【CN109871021A】一种基于粒子群优化算法的机器人导航方法【专利】
基于粒子群优化算法的机器人路径规划
基于粒子群优化算法的机器人路径规划作者：覃正祥丁家付张彦旻蒋伟王志翔来源：《无线互联科技》2020年第07期摘; ;要：文章提出一种机器人路径规划的有效算法，为机器人找到一条从起点到终点最短的无碰撞路径，主要是优化了粒子群的惯性权重，然而其在不同的阶段采用不同的权重值。
通过实验发现，改进后粒子群能够收敛得更快，数据收敛得更精确。
关键词：优化粒子群;路径规划;移动机器人;环境模型1; ; 路径规划移动型机器人[1]的路径规划[2]是机器人能够自主进行移动的必备先决条件之一，是指从起点到终点按照一定的约束条件，与环境中的障碍物无碰撞，达到研究者预设目标的最优规划路径。
按照环境变量[3]划分，可以将路径规划模型分为环境变量全局未知、环境变量局部未知、环境变量全局已知。
粒子群算法[4]是指如果需要搜索的环境变量是一个n维向量，则粒子群中的每一个粒子也是一个n维的向量。
假设粒子群中共有M个粒子，则粒子群中的第i个粒子即可表示为该目标环境下的一个解，粒子通过不断地改变自己的位置来寻求最优解。
粒子的位置变化通过种群的粒子最优值、粒子自身的历史最优值、粒子的自身状态三者的共同叠加达到下一个位置点，并在最新点计算目标函数的值，刷新种群和个体的最优解，通过种群的迭代不断刷新种群和个体的最优解，当达到预设的迭代次数时或者达到最优解或最优解附近时，迭代即可停止。
2; ; 数学模型2.1; 环境模型建立路径规划是移动机器人完成在复杂环境下移动导航的重要必备条件之一，在确定的环境下，按照目标的约束条件寻求一条从起始点到目标点的、和障碍之间无碰撞最优路径。
本文对二维平面上机器人的工作环境进行简单的建模，再对障碍物及其边界进行“圆形化”处理，避免了复杂的计算。
环境模型的建立有多种方法，如：栅格法、人工势场法、树状图法等。
为了避免过多复杂的讨论，本文决定以障碍物图形的几何中心为原点，最大距离为半径做圆，将障碍物全部囊括进所做的圆形中。
基于改进粒子群优化的移动机器人路径规划方法[发明专利]
![基于改进粒子群优化的移动机器人路径规划方法[发明专利]](https://img.taocdn.com/s3/m/e6a24432ce2f0066f433228f.png)
专利名称：基于改进粒子群优化的移动机器人路径规划方法专利类型：发明专利
发明人：朱战霞,靖飒,唐必伟,袁建平
申请号：CN201710297388.X
申请日：20170428
公开号：CN107065876A
公开日：
20170818
专利内容由知识产权出版社提供
摘要：本发明公开一种基于改进粒子群优化的移动机器人路径规划方法，在RDSAPSO中实施了扰动的全局最佳更新策略，向种群中的全局最佳位置添加小的随机扰动，以获得RDSAPSO中的非滞属性。
利用自适应策略来微调RDSAPSO中的粒子的三个控制参数，以便在RDSAPSO中更好的平衡全局搜索能力和局部搜索能力，并为RDSAPSO提供了收敛保证参数选择原则，接着使用可行性法则来解决路径规划问题的约束条件，减少了优化难度，增加了解的多样化，最后，利用开发的RDSAPSO，本发明完成了基于RDSAPSO的路径规划方法框架，为解决移动机器人的路径规划问题提出了一种有效的方法。
申请人：西北工业大学
地址：710072 陕西省西安市碑林区友谊西路127号
国籍：CN
代理机构：西安通大专利代理有限责任公司
