CN115454063B 养殖场全覆盖路径规划方法、清扫导航控制系统及介质 （华南农业大学）

US6377878B1,2002.本发明公开了一种养殖场全覆盖路径规划通过环境地图学习模式生成已知鸡舍环境的栅进的生物激励神经网络算法在已知栅格地图中生物激励神经网络点对点路径规划算法的融合2通过环境地图学习模式生成已知养殖场环境的利用改进的生物激励神经网络算法在已知栅格地图利用优先启发算法和改进生物激励神经网络点对点路径规划算法的融合算法进行全覆盖路径规划；若作业中出现未在已知栅格地图中标识的障碍物若作业中出现未在已知栅格地图中标识的障碍物根据周围障碍物相对于清扫机器人的最短距离和方向来确定关键将来自推理机的模糊输出通过解模糊器映射为一个清晰的根据清扫机器人的坐标信息判定是否完成一周环绕，若是则退出环境在线更新过程，并在已知环境栅格地图中标识该未知障碍物占据栅格的大小设定模糊逻辑的输入变量为两个，分别为多路超声波距离传感器回传距离中最小值输入变量分别采用梯形隶属函数和三角形隶属函数，其中距离输入遍历过程中由清扫机器人周围布置的多个超声波测距传感器对360°范围障碍物进行当遍历路径上存在障碍物处于清扫机器人行驶的包络线内时，进入障碍物环绕过程，障碍物环绕过程中利用超声波距离传感器获取障碍物的边3根据已知养殖场环境的栅格地图，设置栅格地图中每个离散栅格表示一个神经元细设定目标点为强外界兴奋输入，障碍物和已覆盖的区域为强外界抑设定机器人开始搜寻路径的初始点所在神经元为起始根据活性更新方程，将全局目标点信息和周围神经元活性信息传递到当前新的位置，继续计算当前位置邻域内所有相邻神经元的活性值大小，按照前述过程选择下一移动位经网络算法，是将应用于神经元覆盖全工作环境情况下的生物激励神经网络模型进行简将原完全工作环境的生物激励神经网络模型重构为小型动态生物激励神经网络模型，小型动态生物激励神经网络模型中的每个神经元到清扫机器人位置所在神经元的距4在清扫机器人的运动过程中，小型动态生物激励神经网络模型的尺寸大小固定不变，且每次只有处于小型动态生物激励神经网络模型中的神经元需要更在小型动态生物激励神经网络模型中，需要设选择虚拟目标点，在小型动态生物激励神经网络模型中的处于边界的神通过对邻域内神经元进行优先排序，邻域神经元的优先级分为两清扫机器人扫描工作区域内是否有未遍历的点，计算抵达每个未遍历的点代价函数，选择代价函数输出最小的路径点作为机器人下一个现权利要求1-6任一项所述的养殖场全覆5[0014]利用优先启发算法和改进生物激励神经网络点对点路径规划算法的融合算法进行全覆盖路径规划；6[0018]遍历过程中由清扫机器人周围布置的多个超声波测距传感器对360°范围障碍物[0034]设定机器人开始搜寻路径的初始点所在神经元为起始神经元，并设定全局目标7j+7y,j=1,2,…,H[0039]利用活性更新方程，计算在当前神经元位置邻域内各相连的神经元的活性值大[0042]将原完全工作环境的生物激励神经网络模型重构为小型动态生物激励神经网络[0043]小型动态生物激励神经网络模型中每个神经元到清扫机器人当前位置所在神经[0048]在清扫机器人的运动过程中，动态生物激励神经网络模且每次只有处于动态生物激励神经网络模型中的相对于全局生物激励神经网络模型的一[0049]在动态生物激励神经网络模型中，需要设定虚拟目标点8数定义并设定第一模糊子集，距离变化量输入由三角形隶属函数定义并设定第二模糊子9[0082]所述底层控制单元根据增量式编码器检测到的信号确定机器人运行的里程计数[0087]所述底层控制单元各模块采用开源的FreeRTOS嵌入式实时操作多任务操作系统[0100]图5是本发明实施例1的优先级启发式算法和BINN法结合的养殖场环境全覆盖过型来构建多个神经元的网络结构，通过神经元活动性的变化形象地表征环境的实时变化，有处于小型动态BINN模型中的相对于全局BINN模型的一小部分的神经元需要更新其神经且该神经元距离全局目标点神经元为最近的神经元作为[0139]S330、利用改进的生物激励神经网络算法在已知栅格地图中进行点对点路径规标为(xc，yc)，该位置坐标为通过卡尔曼滤波将姿态传感器和增量式编码器里程j+7y,j=1,2,…,k)[0149]本实施例中，通过Δθj的数值在底层控制单元换算成左右驱动电机的转速指令，[0174]本实施例中，基于五十条If-then语句规则建立了专家系统的模糊距离库和模糊控制单元100各模块采用开源的FreeRTOS嵌入式实时操作多任务操作系统的框架进行不同[0191]利用优先启发算法和改进生物激励神经网络点对点路径规划算法的融合算法进行全覆盖路径规划；层控制单元100中可以读取连接CAN总线上相应地址的电驱控制器的增量式编码器131的脉姿态传感器132通过串口以DMA直接存储器访问的形式将车体的实时航向角传给底层控制[0196]本实施例中，底层控制单元100采用ARM微控制器，上层控制单元200采用英伟达TX2工控机，底层控制单元100根据增量式编码器131检测到的信号确定机器人运行的里程体的实时航向角)，根据超声波传感器的信号确定机器人运行四周二维平面的障碍物分布情况(车体作业行驶过程中四周二维平面上的障碍物距离信息)；底层控制单元100通过底层控制单元200中存储通过边沿学习形成的已知工作环境的栅格地图，采用生物激励神经网络的全覆盖算法和模糊逻辑算法，给底层控制单元100下发控制机器人进行全覆盖路径[0197]进一步的，上层控制单元200通过卡尔曼滤波将姿态传感器的数据和增量式编码矩阵，-r为系统k-1时刻的估计状态；Ak和Ck分别为系k为k时刻传感器的测量向量。[0212]进一步的，本实施例的养殖场清扫导航控制系统还包括外部终端300，外部终端锂电池电压低于设定的低电压阈值时，底层控制单元100发送低电压信号和将剩余电量发[0213]可见，本发明实施例1和2提供的养殖场全覆盖路径规划方法及清扫导航控制系[0219]利用优先启发算法和改进生物激励神经网络点对点路径规划算法的融合算法进行全覆盖路径规划；算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器[0223]上述计算机可读存储介质可以以一种或多种程序设计语言或其组合来编写用于执行本实施例的计算机程序，上述程序设计语言包括面向对象的程序设计语言—诸如