[发明专利]基于遗传算法和人工势场法的机器人行走路径规划方法

说明书

本发明涉及一种基于遗传算法和人工势场法的机器人行走路径规划方法。该方法结合Maklink图和人工势场法得到优化路径，选取链接线上的节点，通过Dijkstra算法得到一条起点到终点的最短路径作为人工势场法的预规划路径，把该路径中的每一个中间节点都依次作为人工势场法的目标引力牵引点。再利用遗传算法迭代寻优，最终可以在包含凹多边形的目标区域中得到一条平滑且安全性高的最短路径，并且可以解决人工势场法本身的局限问题，避免陷入极值点和消除震荡点。

技术领域

本发明涉及一种基于遗传算法和人工势场法的机器人行走路径规划方法。

背景技术

随着电力系统自动化水平的提高，变电站的数量越来越多，巡检工作量越来越大。传统的巡检方式一般是人工巡检，通常需要巡检人员定期到变电站或配电房进行巡检。这样的巡检方式不仅工作任务繁重，效率低下，而且工作人员还面临着复杂的环境和电磁辐射带来的危害，同时在恶劣天气下，变电站设备状况无法及时巡检，很难满足对供电质量日益提高的要求。这种情况下，变电站智能巡检机器人的作用就显得尤为重要，而路径规划是变电站巡检机器人自主导航的重要部分之一。

路径规划在国内外的研究众多，涉及到的领域也非常广泛，例如机器人路线规划、飞行器航线规划、无人船避碰等等。通过环境建模的不同可以分为三大类：基于物理、数学和决策论的环境建模。物理方法的环境建模主要有路线图法、人工势场法[1]、栅格法[2]、构型空间法、Dubins路径、概率地图法等等，而路线图法又可细分为可视图法、Voronoi图、链接图法以及随机路线图等，对于这一类的建模方法通常采用启发式或智能算法求解，如Dijkstra算法、蚁群算法[3]、模拟退火算法[4]、A*[5]算法或者融合多种智能算法的混合算法[6]，本文即是在此类建模方法下进行的研究；数学方法的环境建模主要有线性规划、动态规划、最小树规划等，通常适用于多起点多目标点的编队路径规划，可以用传统的混合整数线性规划或者智能算法如PSO算法等进行求解；基于决策论的环境建模主要有模糊控制、多行为融合、状态聚类等方法，通过对被规划目标在已有的不同环境下的决策进行分类归纳来对未来的情况做出相应的判断，最终规划出合适的路径，神经网络和深度学习在解决此类问题中有着绝对的优势。

链接图[7](Maklink)法是自由空间建模的一种比较精简的方法，它把整片区域中的障碍物抽象成平面的凸边形，再利用相关的图论原理建立一个全局连通图，最后通过相关算法实现路径规划。在其过程中，会对障碍物边界进行适当的扩大并缩小环境边界，然后把自由空间内的巡检机器人视为一个质点。但是，在一些通道狭窄且复杂的变电站巡检区域中，机器人不可视为质点，并且最终得到的路径不一定满足巡检路线的要求，容易发生碰撞事故，或者精度不够使得机器人无法到达指定检测区域。

人工势场法[8]具有数学模型简单、易于实现、路线结果平滑等优点，因此在路径规划领域得到了广泛的应用，但其也存在算法本身上的缺陷[9]，例如：规划目标与障碍物和终点处于同一直线时，易陷入局部极小值；终点与障碍物距离过近会产生目标不可达问题[10]；狭窄区域易陷入徘徊抖动状态。这是由于该方法每一步的方向是通过局部区域的合力确定的，导致其缺乏全局环境上的规划能力，因此本文提出了基于Maklink图的预规划路径的人工势场环境模型。

发明内容

本发明的目的在于提供一种基于遗传算法和人工势场法的机器人行走路径规划方法，结合Maklink图和人工势场法得到优化路径，再利用遗传算法迭代寻优，最终可以在包含凹多边形的变电站工作区域中得到一条平滑且安全性高的最短路径，并且可以解决人工势场法本身的局限问题，避免陷入极值点和消除震荡点。

为实现上述目的，本发明的技术方案是：一种基于遗传算法和人工势场法的机器人行走路径规划方法，包括如下步骤：

步骤S1、通过改进的Maklink法对变电站工作区域进行环境建模并对路径节点进行遗传编码；

步骤S2、利用Dijkstra算法得到经过的路径节点并构建人工势场环境模型，而后通过改进的人工势场法对路径进行优化，可得到一条平滑的可通行路径；