代理人：强宏超
更多信息请下载全文后查看。
基于粒子群优化算法的机器人路径规划
基于粒子群优化算法的机器人路径规划1. 引言1.1 背景介绍随着工业自动化和智能化的发展，机器人技术在各个领域得到了广泛应用。
机器人路径规划作为机器人运动控制中的重要问题，对于提高机器人的运动效率和安全性具有关键作用。
传统的路径规划方法存在着计算复杂度高、收敛速度慢等问题，因此需要一种快速且高效的路径规划算法来解决这些挑战。
粒子群优化算法是一种基于群体智能的优化算法，模拟了鸟类觅食的过程，通过不断地调整粒子的位置和速度，最终找到全局最优解。
该算法具有并行搜索、全局寻优等特点，能够有效地解决复杂优化问题。
本文将探讨基于粒子群优化算法的机器人路径规划方法，在机器人运动控制领域具有重要的研究意义。
通过结合粒子群算法和路径规划技术，可以提高机器人在复杂环境下的路径规划精度和速度，为机器人的实际应用提供更加有效的支持。
1.2 问题提出在机器人路径规划领域，如何有效地设计算法以实现高效的路径规划是一个重要问题。
传统的路径规划算法往往存在局部最优解问题，导致路径规划结果不尽人意。
路径规划过程中可能会受到环境变化、障碍物等外界因素的影响，增加了路径规划的困难度。
本研究将探讨基于粒子群优化算法的机器人路径规划方法，在解决路径规划问题的也将探讨该方法在实际应用中的潜力和局限性。
希望通过本研究的探讨，为机器人路径规划领域的进一步发展提供有益的参考和启示。
1.3 研究意义机器人路径规划是机器人领域中的一个重要问题，也是一个具有挑战性的研究方向。
传统的路径规划算法在复杂环境下的效果并不理想，容易陷入局部最优解，导致路径规划的效率和准确度下降。
研究如何提高机器人路径规划的效果具有重要的意义。
研究基于粒子群优化算法的机器人路径规划具有重要的研究意义。
通过深入探究粒子群优化算法原理和机器人路径规划的基本概念，并结合实验设计和结果分析，可以更好地理解该方法在路径规划中的应用效果，为机器人路径规划领域的进一步发展提供有益的参考。
在未来的研究中，基于粒子群优化算法的机器人路径规划方法有望在实际应用中取得更多的成功，并为相关领域的研究和实践提供重要的支持和帮助。
一种基于粒子群算法的知识图谱优化方法及装置[发明专利]
![一种基于粒子群算法的知识图谱优化方法及装置[发明专利]](https://img.taocdn.com/s3/m/1da29e2f08a1284ac9504358.png)
专利名称：一种基于粒子群算法的知识图谱优化方法及装置专利类型：发明专利
发明人：王静,刘宁,胡茜,吴志超
申请号：CN201911151079.7
申请日：20191121
公开号：CN111078891A
公开日：
20200428
专利内容由知识产权出版社提供
摘要：本发明实施例提供一种基于粒子群算法的知识图谱优化方法及装置。
所述方法包括从知识图谱中提取特征数据，根据各特征数据对应的权重变量组成一维状态变量；在预设解空间中，根据预设的粒子群算法，得到所述一维状态变量的优化解；其中，所述预设的粒子群算法的适应度函数为根据所述知识图谱得到的识别结果的准确率，本发明实施例通过构建由特征数据的权重变量组成的一维状态变量，并通过粒子群算法得到所述一维状态变量的优化解，从而能够提高基于所述知识图谱得到识别结果的准确率。
申请人：北京爱医生智慧医疗科技有限公司
地址：102206 北京市昌平区科技园区生命园路9号院1号楼205室
国籍：CN
