基于混合微粒群算法的移动机器人路径规划方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114995400A(43)申请公布日2022.09.02(21)申请号202210538337.2(22)申请日2022.05.18(71)申请人五邑大学地址529000广东省江门市蓬江区东成村22号(72)发明人张京玲林柏诚陈惠玲王天雷赖扬东刘建杰陈珏明张志坚劳睿腾吴宛蔓张宇(74)专利代理机构广州嘉权专利商标事务所有限公司44205专利代理师王浩(51)Int.Cl.G05D1/02(2020.01)权利要求书3页说明书10页附图5页(54)发明名称基于混合微粒群算法的移动机器人路径规划方法及系统(57)摘要本发明公开了一种基于混合微粒群算法的移动机器人路径规划方法及系统，通过微粒群‑遗传混合算法选择最优路径，不需要大量的学习样本，收敛速度也更快，规划效果更好；得到最优路径后，机器人按照最优路径移动的过程中，根据机器人当前位置以及机器人当前时刻的运行速度、航向角和障碍物信息实时获取轨迹预测，并对此时的预测轨迹进行评价选取最优轨迹，对移动前的准备条件要求少，移动时的盲点相对较少；通过微粒群‑遗传混合算法选择最优路径并通过实时进行轨迹预测选取最优轨迹，既完成了对所有位置的最优路径的选择，并实时控制机器人从当前位置移动至下一个位置进行最优轨迹的移动，充分契合路径规划模型，能够很好地适应复杂环境。CN114995400ACN114995400A权利要求书1/3页1.一种基于混合微粒群算法的移动机器人路径规划方法，其特征在于，包括以下步骤：步骤S100、构建路径规划模型,所述模型构建包括构建相应地图坐标系、机器人初始位置和机器人运动模型；步骤S200、通过所述路径规划模型，利用微粒群‑遗传混合算法计算所述机器人从起始位置到终点位置的最优路径，所述最优路径指所述机器人从起点位置到终点位置的距离最短的路径且所述最优路径中包括多个中间位置；步骤S300、驱动所述机器人沿所述最优路径移动，并且在所述移动过程通过如下方式计算所述机器人从当前位置移动至下一个位置的移动轨迹：步骤S301、获取所述机器人当前位置以及所述机器人当前时刻的运行速度、航向角和障碍物信息；步骤S302、根据所述机器人当前时刻的运行速度、航向角和障碍物信息得到所述机器人的预测轨迹并进行评价得到评价结果，选择所述评价结果最优的所述预测轨迹移动；步骤S303、判断所述机器人是否达到所述下一位置；若所述机器人达到所述下一位置，判断所述机器人是否达到所述终点位置；若达到所述终点位置，所述机器人停止移动。2.根据权利要求1所述的基于混合微粒群算法的移动机器人路径规划方法，其特征在于，所述利用微粒群‑遗传混合算法计算所述机器人从起始位置到终点位置的最优路径，包括以下步骤：步骤S210、进行微粒初始化，得到微粒群；所述微粒初始化包括随机设置微粒位置和设置个体历史最优值和群体历史最优值；步骤S220、根据所述微粒位置以及所述终点位置，计算得到当前个体适应度值，所述个体适应度值为路径长度；步骤S230、进行所述个体历史最优值和所述群体历史最优值的更新；所述个体历史最优值和所述群体历史最优值的更新包括以下步骤：步骤S231、判断所述当前个体适应度值是否优于所述个体历史最优值；步骤S232、若所述当前个体适应度值优于所述个体历史最优值，所述个体历史最优值更新为所述当前个体适应度值；步骤S233、判断所述当前个体适应度值是否优于所述群体历史最优值；步骤S234、若所述当前个体适应度值优于所述群体历史最优值，所述群体历史最优值更新为所述当前个体适应度值；步骤S240、将所述微粒进行遗传变换，更新所述微粒群；步骤S250、判断是否满足终止条件；不满足所述终止条件，跳转到步骤S220；满足所述终止条件，根据所述个体历史最优值和述群体历史最优值得到所述最优路径；所述终止条件包括迭代次数和所述个体历史最优值以及述群体历史最优值达到阈值。3.根据权利要求2所述的基于混合微粒群算法的移动机器人路径规划方法，其特征在于，所述将所述微粒进行遗传变换，包括以下步骤：步骤S241、进行所述个体适应度值对应的微粒与所述个体历史最优值对应的微粒的交叉；步骤S242、进行所述个体适应度值对应的微粒与所述群体历史最优值对应的微粒的交叉；2CN114995400A权利要求书2/3页步骤S243、进行所述个体适应度值对应的微粒的自身变异。4.根据权利要求3所述的基于混合微粒群算法的移动机器人路径规划方法，其特征在于，所述交叉包括以下步骤：通过离散均匀随机整数函数对两个微粒产生交叉位，所述交叉位产生交叉区域；删除所述交叉区域相同的元素，得到交叉新微粒；比较所述交叉新微粒的适应度值与所述当前个体适应度值，所述交叉新微粒的适应度值更优则保留所述交叉新微粒。5.根据权利要求