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: 2021109715796
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
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:

1.一种基于改进粒子群算法的多机器人区域覆盖方法,其特征在于,包括:

对待覆盖区域建立坐标系,根据n台探测范围不同的机器人,各机器人i在全局坐标系中的位置构成向量,为迭代初始位置,然后利用改进粒子群算法求解点云,在粒子群算法的迭代过程中,考虑不同机器人的探测范围,进行速度和位置更新,直至获得最大程度覆盖目标区域的机器人的位置集合;具体包括以下步骤,S1、将形状和面积已知的区域作为待覆盖区域D,根据待覆盖区域D建立坐标系;

S2、根据n台探测范围不同的机器人,各机器人i在全局坐标系中的位置(xi,yi)构成向量:P={x1,y1,x2,y2,…,xi,yi,…,xn,yn}为迭代初始位置;

S3、设定约束条件,各机器人的位置pi(xi,yi)应在待覆盖区域D内,故其坐标范围在待覆盖区域D内,即:S4、将待覆盖区域D进行栅格化处理,划分成m个正方形栅格,该栅格大小应小于各机器人的最小覆盖半径,标记每个栅格的中心点为cj,其中j=1,2,...,m;当cj被任何一个机器人覆盖时,认为此栅格被覆盖,即 记mc为被覆盖的栅格数目;

S5、初始化粒子群,设置最大迭代次数、目标函数和粒子的最大速度,位置信息为整个目标空间,在速度区间上随机初始化速度,机器人群规模为n,每个机器人随机初始化一个运行速度,初始化迭代次数k;

S6、定义适应度函数;个体极值为每个机器人找到的最优解,从这些最优解找到一个全局值,叫做本次全局最优解,与历史全局最优比较,进行更新;

S7、更新速度和位置的公式:

Vid=ωVid+C1random(0,1)(Pid‑Xid‑Ri)+C2random(0,1)(Pgd‑Xid‑Ri)Xid=Xid+Vid

其中,ω为惯性因子其值为负数,较大时,全局寻优能力强,较小时,全局寻优能力弱,局部寻优能力强;通过调整ω的大小,对全局寻优性能和局部寻优性能进行调整;C1和C2为加速常数,C1为每个机器人的个体学习因子,C2为每个机器人的社会学习因子;取C1=C2∈[0,4];random(0,1)表示区间[0,1]上的随机数,Pid表示第i个机器人的个体极值的第d维,Pgd表示全局最优解的第d维,Ri为第i个机器人的探测范围;

S8、判断迭代次数k是否达到最大迭代次数或待覆盖区域D的未覆盖率Ru满足最小界限即满足目标函数终止算法,如是,则得到最大程度覆盖待覆盖区域的点云E={vi|i=1,

2,…,n},其中vi的位置为pi'(xi,yi),根据点云部署机器人,实现对目标区域的覆盖;如否,迭代次数k=k+1,返回步骤S6。

2.如权利要求1所述的基于改进粒子群算法的多机器人区域覆盖方法,其特征在于:步骤S1中,将待覆盖区域D放在所建立坐标系的第一象限。

3.如权利要求1所述的基于改进粒子群算法的多机器人区域覆盖方法,其特征在于:步骤S4中,使用体型最大的机器人的长,作为正方形栅格的边长l。

4.如权利要求1‑3任一项所述的基于改进粒子群算法的多机器人区域覆盖方法,其特征在于:步骤S5中,目标函数为:Ru=0,其中Ru为待覆盖区域的未覆盖率。

5.如权利要求1‑3任一项所述的基于改进粒子群算法的多机器人区域覆盖方法,其特征在于:步骤S6中,定义适应度函数为:g=1‑mc/m≈Ru,其中,mc为被覆盖的栅格数目,m为待覆盖区域D的栅格总数量,Ru为待覆盖区域D的未覆盖率。