移動機(jī)器人的路徑規(guī)劃方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于路徑規(guī)劃技術(shù)領(lǐng)域，尤其涉及一種移動機(jī)器人的路徑規(guī)劃方法。
【背景技術(shù)】
[0002] 移動機(jī)器人的路徑規(guī)劃是指機(jī)器人根據(jù)傳感器攝像頭獲得的信息對所處環(huán)境進(jìn) 行感知并自主的規(guī)劃出一條抵達(dá)目標(biāo)狀態(tài)的路線。
[0003] 傳統(tǒng)的移動機(jī)器人的路徑規(guī)劃方法存在如下問題：
[0004] 文獻(xiàn)1 (宋勇，李貽斌，李彩虹.移動機(jī)器人路徑規(guī)劃強(qiáng)化學(xué)習(xí)的初始化[J].控 制理論與應(yīng)用，2012, 29 (012) : 1623-1628)針對現(xiàn)有路徑規(guī)劃算法收斂慢的特點，提出了 一種基于人工勢場的Q學(xué)習(xí)初始化算法，根據(jù)人工勢場來得到環(huán)境的先驗知識，使得算法 中Q值初始化為更好的參數(shù)，加快收斂速度，但算法是應(yīng)用在離散柵格的環(huán)境中，與現(xiàn)實應(yīng) 用不符。
[0005] 文獻(xiàn)2 (柳長安，鄢小虎，劉春陽，等.基于改進(jìn)蟻群算法的移動機(jī)器人動態(tài)路 徑規(guī)劃方法[J].電子學(xué)報，2011，39 (5) : 1220-1224)提出了一種基于改進(jìn)蟻群算法的路徑 規(guī)劃算法，克服了局部最優(yōu)問題，但同樣對環(huán)境做了柵格化處理，不能處理環(huán)境信息完全未 知的路徑規(guī)劃問題。
[0006] 文獻(xiàn)3(陳世明，江冀海，吳龍龍，等.受限空間自適應(yīng)區(qū)域柵格化的優(yōu)化路徑 規(guī)劃[J].控制與決策，2012, 27(7))針對環(huán)境中障礙物分布復(fù)雜且存在封閉邊界的受限空 間的情況，采用粒子群算法提出了一種環(huán)境自適應(yīng)區(qū)域柵格化的優(yōu)化路徑規(guī)劃算法，但論 文中并沒有對復(fù)雜的非凸障礙物進(jìn)行分析而今采用簡單的圓形障礙物進(jìn)行了仿真。
[0007] 文獻(xiàn)4 (喬俊飛，樊瑞元，韓紅桂，等.機(jī)器人動態(tài)神經(jīng)網(wǎng)絡(luò)導(dǎo)航算法的研宄和 實現(xiàn)[J].控制理論與應(yīng)用，2010, 27 (1) : 111-115)提出了根據(jù)機(jī)器人所處環(huán)境狀態(tài)自適應(yīng) 的調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)的動態(tài)神經(jīng)網(wǎng)絡(luò)導(dǎo)航算法，通過神經(jīng)網(wǎng)絡(luò)來實現(xiàn)機(jī)器人狀態(tài)與動作間的映 射關(guān)系，但論文中的機(jī)器人的動作空間只有五個離散的動作，大大降低了系統(tǒng)的自由度。
[0008] 文獻(xiàn)（王梅，王葉婷，屠大維，等.基于混合勢場法的移動機(jī)器人路徑規(guī)劃[J]. 計算機(jī)應(yīng)用研宄，2012, 29(7) : 2447-2449)針對人工勢場法中的局部最優(yōu)、目標(biāo)不可達(dá)等 問題，在斥力場函數(shù)中加入斥力因子，克服了上述缺陷，但算法中對于傳感器信息的處理過 多的依賴于專家知識。
[0009] 文獻(xiàn)（郜園園，阮曉鋼，宋洪軍，等.一種基于混合學(xué)習(xí)策略的移動機(jī)器人路徑 規(guī)劃方法[J].控制與決策，2012, 27 (12))采用模糊推理系統(tǒng)和學(xué)習(xí)自動機(jī)的原理，提出了 一種混合學(xué)習(xí)策略，能夠與未知環(huán)境實時交互并自適應(yīng)的學(xué)習(xí)規(guī)劃策略，但同樣算法需要 依據(jù)較多的專家知識來獲取合適的模糊規(guī)則。
