[发明专利]基于协同进化粒子群滚动优化的机器人路径规划方法

说明书

技术领域

本发明属于机器人路径实时规划技术领域，具体涉及一种基于协同进化粒子群滚动优化的机器人路径规划方法。

背景技术

路径规划是指按距离、耗时或安全性等性能要求，搜索机器人从起始点到目标点间的一条安全无障碍路径，它是机器人领域的重要课题。根据对环境知识的了解，可将路径规划分为已知环境的路径规划和未知环境下的路径规划两种，前者也被称为全局路径规划；后者则要求机器人利用自身的传感器探测周围有限范围内的信息，不断地进行动态的路径规划，也被称为在线路径规划或局部路径规划。由于需要实现在线避障处理，因此在线路径规划要比全局路径规划复杂得多。

当前，局部路径规划方法主要有：人工势场法、滚动窗口规划法与智能算法规划法等。人工势场法算法结构简单但存在着局部极值，机器人会陷入局部极值而徘徊不前；采用滚动窗口规划方法中存在死锁现像。近年来，随着对仿生智能研究的深入，许多智能优化算法被逐渐用于机器人路径规划中，如遗传算法、蚁群算法与粒子群算法。

发明内容

为了克服现有技术中存在的缺陷，提供一种可以使机器人在具有静态障碍物且障碍物位置未知的工作环境下实现自主导航，采用多子群协同进化粒子群算法进行实时滚动优化避障处理的机器人路径规划方法。本发明具体的技术方案如下：

基于协同进化粒子群滚动优化的机器人路径规划方法，用于对一机器人的行走路径进行规划，使机器人避开工作环境中的若干静止障碍物，包括如下步骤：

步骤S1，对工作环境进行建模；

步骤S2，检测机器人当前点和目标点之间的距离，若距离小于预设的距离误差，则认为到达目标点，输出各次规划的终点集，获得规划路线；否则转入步骤S3；

步骤S3，根据机器人当前点和目标点获取当前最佳运动方向角度；

步骤S4，根据预设的机器人视野角度，对机器人的转向域进行划分；根据当前最佳运动方向角度确定当前机器人的运动朝向所在的转向域；

步骤S5，若当前机器人的视野域内无障碍物，以当前点为极点建立局部极坐标系，根据预设的视野半径和当前最佳运动方向角度获得本次规划的局部终点，并将局部终点存入终点集，将局部终点作为下一次规划的当前点，转入步骤S2；若当前机器人的视野域内有障碍物，转入步骤S6；

步骤S6，基于协同进化粒子群算法采用迭代运算的方式进行避障处理；步骤S6进一步包括：

步骤S61，将视野半径等分为若干个分段，同时确定若干个分段运动方向角度，分段运动方向角度小于视野角度；设置若干粒子，将每个粒子编码为由若干分段运动方向角度组成的序列，将若干粒子组成一原始种群，并对原始种群进行初始化，得到一初始种群；若初始化成功，将初始种群分为若干个子群，转入步骤S62；若初始化失败，转入步骤S7；

步骤S62，计算各子群中各粒子的适应值，并对各子群中的粒子按适应值进行排序，再按预设的基因比例选出各子群中适应值较小的粒子，组成一基因库；

步骤S63，根据各子群中各粒子的适应值，获得各子群的最优解，并根据最优解求得一种群质心点；

步骤S64，更新各子群中粒子的速度与位置；若更新成功，则转入步骤S65，若更新失败，转入步骤S7；

步骤S65，更新各子群中粒子的适应值、粒子的个体最优解与子群的全局最优解；

步骤S66，判断是否达到预设的进化周期，若未达到进化周期则直接转入步骤S67；否则更新子群和基因库，然后更新种群质心点，再转入步骤S67；

步骤S67，判断是否达到预设的最大迭代次数，若已达到最大迭代次数，则终止迭代，获得本次规划的局部终点，并将局部终点加入终点集中，将局部终点作为下一次规划的当前点，转入步骤S2；若未达到最大迭代次数，则转入步骤S64继续迭代；

步骤S7，进行避障失败处理，将机器人转入下一转向域，返回步骤S61进行避障；若机器人在所有转向域均避障失败，则无法实现避障，失败跳出。

作为优化方案，步骤S1的工作环境建模具体包括如下步骤：

步骤S11，忽略工作环境中的高度信息，建立二维坐标系；

步骤S12，设机器人的视野域为(r,θ)，其中r为视野半径，θ为视野角度；获取机器人的出发点S与目标点G的坐标；用凸多边形描述障碍物，障碍物的坐标未知；

步骤S13，根据机器人的尺寸对障碍物进行膨化，并将机器人作为一质点处理；

步骤S14，设置当前滚动规划次数t为1，设置机器人的当前点P^t为出发点S，并将当前点P^t存入终点集{P}。