亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        動態(tài)環(huán)境下機(jī)器人路徑的新型啟發(fā)蟻群規(guī)劃

        2023-02-09 01:23:26賀道坤
        機(jī)械設(shè)計與制造 2023年1期
        關(guān)鍵詞:規(guī)劃環(huán)境策略

        賀道坤,周 南

        (1.南京信息職業(yè)技術(shù)學(xué)院智能制造學(xué)院,江蘇南京 210023;2.湖南大學(xué)金融與統(tǒng)計學(xué)院,湖南長沙 410082;3.長沙商貿(mào)旅游職業(yè)技術(shù)學(xué)院湘商學(xué)院,湖南長沙 410116)

        1 引言

        智能機(jī)器人是人類文明進(jìn)步的標(biāo)志性產(chǎn)物,機(jī)器人可以代替人類完成服務(wù)型、重復(fù)型、勞動力密集型、危險型等工作,從而實現(xiàn)節(jié)約人工成本、保護(hù)人類安全、提高工作效率等目的[1]。對于移動機(jī)器人,路徑規(guī)劃是機(jī)器人完成其余工作的基礎(chǔ),路徑規(guī)劃的質(zhì)量決定了完成其余任務(wù)的效率甚至決定了任務(wù)成敗[2]。因此,研究機(jī)器人路徑規(guī)劃問題具有重要的現(xiàn)實意義。

        機(jī)器人路徑規(guī)劃主要關(guān)注可行性和最優(yōu)性兩個方面,其中可行性是指安全無碰、路徑平滑可跟蹤等方面,最優(yōu)性是指路徑滿足最短、最平滑等指標(biāo),其中最優(yōu)性是以可行性為基礎(chǔ)的。根據(jù)環(huán)境中障礙物的運(yùn)動情況,路徑規(guī)劃分為靜態(tài)規(guī)劃和動態(tài)規(guī)劃;根據(jù)對環(huán)境信息的掌握程度,路徑規(guī)劃分為全局規(guī)劃和局部規(guī)劃[3]。

        從路徑規(guī)劃方法的角度講,可以分為傳統(tǒng)方法和智能方法,傳統(tǒng)方法包括自由空間法、拓?fù)鋱D法、快速搜索隨機(jī)樹[4]、A*算法、D*[5]算法、人工勢場法等;智能方法包括人工魚群算法、蟻群算法、粒子群算法、遺傳算法等[6]。

        文獻(xiàn)[7]針對RRT算法路徑冗余問題,首先提出了Quick?RRT算法縮短了RRT初始路徑,并進(jìn)一步提出了雙樹Quick?RRT算法,縮短了路徑程度并提高了收斂速度。文獻(xiàn)[8]將粒子群算法融入到狼群算法中,提出了改進(jìn)狼群算法并應(yīng)用于路徑規(guī)劃,在一定程度上縮短了路徑長度。

        文獻(xiàn)[9]將勢場力構(gòu)造為一種新的啟發(fā)信息引入到蟻群算法中,而后使用三次B樣條曲線對路徑進(jìn)行平滑,與傳統(tǒng)蟻群算法比,改進(jìn)算法規(guī)劃的路徑更短,拐點數(shù)量更少。

        上述路徑規(guī)劃算法中,智能規(guī)劃算法因其普遍適用性好、路徑質(zhì)量高等優(yōu)點而成為主流方法。但是,智能規(guī)劃算法得到的路徑質(zhì)量取決于算法優(yōu)化性能,因此智能規(guī)劃算法研究的本質(zhì)是對算法優(yōu)化性能的提升。

        這里研究了動態(tài)環(huán)境下機(jī)器人的路徑規(guī)劃問題,首先提出基于新型啟發(fā)蟻群算法的全局路徑規(guī)劃方法,機(jī)器人沿最優(yōu)路徑時進(jìn)行動態(tài)障礙物探測,當(dāng)檢測到障礙物時根據(jù)碰撞類型實施正面避撞和側(cè)面避撞。上述方案既保證了機(jī)器人沿最優(yōu)路徑行駛,也保證了機(jī)器人行駛安全。

        2 路徑規(guī)劃問題描述與建模

        2.1 問題描述與環(huán)境模型

        機(jī)器人路徑規(guī)劃描述為,規(guī)劃出一條由起點到目標(biāo)點的路徑,該路徑在滿足無碰、可跟蹤等約束條件下,需實現(xiàn)路徑最短、最平滑等最優(yōu)化指標(biāo)。路徑規(guī)劃的前提是環(huán)境建模,這里建立二維環(huán)境的柵格模型。

