[发明专利]一种融合人工势场与对数蚁群算法的机器人路径规划方法

权利要求书

1.一种融合人工势场与对数蚁群算法的机器人路径规划方法，其特征在于，包括以下步骤：

S1：初始化蚁群算法以及人工势场算法中的各个参数，人工势场是障碍物与目标点对机器人的影响，规划出来的路径是机器人后面要走的路径；

并且初始化路径规划任务；

S2：根据机器人传感器提取的环境信息，建立包含障碍物信息的栅格地图；

S3：根据当前蚂蚁所处位置，建立蚂蚁可移动的栅格表，并更新路径上的信息素；

S4：计算当前蚂蚁所在位置在人工势场中受到的引力和斥力，并得到人工势场的影响函数q(t)，计算蚂蚁在人工势场中所受合力与相邻栅格方向的最小夹角，其中将蚂蚁所在栅格附近8个栅格每45°划分一个方向；

S5：将人工势场中待转移节点到目标点的欧式距离d_jg引入到蚁群算法的启发函数中对蚁群算法的启发函数η_ij进行改进，并利用对数函数对信息素跟新策略进行改进；

S6：计算改进后的蚁群算法转移概率密度，并对禁忌表进行更新；禁忌表用于后续的路径规划，就是告诉蚂蚁哪里是能走的，哪里是有障碍物的；

S7：判断路径规划探索是否完成，未完成则进入S3，完成则进入S8；

S8：判断是否达到最大迭代次数，未完成则进入S9，完成则进入S10；

S9：判断机器人是否到达预定目标位置；未完成则机器人路径规划失败，完成则结束机器人路径规划；

S10：判断机器人是否到达预定目标位置；未完成则调整各个参数后进入S3，完成则结束机器人路径规划；

所述步骤S4的计算当前蚂蚁所在位置在人工势场中收到的引力，斥力，并得到人工势场的影响函数q(t)，具体步骤如下：

S41:计算势场的总场强U_tot(p_m)就是由引力场和斥力场进行矢量叠加；

U_tot(p_m)＝U_att(p_m)+U_rep(p_m)

其中，U_att(p_m)表示引力场，U_rep(p_m)表示斥力场；

S42:计算合力F_tot(p_m)，如下式表示：

F_tot(p_m)＝-▽U_tot(p_m)

＝F_att(p_m)+F_rep(p_m)

S43:计算F_att(p_m)和F_rep(p_m)为引力和斥力，可以用如下式子表示：

F_att(p_m)＝k_att·d_g

其中，k_att和k_rep为引力和斥力的系数因子，d_g表示机器人与目标点的距离，d₀表示机器人与附近障碍物的最短距离，d_t为障碍物势场所能影响到的最大距离；

S44:计算障碍物和目标点到机器人的欧式距离：

(x_m,y_m)为当前机器人所在位置坐标，(x₀,y₀)为障碍物所处位置坐标，(x_g,y_g)为目标点所处位置坐标；

S45:假设，蚂蚁所受合力方向的角度为θ，蚂蚁向下一个相邻栅格转移的角度为ω，

则：

θ＝∠(F_att+∑F_rep)

l＝|sin(ω-θ)|

式中，l∈(0,1]为动态调整权重因子，当蚂蚁转移方向与斥力方向夹角越小时，l也就越小；

S46:计算人工势场影响函数：

其中，表示最终的转移角度；

所述步骤S5改进蚁群算法启发函数η_ij和信息素跟新策略，具体包括：

S51:改进蚁群算法的启发函数

其中，η′_ij表示改进后从i点到j点的启发函数，ζ∈(0,1]为启发调整因子，N_Cmax为最大迭代次数，N_C为当前迭代次数，d_jg为待转移节点到目标的欧式距离，d_ij为当前点到目标点的欧式距离；

S52:对信息素跟新策略改进：

其中，τ_ij(t+Δt)表示改进后的信息素更新函数，Δτ_ij(t)表示路径上信息素的改变量，m表示当前出动的蚂蚁数，n表示最大出动蚂蚁素，ρ表示信息素的挥发因子，ρ∈(0,1]；Q表示为常数的信息素强度；L_m表示此次循环结束时蚂蚁所走过的路径总长度；

所述步骤S6计算改进后的蚁群算法转移概率密度，并对禁忌表进行更新，具体内容如下：

其中，表示蚂蚁从i点向j点的转移概率函数，α、β分别表示信息启发因子和期望启发因子，η′_is(t)表示改进后从i点到目标点的启发函数，q_is(t)表示栅格i到目标点的势场影响函数，A_a表示蚂蚁在地图内允许行走的节点，q_ij(t)为栅格i到栅格j的势场影响函数，γ为势场的影响启发因子。