【技术实现步骤摘要】
本专利技术涉及路径规划的，尤其涉及一种机器人路径规划方法、系统及计算机可读存储介质。
技术介绍
1、机器人广泛应用于医疗、军事、教育、生活等诸多行业。路径规划是机器人应用的重要课题，选取最优路线能够有效提高机器人的工作效率与质量，降低运输成本，提升经济效益。
2、机器人路径规划可描述为给定起始位置以及目标位置，确定连接两者之间的可规避障碍物无碰撞的路径，并使路径的距离最短。解决路径规划问题常见的算法有:蚁群算法、神经网络算法、粒子群算法、遗传算法等。
3、蝙蝠算法(ba)是yang教授于2010年基于群体智能提出的启发式搜索算法,是一种搜索全局最优解的有效方法。该算法是一种基于迭代的优化技术,初始化为一组随机解,然后通过迭代搜寻最优解,且在最优解周围通过随机飞行产生局部新解,加强了局部搜索。
4、应用现有的蝙蝠算法进行机器人路径规划时，容易出现后期收敛速度慢、收敛精度低、易陷入局部最优解等问题无法满足实际需求。
技术实现思路
1、为解决现有路径规划技术中，存在算法收敛速度慢、收敛精度低及易陷入局部最优解等问题，本专利技术提出一种机器人路径规划方法、系统及计算机可读存储介质，能够有效地提高算法的求解速度、收敛精度及路径寻优效率。
2、为实现本专利技术的目的，本专利技术采用如下技术方案实现：
3、一种机器人路径规划方法，包括以下步骤：
4、s1:构建机器人路径规划模型；
5、s2:利用改进的蝙蝠算法求解
6、进一步地，步骤s1构建的机器人路径规划模型包括路径规划适应度目标函数和约束条件；适应度目标函数为：
7、fx＝k1+k2；
8、其中，
9、
10、
11、约束条件为：
12、xsj∈(xmin,xmax)；
13、ysj∈(ymin,ymax)；
14、其中，p表示路径中的节点个数；n表示障碍物个数；(xsj,ysj)表示路径节点坐标，j＝1，2…p；(oi,ui)表示各障碍物中心点坐标；ri表示对应的安全半径,i＝1,2…n；(xs,ys)表示起始位置坐标，(xt,yt)表示终点位置坐标；(xmin,xmax)表示机器人横向运动范围，(ymin,ymax)表示机器人纵向运动范围，k1表示路径长度函数，k2表示碰撞衰减函数，fx表示适应度。
15、在上述技术方案中，考虑机器人路径规划的问题，构建机器人路径规划模型，为机器人规划区移动路径；考虑现有路径规划技术中，存在算法收敛速度慢、收敛精度低及易陷入局部最优解等问题，利用改进的对蝙蝠算法进行改进，并利用改进的对蝙蝠算法求解机器人路径规划模型，得到机器人的最优路径；构建的机器人路径规划模型给出路径规划适应度目标函数和约束条件，以便求解得出的机器人路径为最优路径。
16、进一步地，利用改进的蝙蝠算法求解机器人路径规划模型的过程为：
17、初始化蝙蝠种群参数，蝙蝠种群中的每一只蝙蝠个体均对应一个机器人；
18、获取初始化后的蝙蝠种群中每一个蝙蝠个体的适应度fx，并将每一个蝙蝠个体的适应度fx进行对比，将适应度fx最大一个蝙蝠个体作为初始化蝙蝠种群的全局最优个体蝙蝠，保存所述全局最优个体蝙蝠的位置信息及适应度fx；
19、采用迭代方法，设置若干轮迭代次数，对全局最优个体蝙蝠进行迭代更新，当迭代次数达到上限时，输出最终的全局最优个体蝙蝠；
20、获取最终的全局最优个体蝙蝠的位置信息，根据该位置信息对应的机器人，得到机器人的最优路径。
21、进一步地，初始化蝙蝠种群参数的过程为：
22、初始化蝙蝠种群大小为n，当前迭代次数为t，最大迭代次数为max iter，发射脉冲的最大频率为fmax，最小频率为fmin，脉冲响度为a0以及脉冲发射频率为r0；
23、采用混沌策略初始化蝙蝠种群，过程为：
24、随机产生k只搜索空间维度为d的蝙蝠，对每个维度进行迭代产生新的蝙蝠，迭代表达式为：
25、yk+1＝4yk3-3yk；
26、将迭代新产生的蝙蝠映射到对应维度的搜索空间内，映射表达式为：
27、
28、其中，yk表示第k只蝙蝠个体，td表示搜索空间第d维的下限，dd表示搜索空间第d维的上限，ykd表示映射表达式产生的第k只蝙蝠的第d维，xkd表示第k只蝙蝠在搜索空间第d维的坐标。
