[发明专利]一种移动机器人路径规划的方法及系统

权利要求书

1.一种移动机器人路径规划的方法，其特征在于，包括以下步骤：

(1)通过使用栅格图将机器人活动区域地图格式化，并标识无障碍物区域及有障碍物区域；存储机器人移动的起始点和终点；

(2)设置粒子群算法的代价函数，公式如下：

式中，L(p)为粒子所得到的路径最短路径，L_o为移动机器人与最近障碍物的距离；α和β为固定参数，用来控制得到一条路径长度和安全度相平衡的最优路径；F为所求的代价函数值；

(3)初始化粒子群算法参数；设定粒子群算法的粒子数和总迭代次数，根据格式化地图设置粒子位置限制和粒子速度限制条件，随机初始化每个粒子的位置和速度；

(4)得到粒子群中每个粒子的位置和速度后，将粒子的位置代入代价函数求出每个粒子的适应度值，保存每个粒子的适应度值；

(5)取一个随机数与决策数比较大小，若随机数的值大于决策数，执行步骤(6)；否则执行步骤(7)；随机数的取值为[0，1]；所述的决策数的公式如下所示：

式中，Q为决策数；t为当前迭代次数，T_max为设置的最大迭代次数；

(6)针对粒子群的每个粒子，更新个体最优、全局最优值并更新速度、位置与适应度值，执行步骤(9)；

(7)将粒子群中所有粒子按照适应度值从小到大排序，选取适应度值小的前n％的粒子标记为优质粒子，适应度值大的后m％粒子标记为劣质粒子，剩余的粒子标记为普通粒子，n，m∈[1，50]；对劣质粒子进行变异操作获取变异粒子，所述对劣质粒子变异操作的变异公式为：

式中，x_i∈[x_min，x_max]，x_min为i维度下的地图边界最小值，x_max为i维度下的地图边界最大值；r为[0，1]随机数；μ为固定常数；x″_i为变异粒子中第i个粒子位置；x_i为粒子群中第i个粒子位置；

(8)将包含劣质粒子的粒子群的每个粒子更新个体最优、全局最优值并更新速度、位置与适应度值后，与变异粒子组合形成新的粒子群；计算变异粒子的适应度值，将新粒子群中所有粒子的适应度值进行从小到大重新排序，淘汰末尾的K个粒子，K为原包含劣质粒子的粒子群个数的m％；

(9)当算法未达到最大迭代次数，返回步骤(5)进行循环操作；当达到最大迭代次数，选择适应度值最小的粒子为路径解，所得到的解为机器人移动的最优路径解。

2.根据权利要求1所述的移动机器人路径规划的方法，其特征在于，步骤(4)还包括在获取每个粒子位置后，求解每个粒子的对称位置，将对称粒子的位置代入代价函数求出对称粒子的适应度值，保存对称粒子的适应度值；将每个粒子的适应度值和每个粒子对应的对称粒子适应度值相比较，取适应度值较小的那个取代原有的粒子；所述对称粒子的求解公式为：

式中，i表示维度；x_i∈[a_i，b_i]，即粒子在某个维度上的范围大小，x_i为粒子群粒子的位置大小；为所求的粒子在某个维度上的对称位置。

3.根据权利要求1所述的移动机器人路径规划的方法，其特征在于，还包括在步骤(4)与步骤(5)之间设置自适应参数ω、c₁、c₂；

式中，ω为是惯性权重，c₁为单个学习因子，c₂为全局学习因子；d_g为当前迭代所评估的粒子与历史全局最优粒子的距离，d_min为历史所评估的粒子与历史全局最优粒子的最小值，d_max为历史所评估的粒子与历史全局最优粒子的最大值；c_1max和c_1min为c₁的初始值和终止值；c_2max和c_2min为c₂的初始值和终止值。