[发明专利]基于线性时序逻辑理论的仓储机器人路径规划方法

说明书

技术领域

本发明涉及一种仓储物流移动机器人的路径规划方法，针对具体的仓储环境和取货任务 需求采用基于线性时序逻辑理论(LTL)的仓储机器人路径规划方法，规划出既能够满足任 务需求，又符合环境信息的最优路径，以确保仓储机器人能够高效的完成指定的任务，实现 机器人代替人工作的目标，从而提高工作效率。

背景技术

由于电子商务的快速发展，仓储物流领域中自动化设备的应用越来越广泛，而仓储物流 机器人的应用可以大大提高电商仓储物流工作的效率，缓解当前仓储物流行业供不应求的现 状。因此，如何让机器人代替人完成仓储物流任务，从而提高电商的库存管理能力与配载能 力是当前机器人研究领域的热点之一。仓储物流机器人涉及多机器人任务调度、移动机器人 路径规划和运动控制等技术。

目前仓储机器人的研究主要集中在调度、避碰问题上，而路径规划又是机器人应用到仓 储物流领域的核心技术之一，对于针对具体仓储环境和具体派单任务实现路径规划的研究较 少。LunaR和BekrisKE提出了一种PUSH-SWAP的方法来避免多移动机器人之间的碰撞实 现路径规划，其优点在于很好的解决碰撞问题，但其路径规划方法不普遍适用于仓储环境 (Efficientandcompletecentralizedmulti-robotpathplanning[C]//IntelligentRobotsandSystems (IROS),2011IEEE/RSJInternationalConferenceon.IEEE,2011:3268-3275.)；王戌在机器人调 度与特殊规则约束下，基于A*算法的路径规划实现了仓储物流机器人集群的智能调度和路径 规划(智能仓库多移动机器人的路径规划研究[D].大连交通大学,2014.)；肖云涛，欧林林, 和俞立提出了一种基于线性时序逻辑的规划方法，该方法应用线性时序逻辑解决了移动机器 人复杂的任务要求，但他们解决的是巡回任务问题，而对仓储系统的派单任务不能很好适用 (基于线性时序逻辑的最优巡回路径规划[J].自动化学报,2014,10期(10):2126-2133.)。已有 的路径规划方法基本都针对“从A点到B点，途中避开障碍物”这类简单的任务，对于仓储 机器人这类需要从起点出发，到多点取货后回到终点的复杂需求还无法很好的解决，机器人 路径规划技术仍然存在很大的瓶颈。人工势场法、A*算法和RRT算法都是现有的路径规划 方法，它们能够解决路径规划当中的一些基本任务，但它们都需要根据任务节点顺序，按序 分段进行规划，规划所得路径受任务节点的数目和顺序影响，无法保证规划所得路径的最优 性，不能更好的适用于仓储系统的复杂任务。智能算法中的遗传算法是一种借鉴生物界的进 化规律，通过模拟自然界进化过程搜索最优解的方法。遗传算法从问题解的串集开始搜索， 而不是从单个解开始，同时处理群体中的多个个体，这可以有效避免传统优化算法从单个初 始值迭代求最优解陷入局部最优解的风险，但是遗传算法的效率通常比其传统的优化方法低， 其进化过程占用很多计算时间和内存空间。

发明内容

本发明要克服现有技术的上述缺点，提供一种基于线性时序逻辑理论的仓储机器人路径 规划方法。

本发明采用基于线性时序逻辑理论的仓储机器人路径规划方法寻优路径，其具体算法流 程图如图1所示，主要可分为环境建模与任务描述和路径寻优两大部分。首先，将仓储环境 建模为可扩展的加权切换系统；然后，采用线性时序任务公式描述仓储派单取货任务，并通 过LTL2BA工具包将其转换为图表形式(Büchi自动机)；接着，将加权切换系统与Büchi自动 机作笛卡尔乘积构成任务可行网络拓扑之后，采用SPFA(ShortestPathFasterAlgorithm)算 法在任务可行网络拓扑上所搜出最优路径，并将该路径映射回加权切换系统得到环境中对应 的最优路径；最后通过PC端将仓储环境中的最优路径发送给移动机器人，具体步骤如下：