[发明专利]一种移动机器人路径规划方法

权利要求书

1.一种移动机器人路径规划方法，其特征在于，包括以下步骤：

S1采用线性循进的方式对移动机器人的前进空间建模；

S2建立机器人的运动状态空间，并建立机器人趋向目标点的效率评价神经网络；所述S2包括以下步骤：

S201以能够准确描述机器人在当前前进空间建模下的运动状态，并且对趋向目标点的效率有直接影响为原则，选取机器人的运动因素组成运动状态空间；机器人运动因素选定的处理过程包括：

(1)以机器人质心为原点，以机器人运动平面为坐标平面，建立笛卡尔坐标系；其中，坐标原点到目标点的有向线段为x轴正方向；

(2)记录当前状态s下，机器人的目标角位移所述目标角位移是指机器人运动方向与x轴的夹角；

(3)记录当前状态s下，机器人的转动角速度ω；

(4)记录当前状态s下，机器人与目标点的趋近距离所述趋近距离是指机器人与目标点的直线距离；

(5)记录当前状态s下，机器人运动的线速度

(6)记录当前状态s下，机器人运动的线加速度

S202建立机器人趋向目标点的效率评价神经网络，并使用训练数据训练网络；

S3引入非对称评价体系作为粒子群优化方法的评价激励，实现当前状态下有效路径的生成；具体处理方法如下：

S301采用栅格法建立机器人在运动空间的静态笛卡尔坐标系；

S302采用粒子群优化方法，并将效率评价网络Net_r作为粒子群优化的评价激励，实现当前状态下的有效路径生成；

(1)将每个路径看作一个粒子，用(i＝1，2，...，m)(j＝1，2，...，q)表示，一个种群有m个粒子，每个粒子的维度为q，维度值是路径上一个方格的坐标；

(2)将粒子在每个状态下的运动状态空间描述P值输入到效率评价网络Net_r中，并将Net_r的输出值作为粒子的适应度值进行迭代，这种适应度值的评价体系即非对称评价体系，能够指导粒子在非全局建模的情况下，向无障碍物的效率评价最优的路径方向移动；

(3)初始化每个粒子的位置和速度；

(4)根据粒子群迭代过程中的在静态坐标系中的方格坐标，并按照S201步骤所述处理，记录与该坐标相对应的运动空间描述，将所述运动空间描述向量输入到效率评价网络Net_r中，即可得到机器人趋向目标的效率评价结果，将该结果作为粒子群迭代过程中粒子的适应度评价值；

(5)更新每个粒子的历史最佳速度和种群的全局最佳速度。

2.如权利要求1所述的移动机器人路径规划方法，其特征在于，所述步骤S1的处理过程包括：

S101根据激光测距传感器的扫描周期T_s确定空间建模的循进周期；

S102根据空间建模的循进周期，对当前状态进行空间建模。

3.如权利要求2所述的移动机器人路径规划方法，其特征在于，所述步骤S101的具体处理过程包括：根据当前运动状态下，机器人前进方向±90°范围内障碍物的最小距离和机器人的运动速度来确定基本循进周期，所述基本循进周期是指机器人按照当前运动状态的速度前进，直到撞到障碍物所需的时间。

4.如权利要求3所述的移动机器人路径规划方法，其特征在于，所述基本循进周期的计算方法如下：

其中，表示当前状态s下的基本循进周期，表示当前状态s下，机器人前进方向±90°范围内障碍物的最小距离，v^s表示当前状态s下机器人的瞬时线速度，表示机器人当前状态s下前进方向与最小距离障碍物间的角度，ω表示机器人的转动角速度，为定值；

在基本循进周期的基础上，加入一定的冗余时序，并将加入冗余时序后的基础循进周期作为空间建模的循进周期，计算方法如下：

其中，T^s表示空间建模的循进周期，表示对基础循进周期进行冗余处理，α表示冗余调节参数，α≥1。