[发明专利]移动机器人全局平滑路径规划方法

权利要求书

1.一种移动机器人全局平滑路径规划方法，其特征在于，含有以下步骤：

利用直角坐标系对移动机器人的工作环境进行二维空间模拟，将移动机器人视为一个点，并在工作区域内运动，利用移动机器人的视觉系统感知自身的位置和障碍物的位置；采用网格划分的方式将移动机器人的工作区域分割成M×N个小正方形，每个小正方形称为网格，对每个网格进行有序编号；将现实环境的障碍物用移动机器人工作区域中的黑色网格表示；

定义从起始点到目标点的路径的距离为粒子群算法需要优化的目标函数；

自适应调整粒子群算法中的惯性权重和加速度系数，输出最大迭代时刻的全局最优适应度函数值；

采用自适应调整后的粒子群算法进行移动机器人的全局路径规划，找到可行且最优的路径点序列；

将粒子群算法找到的最优路径点序列作为贝塞尔曲线的控制点序列，利用贝塞尔曲线对规划的路径进行平滑性处理，获得移动机器人全局平滑路径。

2.如权利要求1所述的移动机器人全局平滑路径规划方法，其特征在于，划分网格时，在二维空间坐标系中，所有路径点都定义在工作区域中网格的中心，路径点序列坐标为二维的，对工作区域内的每个网格进行有序编号；将160×160单位的工作区域划分为16×16个网格，即每个网格为10×10单位平方，通过公式(1)将网格数转化为坐标分量值，公式(1)表示为：

式中，Number表示网格编号，％表示取余运算，表示取整运算，P_x(t)为网格中心在X轴的坐标分量，P_y(t)为网格中心在Y轴的坐标分量；

反之，从路径上任意点的坐标分量到包含该点的网格数的转换公式则表示为：

3.如权利要求2所述的移动机器人全局平滑路径规划方法，其特征在于，目标函数表示为：

式中，||P_i(t)||表示具有n个分段的规划路径中第i个分段的长度，C表示规划路径中经过障碍物网格的数量，P_e表示路径中每个障碍物网格的惩罚系数。

4.如权利要求3所述的移动机器人全局平滑路径规划方法，其特征在于，自适应调整粒子群算法中惯性权重和加速度系数，输出最大迭代时刻的全局最优适应度函数的步骤为：

(1)设置初始化参数，所述初始化参数包括种群规模、粒子维度、惯性权重、学习因子、最大迭代次数、粒子搜索范围、速度最大值和速度最小值；

(2)初始化粒子种群，随机生成粒子的位置向量和速度向量；

(3)计算每个离子的适应度值，更新粒子的的局部最优解p_i＝(p_i1,p_i2,...,p_iD)和全局最优解p_g＝(p_g1,p_g2,...,p_gD)，并保存历史信息；

(4)根据种群分布情况计算当前迭代时刻的惯性权重值和加速度系数值；

(5)更新粒子的位置模型和速度模型；

(6)转到步骤(2)，循环进行迭代，直到达到最大迭代次数；

(7)输出最大迭代时刻的全局最优适应度函数值。