侯遠(yuǎn)韶

(河南工業(yè)貿(mào)易職業(yè)學(xué)院機(jī)電工程系 河南鄭州 451191)

1 機(jī)器人路徑規(guī)劃策略

1.1 路徑規(guī)劃定義和特點(diǎn)

機(jī)器人路徑規(guī)劃需要依據(jù)一定的優(yōu)化準(zhǔn)則如距離最短、時(shí)間最少、能量消耗最低等，也就是說(shuō)路徑規(guī)劃不得不考慮三個(gè)方面的因素即安全性、時(shí)間性和準(zhǔn)確性[1]。局部路徑規(guī)劃具有實(shí)時(shí)性和可規(guī)劃性是基于動(dòng)態(tài)環(huán)境的，全局路徑規(guī)劃可以對(duì)全局信息進(jìn)行綜合處理，但無(wú)法對(duì)動(dòng)態(tài)的外部環(huán)境進(jìn)行自身約束和可行性分析，因此需要將局部路徑規(guī)劃的動(dòng)態(tài)性融合到全局規(guī)劃的全面性中，進(jìn)而實(shí)現(xiàn)機(jī)器人路徑規(guī)劃的合理有效[2]。路徑規(guī)劃需要進(jìn)行導(dǎo)航定位，環(huán)境地圖可以準(zhǔn)確定位機(jī)器人的位置信息，進(jìn)而給路徑規(guī)劃作出合理依據(jù)，進(jìn)行地圖創(chuàng)建的方法主要有可視圖法、柵格分解法等。

1.2 路徑規(guī)劃步驟

（1）好的環(huán)境模型可以使機(jī)器人明白自己所處的位置，感知周?chē)h(huán)境繼而進(jìn)行安全合理有效的路徑規(guī)劃，其作用是對(duì)智能設(shè)備和物理模型構(gòu)建連接橋梁，實(shí)現(xiàn)之間的轉(zhuǎn)換通過(guò)數(shù)學(xué)模型的形式進(jìn)行抽象化表示[3]；（2）而如何依據(jù)已知信息和未知信息得到安全有效的起點(diǎn)和終點(diǎn)間的路徑，同時(shí)最大程度地提升規(guī)劃效率，是路徑搜索的主要任務(wù)。（3）由于環(huán)境因素的動(dòng)態(tài)變化性以及各種不可確定因素的影響，通過(guò)環(huán)境建模和搜索路徑得到的最終規(guī)劃策略并不一定滿足需要， 有可能存在多個(gè)彎曲節(jié)點(diǎn)，因此需要通過(guò)路徑平滑對(duì)得到的路徑進(jìn)行優(yōu)化處理，進(jìn)而實(shí)現(xiàn)機(jī)器人避障與路徑規(guī)劃[4]。

表1 不同算法實(shí)驗(yàn)數(shù)據(jù)對(duì)比

2 多傳感器信息融合

2.1 多傳感器信息融合方法

單一傳感器采集的圖像信息難以全面有效地描述物體的本質(zhì)特征，如何將最優(yōu)估計(jì)理論應(yīng)用到多傳感器信息融合是控制理論與控制工程研究的著重點(diǎn)。多傳感器信息融合即為將多個(gè)傳感器采集的外界環(huán)境信息進(jìn)行一定程度的融合在最大程度上保留信息的有效數(shù)據(jù)，同時(shí)將冗余信息及重復(fù)信息進(jìn)行刪除降低計(jì)算復(fù)雜度，數(shù)據(jù)融合根據(jù)級(jí)別不同可以分為數(shù)據(jù)層次、特征層面以及決策應(yīng)用層的融合[5]。（1）將傳感器提取的原始圖像數(shù)據(jù)進(jìn)行融合，即為數(shù)據(jù)層信息融合，特點(diǎn)是原始信息可以最大程度地保持?jǐn)?shù)據(jù)特征，但是數(shù)據(jù)量龐大，對(duì)設(shè)備的硬件有較高的要求；（2）將傳感器提取的原始圖像數(shù)據(jù)進(jìn)行特征提取，提取出最具有代表性的特征，繼而對(duì)提取到的特征進(jìn)行融合即為特征層的融合，特征層融合可以屏除冗余信息，降低計(jì)算復(fù)雜度減少對(duì)硬件設(shè)備的依賴，但仍具有一定的局限性；（3）將傳感器提取的原始圖像數(shù)據(jù)處理完善之后，利用得到的完整信息，得到不同傳感器優(yōu)勢(shì)的同時(shí)，彌補(bǔ)單一傳感器的局限性，進(jìn)行融合決策即為決策應(yīng)用層信息融合[6]。

2.2 信息融合方案

由于復(fù)雜環(huán)境的多變性和單一傳感器測(cè)量性質(zhì)片面性之間的矛盾，需要將多個(gè)傳感器采集到的信息進(jìn)行融合進(jìn)而彌補(bǔ)信息特征的缺失，從而為機(jī)器人路徑規(guī)劃提供合理的依據(jù)。數(shù)據(jù)融合依據(jù)特性不同，可以分為識(shí)別算法、智能算法等，同時(shí)由于不同傳感器特征不同，因此使得數(shù)據(jù)融合算法沒(méi)有一個(gè)具體的標(biāo)準(zhǔn)即不具有普遍適用性，需要根據(jù)具體的問(wèn)題選擇相應(yīng)的傳感器融合算法。卡爾曼濾波算法可以根據(jù)局部動(dòng)態(tài)信息，去掉噪聲對(duì)信息的影響，進(jìn)而實(shí)現(xiàn)路徑規(guī)劃。其卡爾曼濾波數(shù)學(xué)表示為：