代理机构：北京路浩知识产权代理有限公司
代理人：苗晓静
更多信息请下载全文后查看。
一种基于粒子群优化算法的机器人逆运动学求解方法[发明专利]
![一种基于粒子群优化算法的机器人逆运动学求解方法[发明专利]](https://img.taocdn.com/s3/m/a86f15144693daef5ff73da9.png)
专利名称：一种基于粒子群优化算法的机器人逆运动学求解方法
专利类型：发明专利
发明人：吕亚辉,么娆,严雨灵
申请号：CN201810653652.3
申请日：20180622
公开号：CN108932216A
公开日：
20181204
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于粒子群优化算法的机器人逆运动学求解方法，包括以下步骤：1)根据机器人的关节参数建立运动学模型，得到运动学正解公式，设定目标点的位置和姿态矩阵，确定适应度函数；2)初始化粒子种群，计算初始种群的个体适应度值，获得个体最优值和全局最优值；3)使用随迭代次数而改变的动态惯性权重，更新粒子种群的位置和速度，计算新的适应度值，并判断是否更新；4)对粒子种群进行遗传变异操作，计算适应度值；5)根据适应度值和迭代次数判断是否满足终止条件。
与现有技术相比，本发明解决了传统PSO算法易陷入局部最优值的缺点，可通过减少迭代次数增强局部搜索能力提升收敛的速度和精度。
申请人：上海工程技术大学
地址：201620 上海市松江区龙腾路333号
国籍：CN
代理机构：上海科盛知识产权代理有限公司
代理人：赵继明
更多信息请下载全文后查看。
一种基于改进粒子群算法的综合能源系统优化调度方法[发明专利]
![一种基于改进粒子群算法的综合能源系统优化调度方法[发明专利]](https://img.taocdn.com/s3/m/30a4de3f854769eae009581b6bd97f192279bffa.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011299144.3(22)申请日 2020.11.19(71)申请人 东北大学地址 110169 辽宁省沈阳市浑南区创新路195号(72)发明人 杨强大 吴丹 张卫军 张忻怡 (74)专利代理机构 沈阳优普达知识产权代理事务所(特殊普通合伙) 21234代理人 李晓光(51)Int.Cl.H02J 3/00(2006.01)H02J 3/46(2006.01)H02J 3/32(2006.01)(54)发明名称一种基于改进粒子群算法的综合能源系统优化调度方法(57)摘要本发明公开一种基于改进粒子群算法的综合能源系统优化调度方法，步骤为：给出园区综合能源系统内部各个设备产生的冷热电的能量流动关系，构建综合能源系统；对园区综合能源系统内部各个设备建模；建立园区综合能源系统的优化调度模型及目标函数；确定园区综合能源系统约束条件；引入改进粒子群算法对园区综合能源系统进行优化调度，在基本粒子群算法基础上，采用多种群、综合学习策略和时变参数的方法进行粒子更新，将该改进算法应用于综合能源系统优化调度中，获得最优解，实现系统的冷热电优化调度。
本发明方法采用改进的粒子群算法进行求解，可以精确且快速求出系统内各个设备在某一时刻的出力情况，达到降低系统成本和保护环境的目的。
