[发明专利]基于二进制量子粒子群算法的移动机器人路径规划方法

说明书

技术领域

本发明公开了一种基于二进制量子粒子群算法的移动机器人路径规划方法。

背景技术

路径规划是指机器人从起始点到目标点之间找到一条安全无碰的路径，是机器人领域的重要课题。按对环境知识的了解，可分为已知环境和未知环境下的路径规划。无论机器人路径规划属于哪种类别，采用何种规划算法，基本上都要遵循以下步骤：1)建立环境模型，即将机器人所处的现实世界进行抽象后建立相关的模型；2)搜索无碰路径，即在某个模型的空间中寻找合乎条件的路径的搜索算法。对于环境信息已知的全局路径规划，目前已有许多解决方法，如人工势场法、可视图法以及由人工势场演变而来的数值势场法。近十年间，随着人工智能研究不断取得进展，许多智能算法也被用到移动机器人的路径规划中，包括模糊逻辑与增强学习算法、神经网络、遗传算法以及蚁群算法等。

移动机器人的运动规划算法是伴随着移动机器人的发展为满足机器人的需要而发展的。当今，无人地面、水下、空中机器人发展迅速，足球机器人比赛如火如荼，并且机器人正朝着微小型化和多机器人协作方向发展。随着星球探测和无人战争的需要，对机器人的研究越来越注重于在崎岖地形和存在着运动障碍的复杂环境中自主导航。为了满足移动机器人发展的需要，运动规划正在并且将会向高维自由度机器人、多机器人协调、动态未知环境中的规划发展。

发明内容

本发明的目的是克服现有技术中存在的不足，提供一种可以解决移动机器人实时生成避障路径的问题、可以解决不确定环境下移动机器人的路径规划、并可实现移动机器人的导航和避障问题的基于二进制量子粒子群算法的移动机器人路径规划方法。

按照本发明提供的技术方案，所述基于二进制量子粒子群算法的移动机器人路径规划方法包含如下步骤：

步骤一：把机器人简化成一个点，并在二维空间内运动，通过视觉系统能感知自己目前的位姿和障碍物的位置；

步骤二：将机器人视觉系统感知到的所有障碍物处理成凸多边形；

步骤三：将二维空间离散化为一系列的栅格，并对移动机器人在每一个栅格处的八个可能运动方向进行二进制编码；

步骤四：定义从起点到目标点的路径的长短为该方法需要求解的目标函数，即由路径上的栅格累积得到，计算方法具体为：

其中d表示两个栅格间的路径长度；

步骤五：针对机器人路径规划问题的离散特征，利用二进制量子粒子群算法对步骤四中的目标函数进行全局优化以得到最优的移动机器人路径，具体包括：

(5.1)粒子距离的确定：为了表示两个粒子之间的距离，引入了Hamming距离来定义它，定义两个粒子(X，Y)，它们分别有两个决策变量(Xi1，Xi2)、(Yi1，Yi2)，每一个决策变量由五位二进制编码，则两个粒子的距离可有Hamming距离表示得：

|X-Y|＝d_H(X，Y)             (2)

它的值为两个位串对应位的不同值的数目；

(5.2)最优中值位置(mbest)的确定：mbest的值由粒子群体中每个粒子位串的相同位的值决定，通过统计每个粒子群体中统计粒子二进制编码的每一位出现0、1的概率的大小，出现0的次数多，则mbest对应的为0，反之，则为1；

(5.3)局部吸引子P_i的确定：利用多点交叉操作得到局部吸引子；即先计算出每一代的局部最优和全局最优，通过交叉的方式计算出局部吸引子；

(5.4)粒子位置的确定：

b＝α*d_H(X_id，mbest_d)*ln(1/u)，u＝rand()       (3)

其中d_H(X_id，P_id)是粒子i第d维的X_id和局部吸引子第d维的P_id的Hamming距离，α值为0.6。

本发明与已有技术相比，过程简单，容易实现，鲁棒性好、求解效率高等优点。因此，本发明解决了移动机器人实时生成避障路径的问题。本发明解决了不确定环境下移动机器人的路径规划，实现了移动机器人的导航和避障问题，较好的实现了机器人的实时路径规划和控制，为移动机器人路径规划提供了一个有效的方法。

附图说明

图1栅格法规划搜索区域示意图。

图2方向编码示意图。

图3粒子位置的二进制编码图。

图4二进制编码粒子的多点交叉示意图。