基于遗传算法和人工势场法的机器人行走路径规划方法技术

本发明专利技术涉及一种基于遗传算法和人工势场法的机器人行走路径规划方法。该方法结合Maklink图和人工势场法得到优化路径，选取链接线上的节点，通过Dijkstra算法得到一条起点到终点的最短路径作为人工势场法的预规划路径，把该路径中的每一个中间节点都依次作为人工势场法的目标引力牵引点。再利用遗传算法迭代寻优，最终可以在包含凹多边形的目标区域中得到一条平滑且安全性高的最短路径，并且可以解决人工势场法本身的局限问题，避免陷入极值点和消除震荡点。

【技术实现步骤摘要】
基于遗传算法和人工势场法的机器人行走路径规划方法
本专利技术涉及一种基于遗传算法和人工势场法的机器人行走路径规划方法。
技术介绍
随着电力系统自动化水平的提高，变电站的数量越来越多，巡检工作量越来越大。传统的巡检方式一般是人工巡检，通常需要巡检人员定期到变电站或配电房进行巡检。这样的巡检方式不仅工作任务繁重，效率低下，而且工作人员还面临着复杂的环境和电磁辐射带来的危害，同时在恶劣天气下，变电站设备状况无法及时巡检，很难满足对供电质量日益提高的要求。这种情况下，变电站智能巡检机器人的作用就显得尤为重要，而路径规划是变电站巡检机器人自主导航的重要部分之一。路径规划在国内外的研究众多，涉及到的领域也非常广泛，例如机器人路线规划、飞行器航线规划、无人船避碰等等。通过环境建模的不同可以分为三大类：基于物理、数学和决策论的环境建模。物理方法的环境建模主要有路线图法、人工势场法[1]、栅格法[2]、构型空间法、Dubins路径、概率地图法等等，而路线图法又可细分为可视图法、Voronoi图、链接图法以及随机路线图等，对于这一类的建模方法通常采用启发式或智能算法求解，如Dijkstra算法、蚁群算法[3]、模拟退火算法[4]、A*[5]算法或者融合多种智能算法的混合算法[6]，本文即是在此类建模方法下进行的研究；数学方法的环境建模主要有线性规划、动态规划、最小树规划等，通常适用于多起点多目标点的编队路径规划，可以用传统的混合整数线性规划或者智能算法如PSO算法等进行求解；基于决策论的环境建模主要有模糊控制、多行为融合、状态聚类等方法，通过对被规划目标在已有的不同环境下的决策进行分类归纳来对未来的情况做出相应的判断，最终规划出合适的路径，神经网络和深度学习在解决此类问题中有着绝对的优势。链接图[7](Maklink)法是自由空间建模的一种比较精简的方法，它把整片区域中的障碍物抽象成平面的凸边形，再利用相关的图论原理建立一个全局连通图，最后通过相关算法实现路径规划。在其过程中，会对障碍物边界进行适当的扩大并缩小环境边界，然后把自由空间内的巡检机器人视为一个质点。但是，在一些通道狭窄且复杂的变电站巡检区域中，机器人不可视为质点，并且最终得到的路径不一定满足巡检路线的要求，容易发生碰撞事故，或者精度不够使得机器人无法到达指定检测区域。人工势场法[8]具有数学模型简单、易于实现、路线结果平滑等优点，因此在路径规划领域得到了广泛的应用，但其也存在算法本身上的缺陷[9]，例如：规划目标与障碍物和终点处于同一直线时，易陷入局部极小值；终点与障碍物距离过近会产生目标不可达问题[10]；狭窄区域易陷入徘徊抖动状态。这是由于该方法每一步的方向是通过局部区域的合力确定的，导致其缺乏全局环境上的规划能力，因此本文提出了基于Maklink图的预规划路径的人工势场环境模型。
技术实现思路
