本发明专利技术适用于装载机技术领域，提供了一种无人装载机行驶路径规划方法。本发明专利技术能够实现铰接式装载机的无人驾驶功能，摆脱了对驾驶员的依赖，从而显著提升了铰接式装载机的工作效率，并有效降低了驾驶事故的发生率。本发明专利技术针对铰接式装载机结构特性复杂且工作环境恶劣的特点，相较于传统的单目标最短路径规划方法，采用了约束条件下的多目标路径规划策略。这一创新能够更好地适应铰接式装载机在恶劣作业环境中的需求，提升了路径规划的实用性和适应性。本发明专利技术引入了学习函数，并成功构建了自适应克里金蒙特卡洛动力学代理模型。这一模型的引入有效解决了仿真计算耗时较长的问题，使得车辆特性参数的获取更加迅速和高效。
1、随着科技的快速发展，工程机械领域的智能化和无人化趋势日益显著。装载机作为一种高效的工程作业设备，广泛应用于建筑工地和矿山等非结构环境中。无人驾驶装载机可以实现物料的自动化运输以及全天不间断作业，但在非结构环境中，由于路面未经平整，装载机在行驶过程中可能会产生较大的姿态变化，甚至面临倾翻的风险。因此，根据非结构环境地图规划出一条安全、高效、可执行的路径，是保证装载机无人驾驶和自主作业的基础。
2、针对这一挑战，装载机自动驾驶的路径规划显得尤为重要。传统方法通常将三维地图简化为二维地图，忽略了地面高度起伏对装载机行驶的实际影响，进而要求行驶路面必须为结构化环境。对于结构化的地形，由于其地形平坦、边界规则，2d占用网格能够有效规划出最优路径，所生成的路径仅需要考虑避开障碍物。但对于非结构化环境，其边界可能弯曲或残缺，地面凹凸不平，且存在大量尺寸不一、形状各异的障碍物，加之要考虑土壤构成造成的地形不稳定性以及恶劣天气的影响，这使得结构化环境中的路径规划方法无法直接应用于非结构化环境。
3、目前，常用的路径规划方法包括人工势场法(artificial potential field，apf)、基于搜索的方法、基于采样的方法等。但它们在面对非结构环境的复杂性时仍存在局限。特别是在地形起伏较大的情况下，装载机容易因失稳而倾翻。鉴于此，本专利技术提出了一种无人装载机行驶路径规划方法。
>1、本专利技术的目的在于提供一种无人装载机行驶路径规划方法，旨在解决上述
技术介绍
中提出的问题。2、本专利技术的目的通过以下技术方案得以实现：
3、一种无人装载机行驶路径规划方法，包括以下步骤：
4、步骤s1、构建动力学自适应模型，为后续路径规划提供铰接式装载机动力学特性数据；
5、步骤s2、建立工作环境：将车辆工作环境简化为三维地图，以确定路径的初始位置与目标位置；
6、步骤s3、构建目标函数与确定约束条件；
7、步骤s4、利用规划器输出最优路径：将多目标遗传算法迭代后的非支配排序前10的非劣解提取出来加权比较，综合考量后选取最优的一个解作为算法输出的最优路径；
8、步骤s5、通过联合仿真检验输出的最优路径是否合理；若合理则输出路径，若不合理则返回步骤s4进行进一步优化。
9、进一步的，所述步骤s1的具体过程如下：
10、基于克里金模型和蒙特卡洛模拟，引入学习函数构造自适应克里金蒙特卡洛动力学代理模型；在动力学代理模型中，将学习函数指标u(x)与较低置信度边界lcb函数相关联进行优化，lcb定义为：
11、
12、式中，lcb(x)表示置信度下限函数，表示模型预测均值，表示模型预测偏差；取b为2，计算并最小化lcb为0，此时u(x)与b取值相等，对应模型出错概率φ(-2)＝0.023，经过训练后，动力学代理模型为路径规划提供铰接式装载机动力学特性数据。
13、进一步的，所述步骤s2的具体过程如下：
14、将三维环境数据精简为坐标值x、y、z，并将坐标值存入地图环境矩阵中；设计变量为各个路径点坐标(xi,yi,zi)，设定起点s坐标为(x1,y1,z1)，终点g坐标为(xn,yn,zn)；将地图在x-y平面内均匀划分为网格，起点、终点间剩余轨迹路径点在网格顶点离散分布，表示为(xi,yi,zi)；最后将各点按顺序相连，组成完整轨迹。
15、进一步的，所述步骤s3的具体过程如下：
16、步骤s31、构建目标函数；
