波对这些数据进行数据预处理，降低高频噪声的振幅来平滑信号，其表达式为：
33、douti＝0.56·di+0.44·douti-1
34、其中，douti表示经过滤波处理后的数据，douti-1表示上一次滤波处理后的数据；
35、使用格拉布斯准则剔除误差数据，其表达式为：
36、
37、其中，表示n次传感器数据的平均值，σ(d)表示数据的标准差，g(n,b)表示临界值，取决于补偿值数据组中数据量n和显著性水平a，通常a取0.01；hi表示格拉布斯统计值，与临界值进行比较，如果hi大于g(n,b)，则表明该数据为异常值，直接剔除。
38、本专利技术的进一步方案是，所述s3-1中：
39、勘探阶段是基于白鲸在不同的姿势下进行社会性行为；由于s1中采用多辆智能车在工厂内进行巡检，为了避免巡检冲突，根据任务分配策略和和距离，计算其任务执行权，综合考虑了智能车巡检的适应度值和智能车之间的关联度；基于车辆的可用性、行本文档来自技高网...
【技术保护点】
1.一种基于改进白鲸优化算法的路径规划方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于，所述S1-1中：
3.如权利要求2所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于，所述S1-2中：
4.如权利要求3所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于，所述S1-3中：
5.如权利要求4所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于：所述S1-4中：
6.如权利要求1所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于：其特征在于，所述S2中：
7.如权利要求1所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于，所述S3-1中：
8.如权利要求7所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于，所述S3-2中：
【技术特征摘要】
1.一种基于改进白鲸优化算法的路径规划方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于，所述s1-1中：
3.如权利要求2所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于，所述s1-2中：
4.如权利要求3所述的一种基于改进白鲸优化算法的路径规划方法，其特征在于，所述s1-3中：
5.如权...
【专利技术属性】
技术研发人员：倪伟，张何顺，张粤，相福康，孙靖康，
申请(专利权)人：淮阴工学院，
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。