[发明专利]一种面向多工况的爬壁机器人智能路径规划方法及系统

说明书

本发明公开了一种面向多工况的爬壁机器人智能路径规划方法及系统。在障碍物已知的环境下，通过蚁群算法寻找爬壁机器人的最优路径。首先对环境模型进行预处理，然后将信息素限定策略、目标导向策略和奖惩激励策略融入到蚁群算法中，改进后的算法具有较佳的收敛速度和寻优能力。其次针对爬壁机器人在水平面和竖直壁面不同的工作要求，分别提出速度控制策略和基于最少转弯次数的安全策略，将其和改进蚁群算法相融合，形成爬壁机器人在多工况的路径规划方法。最后基于C++设计了爬壁机器人路径规划系统。本发明的路径规划方法及系统在改进蚁群算法的基础上，实现了爬壁机器人在不同工况下的路径规划，具有理论价值和实际意义。

技术领域

本发明属于人工智能技术领域，具体涉及一种面向多工况的爬壁机器人智能路径规划方法及系统。

背景技术

爬壁机器人作为一种重要的、具有特定工作用途的机器人，已经被广泛应用在石化工业、消防部门、建筑业、核工业等领域。由于其工作环境中分布着大小不同、形状不同的障碍物，爬壁机器人并不能直接到达既定目标点开展工作，需要事先进行环境分析和路径规划。这样，它就可以绕开障碍物，平稳安全并且迅速地到达目标位置，完成其工作任务。

路径规划定义如下：对机器人的环境进行描述，然后规划两个特定位置之间的路径，该路径必须无碰撞并满足某些优化条件(最小距离或最小迭代数)。传统的路径规划算法主要有可视图法、自由空间法、栅格法和人工势场法等，但是其存在灵活性差、复杂环境建模困难的问题，不能很好的适用于机器人的路径规划。近年来，各种智能算法在机器人路径规划领域的应用日益广泛，其中主要的智能路径规划算法包括遗传算法、模糊逻辑算法、粒子群优化算法、神经网络算法和蚁群算法等。考虑到爬壁机器人的路径规划的要求和对其工作空间的适应性，本发明采用蚁群算法进行路径规划。

蚁群算法是受到蚂蚁觅食行为的启发而产生的。蚂蚁在初始阶段会随机移动，信息素会随着蚂蚁的移动在地面上堆积。信息素是一种可以刺激某一个体对另一同种个体的行为产生自然行为反应的化学物质。后续的蚂蚁将根据从起点到终点的所有可能路径上存在的信息素量来选择路径。路径越短，该路径信息素累积越多，信息素强度越大。反之，信息素强度越小。后续的蚂蚁更有可能选择具有较高信息素强度的路径，然后这些蚂蚁将继续通过释放信息素来强化较短的路径，使之被选择的概率更大，最终蚂蚁会找到一条从起点到终点的最优路径。蚁群算法在解决组合优化问题上具有众多优势，但也存在不可避免的弊端：收敛速度慢，易陷入局部最优。这也是在机器人路径规划方面急需解决的问题。

发明内容

基于以上问题，本发明提出一种改进的蚁群算法，并将其应用于爬壁机器人在水平面和竖直壁面上的路径规划中。

本发明的技术方案：

一种面向多工况的爬壁机器人智能路径规划方法，是基于改进蚁群算法的路径规划，包括以下步骤：

(1)利用栅格法对地图环境进行建模，包括设置起点栅格、目标栅格和障碍物栅格，并对地图环境模型进行预处理；

环境建模具体为：爬壁机器人的工作空间是现实的物理空间，而路径规划算法处理的对象是地图环境的抽象空间，称之为地图环境模型；地图环境建模就是实现爬壁机器人的物理空间到路径规划算法处理的抽象空间的映射，以便于计算机进行存储和处理；应用栅格法并依据图论的思想建立地图环境模型，假定爬壁机器人的工作空间中环境信息已知，即障碍物的位置、大小以及爬壁机器人的起始位置、目标位置等都是已知的；栅格法把爬壁机器人的工作空间模拟为二维空间，并把该空间分成大小相同的栅格，使爬壁机器人在地图环境模型中自由移动；

地图环境模型预处理具体为：在利用蚁群算法进行爬壁机器人路径规划时，如遇到复杂的地图环境模型，当环境中存在凹形障碍物区域时，蚂蚁会被困在凹形障碍物区域中，陷入停滞或增加收敛时间；为了解决这个问题，在进行环境初始化时，对凹形障碍物区域进行预处理，把所有凹形障碍物区域改变成凸形障碍物区域，避免由于地图环境模型问题使蚂蚁出现停滞的现象；