多无人车协同遍历任务的智能路径规划方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113867358A(43)申请公布日2021.12.31(21)申请号202111194409.8(22)申请日2021.10.13(71)申请人中国人民解放军陆军工程大学地址210000江苏省南京市秦淮区后标营路88号(72)发明人郭艳周彬李宁王振华刘杰薛端宋晓祥(74)专利代理机构北京力量专利代理事务所(特殊普通合伙)11504代理人毛雨田(51)Int.Cl.G05D1/02(2020.01)权利要求书3页说明书10页附图4页(54)发明名称多无人车协同遍历任务的智能路径规划方法(57)摘要多无人车协同遍历任务的智能路径规划方法，涉及智能路径规划方法的技术领域。包括如下步骤：设计约束条件，建立问题模型；结合建立的问题模型，建立路径规划模型；对建立的路径规划模型，利用协同进化的混合种群遗传算法搜索任务分配问题的最优解，所述协同进化的混合种群遗传算法是将虚拟编码策略、经典进化方法和混合交叉机制相结合，在多约束条件下搜索最优解，有效的为多无人车构造目标访问序列。本发明结合了路径规划模型和认为分配算法，考虑了装载能力和续航能力等诸多限制，可以有效的为每辆无人车分配目标任务并规划访问序列。相比于传统的启发式算法，该算法在节能和效率等方面具有较好的优越性。CN113867358ACN113867358A权利要求书1/3页1.一种多无人车协同遍历任务的智能路径规划方法，其特征在于包括如下步骤：步骤1：设计约束条件，建立问题模型；步骤2：结合步骤1建立的问题模型，建立路径规划模型；步骤3：对步骤2建立的路径规划模型，利用协同进化的混合种群遗传算法搜索任务分配问题的最优解，所述协同进化的混合种群遗传算法是将虚拟编码策略、经典进化方法和混合交叉机制相结合，在多约束条件下搜索最优解，有效的为多无人车构造目标访问序列。2.根据权利要求1所述的多无人车协同遍历任务的智能路径规划方法，其特征在于上述步骤1的建立问题模型，具体过程如下：用向量来描述仓库地面上某个动态目标i的初始位置，vi和θi分别表示动态目标i的移动速率和移动方向；假设无人车由恒定推力驱动，无人车具有最大的移动速率为vmax，假设携带的传感器数量对无人车的移动速率影响如下：vij＝vmax‑sij/S(1)其中，S是表示无人车的传感器负载能力的正整数，sij是无人车离开动态目标i后开始追踪目标j时所携带的传感器数量，vij表示无人车在该过程中的移动速率；由于仓库的尺寸明显大于无人车的尺寸，因此我们假设无人车不受转弯比的限制；假设[0]和[1,2,..,n]分别表示服务站和动态目标，将V＝[0,1,2,..,n]表示为服务站和动态目标参数的集合；对于每对不同的目标i,j∈V，tij表示无人车离开动态目标i后追踪到目标j所耗用的行驶时间；显然，对于任何i，tii＝0；对于每一个i∈V\{0}，用si表示动态目标i所需的传感器数量，假设对于所有的动态目标i来说，si≤S，这样每个动态目标总是可以由一辆无人车提供服务，所需的最大无人车数量不超过n；假设服务站有足够数量的传感器可供交付，A＝[1,2,..,m]表示服务站中的备选无人车集合，于是m≤n，根据给定的传感器需求数量si，那么m至少为其中，对于一个正数z，上限函数返回的值为大于或等于z的最小整数；对于任意的i,j∈V及k∈A，假设σijk:V×V×A→{0,1}是路径规划的映射，该映射为二进制值，当且仅当无人车k离开动态目标i并开始向目标j追踪时，该值等于1；对于所有的i∈V和k∈A，σiik＝0；最小化所有无人车行驶的总距离即为最小化其中，表示无人车k离开动态目标i后追踪到目标j所耗用的行驶时间；然而最小化总行驶的距离必须在许多约束条件下进行，以确保路径规划和任务分配的有效性；引入任务分配的映射μik:V×A→{0,1}，对于任意i∈V及k∈A，当动态目标i和无人车k的索引相匹配时，任务分配映射的二进制值等于1；首先给出下面的整体约束最小化问题，为实现目标是最小化2CN113867358A权利要求书2/3页约束应满足如下：公式(3)的目标函数是最小化所有无人车行驶的总距离，其中，为无人车k携带传感器时的移动速率，M和N均为惩罚因子，前者用于保证每辆车交付的传感器数量始终低于无人车的装载能力，后者用于保证每辆车行驶的总距离始终低于无人车的续航能力，D为每辆无人车的最大续航里程；公式(4)的约束条件是要求每个目标被服务，并且仅有一辆车服务，公式(5)以及公式(6)的约束条件是保证到达并离开目标的是同一辆无人车。3.根据权利要求2所述的多无人车协同遍历任务的智能路径规划方法，其特征在于上述步骤2的建立路径规划模型，具体过程如下：为了规划在给定多目标初始位置及移