多移动机器人路径无障碍智能规划算法仿真_熊焰.pdf

收稿日期:2021-11-11 修回日期:2021-11-14 第 40 卷 第 4 期计 算 机 仿 真2023 年 4 月 文章编号:1006-9348(2023)04-0434-05多移动机器人路径无障碍智能规划算法仿真熊 焰,刘金库(华东理工大学工程训练中心,上海 201424)摘要:传统的机器人路径规划方法易出现多个机器人的碰撞问题。为进一步优化规划效果,设计复杂环境多移动机器人进行路径无障碍规划放油阀。设计群体智能路径规划优化算法,计算多移动机器人碰撞风险,包括机器人与障碍物之间的碰撞风险,以及机器人与其它机器人之间的碰撞风险,规划智能规划多移动机器人最短无障碍路径。在仿真中,测试多种机器人路径规划算法在同一环境内的路径长度以及机器人碰撞次数。实验结果证明,可行路径为三条,所设计算法的路径长度均为最小值,且机器人的碰撞次数为 0 次,其它传统算法的碰撞次数分别为 2 次、1 次、4 次,由此可见所设计算法实现了多移动机器人路径无障碍规划的显著优化。关键词:复杂环境;多移动机器人;路径无障碍规划;仿真;群体智能优化中图分类号:TP24 文献标识码:BSimulation of Barrier-Free Intelligent Planning Algorithmfor Multi-Mobile Robot PathXIONG Yan,LIU Jin-ku(Engineering Innovation Practice Center,East China University of Science&Technology,Shanghai 201424,China)ABSTRACT:The collision problem of multiple robots exists commonly in traditional methods.In order to further op-timize the planning effect,this paper designed a multi-mobile robot in a complex environment to simulate barrier-free path planning.At first,a swarm intelligent optimization algorithm for path planning was designed to calculate thecollision risks of multiple mobile robots,including the collision risks between robots and obstacles,as well as the col-lision risks with other robots.Based on intelligent planning,the shortest barrier-free path of multi-mobile robots wasplanned.In the simulation,the length of the path and the number of collisions between robots of multiple algorithmsin the same environment were tested.Experimental results show that there are three feasible paths,and the designedalgorithm can get the minimum path length.In addition,the number of collisions between robots is zero,while thenumber of collisions in traditional algorithms are two,one and four,respectively.It follows that the designed algo-rithm achieves significant optimization for barrier-free path planning of multi-mobile robots.KEYWORDS:Complex environment;Multiple mobile robots;Barrier-free path planning;Simulation;Swarm intel-ligence optimization1 引言物流行业在社会运行中地位与日俱增,促使移动机器人技术得到了迅速地发展。基于移动机器人自带的导航定位功能,人们得以在仓储物流的过程中大幅度增加工作效率,减少不必要的人力劳动。