[发明专利]一种化工灾害现场搜救机器人路径规划方法

说明书

技术领域

本发明涉及机器人智能算法领域，具体为一种化工灾害现场搜救机器人路径规划方法。

背景技术

移动机器人目前是人工智能领域和机电一体化领域的典型代表，被大量运用在灾害的现场搜救上，不过当前都集中于矿难领域。另外随着我国化工产业的逐步壮大以及这几年来化工灾害事故频发，其安全生产受到了很大的考验，发展化工灾害搜救机器人迫在眉睫。当化工灾害发生时，有毒气体扩散，制造出一个人员无法通过的区域，其搜救技术主要难点在于如何快速地规划出一条安全的逃生路径。

遗传算法依据达尔文进化论“适者生存”的理论，模仿大自然种群选择、交叉和变异，具有全局性，随机性和鲁棒性。在操作中将所有的信息都置于染色体当中，每一次迭代都会进行一次随机选择，通过适应度函数不断地规范搜索方向，经过不断地迭代即可得到最优解。遗传算法能够将问题从具体领域中抽象出来，提供一种通用的计算模型。

蚁群算法是模仿自然界当中蚂蚁寻找食物的启发式搜索方法，具有并行性、正反馈性和自组织性，蚂蚁在走过的路径时会留下一定量的信息素，这些信息素的浓度与到达目标点的距离成反比，后面的蚂蚁在选择时会有更大概率选择浓度高的路径，形成正反馈，最终规划出一条最优路径。

遗传算法初期具有较高趋于最优解速度的收敛速度，而蚁群算法正好相反，后期收敛速度快速的上升，得益于信息素的积累，因而两者的算法融合具有了原理上的依据，即利用遗传算法前期的信息素积累来缩短蚁群算法进入后期高速收敛阶段的时间，提高算法整体的速度。

发明内容

本发明的目的是发明一种化工灾害现场搜救机器人路径规划方法，以解决当前算法运行速度慢，而且容易在沿着路径行走时进入有毒气体扩散区域的技术问题。

为了解决这一技术问题，本发明提供了一种化工灾害现场搜救机器人路径规划方法，包括如下步骤：

s-1对灾害现场使用栅格法进行环境建模；

s-2利用遗传蚁群算法最终得到一个初步最优路径；

s-3在每个单位时间里，检测初步最优路径是否进入不断扩散的有毒气体范围中；

s-4若有，则对进入有毒气体范围内的线段两点重新进行路径规划以避开有毒气体，若无，则沿用当前路径。

进一步，所述步骤s-1中对灾害现场使用栅格法进行环境建模包括：

步骤s-1-1：将现场划分为n×n的栅格，其中无障碍的格子为0，有实体障碍物的格子为1，取路径规划开始时的有毒气体分布作为有毒气体初始区域，并设为0.5；

步骤s-1-2：对于有毒气体的格子，设定每单位时间内气体会扩散到相邻的8个格子。

进一步，所述步骤s-2中利用遗传算法形成初始路径信息素分布包括：

步骤s-2-1：设置遗传参数，生成初始种群；

步骤s-2-2：设置适应度函数并评价初始种群；

步骤s-2-3：对初始种群进行选择、交叉、变异等操作；

步骤s-2-4：检测是否满足迭代结束条件，若不满足则跳到s-2-2继续这一过程，若满足则结束迭代，并将适应度值的前30％组解转换成蚁群算法的信息素初始值。

s-2-5：初始化各类参数，包括迭代次数、每次派出的蚂蚁数、起点和终点、信息素矩阵等；

s-2-6：求出当前蚂蚁所在点前往周围八个节点的概率，并利用轮盘算法求出下一步前往的点；

s-2-7:进行局部信息素更新，并转到s-2-6继续迭代，直到所有蚂蚁都到达终点或陷入死胡同；

s-2-8：进行全局信息素更新，其中没有到达的蚂蚁不计算在内，然后重复s-2-6和s-2-7，直到n代蚂蚁完成搜索。

进一步，所述步骤s-3中在每个单位时间里，检测初步最优路径是否进入不断扩散的有毒气体范围中的方法包括：

步骤s-3-1：取机器人与幸存人员逃生的速度为v，根据初步最优路径的长度可以计算出每一个单位时间所通过的路线；

步骤s-3-2：在每一个单位时间里，更新有毒气体的扩散区域，与当前时间段里的路径进行比较，检查是否重合并记录下当前时间段以及对应路径的起点和终点。

进一步，所述步骤s-4中则对进入有毒气体范围内的线段两点重新进行路径规划以避开有毒气体包括：

步骤s-4-1：将当前时间段的有毒气体区域在栅格法中设为0.5；

步骤s-4-2：以当前时间段对应的两点作为起点和终点，再进行一次步骤s-2，寻找替代的最优路径。