【技术实现步骤摘要】
本专利技术属于移动机器人动态路径规划相关，特别是在复杂环境下一种基于哈里斯鹰启发式混合算法的移动机器人动态路径规划方法。
技术介绍
1、移动机器人在自主导航、自动化制造、仓储管理和无人驾驶等领域的应用日益广泛。在这些应用中，动态路径规划是关键技术，它允许机器人根据环境的变化和任务需求，有效地计划路径以达到目标。特别是在复杂环境下，如工厂车间、仓库或城市道路，路径规划变得更加具有挑战性。传统的路径规划方法通常基于静态地图或环境模型进行规划，但在动态环境下，这些方法可能无法有效应对障碍物的变化和实时决策需求。因此，研究人员一直在寻求开发更高级的动态路径规划方法，以满足不断增长的机器人应用需求。
2、哈里斯鹰优化算法源于自然界中哈里斯鹰的狩猎策略。这一算法模拟了哈里斯鹰在搜索和捕猎过程中的行为。它结合了深度搜索和精细探测的策略，使其在全局和局部搜索之间取得了平衡。哈里斯鹰优化算法在寻找最优解、避免局部最小值问题和适应复杂环境方面表现出色。
3、这种基于哈里斯鹰启发式混合算法的移动机器人动态路径规划方法代表了路径规划技术的重要进步，可以应用于自主导航、自动化制造、物流和无人驾驶等领域，以提高机器人在复杂环境下的运动能力和适应性。
技术实现思路
1、本专利技术涉及一种基于哈里斯鹰启发式混合算法的移动机器人动态路径规划方法。这一方法充分利用了哈里斯鹰优化算法的全局搜索特性，以及精细探测的能力，使机器人能够在复杂和动态环境中进行路径规划。
2、本专利技术的技术
3、(1)哈里斯鹰种群随机的分布于搜索空间，每一只哈里斯鹰都代表一个独立的候选解，即视为可能的路径节点，通过不断的迭代更新适应值排序的大小来排序来确定更优解。
4、根据搜索得到的适应度值排序信息，选择适应度值最小的，也即距离最短路径作为规划出来的候选路径。
5、在规划出来的这条路径中，目标函数设置为起终点之间的最短距离，在搜索空间中不能于障碍物相碰，及当前节点与障碍物的最小距离dmin＞0作为约束条件，添加了约束条件的目标函数作为哈里斯鹰种群的适应度函数，进行整个哈里斯鹰种群的适应度值迭代更新。
6、当出现满足目标函数的候选解时，哈里斯鹰个体的位置被转换为路径上的节点以形成路径。首先，将问题的最优解转换为一组数值坐标，每个坐标对应于节点的位置。然后，将数字坐标组映射到实际坐标空间，以生成实际路径节点。这些路径节点以规一化的方式进行处理。最后，通过线性插值形成起点和终点之间的路径。
7、但是在此过程中，由于哈里斯鹰在初始搜索空间中的均匀分布，导致算法前期收敛速度慢，易陷入局部最优，根据这个问题，增加自适应动态逃逸能量因子提尕算法的随机性，实现更加有效的搜索，同时引入单纯形局部搜索策略提高算法的收敛速度并且逃离了局部最优。
8、(2)动态自适应逃逸能量的引入。逃逸能量e是从全球探索到局部开发的转换指标，也是衡量hho算法优化能力的指标。然而，随着迭代次数的增加，该算法倾向于预先进行局部搜索。
9、通过引入具有正态分布的随机数和范围在[0,1]之间的随机数，分别适用于适应不同阶段的优化任务。即在算法的前期，更侧重于全局搜索，而且算法的后期更倾向于局部搜索。
10、单纯形局部搜索策略的设计。算法前期哈里斯鹰种群漫无目的随机搜索降低了算法的收敛速度，随着迭代次数的增加，哈里斯鹰优化算法吸引了其他适应度值较低的哈里斯鹰，降低了算法的随机性并陷入局部最优。
11、针对以上问题，设计单纯形来近似的解决线性路径规划优化问题。先将规划出来的候选路径离散化，，将连续的路径规划问题转换为每两个可行解之间的离散线性问题，在线性问题中，使用单纯性局部搜索策略科研找到更加优化的解。
12、根据适应度值排序的大小，从哈里斯鹰种群中选取前10％和后10％被确定为单纯形局部搜索策略的临时子种群。临时子种群是优化问题的基本可行解。单纯形局部搜索策略可以取代较差的候选解并随机执行，更好地平衡全局和局部之间的搜索。
13、通过对临时子种群的适应度值最高点也即最差点xw，进行内部收缩、外部收缩、反射和扩展四种操作方式来迭代替换最差点xw，完成单纯形局部搜索的迭代更新。
14、图1显示了一次迭代过程中所有替换点的几何结构。首先，在每个单纯形局部搜索过程中，以各种方式替换最差点，导致每次迭代产生新的几何形状。其次，在新的几何体中将出现一个新的最坏点。继续该过程。
15、(3)针对在复杂环境下，哈里斯鹰优化算法只能针对全局搜索，但在实时避障方面却存在不足。apf算法的使用旨在克服这一限制，实现动态避障，但传统的apf存在容易陷入局部最优的问题。因此，针对apf方法中的局部最优问题，引入了法向矢量制导，并在终点附近设置了终点稳定策略，以避免无意义的振荡。
