核应急处置机器人的路径规划方法和系统技术方案

核应急处置机器人的路径规划方法和系统,涉及核环境作业机器人技术领域。前述方法包括：构建放射性核素剂量率栅格地图；构建放射性核素剂量成本地图；构建机器人路径累积辐射剂量计算模型；构建基于神经网络的多目标路径规划算法；根据构建的路径规划算法规划机器人的移动路径。上述方案能够实现机器人的多任务目标的路径规划和强辐射规避，提高机器人对突发障碍物和复杂多变的场所适应性。发障碍物和复杂多变的场所适应性。发障碍物和复杂多变的场所适应性。

【技术实现步骤摘要】
核应急处置机器人的路径规划方法和系统


[0001]本专利技术涉及核环境作业机器人
，尤其指一种核应急处置机器人的路径规划方法和系统。

技术介绍

[0002]在应急环境下，放射性废物场地形复杂、辐射剂量高且分布不均等问题，给机器人应急救援、处置处理带来了极大的困难。传统的机器人路径规划和控制方法大多是针对的单任务目标，无法实现辐射环境下的多任务目标的路径规划，普遍存在着应对突发事件的能力偏弱和完成任务的效率偏低等不足，对突发障碍物和复杂多变的场所适应性较差，而且，现有应急机器人通常仅对未知地形实施构建，很少会对灾后复杂环境下的强辐射进行规避。因此，现有的核应急机器人显然还无法满足复杂事故条件下放射性应急救援的需求。