本专利技术的目的在于提供一种基于遗传算法和人工势场法的机器人行走路径规划方法，结合Maklink图和人工势场法得到优化路径，再利用遗传算法迭代寻优，最终可以在包含凹多边形的变电站工作区域中得到一条平滑且安全性高的最短路径，并且可以解决人工势场法本身的局限问题，避免陷入极值点和消除震荡点。为实现上述目的，本专利技术的技术方案是：一种基于遗传算法和人工势场法的机器人行走路径规划方法，包括如下步骤：步骤S1、通过改进的Maklink法对变电站工作区域进行环境建模并对路径节点进行遗传编码；步骤S2、利用Dijkstra算法得到经过的路径节点并构建人工势场环境模型，而后通过改进的人工势场法对路径进行优化，可得到一条平滑的可通行路径；步骤S3、利用遗传算法对路径进行迭代寻优，最终在包含凹多边形的变电站工作区域中得到一条平滑且安全性高的最短路径。在本专利技术一实施例中，所述步骤S1中，通过改进的Maklink法对变电站工作区域进行环境建模的具体方式实现如下：由于变电站工作区域在巡检过程中凹多边形目标区域是时常存在的，因此Maklink需对凹多边形目标区域进行行驶通道连通图的构建，首先，将凹多边形划分为多个凸多边形，而后对凸多边形的每条边进行平移，缩小凸多边形，距离选取为巡检机器人宽度的十分之一，使得凸多边形之间有着狭窄的通道，再通过对不可通行区域的约束，完成变电站工作区域的行驶通道连通图的构建。在本专利技术一实施例中，所述不可通行区域的约束，即在采用Maklink构建行驶通道连通图时，利用巡检机器人的宽度对链接线的绘制进行限制，即在做当前顶点与所有其它障碍物的顶点连线之前，计算出该顶点与其它障碍物的最短距离，当最短距离不能满足巡检机器人的通行时，则把该区域设为不可通行区域，构建行驶通道连通图时不再连接该链接线的中点。在本专利技术一实施例中，所述步骤S2的具体实现方式为：利用Dijkstra算法得到经过的路径节点，把该路径中的每一个中间节点都依次作为人工势场法的目标引力牵引点，而后以半倍巡检机器人宽度为间隔，对障碍物的每一条边放置多个斥力点，用其边界上所有斥力点的合力来代表一个障碍物，进而构建人工势场环境模型，最后采用改进的人工势场法对路径进行优化，即可得到一条平滑的可通行路径。在本专利技术一实施例中，所述采用改进的人工势场法对路径进行优化的具体实现方式如下：首先，引入多边形线段集对机器人形状进行描述，此处障碍物对机器人的排斥力由点到多边形的最短距离求出，即将机器人尺度引入到人工势场当中，保证了在狭窄的作业区域中也能找到一条可行的安全路径，引力场和斥力场函数分别表示如下：Uatt(X)＝0.5αρ2(X,Xg)式中：α、β分别为引力与斥力势场增益系数；X、Xg、XO分别表示机器人中心点、目标点、障碍物的位置坐标；ρ(X,Xg)、ρ(X′,Xo)分别表示目标点到机器人中心点的距离和障碍物到机器人的最短距离；ρ0为障碍物的斥力作用范围；当机器人越靠近障碍物具有的势场势能越大，越远离障碍物具有的势场势能越小，当障碍物到机器人的最短距离大于障碍物的最大影响距离时，所具有的势场势能则为0；对引力势场函数和斥力势场函数求负梯度，即可得到机器人受到的作用力：引力函数随着机器人中心点X与目标点位置Xg的距离ρ(X,Xg)的增加而线性单调增加，方向从机器人中心点指向目标点；斥力的方向在机器人距离障碍物最近点与障碍物的连线上，并且背离障碍物指向机器人，大小随着机器人与障碍物的距离的减少而增大；机器人在其中一时刻受到的合力为：通过人工势场方程计算出势场合力后，机器人的每一步的前进方向可由合力的方向确定，从而得到整条路径；但是在变电站巡检机器人的路径规划中，由于采用的是四轮驱动，受到自身运动能力的约束，因此在确定巡检机器人规划路径时，需要结合巡检机器人的实际情况，即考虑巡检机器人的最大转向角，假定当前点Pi的前进方向为巡检机器人的最小回转半径为R，步长为l，则巡检机器人的最大转向角为：巡检机器人的下一点Pi+1的前进方向的角度只能选取在本文档来自技高网...

