一种基于少数障碍侧与转向代价相融合的路径规划算法制造技术

本发明专利技术公开了一种基于少数障碍侧与转向代价相融合的路径规划算法，应用于运行在密集立体仓储中四向车的路径规划，获得密集立体仓储的地图环境信息；计算起点和终点连线的直线方程Ax+By+C＝0，统计处于直线两侧障碍物的数量，标记障碍物较少的一侧为少数障碍物侧；记起点为当前父节点，以当前父节点为中心生成多个子节点，依据各个子节点是否位于少数障碍侧，定义其对应的优先级；按照优先级顺序，遍历各个子节点，在此期间，利用模糊逻辑控制算法动态调整启发函数的权值，并引入转向代价以构建新型评价函数，计算对应的总评价值，再以总评价值最小的子节点更新当前父节点；重复上述步骤，从起点至终点进行路径搜索，完成路径规划。划。划。

【技术实现步骤摘要】
一种基于少数障碍侧与转向代价相融合的路径规划算法


[0001]本专利技术属于路径规划的
，涉及一种基于少数障碍侧与转向代价相融合的路径规划算法。

技术介绍

[0002]随着土地和人工成本的不断上涨，自动化物流行业正迅速向着密集存储的方向发展，四向穿梭式自动化密集仓储系统是近年来一种新兴的仓储形式，具有作业效率高和空间利用率高等特点，在该系统中，四向穿梭车是关键设备之一，它可以在货架轨道上沿横向和纵向四个方向自主运行，但在横向和纵向轨道之间切换时需要一定的换向时间。此外，由于空间限制和对车辆行驶效率的考虑，一般要求每条车道都可双向通行，在垂直方向上，可与提升机进行配合，以实现三维空间中任意货位的存取。
[0003]在密集型立体仓储系统中，路径规划算法作为核心算法之一，其规划效率和效果在很大程度上影响着仓储系统的作业效率，其中A*算法凭借其高效的路径搜索能力和广泛的适用性，在智能仓储，机器人协作等领域得到了广泛的应用，目前已经成为路径规划领域的研究热点。
[0004]A*算法是一种启发式搜索算法，可以在搜索过程中根据启发函数估计每个节点到达目标的代价，并选择最优的节点进行扩展，在找到最优路径的同时有效减少了搜索过程中的节点数和计算量。此外，A*算法还具有良好的可塑性。在不同应用场景下，可以通过修改A*算法的评价函数使其所规划路径更好地适应于当前场景。
[0005]A*算法是一种在基于已知地图信息的路径规划算法，通过启发式函数对搜索过程进行指导，能够高效地找到最优路径，然而，A*算法也存在一些缺陷：
[0006]第一，A*算法中，启发函数的权值对路径规划效率和路径长度具有重要影响。当节点的启发函数值小于到终点的实际距离时，所规划路径一定为最短路径，然而此时需要遍历较多节点，路径规划效率不高；当节点的启发函数值大于到终点的实际距离时，路径规划的效率得到提升，而因为实际代价函数g(n)的占比下降，A*算法不一定能找到最短路径；
[0007]传统A*算法将启发函数权值设为1，导致其不具备适应性与灵活性，在中大型规模地图中的规划效率不高。
[0008]第二，在A*算法中，子节点的遍历顺序对所规划路径轨迹有很大影响。在密集仓储系统下，A*算法规划路径时未考虑到存放货物对四向车运行可能造成的影响。
[0009]第三，A*算法规划路径时未考虑到车辆频繁转向导致的额外时间和功率损耗，所规划路径中存在某些不必要的转向点，严重影响车辆行驶效率。