17、采用相邻路径点间的空间距离总和作为路径长度成本，即路径行驶长度成本函数fl定义为：
18、
19、式中，n表示该路径中路径段的个数，li表示第i段路径两端路径点之间的空间距离，具体表示为：
20、
21、采用各路径段行驶时间总和作为路径时间成本，即路径行驶时间成本函数ft定义为：
22、
23、式中，n表示一条路径中包含的路径点个数，ti表示路径中第i段相邻两个路径点之间的行驶时间，具体表示为：
24、
25、式中，li表示第i段路径中相邻两个路径点之间的空间距离，vi和vi-1表示动力学代理模型在两路径点计算的安全速度值；
26、通过评估每条路径上相邻直线段间角度的变化来度量路径的光滑度代价fs：
27、
28、式中，n表示一条路径中包含的路径点个数，和为由qi-2、qi-1、qi这三个连续路径点形成的两个相邻的向量：
29、
30、式中，xi为第i段路径的x坐标，yi为第i段路径的y坐标，zi为第i段路径的z坐标，xi-1为第i-1段路径的x坐标，yi-1为第i-1段路径的y坐标，zi-1为第i-1段路径的z坐标，xi-2为第i-2段路径的x坐标，yi-2为第i-2段路径的y坐标，zi-2为第i-2段路径的z坐标；
31、步骤s32、确定约束条件；
32、约束条件包括最大铰接角、最大俯仰角以及最大侧倾角约束，铰接角约束为±30°，俯仰角约束为±30°，侧倾角约束为±20°；
33、路径点qi(xi,yi,zi)的地面接触点为qil(xil,yil,zil)，障碍物跨越点为qir(xir,yir,zir)，则侧倾角φi为：
34、
35、最大侧倾角约束为：
36、φi≤φmax
37、式中，φmax为最大侧倾角，l为铰接式装载机的车体宽度；
38、假设路径点qi所在的路径段在x-y平面内与x轴的夹角为β，则qil和qir在x-y平面内由qi计算得到，分别表示为qil(xi-δx,yi-δy)和qir(xi+δx,yi+δy)，其中δx与δy的计算公式为：
39、
40、在某规划路径段上，起点qi-1及终点qi构成向量由向量在空间中的角度表示路径段的俯仰角θi：
41、
42、最大俯仰角约束为：
43、θi≤θmax
44、式中，θmax为最大俯仰角；
45、将第i个路径点qi的铰接角定义为ψi，对于相邻的三个路径点qi-2、qi-1、qi，路径点处的铰接角由相邻两端路径段对应向量在水平面上的投影夹角来描述；
46、
47、最大铰接角约束为：
48、ψi≤ψmax
49、式中，ψmax为最大铰接角；
50、基于构建的目标函数及约束条件，得出路径规划的数学模型：
51、minf(x)＝[fl(x),fl(x),fs(x)]t
52、
53、式中，n表示一条路径中包含的路径点个数，f(x)表示多目标函数，x表示决策变量的集合本文档来自技高网...
【技术保护点】
1.一种无人装载机行驶路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无人装载机行驶路径规划方法，其特征在于，所述步骤S1的具体过程如下：
3.根据权利要求2所述的无人装载机行驶路径规划方法，其特征在于，所述步骤S2的具体过程如下：
4.根据权利要求3所述的无人装载机行驶路径规划方法，其特征在于，所述步骤S3的具体过程如下：
5.根据权利要求4所述的无人装载机行驶路径规划方法，其特征在于，所述步骤S4的过程如下：
【技术特征摘要】
1.一种无人装载机行驶路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的无人装载机行驶路径规划方法，其特征在于，所述步骤s1的具体过程如下：
3.根据权利要求2所述的无人装载机行驶路径规划方法，其特征在...
【专利技术属性】
技术研发人员：姚宗伟，李昊旻，王永，高清泉，李学飞，同乐，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
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。