欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019108037280
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种多目标三维路径规划方法,其特征在于,包括如下步骤:步骤1,构建多目标三维路径规划模型,并建立总估计代价函数F(n):F(n)=G(n)+H(n)          (1)式中,G(n)为当前点到邻点的估计代价函数,H(n)为邻点到终点的估计代价函数,其中:G(n)通过当前点和邻点之间的能耗和直线距离得到;

H(n)包括总能耗和路程,总能耗通过计算邻点与目标节点之间的能耗得到,路程通过计算邻点与目标节点之间的直线距离和曲线距离得到;

步骤2,计算总估计代价函数F(n)的值,找到邻点中总估计代价函数F(n)最小的值,存入路径列表Lane中;

步骤3,将步骤2中找到的总估计代价函数F(n)最小的节点作为当前点,重复进行路径规划;

步骤4,当路径规划到当前点为终点时,停止规划,此时,Lane中存放的即为多目标三维路径规划模型规划出来的路径。

2.根据权利要求1所述的多目标三维路径规划方法,其特征在于,所述步骤1具体表现为:步骤1.1,初始化地图高程数据:获取每个可行节点的(x,y,z)坐标数据,并存入可行节点列表Path中,其中,坐标(x,y)是经纬度,将坐标(x,y)映射为实际距离坐标;

步骤1.2,初始化路径规划参数:定义规划起点和终点位置,设定搜索半径为factor,用于搜索当前节点周围的邻点,将起点作为当前点进行规划;

步骤1.3,利用搜索半径factor找到当前点周围的所有邻点,并计算当前点到邻点的估计代价函数G(n)和邻点到终点的估计代价函数H(n)的值,其中:G(n)=D(Pn,Pn+1)+EG(Pn,Pn+1)           (2)式中,EG(Pn,Pn+1)为当前点和邻点之间的能耗,D(Pn,Pn+1)为当前点和邻点之间的欧几里得距离,Pn为当前点,Pn+1为邻点;

H(n)H=η1*EH+η2*D′H+η3*D″H            (3)式中,EH是邻点到目标节点的总能耗,D′H为邻点与目标节点之间的直线距离,D″H为邻点与目标节点之间的曲线距离,η1、η2和η3分别为总能耗EH、直线距离D′H和曲线距离D″H的权重。

3.根据权利要求2所述的多目标三维路径规划方法,其特征在于,所述G(n)中当前点和邻点之间的能耗通过建立坡度能耗模型得到,所述坡度能耗模型建立如下:式中,g1(Pn,Pn+1)和g2(Pn,Pn+1)分别为在坡度为 时的单位距离下坡能耗函数和单位距离上坡能耗函数,其中:式中,(xn,yn,zn)分别为当前点Pn的坐标数据,(xn+1,yn+1,zn+1)分别为邻点Pn+1的坐标数据;

4.根据权利要求3所述的多目标三维路径规划方法,其特征在于,所述单位距离下坡能耗函数g1(Pn,Pn+1)通过如下方法建立:选取一段平路和多段坡度不同的下坡道路;

分别测量同一型号的机器人或汽车行驶相同距离的平路和多段下坡道路所产生的能耗;

多次测试分别求得平路和每段下坡道路的能耗平均值;

求出不同坡度下坡道路平均能耗与平路平均能耗的比值;

采用三次多项式拟合的方式,得到单位距离下坡能耗函数g1(Pn,Pn+1):式中,a1,b1和c1均为待定系数。

5.根据权利要求4所述的多目标三维路径规划方法,其特征在于,所述单位距离上坡能耗函数g2(Pn,Pn+1)通过如下方法建立:选取一段平路和多段坡度不同的上坡道路;

分别测量同一型号的机器人或汽车行驶相同距离的平路和多段上坡道路所产生的能耗;

多次测试分别求得平路和每段上坡道路的能耗平均值;

求出不同坡度上坡道路平均能耗与平路平均能耗的比值;

采用三次多项式拟合的方式,得到单位距离上坡能耗函数g2(Pn,Pn+1):式中,a2,b2和c2均为待定系数。

6.根据权利要求5所述的多目标三维路径规划方法,其特征在于,通过相邻节点的能耗相加,使算法模拟出山地的地形,并估计出高山低谷的位置,得到所述相邻节点的能耗通过坡度能耗模型计算得到,如下所示:其中,EH是邻点到目标节点的总能耗,Pi和Pi+1为节点到目标节点的中间节点,ωi为第i个节点到第i+1个节点的权重,且ωi由sigmoid函数下降的曲线求得,其中,b为曲线倾斜度,c为偏置值,exp(-b*x(i))为e的-b*x(i)次方,x(i)为第i个节点到当前点的距离。

7.根据权利要求6所述的多目标三维路径规划方法,其特征在于,所述H(n)中路程通过计算邻点与目标节点之间的直线距离和曲线距离得到,公式如下:D=D′H+D″H         (11)

式中,D为路程,其中,D′H通过如下公式计算:

式中,Pgoal为目标节点,(xgoal,ygoal,zgoal)为Pgoal的坐标数据;

D″H通过如下公式计算:

式中,D(Pi,Pi+1)为第i个节点到第i+1个节点的直线距离。

8.根据权利要求7所述的多目标三维路径规划方法,其特征在于,通过多目标混沌优化算法对H(n)中总能耗和路程两个目标进行优化,求解满足总能耗最低和路程最短两个目标的解,并对其中参数η1、η2、η3和c进行优化求解,得到每个参数的最优值。

9.根据权利要求8所述的多目标三维路径规划方法,其特征在于,所述多目标混沌优化算法的具体步骤如下:A)初始化种群:对于上述4个优化变量η1、η2、η3和c,分别赋予微小差异的初值,得到4个混沌变量,并将混沌变量的范围分别放大到相应的优化变量取值范围,同时,对于种群中的pop个解分别用混沌序列的方式进行初始化;

B)选定种群规模;

C)目标函数的计算:通过多目标三维路径规划模型得到路径Lane,得到种群中每个解的目标函数值;

D)非支配关系与拥挤度排序:对目标函数的解进行非支配关系排序,仅保留第一非支配前沿的解,并对第一支配前沿的解,进行拥挤度排序,选取拥挤度较低的解;

E)混沌变异生成子代:通过混沌序列的方法对父代进行变异,计算公式为:Coffspring=4*Cparent*(1-Cparent)        (18)其中,Cparent是父代种群的解集,Coffspring是子代种群的解集;

F)循环迭代:将得到的子代种群继续进行步骤C中目标函数的计算,得到子代种群每个解的目标函数值,进行循环迭代;

G)终止准则:当算法执行到最大代数或者群体中的目标函数值稳定时,算法终止,其中,第一支配前沿的所有解都是所求的解,且得到参数[η1,η2,η3,c]的解。