System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于智能路径规划,具体涉及一种巡检机器人全局路径规划方法、系统、设备及介质。
技术介绍
1、航空运输业是全球增长最快的行业之一,每年为超过45亿乘客和6200万吨货物提供服务。随着现代航空业的快速发展,机场建设规模不断扩大,需要大量的能源来满足机场的照明、供暖和制冷负荷。机场能源站由能源产生、转换和存储设备组成,为机场建筑提供能源供应。机场能源站定期巡检是保证设备可靠运行的关键,传统人工巡检方式巡检周期长、劳动强度大、效率低、巡检标准和巡检质量存在差异。
2、随着机器人和人工智能技术的发展,智能巡检机器人逐渐被应用于生产与生活中的各个领域中,智能巡检机器人需要在复杂环境中实现自主导航其中自主导航包括环境感知、定位建图、路径规划和运动控制,路径规划是智能巡检机器人执行巡检任务的重要环节,路径的优劣影响到机器人的巡检效率和稳定性。路径规划分为全局路径规划和局部路径规划,局部路径规划是在已知全局路径的基础上进行,全局路径规划是局部路径规划实施的前提。在机场能源站进行全局路径规划仍然面临很多挑战。
3、全局路径规划算法可分为传统路径规划算法和仿生智能路径规划算法,但是现有的路径规划算法在机场能源站这类复杂环境面临算法搜索效率低,规划的路径通常不是最优路径,以及路径规划成本高等问题。
技术实现思路
1、针对现有技术中存在的问题,本专利技术提供一种巡检机器人全局路径规划方法、系统、设备及介质,能够为机场能源站巡检机器人规划出满足要求的全局路径,并且收敛精度、收
2、本专利技术是通过以下技术方案来实现:
3、一种巡检机器人全局路径规划方法,包括以下步骤:
4、s1:基于栅格处理过后的机场能源站锅炉房平面图得到种群一,对种群一进行透镜成像反向学习策略得到种群二,通过适应度函数得到种群一和种群二中每只灰狼个体的适应度值,选取最好的若干个体作为初始化种群,得到初始路径信息;
5、s2:选择适应度值最优的灰狼作为领袖灰狼,将灰狼按照其与领袖灰狼的距离和适应度值大小分为四个不同角色,对不同角色的灰狼分别进行不同的搜索策略,更新每只灰狼的位置,并得到更新后每只灰狼所处位置的适应度值;
6、s3:根据更新后的适应度值再次确定灰狼个体级别;
7、s4:判断是否满足停止条件:如果满足停止条件,则输出当前最优解;否则返回步骤s2,直至得到路径规划结果。
8、进一步的,在步骤s1中得到初始路径信息的过程包括:
9、假设有一高度为h的个体x*,其在坐标轴上的投影为x*,取[a,b]的中点位置作为基点放置焦距为f的透镜,通过透镜成像方法可得到一个高度为h'的像p,它在坐标轴的投影为p,则随机产生的灰狼个体x*基于透镜成像反向学习策略生成的动态反向个体p;
10、将每条路径信息表示为每只灰狼个体的位置向量,每个灰狼个体都代表机场能源站巡检机器人全局路径规划问题的一个可行解,同时每条路径需满足路径的约束条件,所述约束条件为:
11、路径连续:规划的全局路径必须连续,同一可行栅格不能经过两次,在移动过程中,向下一个栅格移动时,只能向其周围的8个栅格中的可行栅格移动;
12、边界与障碍物:规划的全局路径必须在所划定的栅格地图内,规划的全局路径不可经过墙体以及设备所对应的栅格;
13、路径最短:满足路径连续和边界与障碍物的约束条件后,规划的全局路径长度需满足长度最短,则适应度函数取最小值。
14、进一步的,得到所述步骤s1中的适应度值的过程为:
15、
16、其中,l为适应度值,该值越小路径越优。
17、进一步的,所述步骤s1中初始化种群的个体数量与种群一的个体数量一致。
18、进一步的,所述步骤s2中将灰狼按照其与领袖灰狼的距离和适应度值大小分为四个不同角色,其角色包括:α,β,δ和ω,四种级别的灰狼被用来模拟灰狼群体严格的层次结构,第一级为α狼,第二级为β狼,第三级为δ狼,第四级为ω狼。
19、进一步的,所述步骤s2中对不同角色的灰狼分别进行不同的搜索策略,更新每只灰狼的位置的过程为:
20、寻找猎物:
21、d=|c·xp(t)-x(t)|;
22、x(t+1)=xp(t)-a·d;
23、其中,d表示灰狼个体与猎场间的距离,x(t)为当前灰狼个体的位置向量,xp(t)为当前猎物的位置向量,x(t+1)为下一代灰狼个体更新的位置向量,t为当前迭代次数,a和c系数向量,计算公式如下:
24、a=2a·r1-a;
25、c=2·r2-1;
26、
27、其中,a是收敛因子,其数值随迭代次数的增加从2非线性线性减小至0,r1的模取[0,1]之间的随机数,r2的模取[1,1.5]之间的随机数;
28、包围猎物:
29、dα=|c1·xα-x(t)|;
30、dβ=|c2·xβ-x(t)|;
31、dδ=|c3·xδ-x(t)|;
32、其中,dα、dβ、dδ分别表示α,β和δ灰狼与其他灰狼个体间的距离,c1、c2和c3是系数向量;
33、x1=xα-a1·dα;
34、x2=xβ-a2·dβ;
35、x3=xδ-a3·dδ;
36、
37、
38、其中,xα、xβ和xδ为α,β和δ灰狼的位置向量,a1、a2和a3为系数向量,lα、lβ和lδ分别为α,β和δ灰狼的适应度值;
39、攻击猎物:根据系数向量a来控制灰狼个体是寻找还是攻击猎物。
40、进一步的,所述攻击猎物的过程中:当|a|>1时,灰狼远离猎物,用于进行全局搜索;当|a|<1时,狼群向猎物发起攻击,用于进行局部勘探。
41、一种巡检机器人全局路径规划系统,包括:
42、路径初始化模块,用于基于栅格处理过后的机场能源站锅炉房平面图得到种群一,对种群一进行透镜成像反向学习策略得到种群二,通过适应度函数得到种群一和种群二中每只灰狼个体的适应度值,选取最好的若干个体作为初始化种群,得到初始路径信息;
43、适应度值模块,用于选择适应度值最优的灰狼作为领袖灰狼,将灰狼按照其与领袖灰狼的距离和适应度值大小分为四个不同角色,对不同角色的灰狼分别进行不同的搜索策略,更新每只灰狼的位置,并得到更新后每只灰狼所处位置的适应度值;
44、更新模块,用于根据更新后的适应度值再次确定灰狼个体级别;
45、判断模块,用于判断是否满足停止条件:如果满足停止条件,则输出当前最优解;否则返回步骤s2,直至得到路径规划结果。
46、一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所本文档来自技高网...
【技术保护点】
1.一种巡检机器人全局路径规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种巡检机器人全局路径规划方法,其特征在于,在步骤S1中得到初始路径信息的过程包括:
3.根据权利要求1所述一种巡检机器人全局路径规划方法,其特征在于,得到所述步骤S1中的适应度值的过程为:
4.根据权利要求1所述一种巡检机器人全局路径规划方法,其特征在于,所述步骤S1中初始化种群的个体数量与种群一的个体数量一致。
5.根据权利要求1所述一种巡检机器人全局路径规划方法,其特征在于,所述步骤S2中将灰狼按照其与领袖灰狼的距离和适应度值大小分为四个不同角色,其角色包括:α,β,δ和ω,四种级别的灰狼被用来模拟灰狼群体严格的层次结构,第一级为α狼,第二级为β狼,第三级为δ狼,第四级为ω狼。
6.根据权利要求5所述一种巡检机器人全局路径规划方法,其特征在于,所述步骤S2中对不同角色的灰狼分别进行不同的搜索策略,更新每只灰狼的位置的过程为:
7.根据权利要求6所述一种巡检机器人全局路径规划方法,其特征在于,所述攻击猎物的过程中:当|A
8.一种巡检机器人全局路径规划系统,其特征在于,基于权利要求1-7任一项所述一种巡检机器人全局路径规划方法,包括:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述一种巡检机器人全局路径规划方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述一种巡检机器人全局路径规划方法的步骤。
...【技术特征摘要】
1.一种巡检机器人全局路径规划方法,其特征在于,包括以下步骤:
2.根据权利要求1所述一种巡检机器人全局路径规划方法,其特征在于,在步骤s1中得到初始路径信息的过程包括:
3.根据权利要求1所述一种巡检机器人全局路径规划方法,其特征在于,得到所述步骤s1中的适应度值的过程为:
4.根据权利要求1所述一种巡检机器人全局路径规划方法,其特征在于,所述步骤s1中初始化种群的个体数量与种群一的个体数量一致。
5.根据权利要求1所述一种巡检机器人全局路径规划方法,其特征在于,所述步骤s2中将灰狼按照其与领袖灰狼的距离和适应度值大小分为四个不同角色,其角色包括:α,β,δ和ω,四种级别的灰狼被用来模拟灰狼群体严格的层次结构,第一级为α狼,第二级为β狼,第三级为δ狼,第四级为ω狼。
6.根据权利要求5所述一种巡检机器人全局路径规划方法,其特征在于,所述步骤s2中对不...
【专利技术属性】
技术研发人员:于军琪,苏煜聪,冯春勇,候帅,刘宗忆,王凯,陈易圣,郭聚刚,李经丹,
申请(专利权)人:西安建筑科大工程技术有限公司,
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。