权利要求书3页 说明书9页 附图3页CN 112383053 A 2021.02.19C N 112383053A1.一种基于改进粒子群算法的综合能源系统优化调度方法，其特征在于包括以下步骤：1)给出园区综合能源系统内部各个设备产生的冷热电的能量流动关系，构建综合能源系统；2)在建综合能源系统中对园区综合能源系统内部各个设备建模；3)建立园区综合能源系统的优化调度模型及目标函数；4)确定园区综合能源系统约束条件；5)基于上述优化调度模型、目标函数以及约束条件，引入改进粒子群算法对园区综合能源系统进行优化调度，在基本粒子群算法基础上，采用多种群、综合学习策略和时变参数的方法进行粒子更新，将该改进算法应用于综合能源系统优化调度中，获得最优解，实现系统的冷热电优化调度。
基于粒子群优化算法的无人机航迹规划
关 键 词 ： 人 机 ； 迹 规 划 ； 子 群 优 化 无 航 粒
中 图 分 类 号 ： ７ Ｖ２ ９ 文献 标 志码 ： Ａ
Ｒｏ ｔ ａ ｕ ｅ Ｐｌ ｎｎｉ ｇ ｆ ｒ Ｕｎ ａ ｎｅ ｒ ａ ｈ ｃ ｅ ｓ ｄ ｎ ｏ ｍ ｎ ｄ Ａｅ ｉ ｌＶｅ ｉ ｌ ｓ Ｂａ ｅ
ｐ ｏｖ ｄ． Ｔ ｈ Ｏ ｓ ｉ ｒ ｒ ｅ ｅ ＰＳ ｉ ｎｔｏｄｕ ｅ ｔ ｔａ ｇｌｂａ ｃ ｄ Ｏ ｇｅ ｏ ｌｏｐｔｍ ｉｅ ｒ ｔ ． Ｔ ｈｅ ｅ ｐｅ ｉ ｉ ｚ ｄ ｏｕ ｅ ｘ ｒｍｅｎ ｅ ｕ ｔ ｅ ｏｎ ｔ ａ ｅ ｈ ｈ ｓｍ ｅｔ ｏ ｔｒ ｓ ｌｓ ｄ ｍ ｓ ｒ ｔ ｄ ｔ ａｔｔ ｉ ｈｄ
ｏ ｒ ｉｌ ｗａ ｍ ｔｍｉ ａ ｉ ｎ ｎ Ｐａ ｔｃ ｅＳ ｒ Ｏｐ ｉ ｚ ｔｏ
ＣＨＥ Ｄｏ ｇ，ＺＨＯＵ Ｎ ｎ Ｄ￣ｙ ｎ，ＦＥＮＧ ｕ Ｑｉ
（ ｅ ｏ ｌ ｆＥｌｃ ｒ ｎ ｃ ａ ｄ ｌ ｆ ｒ ａ ｉｎ．Ｎｏ ｔ ｗｅ ｔ ｒ ｌ ｔｃ ｎ ｃ ｌ Ｓ ｈ ｏ ｅ ｔｏ ｉ ｎ ｎ ｏ ｍ ｔｏ ｏ ｒｈ ｓ ｅ ｎ Ｐｏ ｙ ｅ ｈ ｉ ｉ ｅ ｓｔ ａ Ｕｎ ｖ ｒ ｉ ｙ，Ｘｉａ １ ０ ２ Ｃｈ ｎ ） ’ ｎ ７ ０ ７ ｉａ Ａｂ ｔａ ｔ Ａ ｏ ｔ ｌｎ ｉ ｇ ｆ ｒ ｕ ｍａ ｎ ｄ ａ ｒ ｌ ｅ ｉｌｓｂ ｓ ｄ ｏ ａ ｔ ｌ ｗａ ｍ ｐ ｉ ｚ ｔ ｎ （ Ｏ）ｉ ｒ ｓ ｎ ｅ ．Ｉ ｅ ｒ ｓ ｒ ｃ ： ｒ ｕ ｅ ｐ ａ ｎ ｎ ｎ ｎ ｅ ｅ ｉ ｈ ｃｅ ａ ｅ ｎ ｐ ｒ ｉ ｅ ｓ ｒ ｏ ｔｍｉａ ｉ ｏ ａ ｖ ｃ ｏ ＰＳ ｓｐ ｅ ｅ ｔｄ ｎ ｏ — ｐ ｒ ｔｎ ｏ ｓ ｒ ｉ ｓ ｉ ｔ ｈ ｌ ｏ ｉ ｍ ，ａ ｄ ｓｒ ｂ ｅ ｖ ｈ ｃ ｅ ｒ ｕ ｅ ｃ ｎ ｂ ｅ ｅ ａ ｅ ａ ｄ ｔ ｅ ｅ ｆｃｅ ｃ ａ ｅ ｇ ｅ ｔ ｍ— ｏ ａ ｉ ｇ ｃ ｎ ｔ ａｎ ｎ ｏ ｔ ｅ ａｇ ｒｔ ｈ ｅ ｉ ｌ ｅ ｉ ｌ ｏ ｔ ａ ｅ ｇ ｎ ｒ ｔ ｎ ｈ ｆｉｉ ｎ ｙ ｃ ｎ ｂ ｒ ａ ｌ ｉ ａ ｙ
基于粒子群算法的机器人路径规划方法、装置及终端设备[发明专利]
![基于粒子群算法的机器人路径规划方法、装置及终端设备[发明专利]](https://img.taocdn.com/s3/m/eaf64ff9f18583d0486459af.png)
专利名称：基于粒子群算法的机器人路径规划方法、装置及终端设备
专利类型：发明专利
发明人：黄建军,刘紫丹,黄敬雄
申请号：CN201810464127.7
申请日：20180515
公开号：CN108645411A
公开日：
20181012
专利内容由知识产权出版社提供