【技术保护点】
1.一种基于遗传算法和人工势场法的机器人行走路径规划方法，其特征在于，包括如下步骤：/n步骤S1、通过改进的Maklink法对变电站工作区域进行环境建模并对路径节点进行遗传编码；/n步骤S2、利用Dijkstra算法得到经过的路径节点并构建人工势场环境模型，而后通过改进的人工势场法对路径进行优化，可得到一条平滑的可通行路径；/n步骤S3、利用遗传算法对路径进行迭代寻优，最终在包含凹多边形的变电站工作区域中得到一条平滑且安全性高的最短路径。/n

【技术特征摘要】
1.一种基于遗传算法和人工势场法的机器人行走路径规划方法，其特征在于，包括如下步骤：
步骤S1、通过改进的Maklink法对变电站工作区域进行环境建模并对路径节点进行遗传编码；
步骤S2、利用Dijkstra算法得到经过的路径节点并构建人工势场环境模型，而后通过改进的人工势场法对路径进行优化，可得到一条平滑的可通行路径；
步骤S3、利用遗传算法对路径进行迭代寻优，最终在包含凹多边形的变电站工作区域中得到一条平滑且安全性高的最短路径。


2.根据权利要求1所述的基于遗传算法和人工势场法的机器人行走路径规划方法，其特征在于，所述步骤S1中，通过改进的Maklink法对变电站工作区域进行环境建模的具体方式实现如下：
由于变电站工作区域在巡检过程中凹多边形目标区域是时常存在的，因此Maklink需对凹多边形目标区域进行行驶通道连通图的构建，首先，将凹多边形划分为多个凸多边形，而后对凸多边形的每条边进行平移，缩小凸多边形，距离选取为巡检机器人宽度的十分之一，使得凸多边形之间有着狭窄的通道，再通过对不可通行区域的约束，完成变电站工作区域的行驶通道连通图的构建。


3.根据权利要求2所述的基于遗传算法和人工势场法的机器人行走路径规划方法，其特征在于，所述不可通行区域的约束，即在采用Maklink构建行驶通道连通图时，利用巡检机器人的宽度对链接线的绘制进行限制，即在做当前顶点与所有其它障碍物的顶点连线之前，计算出该顶点与其它障碍物的最短距离，当最短距离不能满足巡检机器人的通行时，则把该区域设为不可通行区域，构建行驶通道连通图时不再连接该链接线的中点。


4.根据权利要求1所述的基于遗传算法和人工势场法的机器人行走路径规划方法，其特征在于，所述步骤S2的具体实现方式为：利用Dijkstra算法得到经过的路径节点，把该路径中的每一个中间节点都依次作为人工势场法的目标引力牵引点，而后以半倍巡检机器人宽度为间隔，对障碍物的每一条边放置多个斥力点，用其边界上所有斥力点的合力来代表一个障碍物，进而构建人工势场环境模型，最后采用改进的人工势场法对路径进行优化，即可得到一条平滑的可通行路径。


5.根据权利要求1所述的基于遗传算法和人工势场法的机器人行走路径规划方法，其特征在于，所述采用改进的人工势场法对路径进行优化的具体实现方式如下：
首先，引入多边形线段集对机器人形状进行描述，此处障碍物对机器人的排斥力由点到多边形的最短距离求出，即将机器人尺度引入到人工势场当中，保证了在狭窄的作业区域中也能找到一条可行的安全路径，引力场和斥力场函数分别表示如下：
Uatt(X)＝0.5αρ2(X,Xg)
<...

【专利技术属性】
技术研发人员：江南，吴振辉，
申请(专利权)人：国网福建省电力有限公司福州供电公司，国网福建省电力有限公司，福建杭润科技有限公司，
类型：发明
国别省市：福建;35