【技术实现步骤摘要】
本专利技术属于智能车辆路径规划和自主导航，尤其是涉及一种基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法。
技术介绍
1、自动驾驶技术发展，对于解决交通事故频发、交通拥堵严重、能源损耗巨大以及环境污染等问题具有重要意义。智能车辆领域，局部路径规划是指在已知全局路径基础上，根据智能车辆周围环境的实时变化，进行短期路径调整及优化，以确保智能车辆安全、平稳通过当前路段。局部路径规划需要处理复杂道路情况，其目标是在满足智能车辆的动态约束和环境限制的前提下，生成平滑且可执行的运动轨迹。
2、控制策略是实施智能车辆局部路径规划的核心技术之一。现有的局部路径规划控制策略主要有动态窗口法、模型预测控制、深度学习及人工势场法等。其中动态窗口法通过在当前速度范围内搜索最佳的速度和转向组合来实现路径规划，但参数调整困难；模型预测控制能够处理复杂的智能车辆动力学和环境约束，然而计算成本较高；尽管深度学习技术能够处理复杂的交通场景，却需要大量训练数据。人工势场法算法结构简单、适合嵌入式系统和资源受限环境、算法兼容性强，具有较大潜力来解决复杂环境下的路径规划问题，近年来被广泛应用于智能车辆局部路径规划中。专利号202111673751.6提出一种基于改进型人工势场法的无人车局部路径规划方法，在满足无人车自身转向约束的前提下，采用基于较小转向角跳出局部最优解的控制策略；专利号202011307835.3专利技术了一种改进人工势场算法的智能车辆路径规划方法，该方法根据局部极小值点影响区域大小调整移出影响区域的步长和轨迹，能够确保智能车辆在陷入局部
3、飞蛾扑火算法(moth-flame optimizationalgorithm,mfo)是一种新型的群体智能优化算法，该算法结构简单，易于编程实现，同时能有效处理连续空间的优化问题；相比于其他一些优化算法，mfo算法的参数较少，这使得调参工作更为简便，但是由于飞蛾扑火算法与人工势场融合较困难，尚未见将mfo算法应用到局部路径规划的航向角优化的相关研究，因此利用飞蛾扑火算法对实现智能车辆局部路径规划场景下的航向角优化有重要意义。
技术实现思路
1、为了克服现有智能车辆局部路径规划技术存在不能实时精准优化智能车辆航向角从而导致智能车辆易与障碍物碰撞问题，本专利技术提供了一种基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，在传统人工势场法基础上，对斥力场进行了改进，通过增加一个智能车辆指向目标点的斥力，改进后的斥力引入了智能车辆与目标点距离的关系，当障碍物与目标点比较近时，智能车辆障碍物对智能车辆的斥力会逐渐减小，有效解决了目标点不可达问题。若智能车辆陷入局部最小值，即智能车辆在局部最小值位置往复震荡，则引入虚拟障碍物作为惩罚项，加入一个与距离障碍物的距离负相关的惩罚项。当智能车辆靠近障碍物时，这个惩罚项的值增大，导致势能升高，智能车辆因此受到更大的斥力，从而克服了易陷入局部最小值的缺陷。
2、本专利技术解决技术问题所采用的技术方案是：
3、一种基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，包括智能车辆局部路径规划系统，所述智能车辆局部路径规划系统包括传感器单元、势场力计算单元、下一步位置计算单元、障碍物进入安全椭圆判断单元、基于飞蛾扑火最优航向角计算单元、局部最小值判断单元、惩罚项单元和车辆达到目标点判断单元；
4、所述路径规划方法包括以下步骤：
5、所述传感器单元采集道路信息，并传递给势场力计算单元；势场力计算单元根据设定的势场力计算公式，计算出智能车辆在势力场中的斥力frep和引力fatt，同时将传感器单元识别的道路信息传输到下一步位置计算单元；下一步位置计算单元根据智能车辆当前位置、基于飞蛾扑火最优航向角计算单元输入的航向角及步长计算智能车辆下一步位置，将智能车辆的位置信号输出到所述障碍物进入安全椭圆判断单元；所述障碍物进入安全椭圆判断单元根据智能车辆以及障碍物的位置判断是否进入安全椭圆；若障碍物进入安全椭圆，则输出‘是’信号到基于飞蛾扑火最优航向角计算单元，则所述基于飞蛾扑火最优航向角计算单元接收障碍物已经进入安全椭圆信号，通过飞蛾扑火算法对汽车的航向角进行优化，输出最优航向角α并且将其传输到下一步位置计算单元；若障碍物未进入安全椭圆，则输出‘否’信号到局部最小值判断单元；所述局部最小值判断单元接收障碍物在安全椭圆之外的信号，通过预先设定的判定规则判定智能车辆是否陷入局部最小值；若智能车辆陷入局部最小值，则输出‘是’信号到车辆达到目标点判断单元，若智能车辆未陷入局部最小值，则输出‘否’信号到惩罚项单元；所述惩罚项单元根据智能车辆的位置、障碍物位置和目标点位置选择惩罚项的大小和位置，计算出的惩罚项输入到势场力计算单元，势场力计算单元重新计算势场力；所述车辆达到目标点判断单元接收到智能车辆未陷入局部最小信号，根据判定规则判断智能车辆是否达到目标点，若达到目标点，则输出‘是’信号结束，若未达到目标点，则输出‘否’信号到势场力计算单元，循环执行以上操作。