摘要：本发明适用于人工智能技术领域，提供了一种基于粒子群算法的机器人路径规划方法、装置及终端设备，包括：根据机器人活动场地的信息进行建模，生成模拟环境；根据所述机器人活动的起点和终点随机生成N条不与所述障碍物相交的初始路径，采用基于粒子群算法的方法在所述模拟环境中，对N条初始路径进行优化，在优化产生的路径中选出M条全局最优路径；采用基于Dijkstra算法的方法从所述M条全局最优路径中选出最终路径。
本发明结合了粒子群算法与Dijkstra算法的优点进行机器人路径规划，既增加了最优路径的平滑度，也提升了计算效率。
申请人：深圳大学
地址：518060 广东省深圳市南山区南海大道3688号
国籍：CN
代理机构：深圳市恒申知识产权事务所(普通合伙)
代理人：王利彬
更多信息请下载全文后查看。
一种基于改进粒子群优化算法的目标跟踪方法[发明专利]
![一种基于改进粒子群优化算法的目标跟踪方法[发明专利]](https://img.taocdn.com/s3/m/8b19d5fb59eef8c75ebfb367.png)
专利名称：一种基于改进粒子群优化算法的目标跟踪方法专利类型：发明专利
发明人：孙辉,黎佳宾,邓瑞,李梦,夏龙龙,邹时贵,廖晓龙,王序宇
申请号：CN201910484131.4
申请日：20190605
公开号：CN110288634A
公开日：
20190927
专利内容由知识产权出版社提供
摘要：本发明提供一种基于改进粒子群优化算法的目标跟踪方法，涉及数字图像处理技术领域。
该方法首先对图像序列中要跟踪的目标进行框选处理，并通过求取目标区域在HSV颜色空间的一维特征，对目标区域进行描述；然后采用一种线性递减的惯性权重策略，调整粒子群优化算法中的惯性权重，对粒子群优化算法中的粒子的开发与探索能力进行平衡；最后采用双种群的粒子群优化算法对图像序列中的目标进行跟踪。
本发明提供的基于改进粒子群优化算法的目标跟踪方法，采用双种群的粒子群优化算法用于图像序列中的目标跟踪，使得粒子向个体最优位置与全局最优位置学习的能力得到了平衡，有利于粒子的位置更新，能进一步提高跟踪效率和跟踪精度。
申请人：成都启泰智联信息科技有限公司
地址：610000 四川省成都市天府新区华阳街道正西街43号1栋1层25号
国籍：CN
代理机构：沈阳东大知识产权代理有限公司
代理人：刘晓岚
更多信息请下载全文后查看。
一种基于粒子群算法的AGV调度路径规划方法及系统[发明专利]
![一种基于粒子群算法的AGV调度路径规划方法及系统[发明专利]](https://img.taocdn.com/s3/m/66ea59f4ab00b52acfc789eb172ded630b1c9808.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201811636454.2(22)申请日 2018.12.29(71)申请人 广东飞库科技有限公司地址 510000 广东省广州市天河区车陂大岗路10号大岗工业区5栋全部(部位:5号楼第1层自编5106-5107-5108房)(仅限办公用途)(不可作厂房使用)(72)发明人 徐怡 刘则治 吴招富 (74)专利代理机构 北京轻创知识产权代理有限公司 11212代理人 杨伦(51)Int.Cl.G05B 19/418(2006.01)(54)发明名称一种基于粒子群算法的AGV调度路径规划方法及系统(57)摘要本发明涉及一种基于粒子群算法的AGV调度路径规划方法及系统，该方法包括：根据货物取放位置的布局，建立AGV的工作环境模型；基于所述工作环境模型，应用粒子群算法得到AGV的调度路径规划结果，使AGV按照所述调度路径规划结果完成给定的货物取放任务所花费的时间最短。