29、进一步地，对全局最优个体蝙蝠进行迭代更新的过程为：
30、设置m轮迭代，
31、对每一个蝙蝠个体的位置和速度进行更新；
32、采用局部寻优机制对每一个蝙蝠个体的脉冲响度a0和发射频率r0进行更新；
33、生成一个随机数r1，将随机数r1与更新后的发射频率r0进行大小对比，若随机数r1大于更新后的发射频率r0，则采用融合莱维飞行的局部搜索策略生成一个新的蝙蝠个体，并记录该蝙蝠个体的位置x_new(i)，获取该蝙蝠个体的适应度fnew；
34、生成一个随机数r2，若新蝙蝠个体的适应度fnew小于当前全局最优个体蝙蝠的适应度fx，且随机数r2大于更新后的脉冲响度a0，则将新的蝙蝠个体更新为全局最优个体蝙蝠，并重新更新每一个蝙蝠个体的脉冲响度a0和发射频率r0；否则保留当前全局最优个体蝙蝠；
35、判断当前迭代的次数是否小于m，若小于m，则返回对每一个蝙蝠个体的位置和速度进行更新的步骤，否则，输出最后一次迭代得到的全局最优个体蝙蝠，并获取获取所述全局最优个体蝙蝠的位置信息，基于所述全局最优个体蝙蝠的位置信息对应的机器人，得到机器人的最优路径。
36、在上述技术方案中，初始化蝙蝠种群的参数，能够将蝙蝠种群中的每一个蝙蝠个体与机器人一一对应起来，进而方便利用蝙蝠来代表机器人，更方便得出机器人的路径信息；获取蝙蝠个体的适应度，将适应度最大的蝙蝠个体作为当前的全局最优个体蝙蝠，然后采用迭代更新的方法，对所述全局最优个体蝙蝠进行迭代更新，保证最终得到的蝙蝠个体为所需的全局最优个体蝙蝠，根据该全局最优个体蝙蝠的位置信息，得到与该蝙蝠个体对应的机器人的路径信息，即为机器人的最优路径。
37、进一步地，对蝙蝠个体的位置与速度进行更新的过程为：
38、采用自适应权重方法对每一个蝙蝠个体的位置和速度进行更新，表达式满足：
39、
40、
41、
42、其中，β表示随机数，x*表示当前全局最优个体蝙蝠的位置，表示t时刻第i只个体蝙蝠的速率，表示t时刻第i只个体蝙蝠的位置，w(t)表示自适应权重，wmax表示w(t)的最大值和wmin，w(t)表示w(t)的最小值，t为当前迭代次数。
43、进一步地，采用局部寻优机制对每一个蝙蝠个体的脉冲响度a0和发射频率r0进行更新的过本文档来自技高网...
【技术保护点】
1.一种机器人路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的机器人路径规划方法，其特征在于，步骤S1构建的机器人路径规划模型包括路径规划适应度目标函数和约束条件;
3.根据权利要求2所述的机器人路径规划方法，其特征在于，利用改进的蝙蝠算法求解机器人路径规划模型的过程为：
4.根据权利要求3所述的机器人路径规划方法，其特征在于，初始化蝙蝠种群参数的过程为：
5.根据权利要求3所述的机器人路径规划方法，其特征在于，
6.根据权利要求5所述的机器人路径规划方法，其特征在于，对蝙蝠个体的位置与速度进行更新的过程为：
7.根据权利要求5所述的机器人路径规划方法，其特征在于，采用局部寻优机制对每一个蝙蝠个体的脉冲响度A0和发射频率r0进行更新的过程包括：
8.根据权利要求5所述的机器人路径规划方法，其特征在于，采用融合莱维飞行的局部搜索策略生成一个新的蝙蝠个体的位置x_new(i)，表达式满足：
9.一种机器人路径规划系统，其特征在于，包括：
10.一种计算机可读存
...【技术特征摘要】
1.一种机器人路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的机器人路径规划方法，其特征在于，步骤s1构建的机器人路径规划模型包括路径规划适应度目标函数和约束条件;
3.根据权利要求2所述的机器人路径规划方法，其特征在于，利用改进的蝙蝠算法求解机器人路径规划模型的过程为：
4.根据权利要求3所述的机器人路径规划方法，其特征在于，初始化蝙蝠种群参数的过程为：
5.根据权利要求3所述的机器人路径规划方法，其特征在于，
6.根据权利要求5所述的机器人路径规划方法，其特征在于，对蝙蝠个...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。