        首先依據(jù)機(jī)器人高度和工作環(huán)境中的障礙物高度分布,將三維環(huán)境在二維中進(jìn)行投影,從而將工作環(huán)境簡化為二維。

        使用方形柵格對二維環(huán)境進(jìn)行分割,得到二維環(huán)境的柵格模型。

        將機(jī)器人的最大半徑記為rrob,所有障礙物按原形狀向外擴(kuò)展尺寸rrob,則后續(xù)處理中可以將機(jī)器人視為質(zhì)點。

        在柵格模型中,當(dāng)柵格中包含障礙物時,即使該障礙物未占滿柵格,也將該柵格視為障礙物柵格。

        障礙物分布,如圖1(a)所示。其柵格模型,如圖1(b)所示。

        圖1 柵格環(huán)境模型Fig.1 Grid Model of Environment

        將圖1(b)中的障礙物柵格屬性賦值為1,可自由行駛柵格的屬性賦值為0,則柵格模型可以使用0?1矩陣表示為:

        之所以將柵格環(huán)境模型轉(zhuǎn)化為0?1矩陣形式,是因為圖1(b)所示形式機(jī)器人無法辨識和識別,而機(jī)器人對矩陣形式是可以識別的。

        2.2 路徑評價指標(biāo)

        這里進(jìn)行路徑規(guī)劃具有兩個優(yōu)化目標(biāo),第一個目標(biāo)為規(guī)劃路徑最短,描述為:

        式中:f1—路徑長度;S—起點;G—目標(biāo)點;dij—柵格ij間距離。

        第二個目標(biāo)為規(guī)劃路徑平滑性最好,使用拐點數(shù)量路徑平滑性進(jìn)行評價。

        3 全局路徑規(guī)劃

        本節(jié)首先對傳統(tǒng)蟻群算法進(jìn)行簡介,并針對蟻群算法的性能缺陷進(jìn)行改進(jìn),給出了初始信息素梯度分布策略,并引入了新型啟發(fā)信息,提出了新型啟發(fā)蟻群算法。

        3.1 傳統(tǒng)蟻群算法與問題分析

        在柵格環(huán)境中,機(jī)器人可選柵格分為四叉樹和八叉樹兩種情況,四叉樹是指可選柵格為前后左右四個柵格,八叉樹指可選柵格為前、后、左、右、左前、左后、右前、右后等八個柵格,這里選擇八叉樹模式。

        將螞蟻m迭代t次時所在柵格記為i,則其對鄰域內(nèi)自由柵格j的選擇概率(t)為[10]:

        式中:τij(t)—柵格ij間的信息素濃度;α—信息素因子;ηij(t)—柵格ij間的啟發(fā)信息;β—啟發(fā)因子;allowedi—柵格i鄰域可選柵格集合。

        蟻群算法每完成一次迭代,則進(jìn)行路徑上的信息素濃度更新,為:

        式中:ρ—揮發(fā)系數(shù);△τij(t)—路徑ij上遺留的信息素濃度;△(t)?螞蟻k在路徑ij上遺留的信息素濃度;M—螞蟻數(shù)量;Lk—螞蟻k的路徑長度。

        傳統(tǒng)蟻群算法應(yīng)用于柵格環(huán)境下的路徑規(guī)劃存在以下問題:

        (1)初始信息素為均勻分布,使得蟻群算法在算法初期類似于隨機(jī)搜索,算法搜索效率低、收斂速度慢;

        針對上述問題,這里通過信息素的梯度分布初始化方法,解決了算法初期搜索效率低的問題;通過引入新的啟發(fā)信息,解決了路徑多目標(biāo)優(yōu)化問題。

        3.2 信息素梯度分布初始化

        根據(jù)數(shù)學(xué)知識,兩點之間線段最短,因此起始柵格S與目標(biāo)柵格G連線周圍的柵格是重點搜索區(qū)域,其余柵格為非重點搜索區(qū)域,命名為一般區(qū)域,如圖2所示。設(shè)置一個距離閾值dm,當(dāng)柵格i與線段SG距離h≤dm,則柵格i為重點搜索區(qū)域;當(dāng)柵格i與線段SG距離h>dm,則柵格i為一般區(qū)域。

