买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:南京邮电大学
摘要:本发明涉及物流AGV路径规划技术领域,公开了一种基于青苔鼠算法的AGV多阶段路径规划方法及系统,方法包括:获取自动导向车环境数据,使用改进的随机树算法生成初始有效路径;基于所述初始有效路径扩展成可行区域,对可行区域进行自适应栅格化,并结合Rich_Moore邻居跟踪方法进行扩展;通过TCD*算法寻找最优路径,并对路径节点去冗;按节点对所得最优路径进行路径分段,分段使用动态四面窗算法实时避障,进一步优化路径;执行所得最优路径。本发明能够提高路径平滑度,减少大幅度变相,确保运输过程平稳无忧,提高算法收敛速度,平衡全局和局部搜索能力,减少路径冗余节点,提高AGV运输效率,降低能耗。
主权项:1.一种基于青苔鼠算法的AGV多阶段路径规划方法,其特征在于,包括:获取自动导向车环境数据,包括平面长宽、障碍位置以及起终点位置,使用改进的随机树算法生成初始有效路径;基于所述初始有效路径扩展成可行区域,对可行区域进行自适应栅格化,并结合Rich_Moore邻居跟踪方法进行扩展;通过TCD*算法在所述可行区域寻找最优路径,并对路径节点去冗;按节点对所得最优路径进行路径分段,分段使用动态四面窗算法实时避障,进一步优化路径;执行所得最优路径,使自动导向车按最优路径到达目的地;生成初始有效路径包括:在地图环境参数的约束下设置随机动态目标节点采样率,根据工作环境地图路况环境参数,调整目标节点采样率,表示为: 其中,progoal表示目标节点采样率,prorandom为随机函数产生的随机数,numdir表示AGV当前位置与目标节点连线经过障碍物数量,Pptbac表示全地图障碍物面积占比,dnos表示AGV本任务已行驶路程,dtogoal表示AGV当前位置与目标节点的直线距离;优化环境内障碍物占比,设定步长,表示为:Stepcurr=2-obsSlnobsStepini其中,Stepini表示初始步长,Stepcurr表示当下步长,S表示以距离随机点最近的树节点和目标点连线为直径的圆形面积,obs表示圆形中障碍物的数量;选定下一步采样点,判定目标点是否被随机树覆盖,覆盖则生成随机树有效路径,否则重复步骤,重新设置随机动态目标节点采样率,采样方式表示为: 其中,Pgoal表示目标点,Pnearest表示现有随机树上距离Prand最近的节点,Prand表示在地图范围内的随机采样点,Pnew表示随机树扩展的新节点;扩展可行区域包括:将地图按照合适的尺寸进行栅格化,将图表切割成若干等大的小方格,栅格尺寸表示为: 其中,Sizegrid表示栅格边长,size表示可选边长,Z为正整数集,lg表示矩形地图的长,wd表示矩形地图的宽,stepcurr表示随机树实时步长;通过Rich_Moore的元胞邻居自动机,由随机树所得有效路径向外扩展得到一个可行区域,元胞自动机模型表示为:A=Dmmoore,State,Set,f其中,A表示元胞自动机模型,Dmmoore表示元胞演化规则参数维度,State表示元胞有限离散状态,Set表示当前路径节点所在栅格邻域内所有潜在邻胞的集合,f为演化规则函数值;所述演化规则f对各邻胞栅格进行评分,若邻胞为障碍栅格,则立即淘汰,选用得分最高的12个非障碍邻胞栅格作为当前路径节点扩展区域,计算潜在邻胞演化规则函数时调用二级邻胞的演化规则函数,演化规则函数表示为: 其中,表示潜在邻胞vi的演化规则函数值,表示各潜在邻胞的自身通障属性,vj=xj,yj表示各潜在邻胞vi的各潜在邻胞即二级潜在邻胞,Set_of_vi表示当前考量的潜在邻胞所在栅格vi=xi,yi邻域内所有潜在邻胞vj=xj,yj的集合,表示二级潜在邻胞vj在vj邻胞结构中的层次数,Pgoal=xgoal,ygoal为目标点的另一种表达形式,表示vi扩展方向系数;通过TCD*算法改进的D*算法,在可行区域内统筹威胁代价与运输成本,二次规划出当前运输任务的最佳路径,包括:创建OPENlist和CLOSElist两个列表,并将目标节点Pgoal添加到OPENlist中,OPENlist表示存储当前点可达的位置,CLOSElist表示存储搜索时曾达到的点,同时创建WARNlist列表;进行路径寻址,检查OPENlist列表是否为空;若OPENlist列表中没有节点,则算法终止,路径规划失败;否则,检查OPENlist列表中成本估算值最小的节点是否为起始节点,若最小的节点是起始节点,则路径规划成功,继续执行;若最小的节点不是起始节点,则将节点添加到CLOSElist列表中,并检查节点的第一级邻域内是否存在障碍物;若存在障碍节点,则将第二级邻域中的不可扩展节点添加到WARNlist中,将不在OPENlist和WARNlist列表中的附近可扩展节点添加到OPEN列表中,并重复执行路径寻址操作;进行回溯检验,若环境变化影响到路径沿线的节点,则执行本地重新规划,将变化节点的前一个节点添加到OPENlist列表中,返回路径寻址操作,否则,继续执行,路径确定生成;所述路径寻址对栅格化启发式算法的启发函数进行优化,在成本函数中增加威胁代价函数,并对启发项和成本函数非威胁代价项的参数进行优化调整,表示为:fn=h*n+gnh*n=hn+1+Pptbacsnhn=|xn-xgoal|+|yn-ygoal|其中,fn表示栅格边长,h*n表示含威胁代价函数,hn为成本函数非威胁代价项,表示节点和目标点之间的代价值,sn表示威胁代价函数,Pptbac表示全地图障碍物面积占比,gn表示函数启发项;所述威胁代价函数sn表示为: 其中,sn表示当前路径节点n的威胁代价函数,α为一个缩放系数,xk,yk表示障碍物k的中心坐标,xn,yn表示当前路径节点n的坐标,ak表示威胁成本的有效系数,若当前路径节点的两级预测邻域内没有障碍物,则设ak为0,否则设置为1,sk为障碍物k给经过当前路径节点n带来的威胁系数,M为当前路径节点的两级预测邻域内的障碍物集合;通过欧几里得距离作为启发式函数,引入不小于1的稳定性加权根次Sw,启发项gn和稳定性加权根次Sw表示为: 其中,gn表示当前路径节点n的启发项,sw表示一个稳定性加权根次,数值为当前路径节点n前所有节点邻域内障碍物数量numcarr的标准差σ加1,表示当前路径节点n前所有节点邻域内障碍物数量均值,表示当前路径节点n前各节点邻域内障碍物数量,xstart,ystart表示该路径起点坐标,xn,yn表示当前路径节点n的坐标;进一步优化路径包括,所述路径分段根据路径曲折情况和路径节点数量,选择分组间距,分段区间判定公式表示为: 其中,od表示路径分段的分组间距,D表示路径节点间距数量约数集合,prosharp表示路径中节点急弯概率,表示各个节点处转弯角度,Statenode表示各个节点的曲折状态,若转弯角度大于π3,即为急弯节点,反之则为非急弯节点;通过以所述分组间距od为阶数的灵活高阶贝塞尔曲线方程,优化每一段分段路径的平滑度,生成最优路径。
全文数据:
权利要求:
百度查询: 南京邮电大学 一种基于青苔鼠算法的AGV多阶段路径规划方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。