16、移动机器人和目标的端点之间的振荡程度是通过比较终点和移动机器人与目标点之间的距离和步长来确定的。通过比较距离与步长来判定移动机器人是否科研直接到达终点。
17、针对算法陷入局部最优导致的动态环境中目标不可达问题，引入法向量引导移动机器人改变合力的方向，逃离局部极小值。图2显示了移动机器人摆脱局部振荡逃离的示意图。
18、(4)将哈里斯鹰算法和人工势场法进行融合，根据是否遇到突然出现的障碍物来判定是否采用人工势场法进行动态避障，当在搜索空间中出现未知的障碍物，且此障碍物以方向未知，速度不确定方式运动时，调用人工势场法实现在复杂环境中的动态避障。
19、本专利技术提供了一种基于哈里斯鹰启发式混合算法的移动机器人动态路径规划方法，充分发挥了哈里斯鹰算法的全局搜索特性和精细探测能力，使机器人能够在复杂和动态环境中进行路径规划。通过引入动态自适应逃逸能量和单纯形局部搜索策略，改进了算法的性能，提高了收敛速度，同时避免了陷入局部最优的问题。此方法还结合了人工势场法，使机器人能够在面对突然出现的未知障碍物时实现动态避障，保证了路径规划的安全性和可靠性。通过法向矢量引导，避免了振荡和局部极小值的困扰，确保了机器人能够有效地到达目标点。总之，这一创新性的路径规划方法综合了多种策略，为移动机器人在复杂环境下的导航提供了更为顺滑和可靠的解决方案，为智能机器人技术的发展贡献了重要的进步。
本文档来自技高网...【技术保护点】
1.一种基于哈里斯鹰启发式混合算法的移动机器人动态路径规划方法，其特征在于它包括以下步骤：
2.该移动机器人动态路径规划方法，根据需要引入自适应动态逃逸能量因子，以提高算法的随机性。在算法的早期阶段，更侧重于全局搜索，而在后期更倾向于局部搜索。
3.该方法引入了单纯形局部搜索策略，用于近似解决线性路径规划优化问题。首先，规划出的候选路径被离散化，将连续路径规划问题转换为离散线性问题。然后，通过单纯形局部搜索策略，在这些离散化的解之间找到更优的解。
4.该方法根据适应度值排序的大小，从哈里斯鹰种群中选取前10％和后10％的哈里斯鹰，确定它们作为单纯形局部搜索策略的临时子种群。这个临时子种群包含了优化问题的基本可行解。单纯形局部搜索策略可以替代较差的候选解并随机执行，以更好地平衡全局搜索和局部搜索之间的权衡。
5.单纯形局部搜索策略通过对临时子种群中适应度值最高点(最差点Xw)进行内部收缩、外部收缩、反射和扩展等四种操作方式来迭代替换最差点Xw，以完成单纯形局部搜索的迭代更新。
6.针对在复杂环境中的动态避障问题，引入了人工
7.为避免振荡和局部极小值的问题，引入法向矢量，以引导移动机器人改变合力的方向。这确保了机器人能够有效地避免无谓的振荡，更快速地到达目标点。
8.本权利要求书所描述的移动机器人动态路径规划方法，其中，通过哈里斯鹰启发式混合算法、动态自适应逃逸能量因子、单纯形局部搜索策略、法向矢量引导以及人工势场法的结合，本方法提供了在复杂和动态环境下的顺滑、高效、可靠的路径规划解决方案。此创新性方法确保了机器人在各种挑战性情境下能够有效地到达目标点并安全规避障碍物。
...【技术特征摘要】
1.一种基于哈里斯鹰启发式混合算法的移动机器人动态路径规划方法，其特征在于它包括以下步骤：
2.该移动机器人动态路径规划方法，根据需要引入自适应动态逃逸能量因子，以提高算法的随机性。在算法的早期阶段，更侧重于全局搜索，而在后期更倾向于局部搜索。
3.该方法引入了单纯形局部搜索策略，用于近似解决线性路径规划优化问题。首先，规划出的候选路径被离散化，将连续路径规划问题转换为离散线性问题。然后，通过单纯形局部搜索策略，在这些离散化的解之间找到更优的解。
4.该方法根据适应度值排序的大小，从哈里斯鹰种群中选取前10％和后10％的哈里斯鹰，确定它们作为单纯形局部搜索策略的临时子种群。这个临时子种群包含了优化问题的基本可行解。单纯形局部搜索策略可以替代较差的候选解并随机执行，以更好地平衡全局搜索和局部搜索之间的权衡。
5.单纯形局部搜索策略通过对临时子种群中适应度值最高点(最差点x...
【专利技术属性】
技术研发人员：袁杰，赵瑛瑛，闫学勤，梁荣光，常乾坤，李辉，袁昊，段成龙，曹学伟，
申请(专利权)人：新疆大学，
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。