        圖2 重點搜索區(qū)域Fig.2 Key Searching Area

        一般區(qū)域不是螞蟻的搜索重點,其信息素使用傳統(tǒng)的均勻初始化方法,直接將柵格信息素濃度初始化為τ0。重點區(qū)域是螞蟻的搜索重點,使用梯度初始化方法,其示意圖,如圖3所示。

        圖3 梯度初始化方法Fig.3 Gradient Initialization Method

        重點搜索區(qū)域和一般區(qū)域的信息素濃度初始化方法為:

        式中:τj—柵格j的初始信息素濃度;λ—信息素增量系數(shù);dSj—起點柵格S與柵格j的距離。

        分析式(4)可知,在重點搜索區(qū)域內(nèi),柵格j與目標(biāo)柵格、起點柵格的距離和越小,則柵格j的信息素濃度越大。因此在重點搜索區(qū)域內(nèi),信息素濃度以線段SG向外呈現(xiàn)梯度遞減分布。

        3.3 平滑度啟發(fā)信息與算法流程

        對路徑的平滑度進(jìn)行優(yōu)化,必須構(gòu)造平滑度啟發(fā)信息。路徑平滑度取決于轉(zhuǎn)角大小,機(jī)器人前進(jìn)方向轉(zhuǎn)角越大說明路徑平滑性越差,轉(zhuǎn)角越小說明平滑性越好。

        在柵格環(huán)境下,機(jī)器人路徑轉(zhuǎn)角存在0°、45°、90°、135°這4種情況,如圖4所示。

        圖4中A方向機(jī)器人轉(zhuǎn)角為0°,B方向機(jī)器人轉(zhuǎn)角為45°,C方向機(jī)器人轉(zhuǎn)角為90°,D方向機(jī)器人轉(zhuǎn)角為135°。依據(jù)前進(jìn)方向的機(jī)器人轉(zhuǎn)角構(gòu)造新的啟發(fā)信息為:

        圖4 前進(jìn)方向Fig.4 Forward Direction

        式中:μij(t)—轉(zhuǎn)角啟發(fā)信息;θij—柵格i與柵格j間夾角。

        將新的啟發(fā)信息引入到螞蟻對柵格的選擇概率中,為:

        式中:γ—路徑平滑性因子。

        在此需要說明的是,當(dāng)遇到U性障礙物時,調(diào)用文獻(xiàn)[11]中的陷阱深度標(biāo)記策略。結(jié)合信息素的梯度初始化方法和新啟發(fā)信息原理,制定新型啟發(fā)蟻群算法流程如下。

        (1)初始化算法參數(shù),包括螞蟻數(shù)量M、信息素因子α、啟發(fā)因子β、距離閾值dm;

        (2)將所有螞蟻放置在起始柵格S,并按照式(4)進(jìn)行信息素濃度初始化;

        (3)螞蟻按照式(6)計算的概率選擇下一柵格;

        (4)當(dāng)所有螞蟻到達(dá)目標(biāo)點,算法完成一次迭代,此時迭代次數(shù)+1;

        (5)判斷迭代次數(shù)是否達(dá)到最大值,若否則轉(zhuǎn)至(3);若是則輸出最優(yōu)路徑,算法結(jié)束。

        4 動態(tài)避障策略整體規(guī)劃方案

        4.1 動態(tài)環(huán)境下避障策略

        本節(jié)中的動態(tài)障礙物場景設(shè)置為運(yùn)動方向固定、運(yùn)動節(jié)奏與機(jī)器人一致的障礙物,所謂運(yùn)動節(jié)奏一致是指障礙物速度與機(jī)器人速度一致。在這種場景設(shè)置下,機(jī)器人與障礙物的碰撞包括正面碰撞和側(cè)面碰撞兩種情況。

        (1)正面碰撞與避撞策略。正面碰撞是指機(jī)器人與障礙物相向而行至同一柵格。

        為了避免正面碰撞,當(dāng)機(jī)器人探索到正前方障礙物時,調(diào)用正面避撞策略。正面避撞策略為:以全局最優(yōu)路徑上某一柵格為目標(biāo)點,調(diào)用新型啟發(fā)蟻群算法規(guī)劃出一條由當(dāng)前柵格到避撞柵格的局部路徑。

