[发明专利]一种基于膜计算实现井下机器人路径优化方法

权利要求书

1.一种基于膜计算实现井下机器人路径优化方法,其特征在于，路径优化方法包括如下步骤：

S1:煤矿井下机器人细胞型膜系统构建；

S1-1：细胞型膜系统中，规则在各自膜内运行，数据可以快速处理，结合膜计算的并行、分布式特征，构建一个相互独立且相互协作的数据处理膜系统，采用细胞型膜系统对煤矿井下移动机器人建模原理及控制过程框架；

S1-2:构建机器人动力学模型；

S1-3：确定机器人的实时位置；

S2:构建膜控制器结构；

S3：膜算法设计

设定节点i和j之间的距离构成矩阵M，TSP为求解一条通往所有节点且每个节点经过一次的最短距离，算法以经过各个节点的顺序表述，路径长度为目标函数，基于所有节点遍历下的约束条件进行种群初始化、交叉、和变异操作；

S4：移动机器人仿真及实验结果分析

设定用密闭走廊代替煤矿井下巷道，设计了一个针对五个假想障碍物的仿真环境，该环境中移动机器人的起点和目标点的位置是已知的，根据前期建立的数学模型，对障碍点进行坐标变换，改进蚁群算法的参数初始化初始化为:M＝20，最大迭代次数N＝100；利用蚁群膜算法对所建立的可视环境模型进行路径规划的仿真，为进一步验证构建的细胞型膜系统下的膜算法，取20个节点标记，依据所设计的膜控制结构和算法，通过改变进化代数。

2.根据权利要求1所述的一种基于膜计算实现井下机器人路径优化方法，其特征在于，所述S1-2，将机器人设定在二位平面内，其运动轨迹的描述即路径。由平面坐标(x,y)及方位角θ组成，向量表示为(x,y,θ)^T，路径和参与计算的环境共同构成机器人运动状态X_i。

3.根据权利要求2所述的一种基于膜计算实现井下机器人路径优化方法，其特征在于，所述机器人初始路径设定为x_t-1＝(x,y,θ)^T,后继路径x_t＝(x′,y′,θ′)^T,控制u_t＝(v,w)^T，控制以Δt时间执行，由于运动模型误差参数噪声的干扰，真实速度与测量速度是不同的，因此模型须考虑控制噪声，当Δt→0时，确定机器人的模型为：

4.根据权利要求3所述的一种基于膜计算实现井下机器人路径优化方法，其特征在于，所述机器人运动在2维平面内，对式(1)进行扩展，当旋转时机器人到达最终路径，此时有：

由公式(1)和(2)可得到移动机器人的最终模型为：

5.根据权利要求1所述的一种基于膜计算实现井下机器人路径优化方法，其特征在于，所述S2，膜控制器开始执行的每个周期都接收机器人数据(x，y，θ)^T,位置更新输出数据(x′，y′，θ′)^T。根据膜计算的分布并行特征，建立度为m的如下膜系统；

MembraneC＝(m,μ,H,(var_i,pri_i,var_i(initial)),x,u) (4)。

6.根据权利要求5所述的一种基于膜计算实现井下机器人路径优化方法，其特征在于，所述m代表膜的度，m＝{x_ij,y_ij,θ_ij,Err:i,j∈[1,2]}。

7.根据权利要求1所述的一种基于膜计算实现井下机器人路径优化方法，其特征在于，所述机器人路径优化步骤如下:

第一步：种群初始化

采用节点访问序列进行排列组合，路径染色体个体作为路径访问序列。序列规则编码从1-n，即个体长度为n；

第2步：路径函数计算

取节点距离之和为适应度函数，进一步评价结果的优劣，将矩阵M中每一行设为距离的最后一个元素的路径长度，即节点i和j之间的距离表示为：

通过样本的路径长度可进一步得到目标函数：

自适应度函数为目标函数的导数：

第3步：选择算子计算

按照种群适应度评价，从种群中选择优胜个体；

第4步：交叉算子计算

将个体进行配对，以一定概率p将配对中的个体替换重新组成新的个体；

第5步：变异算子计算

以变异概率p对种群中的个体值作变动，如果变异后新的适应度值优越，则保留新个体，否则，保留原个体。