[0010] 人工魚群算法是由文獻(xiàn)（李曉磊，邵之江，錢積新.一種基于動物自治體的尋 優(yōu)模式：魚群算法[J].系統(tǒng)工程理論與實踐，2002, 22(11) :32-38)提出的一種多點啟發(fā) 式隨機(jī)搜索算法，算法基于自然界中魚群覓食的自然行為，使得算法具有優(yōu)良的尋優(yōu)能力， 但是該算法泛用性低，對每個新地圖都需要重新進(jìn)行訓(xùn)練。
【發(fā)明內(nèi)容】
[0011] 基于此，針對上述技術(shù)問題，提供一種移動機(jī)器人的路徑規(guī)劃方法。
[0012] 為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：
[0013] 一種移動機(jī)器人的路徑規(guī)劃方法，包括：
[0014] 1)通過多個距離傳感器探測移動機(jī)器人與障礙物之間的距離Si，所述多個距離傳 感器均勻分布于所述移動機(jī)器人的周向正面，該移動機(jī)器人采用差分驅(qū)動小車模型，其運(yùn) 動學(xué)方程如下：
[0015]
【主權(quán)項】
1. 一種移動機(jī)器人的路徑規(guī)劃方法，其特征在于，包括： 1) 通過多個距離傳感器探測移動機(jī)器人與障礙物之間的距離Si，所述多個距離傳感器 均勻分布于所述移動機(jī)器人的周向正面，該移動機(jī)器人采用差分驅(qū)動小車模型，其運(yùn)動學(xué) 方程如下：
，i為所述距離傳感器的數(shù)量，（x，y，0)表示所述移動機(jī)器人在慣性系下的坐標(biāo)以及 該移動機(jī)器人的朝向與慣性系x軸之間的夾角，V、《分別為機(jī)器人的速度與角速度； 2) 提供一具有淘汰機(jī)制的魚群算法，該算法包括： 覓食行為：在一標(biāo)號為1，2,…，M的人工魚集合F中，設(shè)當(dāng)前第i條人工魚狀態(tài)XiGRn，n為求解空間維數(shù)，魚在自身視野范圍內(nèi)的求解空間中隨機(jī)搜索新的狀態(tài)并加以判斷是 否滿足移動條件，即若P(X」)>P(\)，其中P( ? ) :Rn-R為目標(biāo)函數(shù)，則按下式更新自身的 狀態(tài)： Xi(k+1) = (1-a )Xi(k) + a Xj (2) ，其中0〈a< 1為覓食學(xué)習(xí)率； 若反復(fù)搜索次數(shù)達(dá)到最大搜索次數(shù)，則在視野范圍以n維高斯分布取樣一點作為下一 個狀態(tài)，即有： Xjk+l)?略〇〇, 〇2) (3) 聚群行為：對當(dāng)前人工魚i，定義鄰接人工魚集合： Ni={jGF|IIX-XjII^dnj^i} (4) ，其中II?II為歐氏范數(shù)，d表示人工魚最大視野距離，判斷視野范圍內(nèi)的所有人工魚 的狀態(tài)中心
是否擁擠，若不擁擠，即若 .P^)，其中S用擁擠度因子，則按下式更新人工魚i的狀態(tài)：
，y為算法迭代步長，若不滿足擁擠度條件，則執(zhí)行覓食行為。 追尾行為：人工魚i在視野范圍內(nèi)搜索目標(biāo)函數(shù)值最大的鄰接人工魚j，有 j=argmaXj,{P(Xj, ) |jrGNj(6) 且判斷該人工魚周圍是否擁擠，即若P(Xj) / |隊| >S?P%)，則依下式更新人工魚i的 狀態(tài)：
淘汰機(jī)制：依據(jù)目標(biāo)函數(shù)的值，淘汰m條低適應(yīng)度的人工魚，0 <m〈M為預(yù)設(shè)的淘汰數(shù) 目；依次從M-m條人工魚中以等概率選取一條魚設(shè)為人工魚i，將人工魚i的狀態(tài)Xi作為高 斯分布的期望，通過式（3)在人工魚i附近生成一條魚，重復(fù)上述過程直到生成m條魚； 3) 所述移動機(jī)器人由具有神經(jīng)網(wǎng)絡(luò)的控制器控制，所述神經(jīng)網(wǎng)絡(luò)的輸入I以及輸入0 分別為： I(r^，9d，s"s。，^"，S5)eR0=0 (Gdffi)!^GR2 ，rd以及0d分別為碰撞點與目標(biāo)的距離偏差以及角度偏差，rd=II(x，y)-(xg*yg)II， 9 d= 0-argtan(yg/xg)G(-jt，jt]; 在每個離散步驟內(nèi)，若檢測到滿足如下任意一個結(jié)束條件： 距離偏差rd= || (x，y)_(xg*yg) ||彡e，e>〇為設(shè)定的距離容許誤差； 彐/.A. S . tf，即迭代時間等于最大迭代時間； 貝1J，結(jié)束當(dāng)前試驗，返回目標(biāo)函數(shù)的值為