技术实现思路

[0010]本专利技术的目的在于克服传统A*算法中路径规划效率低下等技术缺陷，提供一种基于少数障碍侧与转向代价相融合的路径规划算法，首先提出了基于模糊逻辑的A*算法，以提高路径规划效率，其次提出了基于少数障碍侧的子节点遍历优先级，使所规划路径尽可
能少地经过障碍物，最后在算法中引入转向代价，以减少路径中的转向点数量。
[0011]本专利技术可通过以下技术方案实现：
[0012]一种基于少数障碍侧与转向代价相融合的路径规划算法，应用于运行在密集立体仓储中四向车的路径规划，包括以下步骤：
[0013]S1、获得密集立体仓储的地图环境信息；
[0014]S2、计算起点和终点连线的直线方程Ax+By+C＝0，统计处于直线两侧障碍物的数量，标记障碍物较少的一侧为少数障碍物侧；
[0015]S3、记起点为当前父节点，以当前父节点为中心生成四个子节点，依据各个子节点是否位于少数障碍侧，定义其对应的优先级；
[0016]S4、按照优先级顺序，遍历各个子节点，在此期间，利用模糊逻辑控制算法动态调整启发函数的权值，并引入转向代价以构建新型评价函数，计算对应的总评价值，再以总评价值最小的子节点更新当前父节点；
[0017]S5、重复步骤S3
‑
S4，从起点至终点进行路径搜索，完成路径规划。
[0018]进一步，所述新型评价函数设置为f(n)＝g(n)+w*h(n)+t(n)，
[0019]其中，n表示当前子节点，g(n)表示从起点到当前子节点n的实际代价，即起点到当前子节点的距离；
[0020]w表示启发函数的权值，h(n)表示启发函数即从当前子节点n到终点的估计代价，采用曼哈顿距离计算；
[0021]t(n)表示从起点到当前子节点n的转向代价，记当前父节点为当前节点N，其父节点为F，四向车当前行驶方向用向量的方向表示，当前节点N与三个子节点构成的向量分别为其任一子节点N
x
的转向代价为也就是当前子节点n的转动代价t(n)，此处λ为转向代价系数。
[0022]进一步，采用四领域连通法，以当前父节点为中心生成上下左右四个方向的子节点，将子节点坐标代入直线方程Ax+By+C＝0中计算结果，根据结果是否大于0判断该子节点是否位于少数障碍物侧，若是，则令该子节点对应的优先级Pri＝0，反之Pri＝1。
[0023]进一步，拥有相同优先级的子节点可以以任意顺序进行遍历。
[0024]进一步，计算起点与当前子节点的向量当前子节点与终点之间的最短距离为L1，起点到终点的向量及最短距离向量和之间的夹角α以及L1与最短距离的比值β，并将其作为模糊逻辑控制器的输入，求解启发函数的权值w。
[0025]进一步，利用模糊逻辑控制算法动态调整启发函数的权值方法包括以下步骤：
[0026]S41、确定模糊变量即夹角α和比值β的范围
[0027]利用如下方程式，计算夹角α和比值β
[0028][0029][0030]其中，α的论域为[0π]，β的论域设为[10 50]，权值w的论域为[1 2.5]；
[0031]S42、确定模糊变量的隶属函数
[0032]选择三角形隶属函数作为模糊变量α和β的隶属函数，高斯型隶属函数作为权值w的隶属函数；
[0033]S43、建立模糊规则表如下
[0034]模糊逻辑规则表
[0035][0036]S44、输入模糊变量α和β，并根据模糊规则表得出模糊结果，将模糊结果使用面积重心法进行去模糊后得到具体数值。
[0037]进一步，采用栅格法建立四领域连通的栅格地图模型，包括地图大小(X_length、Y_length)、起点(Start_Node)、终点(Target_Node)和所有障碍物坐标(Obs_Node_List)，以此作为路径规划的环境基础。
[0038]有益效果：
[0039]第一，本专利技术首次提出了基于少数障碍侧的子节点优先级优化方法。该方法考虑到仓储系统中存放货物对四向车运行可能造成的影响，使路径规划算法能够在不改变路径长度的前提下，使所规划路径尽可能地避开已存放的货物。
[0040]第二，本专利技术使用模糊逻辑规则在路径规划过程中对A*算法的启发函数权值做出动态调整。该方法通过衡量当前节点n偏离目标方向的程度以及离目标点的远近程度来动态调整启发函数的权值，若当前方向严重偏离目标方向或当前节点离目标点较远时，则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于少数障碍侧与转向代价相融合的路径规划算法，其特征在于，应用于运行在密集立体仓储中四向车的路径规划，包括以下步骤：S1、获得密集立体仓储的地图环境信息；S2、计算起点和终点连线的直线方程Ax+By+C＝0，统计处于直线两侧障碍物的数量，标记障碍物较少的一侧为少数障碍物侧；S3、记起点为当前父节点，以当前父节点为中心生成四个子节点，依据各个子节点是否位于少数障碍侧，定义其对应的优先级；S4、按照优先级顺序，遍历各个子节点，在此期间，利用模糊逻辑控制算法动态调整启发函数的权值，并引入转向代价以构建新型评价函数，计算对应的总评价值，再以总评价值最小的子节点更新当前父节点；S5、重复步骤S3
‑
S4，从起点至终点进行路径搜索，完成路径规划。2.根据权利要求1所述的基于少数障碍侧与转向代价相融合的路径规划算法，其特征在于：所述新型评价函数设置为f(n)＝g(n)+w*h(n)+t(n)，其中，n表示当前子节点，g(n)表示从起点到当前子节点n的实际代价，即起点到当前子节点的距离；w表示启发函数的权值，h(n)表示启发函数即从当前子节点n到终点的估计代价，采用曼哈顿距离计算；t(n)表示从起点到当前子节点n的转向代价，记当前父节点为当前节点N，其父节点为F，四向车当前行驶方向用向量的方向表示，当前节点N与三个子节点构成的向量分别为其任一子节点N
x
的转向代价为也就是当前子节点n的转动代价t(n)，此处λ为转向代价系数。3.根据权利要求2所述的基于少数障碍侧与转向代价相融合的路径规划算法，其特征在于：采用四领域连通法，以当前父节点为中心生成上下左右四个方向的子节点，将子节点坐标代...

【专利技术属性】
技术研发人员：安康，胡宇，曹永欣，陈国，刘翔鹏，
申请(专利权)人：南京华德仓储设备制造有限公司，
类型：发明
国别省市：