买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川轻化工大学

摘要：本发明公开了一种面向供能有限的移动机器人节能路径规划方法，本发明预先根据移动机器人的运动学模型、控制器和传感器的能量损失和电动机的能量转化为动能时的能耗等因素构建好了混合能量模型；在移动机器人接收到目标位置指令后，不断对移动机器人的混合能量模型和执行规划的批处理先验知识树进行构建，经过有限数量的循环优化，获得满足预期任务的趋近于最优的节能规划路径，本发明的方法更适用于实际面向供能有限的移动机器人路径规划，且能获得趋近于最优的节能规划路径方案，从而降低了移动机器人的执行任务的代价。

主权项：1.一种面向供能有限的移动机器人节能路径规划方法，其特征在于，包括以下步骤：S1、根据移动机器人运动学模型建立混合能量模型；S2、基于混合能量模型，通过能量BIT算法构建随机几何图的显式先验知识树，构建树节点扩展优先级队列和树边片段估计优先级队列；S3、根据树节点扩展优先级队列和树边片段估计优先级队列筛选出最优树边片段，得到移动机器人的目标路径；所述步骤S1包括以下分步骤：S11、根据移动机器人在全局坐标系下的位姿和局部坐标系下的位姿，构建移动机器人运动学模型；S12、根据移动机器人运动学模型计算静态能耗ES和动态能耗ED，进而根据静态能耗ES和动态能耗ED构建移动机器人的能量模型；所述步骤S11中，移动机器人在全局坐标系下的位姿XG＝xG,yG,θGT，移动机器人在局部坐标系下的位姿XL＝xL,yL,θLT，其中，xG,yGT为全局坐标系下的横纵坐标，θG为全局坐标系下的航向角；xL,yLT为局部坐标系下的横纵坐标，θL为局部坐标系下的航向角；将移动机器人在局部坐标系下的位姿XL＝xL,yL,θLT进行一阶求导，得到移动机器人在局部坐标系下的速度将移动机器人在全局坐标系下的位姿XG＝xG,yG,θGT进行一阶求导，得到移动机器人在全局坐标系下的速度其中，移动机器人在局部坐标系下的速度和移动机器人在全局坐标系下的速度的关系具体为下式： 式中，为局部坐标系下的横坐标方向速率，为局部坐标系下的纵坐标方向速率，为局部坐标系下的角速度；为全局坐标系下的横坐标方向速率，为全局坐标系下的纵坐标方向速率，为全局坐标系下的角速度；所述步骤S12中，静态能耗ES包括控制器能耗Ec和传感器能耗Es；动态能耗ED包括摩擦能量耗散Ef、电动机能量转化的耗散Ev和动能Ek；所述移动机器人的能量模型具体为当前节点n与当前节点n的父节点n-1间的能量变量ΔE，能量变量ΔE的表达式具体为下式：ΔE＝ΔES+ΔED＝ΔEc+ΔEs+ΔEf+ΔEv+ΔEk式中，ΔES为静态能耗能量变量，ΔED为动态能耗能量变量，ΔEc为控制器能耗变量，ΔEs为传感器能耗变量，ΔEf为摩擦能量耗散变量，ΔEv为电动机能量转化的耗散变量，ΔEk为动能变量；其表达式具体为下式：ΔEc＝χPctn-tn-1ΔEs＝ψPstn-tn-1ΔEf＝μmgsn-sn-1ΔEv＝1-ρPmtn-tn-1 式中，m为机器人的质量，g为所在地区的重力加速度，μ为摩擦系数，χ为控制器与机器人运动速度相关系数，ψ为传感器与机器人运动速度相关系数，Pc为控制器的额定功率，Ps为传感器的额定功率，Pm为电动机的额定功率，ρ为电动机的转化效率，tn为从初始节点到当前节点n所花时间，tn-1为从初始节点到当前节点n的父节点n-1所花时间，vn为当前节点n下的速度，vn-1为当前节点n的父节点n-1下的速度，vm为机器人的平均速度，sn为从初始节点到当前节点n所遍历的路径长度，sn-1为从初始节点到当前节点n的父节点n-1所遍历的路径长度；所述步骤S2包括以下分步骤：S21、根据能量BIT算法构建随机几何图的显式先验知识树；S22、将混合能量模型代入到随机几何图的显式先验知识树中，得到相邻节点间所耗费的可接受代价估计；S23、根据相邻节点间所耗费的可接受代价估计，通过随机几何图的显式先验知识树构建机器人运动新路径节点的扩展优先级队列和树边片段估计优先级队列；所述步骤S21中，随机几何图的显式先验知识树包括移动机器人与障碍物发生碰撞的状态集、自由状态集、初始状态和为目标状态集；所述随机几何图的显式先验知识树用于构建树节点扩展优先级队列和树边片段估计优先级队列；所述步骤S22中，所述相邻节点间所耗费的可接受代价估计包括相邻节点间的可接受已付代价估计可接受尚需代价估计和可接受总代价估计其表达式具体为下式： 式中，为当前节点n的父节点n-1的可接受已付代价，sgoal为从初始节点到目标节点xgoal所遍历的路径长度；所述步骤S23中，扩展优先级队列包括升序排列的节点的所需代价估计，树边片段估计优先级队列包括升序排列的相邻两节点的所需代价估计；所述节点的所需代价估计V1和相邻两节点的所需代价估计V2的表达式具体为： 式中，gΓx为显式先验知识树下节点x的可接受已付代价估计，为显式先验知识树下节点x的可接受尚需代价估计，为节点x与节点w间的可接受最优总代价估计，其中节点x与节点w属于相邻节点，为节点w的可接受尚需代价估计；所述步骤S3具体为：S31、从树边片段优先级队列取出最小的相邻两节点的所需代价估计作为最优树边片段；S32、将最优树边片段与扩展优先级队列的节点最小所需代价估计比较，进而更新扩展优先级队列与树边片段优先级队列，得到移动机器人的目标路径。

全文数据：

权利要求：

百度查询： 四川轻化工大学 面向供能有限的移动机器人节能路径规划方法