但是当仓储环境较为复杂或者移动机器人的数量过多时,机器人总是会发生无意识的碰撞,导致无法顺利完成仓储物流的任务,为此对复杂环境下的多移动机器人路径规划进行设计与研究。文献1设计了一种结合预测与模糊控制的移动机器人路径规划算法,针对复杂未知环境下的路径冗余问题以及局部障碍问题,将障碍躲避控制在一个较为模糊的区间内,设定转角累加以及优势判断,辅助移动机器人摆脱角落锁死的困境,并在一定程度上减少冗余路段,提高运行效率。该方法主要用于避免移动机器人在复杂路径内,难以准确到达目的地的问题,强化路径规划的稳定性,但是其应用的优越性434不明显。文献2提出了一种改进的 A算法以及动态窗口算法相结合的混合路径规划方法,可以同时对多个移动机器人进行实时路径规划,这样的算法运算效率极快,并且可以多线程同时工作,具有极大的现实意义,然而其运行结果的优化性较差。文献3有效地提高了移动机器人在路径规划过程中的自适应权重,减少了机器人的移动距离,引入改进灰狼优化算法,更新种群位置,平衡收敛速度,约束了机器人行走的路径长度,提高了全局优化的效率。然而该方法只适用于单一机器人的路径规划,无法对多个移动机器人进行综合性的路径设计,容易造成机器人碰撞,进而导致物流无法顺利进行。基于以上文献,对复杂环境下的多移动机器人路径路径无障碍规划实现优化设计,并进行仿真测试。2 复杂环境多移动机器人路径无障碍规划方法2.1 群体智能路径规划优化算法设计移动机器人在复杂环境内完成路径规划的本质为:将所处环境变为已知环境,同时逐步迭代计算不同的路径长度,并注意比较路径长短。其中最短的一条路径就是该算法下移动机器人的路径规划设计。而多移动机器人的路径规划,则需要综合考虑所有机器人的路径,从单一的路径计算,转变为群体性的规划设计,通过蚁群算法,可以实现启发性的随机智能搜索。算法中的每一个个体在面临位置选择时,都需要向不同的方向移动,而在障碍区域内,障碍物就起到了一个约束的作用,使个体不会向障碍阻隔的方向移动。其中的最优解即表示不限定路径的前提下,机器人在可行解的空间内反复迭代的最大值4。如果运算量过大,则容易造成路径冗长的现象,此时就需要对其进行简化处理。在设计群体性的智能路径优化时,算法内应该设置禁忌表,进行隐式的通信,通过引导路径规划的倒数值,将启发式因子参数与信息素相结合,得到启发因子比重的更新函数Hk(t)=(ij(t)d(ij(t)p)ni=1,j=1(ij(t)dkp,t 00,t 01,p 0(5)式中,hi,j表示第 i 个移动机器人在位置为 j 时的安全情况;p表示该位置点是否为障碍点。在考虑路径安全性的前提下,计算碰撞风险函数,可以得到公式G(fc,fs)=e-12fc-fs22()t,fc-fs 00,fc-fs 0(6)式中,G(fc,fs)表示机器人移动的位置与障碍物位置的相对距离;表示障碍物的影响距离8。在机器人与障碍物之外,还需要建立移动机器人工作空间的二维模型。空间中的任意一点都存在惯性坐标系以及旋转坐标系之间的转换关系,以此建立矩阵x1x2y1y2|=cos-sin-cos 0sin 100-cos 0000001|(7)式中,(x1,y1)表示空间中移动机器人的起始点;(x2,y2)表示空间中移动机器人的终点;表示惯性坐标系转换后的角度。据此生成多个机器人行驶过程中碰撞的风险G(hma,ka,hmb,kb)=0,ifdhavhdhbvhni=1f(p),ifdhavh=dhbvh|(8)式中,hma,ka和 hmb,kb分别表示复杂环境内机器人 a 与机器人 b在第 m 条路径的第 k 个行驶操作;dha表示机器人 a 在该条路段与的存在形式;dhb表示机器人 b 在该条路段的存在形式;vh表示机器人的统一形式速度;f(p)表示机器人之间碰撞的危险度函数9。通过式(6)以及式(8)可以分别计算多移动机器人在环境内形式与障碍物以及其它机器人碰撞的风险。2.3 智能规划多移动机器人最短无障碍路径在复杂环境下,需要针对以上算法以及碰撞风险的公534式,智能规划多移动机器人的最短无障碍路径,即遍历在不与其它障碍物以及机器人相碰撞的前提下最短路径,其算法流程如图 1 所示。图 1 无障碍最短路径流程设计如图 1 所示,需要首先初始化机器人以及环境地图的相关参数,并设置最大迭代次数。在搜索局部最优路径的过程中,令函数维度为 10,则此时的函数可行性可以表示为g(xn)=ni=1|xi|+nj=1|xj|(9)式中,g(xn)表示最大迭代次数为 n 的情况下,函数的可行性;xi表示第 i 个局部环境的最优解;xj表示整体环境的最优解10-12。当迭代达到最大时,选择其中的某条路径,并判断机器人是否与障碍物或者其它机器人发生碰撞,若发生碰撞,则需要重新选择路径,若未发生碰撞,则可以继续下一个区域的测试。以此得到所有局部区域的最优解,然后搜索全局最优路径,并建立相关的可行性档案。