        (2)側(cè)面碰撞與避撞策略。側(cè)面碰撞是指機(jī)器人由45°、90°、135°等方向與障礙物發(fā)生碰撞。當(dāng)機(jī)器人探測到(45~135)°方向內(nèi)的障礙物時,調(diào)用側(cè)面避撞策略。側(cè)面避撞策略為:機(jī)器人在原柵格等待一個周期,待障礙物駛出碰撞柵格后,機(jī)器人繼續(xù)沿最優(yōu)路徑行駛。

        4.2 機(jī)器人行駛與避撞方案

        綜合新型啟發(fā)蟻群算法的全局路徑規(guī)劃方法與動態(tài)避撞策略,機(jī)器人在動態(tài)環(huán)境中的行駛方案為:首先使用新型啟發(fā)蟻群算法規(guī)劃出一條全局最優(yōu)路徑,而后機(jī)器人沿最優(yōu)路徑行駛;當(dāng)機(jī)器人出現(xiàn)正面碰撞問題時則調(diào)用正面避撞策略,當(dāng)機(jī)器人出現(xiàn)側(cè)面碰撞問題時則調(diào)用側(cè)面避撞策略,如此循環(huán)往往復(fù)直至到達(dá)目標(biāo)點。整體方案,如圖5所示。

        圖5 機(jī)器人行駛與避撞方案Fig.5 Robot Travel and Anti?Collision Project

        5 仿真驗證與分析

        5.1 全局規(guī)劃路徑驗證

        首先在20×20規(guī)模柵格環(huán)境中進(jìn)行路徑規(guī)劃,起點柵格S坐標(biāo)為(0.5,19.5),目標(biāo)柵格為(19.5,0.5)。為了進(jìn)行比較,分別使用傳統(tǒng)蟻群算法、文獻(xiàn)[11]多種群蟻群算法、這里新型啟發(fā)蟻群算法進(jìn)行路徑規(guī)劃,為了驗證算法性能穩(wěn)定性,每個算法獨立運(yùn)行10次。三種算法得到的最優(yōu)路徑,如圖6所示。

        圖6 各算法規(guī)劃的路徑Fig.6 Path Planned by Each Algorithm

        觀察圖6中3種蟻群算法規(guī)劃的路徑可以直觀看出,這里新型啟發(fā)蟻群算法規(guī)劃的路徑最短,路徑平滑性也最好;文獻(xiàn)[11]的路徑長度和拐點數(shù)量次之,傳統(tǒng)蟻群算法規(guī)劃路徑最長,且觀點數(shù)量最多。為了進(jìn)一步比較算法性能,統(tǒng)計路徑長度、拐點數(shù)量、收斂次數(shù)等參數(shù)的最優(yōu)值及均值,結(jié)果,如表1所示。

        表1 各算法規(guī)劃路徑參數(shù)Tab.1 Path Parameters of Different Algorithm

        結(jié)合表1和圖6可以看出:(1)從最優(yōu)路徑的角度看,傳統(tǒng)算法最優(yōu)路徑長度為31.21,拐點數(shù)量為14,收斂迭代次數(shù)為70,在3 種算法中長度最大、拐點數(shù)量最多、迭代次數(shù)最多;其次為文獻(xiàn)[11]規(guī)劃路徑;這里算法的路徑長度最小、拐點數(shù)量最少,迭代次數(shù)最少;(2)從平均水平看,這里算法規(guī)劃的路徑長度均值最小,拐點均值最少,迭代次數(shù)也最少。

        這是因為這里新型蟻群算法信息素初始化對重點搜索區(qū)域使用了梯度初始化方法,有效提高了算法初期的搜索效率,所以收斂次數(shù)遠(yuǎn)少于另外兩種算法。另外,這里算法中引入了路徑平滑度這種新型啟發(fā)信息,引導(dǎo)螞蟻盡量沿直線行走,因此路徑拐點數(shù)量明顯減少,同時減小了路徑長度。因此,這里新型啟發(fā)蟻群算法在全局路徑規(guī)劃中具有優(yōu)越性。

        5.2 動態(tài)避撞方案驗證

        在圖6所示的20×20規(guī)模柵格環(huán)境中設(shè)置2個動態(tài)障礙物,障礙物1由柵格H(2.5,16.5)出發(fā),在柵格H與柵格P(8.5,16.5)之間做直線往返運(yùn)動,障礙物1從第3個周期開始運(yùn)動。

