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: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;
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;
步骤S3、构建目标函数与确定约束条件;
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;
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;
所述步骤S3中,构建目标函数的具体过程如下: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定义为:;
式中,n表示该路径中路径段的个数,表示第i段路径两端路径点之间的空间距离,具体表示为:;
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定义为:;
式中,n表示一条路径中包含的路径点个数,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:;
式中,表示第i段路径中相邻两个路径点之间的空间距离,和表示动力学代理模型在两路径点计算的安全速度值;
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:;
式中,n表示一条路径中包含的路径点个数,和为由、、这三个连续路径点形成的两个相邻的向量:;
;
式中,为第i段路径的坐标,为第i段路径的坐标,为第i段路径的坐标,为第段路径的坐标,为第段路径的坐标,为第段路径的坐标,为第段路径的坐标,为第段路径的坐标,为第段路径的坐标;
得出路径规划的数学模型:
;
;
式中,n表示一条路径中包含的路径点个数,表示多目标函数,表示决策变量的集合,T表示倒置操作,为侧倾角,为最大侧倾角,为路径段的俯仰角,为最大俯仰角,为第i个路径点的铰接角,为最大铰接角。
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: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,将学习函数指标与较低置信度边界函数相关联进行优化,定义为:;
式中,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;取为2,计算并最小化为0,此时与取值相等,对应模型出错概率,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。
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:将三维环境数据精简为坐标值、、,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,设定起点坐标为,终点坐标为;将地图在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;最后将各点按顺序相连,组成完整轨迹。
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中,确定约束条件的具体过程如下: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°;
路径点的地面接触点为,障碍物跨越点为,则侧倾角为:;
最大侧倾角约束为:
;
式中,为最大侧倾角,为铰接式装载机的车体宽度;
假设路径点所在的路径段在平面内与轴的夹角为,则和在平面内由计算得到,分别表示为和,其中与的计算公式为:;
;
在某规划路径段上,起点及终点构成向量,由向量在空间中的角度表示路径段的俯仰角:;
最大俯仰角约束为:
;
式中,为最大俯仰角;
将第i个路径点的铰接角定义为,对于相邻的三个路径点、、,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;
;
最大铰接角约束为:
;
式中,为最大铰接角。
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:利用多目标遗传算法,结合目标函数与约束条件,对算法进行迭代运算;在迭代完成后,从得到的非支配排序结果中提取前10个非劣解;接着计算不同非劣解中相同目标函数值之间的差值,并为每个差值赋予权重;通过综合考量目标函数值的差异和权重,选取一个最优解作为算法输出的最优路径;最后存储最优路径的路径点坐标及速度。