[发明专利]融合A*与改进灰狼算法的巡检机器人路径规划方法

说明书

本发明为融合A*与改进灰狼算法的巡检机器人路径规划方法，该方法包括以下内容：创建环境地图，运行A*算法，确定可行栅格节点的评价函数F(n)值；单独设置一个矩阵存放F(n)的数据，直到进行灰狼初始化之前，该矩阵的地址不能释放；比较起始点周围所有可行栅格的评价函数F(n)值，将评价函数F(n)值自大到小排列，并且将F(n)值前三位可行栅格初始化为狼群的α狼、β狼、γ狼，其余可行栅格作为ω狼；运行改进灰狼算法，更新位置向量及拓展节点，遍历至终止点后，输出最优路径。该方法将灰狼算法的寻优机制与传统A*算法结合，一定程度上改善了传统A*算法在路径长度过长以及机器人运行过程中转折角度过大的问题。

技术领域

本发明涉及路径规划技术领域，具体涉及一种融合A*与改进灰狼算法的巡检机器人路径规划方法。

背景技术

随着近几年机器人行业的快速发展，自主移动机器人成为了机器人行业发展和投资的一个热点，也是机器人技术发展的必然趋势。自主移动机器人能够通过传感器感知周围陌生环境和估计自身所处位置的状态，在一个有障碍物的陌生环境中实现一个由出发点驶向目标点的自主移动，从而实现人们的作业需求。相比较其他类型机器人，自主移动机器人具有小巧灵活、操作简单等优点，可以广泛的应用于军事、医疗和其他日常生产生活中。

路径规划是实现移动机器人智能化操作的重要技术，一直以来也是机器人控制领域的一个重要研究热点。所谓机器人路径规划，就是指机器人依据一个或者多个评价指标，在所应用的路径规划环境中找到一条从起始点到目标点无碰撞的最优或次优路径。目前，常用的路径规划指标有最短路径距离、最短运行时间、最少运动耗能等。

自1970年代路径规划问题被提出以来，许多学者开始大量投入对此问题的研究和探讨，根据机器人对外界环境的感知程度，路径规划问题可以分成两类：一类是指机器人在已知全部环境信息的基础上进行的全局路径规划；另一种是指机器人在已知部分环境信息的基础上进行的局部路径规划，也被称为在线路径规划。此外，根据使用算法的不同，也可分为传统算法和智能算法两类。其中传统算法主要有栅格地图法、Dijkstra法、动态窗口法、人工势场法等。随着高精度传感器、计算机技术和人工智能的迅速发展，路径规划算法早已取得了大量的研究成果，但是，实际应用在具体的路径规划算法设计中，每种算法均有其自身的缺点和局限性。作为一种启发式算法，A*算法是在静态环境中用于求解最优路径的最有效的直接搜索算法之一，因此在室内机器人的路径规划领域中得到了广泛应用。A*算法在小环境中搜索效率高，并且能够搜索到最优路径，但是，由于其本身计算方法的局限性，导致搜索出的路径转折角度太大，不利于直接应用在实际工作中。

发明内容

针对现有技术存在的缺陷，本发明的目的在于，对传统的A*算法和灰狼优化算法进行优化改进，提供一种融合A*与改进灰狼算法的巡检机器人路径规划方法，该规划方法为融合A*与改进灰狼算法的混合型全局路径规划算法(GWOMA*)，该方法分析群体智能算法灰狼优化算法(GWO)的数学模型和仿生原理，确定距离权重系数，优化A*算法原有的启发式搜索方式。将灰狼算法的寻优机制与传统A*算法结合，一定程度上改善了传统A*算法在路径长度过长以及机器人运行过程中转折角度过大的问题。

为了实现上述目的，本发明采用如下技术方案：

一种融合A*与改进灰狼算法的巡检机器人路径规划方法，该方法包括以下内容：

创建环境地图，运行A*算法，确定可行栅格节点的评价函数F(n)值；单独设置一个矩阵存放F(n)的数据，直到进行灰狼初始化之前，该矩阵的地址不能释放；

比较起始点周围所有可行栅格的评价函数F(n)值，将评价函数F(n)值自大到小排列，并且将F(n)值前三位可行栅格初始化为狼群的α狼、β狼、γ狼，其余可行栅格作为ω狼；

运行改进灰狼算法，更新位置向量及拓展节点，遍历至终止点后，输出最优路径。

该规划方法具体步骤是：