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