[发明专利]一种移动机器人路径规划方法

摘要

本发明公开了一种移动机器人路径规划方法，主要包括以下步骤：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；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。本方法采用了非全局性前进空间建模的方式，大大提升了实时处理能力，同时引入了非对称评价体系，作为粒子群优化方法的评价激励，在提高实时处理能力的前提下，有效避免局部最优解的问题，确保了规划路径的最优与有效性。

主权项

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；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。