[发明专利]一种基于UWB和蚁群算法的多楼层的货物运送方法

权利要求书

1.一种基于UWB和蚁群算法的多楼层的货物运送方法，其特征在于：包括下列步骤：

步骤一、通过UWB无线测距传感器接收目标信号源的位置，以及提前设定好的楼梯口位置；

步骤二、通过蚁群算法计算最优路线规划，确定距离最近的楼梯口，并将其作为本楼层移动路径的终点；

步骤三、无人小车根据步骤二确定的路线结果移动到对应的楼梯口；

步骤四、无人小车在上下移动过程中运用UWB传感器不断反馈的数据，判断是否到达目标信号源的楼层，到达目标信号源的楼层移动到对应楼梯口；

步骤五、当无人小车到达目标楼层时，再次通过UWB无线测距传感器接收目标信号源的信号，并确定此时的位置到目标信号源的最优路线；

步骤六、无人小车根据步骤五确定的路线结果移动到目标信号源的位置。

2.根据权利要求1所述的一种基于UWB和蚁群算法的多楼层的货物运送方法，其特征在于：所述步骤二中，蚁群算法包括：定义一个具有N个节点的有权图G＝(N，A)，其中N表示节点集合N＝1，2，…，n，A表示边，A＝(i，j)|i，j∈N，节点之间的距离设为(d_ij)_n×n，目标函数即最小化起点到终点的距离之和；

设整个蚂蚁群体中蚂蚁的数量为m，路径节点的数量为n，节点i与节点j之间的相互距离为d_ij(i，j＝1，2，…，n)，t时刻节点i与节点j连接路径上的信息素浓度为τ_ij(t)，初始时刻，各个节点间连接路径上的信息素浓度相同，设为τ_ij(0)＝τ₀；

蚂蚁k(k＝1，2，…，m)根据各个节点间连接路径上的信息素浓度觉定其下一个访问节点，设表示t时刻蚂蚁k从节点i转移到节点j的概率，其计算公式如下：

其中，η_ij(t)为启发函数，表示蚂蚁从节点i转移到节点j的期望程度；allow_k(k＝1，2，…，m)为蚂蚁k带防伪节点的集合；α为信息素重要程度因子；β为启发函数重要程度因子。

3.根据权利要求2所述的一种基于UWB和蚁群算法的多楼层的货物运送方法，其特征在于：确定t时刻蚂蚁k从节点i转移到节点j的概率后，首先计算每个个体的累积概率q_j，如下式：

q_j相当于转盘上的跨度，跨度越大的区域越容易选到，1表示下一步可选的路径的数量；

之后随机生成一个(0，1)的小数r，比较所有的q_j与r的大小，选出大于r的最小的那个q_i，该q_i对应的索引j即为第k只蚂蚁在第i条路径时下一步要选择的目标点，算式如下：

r＝rand(0，1)

j＝index{min[q_jr]}

在蚂蚁释放信息素的同时，各个节点问连接路径上的信息素逐渐消失，设参数ρ(0ρ1)表示信息素的挥发程度，当所有的蚂蚁完成一次循环后，各个节点间连接路径上的信息素浓度需要进行更新，计算公式为：

4.根据权利要求1所述的一种基于UWB和蚁群算法的多楼层的货物运送方法，其特征在于：所述步骤四中，在判断到目标信号源的距离最短时确认到达目标信号源所在的楼层，采用Elman神经网络算法判断到目标信号源的距离，Elman神经网络算法属于梯度下降法，加入粒子群算法，优化ENN阅值与权重，并且结合静态目标定位算法进行协同定位。

5.根据权利要求1所述的一种基于UWB和蚁群算法的多楼层的货物运送方法，其特征在于：在步骤二和步骤五进行路线规划时采用栅格法建立环境模型：先建立栅格地图，采用序号法标记环境地图信息，将栅格地图中一个个栅格从序号1依次累加直到标记到最后一个栅格，假设栅格规模为x行y列，则第i个栅格对于的位置由下式计算得出：

式中口为每个小方格像素的边长，ceil(n)取大于等于数值n的最小整数，mod(i，y)求i除以y的余数。每条路径的长度由下式计算得出：

6.根据权利要求5所述的一种基于UWB和蚁群算法的多楼层的货物运送方法，其特征在于：在建立环境模型之后，采用八叉树搜素策略设计移动路线，无人小车在搜索过程中朝附近八个方向的相连栅格之间的自由移动，通过八叉树搜素策略结合蚁群优化算法完成最优路线规划。