技术实现思路

[0003]本专利技术所要解决的技术问题是提供一种核应急处置机器人的路径规划方法，实现机器人的多任务目标的路径规划和强辐射规避，提高机器人对突发障碍物和复杂多变的场所适应性。
[0004]为了实现上述目的，本专利技术采用如下技术方案：核应急处置机器人的路径规划方法，其包括以下步骤：
[0005]一、构建放射性核素剂量率栅格地图；可以将放射性核素分布场的剂量率信息进行离散化处理，将其转化为剂量率栅格信息图；
[0006]二、构建放射性核素剂量成本地图；可以将点对点的路径规划问题转化为栅格成本最小化问题；
[0007]三、构建机器人路径累积辐射剂量计算模型；可以通过增加辐射成本来降低机器人整个路径周期的累积剂量；
[0008]四、构建基于神经网络的多目标路径规划算法；可以将离散的栅格地图抽象成拓扑交通路网，映射到神经元空间中，在神经网络的路径代价数学模型中引入任务代价和道路堵塞因子对交通和任务状况进行描述，建立基于任务紧急程度和重要程度的任务代价函数，并采用非线性激活函数构建非对称权重映射矩阵来确定道路堵塞因子，对多任务路径规划进行优化；其中，还可以根据综合代价函数和约束条件，确定网络能量函数，实现对多个任务点不同的任务及复杂路况的深度解析；
[0009]五、根据构建的路径规划算法规划机器人的移动路径。
[0010]其中，在步骤一之前，还可以包括以下步骤：以任务耗时、路径距离和辐射剂量作为路径评价指标。
[0011]优选地，步骤一包括如下步骤：
[0012]1、将放射性废物场的二维地图按一定分辨率进行栅格化，每个栅格的大小均相等，在地图中设定笛卡尔坐标系参数，建立一系列相互联系的栅格，用坐标(x,y)来对栅格
进行标识；
[0013]2、将栅格内所有的辐射剂量率进行平均值处理，将其作为该栅格的辐射剂量率；
[0014]3、采用放射性区域的辐射剂量率的分布数组来表示每个栅格区域对应的辐射剂量率大小。
[0015]优选地，步骤二包括如下步骤：
[0016]1、将路径长度离散化，路径长度通过路径所访问的单元格的成本来描述；
[0017]2、给存在障碍物的栅格一个附加成本或设置为拒绝路径规划器访问该栅格；
[0018]3、在分层成本地图中，以0表示自由空间，254表示障碍物，253表示障碍物的膨胀成本，255表示没有信息的区域；
[0019]4、根据下式求得导航栈中栅格成本：
[0020][0021]其中，N
k
为第k个成本图层的基础成本(通常由栅格分辨率决定)，H
k
(x,y)为附加成本；
[0022]在没有附加成本的路径规划中，路径的成本仅由固定基础成本决定，此时最短路径等同于栅格数量最少的路径；
[0023]5、根据ALARP原则将辐射风险划分为3个区域：风险不可接受区域、ALARP区域和风险可接受区域；
[0024]6、当栅格的辐射剂量率处于ALARP区域时，途径n个栅格的路径代价为：
[0025][0026]其中额外辐射风险成本为：
[0027][0028]其中，τ为辐射成本权重因子，R
D
(x,y)为(x,y)处的辐射剂量率，R
l
为额外辐射风险阈值，R
u
为机器人能承受的最大风险阈值，也即机器人有限时间内能承受的最大辐射剂量率；其中，辐射剂量率低于R
l
则为对机器人的损伤可忽略；
[0029]第i条路径的累计成本为：
[0030][0031]其中，R
D
(x
j
,y
j
)为(x
j
,y
j
)处的辐射剂量率，R
u
为机器人能承受的最大辐射风险阈值，R
l
为额外辐射风险阈值，τ为辐射成本权重因子，H
O
(x
j
,y
j
)为额外辐射风险成本，N为基础成本。
[0032]优选地，步骤三包括如下步骤：
[0033]1、由q和q
′
组成的路径段的平均剂量率表示为：
[0034][0035]2、Paths(样本)是单个网格所有可行路径组成的集合，对于任意一条路径(样本序列)，p∈Paths，累积剂量为：
[0036][0037]其中下标g为整数，表示路径p的第g段，Δs
g
为路径p的第g段的长度；
[0038]3、累积剂量最小的路径则为该网格内的最优路径：
[0039][0040]4、根据网格和网格之间的排布，相邻两个网格之间的累积剂量计算如下：
[0041][0042][0043]其中，计算当前格子与对角格子之间的累积剂量时，X
k
为否则X
k
为1，表示这两个网格在同一行或同一列；
[0044]5、最后两个节点之间的累积剂量D
G
为：
[0045]D
G
＝D1+D2+
…
+D
n
；
[0046]其中，在栅格地图中，网格越小，精度越高，结果越接近真实的累积剂量。
[0047]优选地，步骤四包括如下步骤：
[0048]1、将寻找最优路径转化为寻找总代价最小的路径，每段路径的代价w
ij
为：
[0049]w
ij
＝T
ij
δ
ij
d
ij
；
[0050]其中，T
ij
为任务代价，δ
ij
为道路堵塞因子，d
ij
为i到j的初始最短路径；
[0051]2、以Dijkstra路径作为初始最短路径，基于Dijkstra算法计算i到j点在栅格地图上Dijkstra路径长度d
ij
：
[0052]d
ij
＝min[dis(i,j)]， i,j＝1,2,...,n, i≠j
[0053]3、构建交通堵塞因子模型实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.核应急处置机器人的路径规划方法，其特征在于，包括以下步骤：一、构建放射性核素剂量率栅格地图；二、构建放射性核素剂量成本地图；三、构建机器人路径累积辐射剂量计算模型；四、构建基于神经网络的多目标路径规划算法；五、根据构建的路径规划算法规划机器人的移动路径。2.根据权利要求1所述的核应急处置机器人的路径规划方法，其特征在于，步骤一包括如下步骤：1)将放射性核素分布场的二维地图进行栅格化，每个栅格大小相等，设定笛卡尔坐标系参数，建立相互联系的栅格，用坐标(x,y)对栅格进行标识；2)将栅格内所有的辐射剂量率进行平均值处理，将其作为该栅格的辐射剂量率；3)用放射性区域的辐射剂量率的分布数组来表示每个栅格区域对应的辐射剂量率大小。3.根据权利要求1所述的核应急处置机器人的路径规划方法，其特征在于，步骤二包括如下步骤：1)将路径长度离散化，并使用路径所访问的单元格的成本对其进行描述；2)给含有障碍物的栅格增设附加成本或者将其设为被拒绝访问的栅格；3)在分层成本地图中，以0表示自由空间，254表示障碍物，253表示障碍物的膨胀成本，255表示没有信息的区域；4)根据下式求得导航栈中栅格成本：其中，N
k
为第k个成本图层的基础成本，H
k
(x,y)为附加成本；5)将辐射风险区域划分为风险不可接受区域、ALARP区域和风险可接受区域；6)当栅格的辐射剂量率处于ALARP区域时，途径n个栅格的路径代价为：其中额外辐射风险成本为：其中，τ为辐射成本权重因子，R
D
(x,y)为(x,y)处的辐射剂量率，R
l
为额外辐射风险阈值，R
u
为机器人能承受的最大风险阈值；第i条路径的累计成本为：其中，R
D
(x
j
,y
j
)为(x
j
,y
j
)处的辐射剂量率，H
O
(x
j
,y
j
)为额外辐射风险成本，N为基础成
本。4.根据权利要求1所述的核应急处置机器人的路径规划方法，其特征在于，步骤三包括如下步骤：1)由q和q
′
组成的路径段的平均剂量率为：2)路径p的累积剂量为：其中下标g为整数，表示路径p的第g段，Δs
g
为路径p的第g段的长度；p∈Paths，Paths为单个网格所有可行路径组成的集合；3)累积剂量最小的路径则为该网格内的最优路径：4)根据网格和网格之间的排布，相邻两个网格之间的累积剂量计算如下：相邻两个网格之间的累积剂量计算如下：其中，计算当前格子与对角格子之间的累积剂量时，X
k
为否则X
k
为1，表示这两个网格在同一行或同一列；5)最后两个节点之间的累积剂量D
G
为：D
G
＝D1+D2+...D
n
。5.根据权利要求1所述的核应急处置机器人的路径规划方法，其特征在于，步骤四包括如下步骤：1)将寻找最优路径转化为寻找总代价最小的路径，每段路径的代价w
ij
为：w
ij
＝T
ij
δ
ij
d
ij
；其中，T
ij
为任务代价，δ
ij
为道路堵塞因子，d
ij
为i到j的初始最短路径；2)计算i到j点在栅格地图上路径...

【专利技术属性】
技术研发人员：唐德文，邹树梁，彭田琳，钱键，
申请(专利权)人：南华大学，
类型：发明
国别省市：