本发明应用粒子群算法，有效的实现在短时间内完成全部货物取放任务的目标，并实现多AGV系统的任务均衡分配，提高AGV系统运行效率和合理性，降低生成成本，提高企业效益。
权利要求书2页 说明书4页 附图2页CN 109581987 A 2019.04.05C N 109581987A1.一种基于粒子群算法的AGV调度路径规划方法，其特征在于，包括：步骤1、根据货物取放位置的布局，建立AGV的工作环境模型；步骤2、基于所述工作环境模型，应用粒子群算法得到AGV的调度路径规划结果，使AGV 按照所述调度路径规划结果完成给定的货物取放任务所花费的时间最短。
2.根据权利要求1所述的方法，其特征在于，所述步骤2具体包括：步骤2.1、基于所述工作环境模型，对粒子群进行随机初始化处理，得到粒子群中每个粒子初始的位置和速度；步骤2.2、根据适应度函数，计算每代粒子群中每个粒子的适应度值；步骤2.3、将所有粒子的适应度值中最小的值作为每代粒子群的局部最优解；步骤2.4、将所述每代粒子群的局部最优解与全局最优解进行比较，将较小值作为全局最优解；步骤2.5、根据速度、位置更新公式，更新粒子的速度和位置；步骤2.6、判断更新次数是否超过最大次数，若是则输出调度路径规划结果，否则执行步骤2.2。
基于量子粒子群算法的机器人路径规划
基于量子粒子群算法的机器人路径规划
王坤;张洪;杨柳;柴志雷
【期刊名称】《微计算机信息》
【年(卷),期】2010(026)011
【摘要】提出了一种基于量子粒子群优化算法的移动机器人全局路径规划方法.首先对环境地图进行建模,通过坐标变换在路径的起点与终点之间建立新地图,然后利用量子粒子群优化算法获得一条全局最优路径.该方法模型简单,算法复杂度低,收敛速度快,而且模型不依赖于障碍物的形状.仿真实验证实了该方法的可行性与有效性.【总页数】3页(P155-156,169)
【作者】王坤;张洪;杨柳;柴志雷
【作者单位】214122,江苏无锡,江南大学机械工程学院;214122,江苏无锡,江南大学机械工程学院;214122,江苏无锡,江南大学机械工程学院;214122,江苏无锡,江南大学信息工程学院
【正文语种】中文
【中图分类】TP242
【相关文献】
1.基于改进量子粒子群算法的储能容量优化配置 [J], 林敏怡;雷勇;李宇泽;张晓莉;李孟洁
2.基于量子粒子群算法的混杂系统参数辨识 [J], 艾纯玉;帕孜来·马合木提
3.基于自适应遗传量子粒子群算法的配电网故障定位 [J], 宫宇;张莲;杨洪杰;李涛;贾浩;张尚德;赵梦琪
4.基于量子粒子群算法的CT系统参数标定 [J], 武良隆;刘晓东;王彦超;刘鑫磊;陈倩华
5.基于量子粒子群算法的实时多交叉口信号控制 [J], 严丽平;张默可;郭成源;朱炉龙
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910204602.1
(22)申请日 2019.03.18
(71)申请人 安徽大学
地址 230000 安徽省合肥市经济技术开发
区九龙路111号安徽大学
(72)发明人 王瑞 郭星
(74)专利代理机构 合肥市长远专利代理事务所
(普通合伙) 34119
代理人 段晓微
(51)Int.Cl.
