[发明专利]汽车起重机机器人路径规划方法

权利要求书

1.一种汽车起重机机器人路径规划方法，用于克服NA路径规划算法存在的不足而提供一种可避免局部极小值问题、规划的无碰路径达到最短无碰路径的改进的基于神经网络能量函数的路径规划方法，其特征在于包括以下几个步骤：

步骤1：定义路径总能量函数：一条路径的碰撞罚函数定义为各路径点的碰撞罚函数之和，而一个点的碰撞罚函数是通过它对各个障碍物的三层前向神经网络表示得到的；输入层的两个结点的输入分别是路径点的横坐标和纵坐标x、y，其中x、y为实数，中间层的每个结点相应于障碍物的一条边的不等式限制条件，输入层和中间层的连接权系数等于不等式中x、y前面的系数，中间层每个结点的阈值等于相应不等式中的常数项；中间层到输出层的连接权为1，输出层结点的阈值取为不等式的个数减去0.5后的负数；

该连续网络的运算关系为

C=f(IO)=1/(1+e-Io/T)---(1)]]>

IO=Σm=1MOHm+θT---(2)]]>

OHm=fHm(IHm)---(3)]]>

I_Hm＝w_xmx_i+w_ymy_i+θ_Hm    (4)

其中各符号的含义为，C：顶层结点输出；I_O：顶层结点输入；θ_T：顶层结点阈值；O_Hm：中间层第m个结点的输出；I_Hm：中间层第m个结点的输入；θ_Hm：中间层第m个结点的阈值w_xm，w_ym：第m个不等式限制条件的系数；激发函数为常用的S形函数，即

fHm(x)=11+e-x/THm---(5)]]>

模拟退火温度变化公式为：

T=βlog(1+t)---(6)]]>

THm(t)=βmlog(1+t)---(7)]]>

其中β是模拟退火初始温度，β_m是相应于障碍物每一条边的模拟退火初始温度，可以根据障碍物的形状，设定各边的不同的初始温度，这样对于一些不对称图形可避免其罚函数曲面形成一边倒的情况；

整条路径相应于碰撞函数部分的能量为

EC=Σi=1NΣk=1KCik---(8)]]>

其中K是障碍物的个数，N是路径点的个数，C_i^k是第i个路径点P(x_i，y_i)对第k个障碍物的碰撞函数；

相应于路径长度部分的能量函数是所有线段长度的平方和，即对所有路径点P(x_i，y_i)，i＝1，2，…，N，

El=Σi=1N-1[(xi+1-xi)2+(yi+1-yi)2]---(9)]]>

整条路径的总能量函数为

E＝w_lE_l+w_cE_c    (10)

其中w_l和w_c分别表示对每一部分的权重(w_l+w_c＝1)；

步骤2：根据出发点坐标P(x₁，y₁)及目标点坐标P(x_N，y_N)，初始路径一般取为出发点到目标点的直线上均匀分布的点列，当x₁≠x_N时

x_i＝x₁+i(x_N-x₁)/(N-1)

y_i＝(y_N-y₁)(x_i-x₁)/(x_N-x₁)+y₁    (i＝2，3，…，N-1)    (11)

步骤3：检测路径的起点和终点是否都在障碍物的中轴线上，根据不同情况分别进行下面两种操作：

(1)若起点和终点至少有一个不在障碍物的中轴线上，则执行步骤4；

(2)若起点和终点都在障碍物的中轴线上，则随机选择一个路径点，改变该路径点坐标后，执行步骤4；

步骤4：对于路径点P(x_i，y_i)，i＝2，3，…，N-1，用检测器检测是否在障碍物内，根据不同情况分别进行下面两种操作：

(1)若路径点P(x_i，y_i)在障碍物内，则按下列运动方程移动

x·i=-η1(2wl(2xi-xi-1-xi+1)+wcΣk=1Kf′((IO)ik)(Σm=1MfHm′((IHm)ik)wxmk))]]>

y·i=-η1(2wl(2yi-yi-1-yi+1)+wcΣk=1Kf′((IO)ik)(Σm=1MfHm′((IHm)ik)wymk))---(12)]]>

x·i=-η1(2wl(2xi-xi-1-xi+1)+wcf′((IO)i)+fH′((IH)i)(P-xi))]]>

y·i=-η1(2wl(2yi-yi-1-yi+1)+wcf′((IO)i)+fH′((IH)i)(Q-yi))---(13)]]>

其中(12)用于P(x_i，y_i)位于多边形的障碍物内的情况，(13)用于P(x_i，y_i)位于圆心在(P，Q)的圆形障碍物内的情况；

(2)若P(x_i，y_i)在障碍物之外，则按下列运动方程移动

x·i=-η2(2xi-xi-1-xi+1)]]>

y·i=-η2(2yi-yi-1-yi+1)---(14)]]>

步骤5：重复执行步骤4，直到路径收敛；

其中上述步骤1-5基于以下假设：

(1)障碍物是二维环境中的多边形围成的平面图形或者是圆形的平面图形；

(2)障碍物为静止的；

(3)计算时障碍物的尺寸按机器人的半径作适当的扩展。