1.基于改进A-Star算法的移动机器人路径规划方法,其特征在于,包括:步骤1,基于移动机器人的真实工作环境,进行环境建模并建立二维坐标系;
步骤2,利用A-Star算法规划获得移动机器人的全局初始路径;
步骤3,采用模糊逻辑算法跟踪获得全局优化路径;
其中,模糊逻辑算法为:
式中,vc为移动机器人运动速度,θc为移动机器人运动角度,τv为机器人自主运动时间速度常数,v为移动机器人的初始速度,τθ为角速度时间常数,为移动机器人的初始角速度;
设移动机器人到起始位置的距离ρ,此时移动机器人到起始位置的相对距离为:x0=ρcosθ,
y0=ρsinθ,
式中,x0为移动机器人到起始位置的水平距离,y0为移动机器人到起始位置的垂直距离;
位移的导数因此获得:
式中,为移动机器人到起始位置的水平方向的速度,为移动机器人到起始位置的垂直方向的速度;
设得到:
设
则
式中,xn为移动机器人在模糊逻辑算法中得到的横坐标的点集,yn为移动机器人在模糊逻辑算法中得到的纵坐标的点集;
模糊逻辑控制目标是设计控制输入U,移动机器人的实际移动轨迹的横坐标的点集和对应的移动机器人的实际移动轨迹的纵坐标的点集一一组合获得多个连续坐标位置的,记为局部避障路径X;
对全局初始路径和局部避障路径进行模糊处理,获得全局优化路径Xcompare-ideal;
步骤4,利用2-opt算法选择最优路径。
2.根据权利要求1所述的基于改进A-Star算法的移动机器人路径规划方法,其特征在于,步骤1中,基于构建的二维坐标系,获取障碍物坐标、移动机器人的起始位置Xstart和移动机器人的目标位置Xgoal;
设定移动机器人的安全范围。
3.根据权利要求2所述的基于改进A-Star算法的移动机器人路径规划方法,其特征在于,步骤2,包括:
1),设定步长s和目标点阙值ε;
2),计算起始位置和目标位置的欧氏距离,将欧氏距离与步长s作比较;
若欧氏距离≤步长s,则将起始位置和目标位置直线连接,并作为移动机器人的初始路径,否则执行3);
3),基于A-Star算法的启发式函数,获得移动机器人的全局初始路径。
4.根据权利要求3所述的基于改进A-Star算法的移动机器人路径规划方法,其特征在于,启发式函数为:式中,x为移动机器人当前所在位置的横坐标,y为移动机器人当前所在位置的纵坐标,xgoal为目标位置的横坐标,ygoal为目标位置的纵坐标。
5.根据权利要求3所述的基于改进A-Star算法的移动机器人路径规划方法,其特征在于,步骤3,包括:基于全局初始路径,采用模糊逻辑算法控制路径跟踪,获得局部避障路径;
对全局初始路径和局部避障路径进行模糊处理,获得全局优化路径;
模糊控制器设置移动机器人的自主运动时间速度常数τv、角速度时间常数τθ、移动机器人运动速度vc和移动机器人前进的角度θc。
6.根据权利要求5所述的基于改进A-Star算法的移动机器人路径规划方法,其特征在于,步骤4,包括:从全局优化路径中随机选择两个坐标位置;
颠倒两个坐标位置之间的目标顺序,求出新的路径;
若新的路径长度小于全局优化路径的长度,则将新的路径作为移动机器人移动的最优路径,否则将全局优化路径作为移动机器人移动的最优路径。
7.根据权利要求2所述的基于改进A-Star算法的移动机器人路径规划方法,其特征在于,设定移动机器人的安全范围dsafe:dsafe=r+l
式中,r为移动机器人的工作半径,l为设定的常数。