G05D 1/02(2006.01)
(54)发明名称
一种基于粒子群优化算法的机器人导航方
法
(57)摘要
本发明提出的一种基于粒子群优化算法的
机器人导航方法，包括：建立二维坐标网格模型，
在二维坐标网格模型上绘制出发点到目的地点
的连线作为导向直线，并在导向直线上设置n个
节点用于将导向直线分割为n+1段；根据网格点
平移各被障碍物覆盖的节点，然后根据粒子群优
化算法获取出发点与相邻的节点之间的优化路
径、在横坐标上相邻的两个节点之间的优化路径
以及目的地与最接近的节点之间的优化路径；串
联所有优化路径获取出发点与目的地点之间的
导航路径。
本发明有利于提高计算速度和精确
度，并保证最终获取的导航路径在导向直线附件
浮动，从而有利于缩短导航路径，优化机器人行
走路线，
提高工作效率。
权利要求书2页 说明书8页 附图11页CN 109871021 A 2019.06.11
C N 109871021
A
权 利 要 求 书1/2页CN 109871021 A
1.一种基于粒子群优化算法的机器人导航方法，其特征在于，包括以下步骤：
S1、获取机器人工作环境的二维地图，二维地图包括：出发点、目的地点和障碍物，并基于二维地图建立二维坐标网格模型；
S2、在二维坐标网格模型上绘制出发点到目的地点的连线作为导向直线，并在导向直线上设置n个节点用于将导向直线分割为n+1段；
S3、根据网格点平移各被障碍物覆盖的节点，然后根据粒子群优化算法获取出发点与相邻的节点之间的优化路径、在横坐标上相邻的两个节点之间的优化路径以及目的地与最接近的节点之间的优化路径；
S4、串联所有优化路径获取出发点与目的地点之间的导航路径。
2.如权利要求1所述的基于粒子群优化算法的机器人导航方法，其特征在于，步骤S3中获取的每一条优化路径均在横坐标方向或者纵坐标方向上缩短机器人与目的地之间的距离。
3.如权利要求1或2所述的基于粒子群优化算法的机器人导航方法，其特征在于，步骤S3具体包括以下步骤：
S31、将出发点、n个节点和目的地点按照在导向直线上的顺序排列；
S32、将出发点作为起始点，并将与起始点相邻的节点作为目标点；
S33、判断目标点是否被障碍物覆盖；否，则将目标点作为有效目标点；
S34、是，则获取与目标点最接近的位于障碍物外的网格点作为有效目标点；
S35、根据粒子群算法获取起始点与有效目标点之间的优化路径；
S36、将起始点更新为有效目标点，然后判断各节点是否遍历结束；
S37、否，则将目标点更新为与起始点相邻的节点，然后返回步骤S33；
S38、如果步骤S36中，各节点遍历结束，则获取起始点与目的点之间的优化路径，然后执行步骤S4。
4.如权利要求3所述的基于粒子群优化算法的机器人导航方法，其特征在于，
步骤S34中获取的有效目标点的横坐标值位于出发点横坐标值与目的地点横坐标值之间或者纵坐标值位于出发点纵坐标值与目的地点纵坐标值之间；
步骤S36具体为：将起始点更新为有效目标点，并判断是否存在横坐标值位于起始点横坐标值与目的地点横坐标值之间或者纵坐标值位于起始点点纵坐标值与目的地点纵坐标值之间的节点；
步骤S37具体为：存在，则将目标点更新为横坐标值位于起始点横坐标值与目的地点横坐标值之间或者纵坐标值位于出发点纵坐标值与目的地点纵坐标值之间的节点，然后返回步骤S33；
步骤S38具体为：不存在，则获取起始点与目的点之间的优化路径，然后执行步骤S4。
5.如权利要求3所述的基于粒子群优化算法的机器人导航方法，其特征在于，步骤S37中，将有效目标点更新为距离起始点最近且横坐标值位于起始点横坐标值与目的地点横坐标值之间或者纵坐标值位于出发点纵坐标值与目的地点纵坐标值之间的节点。
6.如权利要求3所述的基于粒子群优化算法的机器人导航方法，其特征在于，步骤S34中，有效目标点根据最小化的目标函数获取，最小化目标函数为：
2。