[发明专利]移动机器人的路径规划方法

摘要

一种移动机器人的路径规划方法，包括通过多个距离传感器探测移动机器人与障碍物之间的距离；提供一具有淘汰机制的鱼群算法；移动机器人由具有神经网络的控制器控制；神经网络通过鱼群算法更新神经网络权值；通过已知地图模板训练所述神经网络；通过训练过的神经网络规划移动机器人在环境信息未知的环境空间中的行走路径。本发明采用加入淘汰机制的鱼群算法针对具有神经网络结构的控制器对移动机器人进行控制,机器人只需要在一个模板地图里进行训练，就可凭借神经网络的泛化性能来学习到壁障和到目的地的行为，即算法学习出的是一种泛化的行为而不是特定地图的路径轨迹，增强了机器人对于复杂位置环境的适应能力。

主权项

一种移动机器人的路径规划方法，其特征在于，包括：1)通过多个距离传感器探测移动机器人与障碍物之间的距离si，所述多个距离传感器均匀分布于所述移动机器人的周向正面，该移动机器人采用差分驱动小车模型，其运动学方程如下：i为所述距离传感器的数量，(x,y,θ)表示所述移动机器人在惯性系下的坐标以及该移动机器人的朝向与惯性系x轴之间的夹角，v、ω分别为机器人的速度与角速度；2)提供一具有淘汰机制的鱼群算法，该算法包括：觅食行为：在一标号为1,2,...,M的人工鱼集合F中，设当前第i条人工鱼状态Xi∈Rn，n为求解空间维数，鱼在自身视野范围内的求解空间中随机搜索新的状态Xj，并加以判断是否满足移动条件，即若P(Xj)＞P(Xi),其中P(·):Rn→R为目标函数，则按下式更新自身的状态：Xi(k+1)＝(1‑α)Xi(k)+αXj  (2)其中0＜α≤1为觅食学习率；若反复搜索次数达到最大搜索次数，则在视野范围以n维高斯分布取样一点作为下一个状态，即有：Xi(k+1)～N(Xi(k),σ2)  (3)聚群行为：对当前人工鱼i，定义邻接人工鱼集合：Ni＝{j∈F|‖Xi‑Xj‖≤d∩j≠i}  (4)其中‖·‖为欧氏范数，d表示人工鱼最大视野距离，判断视野范围内的所有人工鱼的状态中心是否拥挤，若不拥挤,即若P(Xc)/|Ni|＞δ·P(Xi),其中δ为拥挤度因子，则按下式更新人工鱼i的状态：γ为算法迭代步长，若不满足拥挤度条件，则执行觅食行为；追尾行为：人工鱼i在视野范围内搜索目标函数值最大的邻接人工鱼j，有j＝arg maxj′{P(Xj′)|j′∈Ni}  (6)且判断该人工鱼周围是否拥挤，即若P(Xj)/|Ni|＞δ·P(Xi)，则依下式更新人工鱼i的状态:淘汰机制：依据目标函数的值，淘汰m条低适应度的人工鱼，0≤m＜M为预设的淘汰数目；依次从M‑m条人工鱼中以等概率选取一条鱼设为人工鱼i，将人工鱼i的状态Xi作为高斯分布的期望，通过式(3)在人工鱼i附近生成一条鱼，重复上述过程直到生成m条鱼；3)所述移动机器人由具有神经网络的控制器控制，所述神经网络的输入I以及输出O分别为：I＝(rd,θd,s1,s2,...,s5)∈R7O＝Φ(G(IW1)W2)∈R2rd以及θd分别为碰撞点与目标的距离偏差以及角度偏差，rd＝‖(x,y)‑(xg.yg)‖，θd＝θ‑arg tan(yg/xg)∈(‑π,π]，其中，Φ为输出层激发函数，G为隐层激发函数，W1为输入层到隐层权值矩阵，W2为隐层到输出层权值矩阵，xg、yg分别为目标物体的x坐标以及y坐标；在每个离散步骤内，若检测到满足如下任意一个结束条件：距离偏差rd＝‖(x,y)‑(xg.yg)‖≤ε，ε＞0为设定的距离容许误差；ti＝tf，即迭代时间等于最大迭代时间；则，结束当前试验，返回目标函数的值为K为尺度因子；4)所述神经网络通过所述鱼群算法更新神经网络权值，即人工鱼的状态X：4a)初始化鱼群最优状态以及最优目标函数值公告板，在[‑3,3]的取值范围内随机初始化鱼群状态X；4b)若满足鱼群聚群条件，则执行聚群行为，否则执行觅食行为；4c)若满足鱼群追尾条件，则执行追尾行为，否则执行觅食行为；4d)更新所述公告板，执行淘汰机制；4e)若到达最大迭代次数，则结束鱼群算法并将人工鱼群的状态X以及目标函数的值输出至公告板,用以记录最优参数，否则返回4b)步骤；人工鱼的状态其中表示矩阵拉直为行向量；5)通过已知训练地图模板训练所述神经网络；6)通过训练过的神经网络规划所述移动机器人在环境信息未知的环境空间中的行走路径。