时刻更新全局最优解,并输出最终结果13,14。根据以上方式,可以通过设计群体智能路径规划优化算法,获得多移动机器人无障碍路径的智能规划方法。3 仿真设计3.1 栅格地图仿真模型的构建及参数设置测试文中设计的多移动机器人在路径中的无障碍规划方法的有效性需建立一个栅格地图模型。设栅格地图 Hr=vx,rf,其中 Hr 表示一个有向的定点连接图,vx表示图中的节点集合;rf表示各节点间路径集合15。,据此建立地图矩阵,可以表示为:0001000010100001|(10)根据矩阵构成邻接矩阵的栅格模型,附带顶点的权值邻接节点,如图 2 所示。图 2 栅格地图模型根据矩阵(10)绘制的图 2 中,黑色方块为障碍物,白色透明方块为可以通行的区域。在测试多移动机器人的路径规划算法中,设置机器人的数量为 3,且每一个机器人的单向移动速度均相同,为防止碰撞,两个机器人在相聚 1m 时,由其中编号靠后的一方躲避,机器人距障碍物 0.5m 时避让。此时搜索空间的上限为 max=300,下限为 min=20016。在系统中初始化机器人的信息,分别设定机器人的传感器组件,导入地图信息,并为机器人设置相应的环境背景如图 3所示。图 3 背景环境仿真模型如图 3 所示,在仿真程序中设定三个机器人的初始地点坐标以及终点坐标,其中 A1(2,16)、A2(14,17)、A3(19,4)分别表示机器人的初始地点坐标,B1(9,4)、B2(2,8)、B3(11,15)分别表示机器人的终点坐标,将三个移动机器人分别从A1移动到 B1,A2移动到 B2,A3移动到 B3。3.2 路径优化测试对比文中设计的路径规划方法、文献1提出的预测和模糊控制方法、文献2提出的改进 A算法+动态窗口法以及文献3提出的改进灰狼优化算法的应用效果,在图 4所示的仿真栅格地图中,对搜索路径完成迭代测试,四种算法的迭代结果如图 4 所示。634图 4 路径收敛曲线如图 4 所示,面对图 3 中的背景环境,四种路径规划方法均在不同此时的迭代以内完成路径的最佳搜索。其中改进灰狼优化算法得到最优结果的迭代次数最小,其它三种方法均在之后存在一定的重复现象,这是因为在得到一个相对优化结果之后,通过算法又获取了更优解,并继续进行迭代优化。当算法迭代次数大于 400 次时,可以得到本文算法下的最优解为保证实验结果的准确性,需要分别设计三条不同的实验路径,如果三条路径中,文中算法的路线长度均为小于其它算法,则表示该算法得到了优化。每种环境下,障碍物的覆盖率差距较大,分别设置三个机器人在该算法下的路径规划,如图 5 所示。图 5 所示的四种仿真算法下,三个机器人所行走的路径分别使用不同灰度的栅格显示,且在栅格上使用数字标注作为路径的步数。其中两个机器人在规划过程中可能会发生路径冲突的现象,此时则将其标注为白色的栅格形式,并在其中使用“x/y”的形式标注数字。对应栅格背景图像,可以得到如表 1 所示的算法测试数据对比结果。表 1 路径长度对比结果路径 1长度/m路径 2长度/m路径 3长度/m碰撞长度/m本文算法2421220预测和模糊控制方法2825262改进 A+动态窗口法2825261改进灰狼优化算法2821224 通过表 1 中的数据结果可知,在起始点与终点相同的情况下,文中算法仿真得到的三个机器人所规划的路径分别为24m、21m、22m,且机器人规划的路径不存在冲突现象。其它三种算法在路径 1 的路径规划结果均为 28,在路径 2 中的规划结果为 25m、21m、25m,在路径 3 中的规划结果为 26m、22m、26m,路径冲突的栅格数量分别为 2 个、4 个、1 个。由此可见,该多移动机器人路径无障碍规划方法较传统方法更好,优化了路径的规划距离,且减少了路径冲突现象。图 5 不同路径规划测试4 结束语本文通过群体智能路径规划优化算法的设计,对多移动734机器人路径无障碍规划进行了优化,并对其进行仿真测试。该方法可以大幅度优化移动机器人在复杂环境内的路径规划程度,并以整体性的思维,对复杂环境内的多个移动机器人进行协调规划,防止机器人之间发生碰撞。然而由于在局部规划以外,还需要考虑多移动机器人整体规划的问题,本文的路径规划运行速度有待提高,需要进一步优化算法的效率,才能使多移动机器人的路径无障碍规划方法更具实用性,使其能够实时运用在实际的物流中。参考文献:1 郭娜,李彩虹,王迪,等.结合预测和模糊控制的移动机器人路径规划J.计算机工程与应用,2020,56(8):104-109.2 王洪斌,尹鹏衡,郑维,等.基于改进的 A 算法与动态窗口法的移动机器人路径规划J.机器人,2020,42(3):346-353.3 李靖,杨帆.基于改进灰狼优化算法的区域监测机器人路径规划J.科学技术与工程,2020,20(15):6122-6129.4 范江波,王彧,郑昆,等.基于改进萤火虫算法的移动机器人多目标路径规划J.