4) 所述神經(jīng)網(wǎng)絡(luò)通過所述魚群算法更新神經(jīng)網(wǎng)絡(luò)權(quán)值，即人工魚的狀態(tài)X: 4a)初始化魚群最優(yōu)狀態(tài)以及最優(yōu)目標(biāo)函數(shù)值公告板，在[-3, 3]的取值范圍內(nèi)隨機(jī)初 始化魚群狀態(tài)X; 4b)若滿足魚群聚群條件，則執(zhí)行聚群行為，否則執(zhí)行覓食行為； 4c)若滿足魚群追尾條件，則執(zhí)行追尾行為，否則執(zhí)行覓食行為； 4d)更新所述公告板，執(zhí)行淘汰機(jī)制； 4e)若到達(dá)最大迭代次數(shù)，則結(jié)束魚群算法并將人工魚群的狀態(tài)X以及目標(biāo)函數(shù)的值 輸出至公告板，用以記錄最優(yōu)參數(shù)，否則返回4b)步驟； 人工魚的狀態(tài)
，其中了表示矩陣?yán)睘樾邢蛄浚? 5) 通過已知訓(xùn)練地圖模板訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)； 6) 通過訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)規(guī)劃所述移動機(jī)器人在環(huán)境信息未知的環(huán)境空間中的行走 路徑。
2. 根據(jù)權(quán)利要求1所述的一種移動機(jī)器人的路徑規(guī)劃方法，其特征在于，所述神經(jīng)網(wǎng) 絡(luò)為三層前饋網(wǎng)絡(luò)。
3. 根據(jù)權(quán)利要求1或2所述的一種移動機(jī)器人的路徑規(guī)劃方法，其特征在于，所述距離 傳感器采用激光傳感器或超聲傳感器。
【專利摘要】一種移動機(jī)器人的路徑規(guī)劃方法，包括：通過多個距離傳感器探測移動機(jī)器人與障礙物之間的距離；提供一具有淘汰機(jī)制的魚群算法；移動機(jī)器人由具有神經(jīng)網(wǎng)絡(luò)的控制器控制；神經(jīng)網(wǎng)絡(luò)通過魚群算法更新神經(jīng)網(wǎng)絡(luò)權(quán)值；通過已知地圖模板訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)；通過訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)規(guī)劃移動機(jī)器人在環(huán)境信息未知的環(huán)境空間中的行走路徑。本發(fā)明采用加入淘汰機(jī)制的魚群算法針對具有神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的控制器對移動機(jī)器人進(jìn)行控制,機(jī)器人只需要在一個模板地圖里進(jìn)行訓(xùn)練，就可憑借神經(jīng)網(wǎng)絡(luò)的泛化性能來學(xué)習(xí)到壁障和到目的地的行為，即算法學(xué)習(xí)出的是一種泛化的行為而不是特定地圖的路徑軌跡，增強(qiáng)了機(jī)器人對于復(fù)雜位置環(huán)境的適應(yīng)能力。
【IPC分類】G05D1-02
【公開號】CN104571113
【申請?zhí)枴緾N201510028275
【發(fā)明人】趙曉萌, 謝月飛, 吳學(xué)純, 王劍邦, 張如高, 虞正華
【申請人】博康智能網(wǎng)絡(luò)科技股份有限公司
【公開日】2015年4月29日
【申請日】2015年1月20日