        障礙物2由柵格Q(17.5,3.5)出發(fā),沿X軸135°方向做直線運(yùn)動,從第10個周期開始運(yùn)動。

        機(jī)器人的碰撞檢測位置與避撞結(jié)果,如圖7所示。

        在圖7(a)中,機(jī)器人運(yùn)動4步后,探測到動態(tài)障礙物M1,根據(jù)M1所在柵格及運(yùn)動方向,判斷兩者發(fā)生側(cè)面碰撞,且碰撞柵格為P1位置,此時機(jī)器人調(diào)動側(cè)面避撞策略,如圖7(b)所示,機(jī)器人在圖中所示位置等待1個周期后繼續(xù)前進(jìn)。

        圖7 避撞策略驗證Fig.7 Clarification of Anti?Collision Strategy

        在圖7(c)中,機(jī)器人運(yùn)動至所示位置時,探測到動態(tài)障礙物M2,根據(jù)M2所在柵格及運(yùn)動方向,判斷兩者會發(fā)生正面碰撞,且碰撞柵格為P2位置,此時機(jī)器人調(diào)用正面避撞策略。

        以圖7(d)中R柵格為臨時目標(biāo)點進(jìn)行局部路徑規(guī)劃,局部避撞路徑如圖7(d)所示,機(jī)器人按照局部規(guī)劃路徑行駛實現(xiàn)避撞。

        由以上避撞過程和分析可知,這里制定的正面避撞和側(cè)面避撞策略在設(shè)定動態(tài)場景中可以實現(xiàn)有效避撞,保證了機(jī)器人的行駛安全。

        6 結(jié)論

        這里研究了機(jī)器人在動態(tài)環(huán)境下的路徑規(guī)劃問題,首先使用新型啟發(fā)蟻群算法進(jìn)行全局路徑規(guī)劃,而后制定了機(jī)器人行駛的避撞策略。

        經(jīng)驗證得出以下結(jié)論:

        (1)新型啟發(fā)蟻群算法規(guī)劃的路徑長度短、收斂速度快、平滑性好;

        (2)這里制定的正面避撞策略和側(cè)面避撞策略在設(shè)定動態(tài)場景下可以實現(xiàn)有效避撞,保證機(jī)器人安全行駛。

        猜你喜歡
        規(guī)劃環(huán)境策略
        長期鍛煉創(chuàng)造體內(nèi)抑癌環(huán)境
        一種用于自主學(xué)習(xí)的虛擬仿真環(huán)境
        例談未知角三角函數(shù)值的求解策略
        孕期遠(yuǎn)離容易致畸的環(huán)境
        我說你做講策略
        環(huán)境
        高中數(shù)學(xué)復(fù)習(xí)的具體策略
        規(guī)劃引領(lǐng)把握未來
        快遞業(yè)十三五規(guī)劃發(fā)布
        商周刊(2017年5期)2017-08-22 03:35:26
        多管齊下落實規(guī)劃
        国产精品爽黄69天堂a | 无码国产福利av私拍| 这里有精品可以观看| 国产成人AV乱码免费观看| 国产一区二区三区免费视| 国产精品国产三级国产专播下| av无码小缝喷白浆在线观看| 国产精品美女久久久久| 香蕉视频免费在线| 91蜜桃国产成人精品区在线| 国产精品一区av在线| 亚洲中文字幕无码av永久| 国产精品美女一区二区三区| 亚洲中文久久久久无码| 91麻豆精品一区二区三区| 日本美女中文字幕第一区| 男女性爽大片视频| 内谢少妇xxxxx8老少交| 亚洲VA不卡一区| 亚洲中文字幕免费精品| 少妇人妻中文久久综合| 亚洲va中文字幕| 亚洲电影一区二区三区| 国产人妖在线免费观看| 中文字幕亚洲精品专区| 精品国产性色无码av网站| 99久久精品免费看国产情侣| 精品免费久久久久国产一区| 国产精品一区二区三区成人| 全免费a级毛片免费看无码| 成年无码av片在线| 久青草国产视频| 免费在线av一区二区| 尹人香蕉久久99天天拍| 国产女主播精品大秀系列| 国产精品无码片在线观看| 亚洲老女人区一区二视频| 少妇一级淫片中文字幕| 免费看黄a级毛片| 伊人久久大香线蕉在观看| 久久色悠悠综合网亚洲|