济南大学学报(自然科学版),2020,34(5):459-469.5 钟佩思,徐东方,李东民,等.基于双层协调体系的多移动机器人路径规划方法J.科学技术与工程,2020,20(29):12000-12006.6 宋晓茹,任怡悦.面 向移动机器人快速全局路径规划的改进跳点搜索算法 J.科学技术与工程,2020,20(29):11992-11999.7 王秋萍,王彦军,戴芳.多策略集成的樽海鞘群算法的机器人路径规划J.电子学报,2020,48(11):2101-2113.8 江明,王飞,葛愿,等.基于改进蚁群算法的移动机器人路径规划研究J.仪器仪表学报,2019,40(2):113-121.9 梅壮,陈洋,张思伦,等.基于连续动态运动基元的移动机器人路径规划J.信息与控制,2019,48(4):392-400.10 王洪斌,郝策,张平,等.基于 A算法和人工势场法的移动机器人路径规划J.中国机械工程,2019,30(20):2489-2496.11 王鹏凯,梁中华,杨阔,等.基于深度强化学习和动态窗口法的移动机器人路径规划J.计算机与数字工程,2021,49(10):2017-2022.12 吴敬理,伊国栋,裘乐淼,等.高温混合障碍空间中的移动机器人路径规划J.浙江大学学报(工学版),2021,55(10):1806-1814.13 刘钦.超强启发异类蚁群算法的机器人导航路径规划J.机械设计与制造,2021,(10):263-266.14 董翔宇,季坤,朱俊,等.对特高压变电站巡检机器人路径规划改进蚁群算法的研究J.电力系统保护与控制,2021,49(18):154-160.15 邱硕涵,谭章禄,蔡晓梅.基于 D_Star 算法的巡检机器人路径规划优化研究J.中国矿业大学学报,2021,50(5):1011-1018.16 徐金雄,王涛,刘军,等.基于双蚁群算法的双机器人路径规划方法J.机床与液压,2020,48(23):45-48.作者简介熊 焰(1979-),男(汉族),湖北天门人,博士研究生,高级实验师,研究方向:人工智能制造。刘金库(1975-),男(汉族),吉林长春人,博士研究生,教授,研究方向:无机功能材料,工程创新教育。(上接第 433 页)10 Pin Luarn,Jen-Chieh Yang,Yu-Ping Chiu.The network effecton informationdisseminationonsocialnetworksites J.Computers in Human Behavior(0747-5632),2014,37.11 Liu Q,Wang X.Social learning with bounded confidence and het-erogeneous agentsJ.IEEE,2012.12Karataev E,Zadorozhny V.Adaptive Social Learning Based OnCrowdsourcing J.IEEE transactions on learning technologies(1939-1382),2017,10(2):128-139.13 王润,赵军.基于多 Agent 和改进 Deffaunt 模型的信息传播建模与仿真J.计算机系统应用,2021,30(2):237-242.14 Li Q,Du Y J,Li Z Y,et al.HK-SEIR model of public opinionevolution based on communication factorsJ.Engineering Appli-cations of Artificial Intelligence(0952-1976),2021,100(2):104192.15 Newman M E J.The spread of epidemic disease on networksJ.Physical Review EStatal Nonlinear&Soft Matter Physics(1539-3755),2002,66(1):16128.16 张澜.基于空间约束的有限信任舆论演化模型研究D.华中科技大学,2014.17 Wright G H.Norms and Action-a Logical Enquiry M.Routlcdge and Kegan Paul,New York,1963.18 Liu K.Semiotics in Information System EngineeringM.Cam-bridge University Press,Cambridge,2000.作者简介李园伟(1996-),女(汉族),山东省聊城市人,硕士研究生,主要研究领域为信息系统工程、信息传播建模与仿真。赵 军(1971-),男(汉族),宁夏回族自治区中卫市人,教授,硕士研究生导师,主要研究领域为信息工程、企业建模、信息系统理论。834