CN115113628B 一种基于改进灰狼算法的巡检机器人路径规划方法 （天津城建大学）

WO2021035911A1,2021.03.04一种基于改进灰狼算法的巡检机器人路径尤其涉及一种基于改进灰狼算法的巡检机器人递减曲线进行改进，更新收敛因子i;步骤4、计2步骤1、改进灰狼算法应用于路径规划中的初始化种群N1是在栅格地图中随机生成的步骤2、改进灰狼算法应用于路径规划中的适应度函数为欧氏距离计算所得路径各节3θ2-θ1|45点到目标点的无碰撞轨迹。其中巡检机器人的路径规划算法是巡检机器人路径规划核心。[0003]根据目前研究成果来看，灰狼算法是一种模拟灰狼捕猎行为的新型智能优化算新，但是该种方式的目标不一定刚好在其距离的平均点上。(3)灰狼算法陷入局部最优解[0006]步骤1、改进灰狼算法应用于路径规划中的初始化种群N1是在栅格地图中随机生[0007]步骤2、改进灰狼算法应用于路径规划中的适应度函数为欧氏距离计算所得路径各节点的距离之和，并将所得路径的转弯次数和转弯角度作为惩罚值加入到适应度函数6将障碍物数量和地图面积的比值大小应用到收敛因子曲线改进中，改进后收敛因子曲θ2-θ1|7A2[0043]本发明将灰狼算法(GWO)利用交叉变异思想和轮盘赌思想提升初始化种群的数进灰狼算法(TPGWO)在不同地图环境下的输出路径更优且路径规划时间更短，提高了输出8[0056]图13(a)-13(c)为本发明的PSO、GWO、TPGWO在20*20栅格地图下的路径规划结果[0058]图15(a)-15(b)为本发明的收敛因子di、在障碍物数量较少且简单的地图下路[0059]图16(a)-16(b)为本发明的收敛因子di、在障碍物数量较少且简单的地图下路[0060]图17(a)-17(b)为本发明的收敛因子在障碍物数量较多且复杂的地图下路[0061]图18(a)-18(b)为本发明的收敛因子在障碍物数量较多且复杂的地图下路便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、9[0065]如图1-图8所示，本发明提供的一种基于改进灰狼算法的巡检机器人路径规划方[0066]步骤1、改进灰狼算法应用于路径规划中的初始化种群N1是在栅格地图中随机生[0067]步骤2、改进灰狼算法应用于路径规划中的适应度函数为欧氏距离计算所得路径各节点的距离之和，并将所得路径的转弯次数和转弯角度作为惩罚值加入到适应度函数将障碍物数量和地图面积的比值大小应用到收敛因子曲线改进中，改进后收敛因子曲θ2-θ1|A2狼个体ω的距离向量，和分别表示头狼α、β[0104]步骤1、改进灰狼算法应用于路径规划中的初始化种群N1是在栅格地图中随机生[0106]步骤2、改进灰狼算法应用于路径规划中的适应度函数为欧氏距离计算所得路径各节点的距离之和，并将所得路径的转弯次数和转弯角度作为惩罚值加入到适应度函数[0107]改进灰狼算法(TPGWO)在路径规划应用中，其适应度函数为欧氏距离计算所得路2θ2-θ1|将障碍物数量和地图面积的比值大小应用到收敛因子曲线改进中，改进后收敛因子曲[0122]改进灰狼算法的基本思想为初始化狼群后，选取适应度小应用到其中，可适当调整函数模型中参数值来改变收敛因子的转折点来达到最优选择。分别为β狼和δ狼。[0168]为了验证TPGWO算法较PSO算法和GWO算法在不同地图环境下的路径更优且路径规下，TPGWO算法比PSO算法和GWO算法在巡检机器人路径规划中能更好更快的找到一条从起[0172]为了验证TPGWO算法中收敛因子函数可以通过调节参数值提升收敛速度和精度，[0175]图15(a)到图18(b)为TPGWO算法在三种收敛因子函数下的路径图和收敛曲线。由数d'z与使用转折点不变的收敛因子函数d1可以得到相同有效路径，但前者的收敛速度较点可以有效地提升TPGWO算法在巡检机器人路径规划应用