式（1）為狀態(tài)方程A，B為過(guò)程矩陣，wk為過(guò)程噪聲式，式（2）為測(cè)量方程H為觀測(cè)矩陣，vk為觀測(cè)噪聲。

2.3 系統(tǒng)方案設(shè)計(jì)

為了在保證時(shí)效性和精確到的前提下，提高機(jī)器人避障與路徑規(guī)劃的合理性，本方案將系統(tǒng)大致劃分為四個(gè)模塊，即傳感器信息采集與融合模塊、地圖構(gòu)建模塊、基于全局信息的全局規(guī)劃模塊和將全局信息與局部動(dòng)態(tài)信息相結(jié)合的路徑規(guī)劃模塊。（1）在數(shù)據(jù)融合模塊中為了提高機(jī)器人的定位精度，減少運(yùn)動(dòng)累加差錯(cuò)，需要對(duì)機(jī)器人的姿態(tài)以及運(yùn)動(dòng)軌跡進(jìn)行估計(jì)，主要通過(guò)機(jī)器人本身的內(nèi)部或外部傳感器、編碼器以及慣性測(cè)量單元進(jìn)行；（2）地圖構(gòu)建與定位模塊，則是通過(guò)機(jī)器人傳感器與已知全局路徑信息進(jìn)行地圖構(gòu)建，同時(shí)與慣性測(cè)量單元數(shù)據(jù)信息進(jìn)行融合，從而提升路徑規(guī)劃精度；（3）由于全局路徑規(guī)劃可以對(duì)全局信息進(jìn)行綜合處理，但無(wú)法對(duì)動(dòng)態(tài)的外部環(huán)境進(jìn)行自身約束和可行性分析，而局部動(dòng)態(tài)路徑規(guī)劃雖然能夠?qū)崿F(xiàn)信息的精度但不能很好地掌控全局信息，因此采用動(dòng)態(tài)窗口算法，實(shí)現(xiàn)全局最優(yōu)化。

3 基于全局與局部相結(jié)合的路徑規(guī)劃

3.1 改進(jìn)蟻群算法的路徑規(guī)劃

蟻群算法是通過(guò)模擬螞蟻尋找食物，總會(huì)實(shí)現(xiàn)最優(yōu)路徑的原理得到的一種智能優(yōu)化算法，在對(duì)路徑規(guī)劃和尋找最優(yōu)化中具有較強(qiáng)的適應(yīng)性和魯棒性。蟻群算法將全局規(guī)劃分為若干個(gè)部分單獨(dú)處理，最后將所有的處理結(jié)果集中起來(lái)進(jìn)行綜合分析，單一個(gè)體的結(jié)果對(duì)全局影響不大。蟻群算法雖然能夠?qū)崿F(xiàn)全局最優(yōu)化，但容易出現(xiàn)死鎖現(xiàn)象導(dǎo)致局部最優(yōu)，因此針對(duì)傳統(tǒng)的蟻群算法容易出現(xiàn)死鎖現(xiàn)象、收斂速度慢的情況需要對(duì)其進(jìn)行改進(jìn)，進(jìn)而實(shí)現(xiàn)路徑規(guī)劃的合理性，同時(shí)降低搜索時(shí)間和能耗。具體做法為：（1）初始信息素如果均勻分配會(huì)導(dǎo)致前期搜索時(shí)間和長(zhǎng)度大幅增加，因此為了提高蟻群算法的收斂速度減少無(wú)目的的盲目搜索，依據(jù)傳感器搜集的數(shù)據(jù)信息，對(duì)搜索路徑的初始信息素濃度進(jìn)行不對(duì)等分配；（2）在路徑搜索的初期不可避免地會(huì)出現(xiàn)大量重復(fù)，為了避免出現(xiàn)局部最優(yōu)死鎖現(xiàn)象的發(fā)生，在系統(tǒng)模型中添加適當(dāng)?shù)谋苷喜呗裕黾颖苷弦蜃?，減少對(duì)已走過(guò)的路和障礙物的重復(fù)搜索；（3）為了實(shí)現(xiàn)全局最優(yōu)解，需要將慣性測(cè)量單元IMU與信息素?fù)]發(fā)因子結(jié)合起來(lái)，使其能夠自適應(yīng)調(diào)節(jié)信息素的多少。

3.2 實(shí)驗(yàn)仿真

為了驗(yàn)證系統(tǒng)的普遍適用性，因此需要構(gòu)建簡(jiǎn)單、中等和復(fù)雜三種模型，同時(shí)構(gòu)建實(shí)驗(yàn)所需軟硬件環(huán)境。本文采用20*20的環(huán)境模型，種群大小為m=50，迭代次數(shù)為k=100，信息激勵(lì)因素α=1期望激勵(lì)因素β=5，信息素衰減系數(shù)為0.5，每個(gè)環(huán)境用相同的參數(shù)進(jìn)行20次實(shí)驗(yàn)，具體實(shí)驗(yàn)結(jié)果如表1所示。

通過(guò)實(shí)驗(yàn)數(shù)據(jù)分析可知，最優(yōu)路徑距離明顯優(yōu)于傳統(tǒng)算法，同時(shí)搜索最優(yōu)路徑所消耗的時(shí)間也少于傳統(tǒng)算法；另一方面在面對(duì)不同外部環(huán)境時(shí)改進(jìn)的蟻群算法性能也優(yōu)于傳統(tǒng)算法，說(shuō)明算法具有一定的普遍適用性。