6、进一步，所述路径规划方法还包括以下步骤：
7、在势场力计算单元中，对传统的斥力场改进，改进后障碍物对智能车辆的斥力分成了两部分，一部分是由障碍物指向智能车辆，一部分是由智能车辆指向障碍物，改进后斥力函数为：
8、
9、式中：a为安全椭圆长半轴，b为安全椭圆短轴，ρ(p,pgoal)表示智能车辆与目标点位置的欧氏距离，p表示智能车辆位置，pgoal表示目标点位置，pobs表示障碍物位置，xobs、yobs表示障碍物位置的横纵坐标，xi、yi为智能车辆的横纵坐标，s为调节因子，krep为增益系数，frep1表示障碍物指向智能车辆的斥力，frep2表示智能车辆指向目标点的斥力；
10、改进后的障碍物合斥力为：
11、frep＝frep1+frep2 (5)
12、再进一步，所述下一步位置计算单元及障碍物进入安全椭圆判断单元中，当智能车辆运动到当前位置(xi,yi)时，确定智能车辆行驶的步长为0.2，根据基于飞蛾扑火最优航向角计算单元输出的智能车辆的最优航向角α与步长l，下一步到达位置(xi+1,yi+1)，此时智能车辆安全椭圆的范围(xi,yi)表示智能车辆的坐标，是随时变化的，将障碍物的坐标带入到安全椭圆表达式，如果值大于1本文档来自技高网...
【技术保护点】
1.一种基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，其特征在于：包括智能车辆局部路径规划系统，所述智能车辆局部路径规划系统包括传感器单元、势场力计算单元、下一步位置计算单元、障碍物进入安全椭圆判断单元、基于飞蛾扑火最优航向角计算单元、局部最小值判断单元、惩罚项单元和车辆达到目标点判断单元；
2.如权利要求1所述的基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，其特征在于：所述路径规划方法还包括以下步骤：
3.如权利要求1或2所述的基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，其特征在于：所述下一步位置计算单元及障碍物进入安全椭圆判断单元中，当智能车辆运动到当前位置(xi,yi)时，确定智能车辆行驶的步长为0.2，根据基于飞蛾扑火最优航向角计算单元输出的智能车辆的最优航向角α与步长L，下一步到达位置(xi+1,yi+1)，此时智能车辆安全椭圆的范围(xi,yi)表示智能车辆的坐标，xobs、yobs表示障碍物位置的横纵坐标，将障碍物的坐标带入到安全椭圆表达式，如果值大于1，则障碍物没有进入到安全椭圆的范围内，如果值小于1，则障碍物进入到安全
4.如权利要求1或2所述的基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，其特征在于：所述基于飞蛾扑火最优航向角计算单元的具体执行包括以下步骤：
...【技术特征摘要】
1.一种基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，其特征在于：包括智能车辆局部路径规划系统，所述智能车辆局部路径规划系统包括传感器单元、势场力计算单元、下一步位置计算单元、障碍物进入安全椭圆判断单元、基于飞蛾扑火最优航向角计算单元、局部最小值判断单元、惩罚项单元和车辆达到目标点判断单元；
2.如权利要求1所述的基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，其特征在于：所述路径规划方法还包括以下步骤：
3.如权利要求1或2所述的基于飞蛾扑火-智能车辆航向角优化的局部路径规划方法，其特征在于：所述下一步位置计算单元及障碍物进入安全椭圆判断单元中，当智能车辆运动到当前位置(xi,yi)时，确定智能车辆行驶的步长为0.2，根据基于飞蛾扑...
【专利技术属性】
技术研发人员：王骏骋，汪永祥，王鲜艳，葛正，李传武，潘银斌，
申请(专利权)人：浙江理工大学，
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。