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: 2021107540797
申请人: 河南工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
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:

1.一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法,其特征在于,包括以下步骤:步骤一,改进算法以栅格地图为主要使用场景,设定路径规划的起始点、目的点以及障碍物分布位置信息,初始化蚁群算法,并开始进行迭代;

步骤二,当一只蚂蚁搜索路径完成时,利用模糊控制器对节点信息素浓度进行更新,得到模糊控制器更新值ΔTau_Fuzzy,用于改进蚁群算法的信息素更新策略;改进蚁群算法的信息素更新策略为:蚁群算法路径规划信息素更新值等于传统蚁群算法信息素更新数值与模糊控制器更新值之和;

步骤三,根据蚂蚁寻找路径结果,自适应更新蚁群算法的节点概率公式中的信息素权重因子;信息素权重因子自适应更新数值依据当前迭代最优路径长度与当前迭代次数的信息素权重因子数值复合计算;

步骤四,判断改进蚁群算法迭代次数是否达到预设迭代次数,如果是,则进行第五步,否则返回第二步;

步骤五,基于Floyd算法提出一种优化路径算法,提取改进算法得出的最优路径节点,设定障碍物安全半径D,以三个路径节点为一组判断中间节点是否可以去除,全部路径节点判断后,去除冗余节点,整合路径信息,更新最优路径;

设计模糊控制器为二维模糊控制器,输入变量分别为节点信息素浓度Tau和信息素浓度变化量ΔTau_tra,输出变量为单变量,即为信息素增量ΔTau_Fuzzy,将输出变量的信息素增量添加至蚁群算法的信息素更新公式中,加大信息素的启发作用;具体的信息素更新策略公式为:其中,τj(t)为t时刻j节点的信息素的数值, 是节点j上的普通蚁群算法中第z只蚂蚁的信息素增量数值,m为蚂蚁数量,ρ为信息素蒸发速度,LZ为蚂蚁z寻找到的路径长度,Q为常量;

模糊控制器输入变量的隶属函数为广义钟形隶属函数,两个输入量分别划分为三个模糊集:负大(NB)、零(ZO)、正大(PB);输出量的隶属函数为三角形隶属函数,划分为七个模糊集:负大(NB)、负中(NM)、负小(NS)、零(ZO)、正小(PS)、正中(PM)、正大(PB);模糊控制器的模糊规则为:(1)IF Tau IS NB AND ΔTau_tra IS NB THEN ΔTau_Fuzzy IS ZO(2)IF Tau IS NB AND ΔTau_tra IS ZO THEN ΔTau_Fuzzy IS PM(3)IF Tau IS NB AND ΔTau_tra IS PB THEN ΔTau_Fuzzy IS PB(4)IF Tau IS ZO AND ΔTau_tra IS NB THEN ΔTau_Fuzzy IS NB(5)IF Tau IS ZO AND ΔTau_tra IS ZO THEN ΔTau_Fuzzy IS PM(6)IF Tau IS ZO AND ΔTau_tra IS PB THEN ΔTau_Fuzzy IS PB(7)IF Tau IS PB AND ΔTau_tra IS NB THEN ΔTau_Fuzzy IS PS(8)IF Tau IS PB AND ΔTau_tra IS ZO THEN ΔTau_Fuzzy IS PM(9)IF Tau IS PB AND ΔTau_tra IS PB THEN ΔTau_Fuzzy IS PB对于蚁群算法节点搜索公式的自适应调整策略为利用蚁群每一次迭代得到的最优路径长度信息,进行节点概率公式中的信息素权重因子和启发信息权重因子实时更新,自适应调整相应权重,加速算法收敛速度;节点概率公式为:其中,τj(t)为t时刻j节点的信息素的数值,ηij(t)为t时刻i节点和j节点之间的启发函数的值;dij为节点i和节点j之间的曼哈顿距离,节点i和节点j的坐标表示分别为:(xi,yi),(xj,yj);α和β分别表示信息素和启发因子的相对重要权重,Jz(i)表示蚂蚁z下一步允许选择的节点的集合;

本方法自适应调整α权重值,用于加快算法收敛,调整公式如下:

其中,ro_min(k)代表第k次改进算法迭代是的最短路径数值,W为固定常数,W的值根据具体栅格地图环境进行设定,W的数值设定为传统蚁群算法路径规划最短路径长度的二分之一;V是蚁群算法初始化α的预设值;α′表示当前迭代时的信息素权重因子数值。

2.根据权利要求1所述的一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法,其特征在于,基于Floyd算法提出一种优化路径算法进行冗余节点的删除,优化路径,步骤如下:步骤一,提取上述改进蚁群算法迭代得到最终路径,判断路径中各节点是否为起始点、拐点和目的点,若是则保留,否则删除;

步骤二,对保留节点从起始点开始,以三个点为一组的原则进行迭代判断,判断每组中间节点是否为冗余节点,若是则删除,否则保留;

步骤三,对保留下来的节点按顺序连接进行路径更新并计算路径长度。

3.根据权利要求1所述的一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法,其特征在于:对于改进算法得到的路径节点,从起始点开始,每三个节点为一组,判断以第一个和第二个节点组成的向量和以第一个和第三个节点组成的向量的夹角是否为0°或180°,若是,则中间节点为拐点,保留,反之删除;循环上述过程,直至所有节点循环一次结束。

4.根据权利要求1所述的一种适用于移动机器人路径规划技术的融合模糊控制的改进蚁群算法,其特征在于:以三个点为一组,建立一、三节点的直线方程,判断以一、三节点为对角的矩形范围内的障碍物中心距离一、三节点直线方程的长度是否小于安全距离D,D的取值为栅格外接圆半径,若小于则直线经过障碍物,中间节点不可删除,反之中间节点为冗余节点,可以删除。