基于模糊逻辑控制算法的A星算法改进方法、系统及介质

基于模糊逻辑控制算法的a星算法改进方法、系统及介质
技术领域
1.本发明涉及无人机避障及路径规划的技术领域，尤其涉及一种基于模糊逻辑控制算法的a星算法改进方法、系统及介质。


背景技术：

2.无人机避障技术的精确性和效率一直是相关技术人员研究的重点方向；对于静态的确定环境，全局的路径规划技术相对成熟，但是，由于实际环境是复杂的、未知的、不确定的以及动态的，此时全局的路径规划技术具有一定的局限性，因此局部路径规划技术也是技术人员所要关注的。
3.a星算法(也称为a*算法)作为一种现代智能算法，它是一种启发式寻优算法，提供了最短，最低代价的路径。传统的a*算法由代价函数f(n)确定，它由两部分组成，f(n)＝g(n) h(n)，通过前期调研发现，g(n)和h(n)的权重会影响整体的寻路效率。当g(n)占的比重较大时，相当于dijkstra算法，此时节点体现较强的扩展性，路径准确度更高，但是因为节点增加了，计算量增加，效率降低。当h(n)占的比重较大时，相当于bfs算法，此时节点体现较强的目标导向性，效率明显提高，但是可能得到的路径不准确。


技术实现要素：

4.为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种基于模糊逻辑控制算法的a星算法改进方法、系统及介质。
5.本发明所采用的技术方案是：
6.一种基于模糊逻辑控制算法的a星算法改进方法，包括以下步骤：
7.根据无人机飞行的过程中采集的环境信息进行环境建模，获得模糊控制器，所述环境信息包括无人机与障碍物之间的距离信息和方向信息；
8.为无人机飞行设置多个不同值的搜索步长，并采用模糊控制器控制搜索步长；
9.在无人机飞行中，当检测到距离障碍物较远时，增大搜索步长；当检测距离障碍物较近时，减小所述搜索步长；
10.其中，所述搜索步长的数值根据模糊逻辑控制算法进行动态控制。
11.进一步地，所述根据无人机飞行的过程中采集的环境信息进行环境建模，包括：
12.采用获得的距离信息和方向信息作为模糊控制器的输入，a星算法启发式函数的动态权值作为模糊控制器的输出。
13.进一步地，所述模糊控制器通过以下方法构建获得：
14.设距离的模糊量为d，方向的模糊量为sd，wh为a星算法启发式函数的动态权值；
15.获取动态权值的模糊量之后，利用质心法去模糊化，获得模糊控制器查询表；
16.将模糊控制器查询表复制进入模糊控制器的代码程序，将实际的d和sd映射到论域中后，在模糊查询表中查询结果，并将结果分配给a星算法启发式函数的动态权值。
17.进一步地，所述将结果分配给a星算法启发式函数的动态权值，包括：
18.使用三角形隶属函数对d、sd和wh进行模糊化；
19.当探测到飞行方向较近距离内存在障碍物时，模糊控制器减小wh的值，减小h(n)的权值，此时g(n)的比重增大，以在规避障碍物时扩展更多节点；
20.当探测到飞行方向上没有障碍物时，模糊控制器增大wh值，h(n)的权值增大；
21.其中，h(n)为从指定位置运行到终点的估计代价，g(n)为从起点移动到指定方格的移动代价。
22.本发明所采用的另一技术方案是：
23.一种基于模糊逻辑控制算法的a星算法改进系统，包括：
24.控制器构建模块，用于根据无人机飞行的过程中采集的环境信息进行环境建模，获得模糊控制器，所述环境信息包括无人机与障碍物之间的距离信息和方向信息；
25.搜索步长控制模块，用于为无人机飞行设置多个不同值的搜索步长，并采用模糊控制器控制搜索步长；
26.在无人机飞行中，当检测到距离障碍物较远时，增大搜索步长；当检测距离障碍物较近时，减小所述搜索步长；
27.其中，所述搜索步长的数值根据模糊逻辑控制算法进行动态控制。
28.进一步地，所述根据无人机飞行的过程中采集的环境信息进行环境建模，包括：
29.采用获得的距离信息和方向信息作为模糊控制器的输入，a星算法启发式函数的动态权值作为模糊控制器的输出。
30.进一步地，所述模糊控制器通过以下方法构建获得：
31.设距离的模糊量为d，方向的模糊量为sd，wh为a星算法启发式函数的动态权值；
32.获取动态权值的模糊量之后，利用质心法去模糊化，获得模糊控制器查询表；
33.将模糊控制器查询表复制进入代码程序，将实际的d和sd映射到论域中后，在模糊查询表中查询结果，并将结果分配给a星算法启发式函数的动态权值。
34.进一步地，所述将结果分配给a星算法启发式函数的动态权值，包括：
35.使用三角形隶属函数对d、sd和wh进行模糊化；
36.当探测到飞行方向较近距离内存在障碍物时，模糊控制器减小wh的值，减小h(n)的权值，此时g(n)的比重增大，以在规避障碍物时扩展更多节点；
37.当探测到飞行方向上没有障碍物时，模糊控制器增大wh值，h(n)的权值增大；
38.其中，h(n)为从指定位置运行到终点的估计代价，g(n)为从起点移动到指定方格的移动代价。
39.本发明所采用的另一技术方案是：
40.一种基于模糊逻辑控制算法的a星算法改进系统，包括：
41.至少一个处理器；
42.至少一个存储器，用于存储至少一个程序；
43.当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。
44.本发明所采用的另一技术方案是：
45.一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如上所述方法。
46.本发明的有益效果是：本发明利用无人机自身携带的传感器进行环境探测以获取环境信息，主要是无人机与障碍物之间的距离和方向等信息。在靠近障碍物时，模糊逻辑控制器为启发式函数h(n)分配较小的权值，当未检测到障碍物或者距离障碍物较远时，则为之分配较大的权值。该方法灵活，自适应能力强，并且在用于避开环境中遇到的静态以及动态障碍物时，达到了精确度与效率的统一。
附图说明
47.为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员而言，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
48.图1为本发明实施例中一种基于模糊逻辑控制算法的a星算法改进方法的逻辑流程示意图；
49.图2为本发明实施例中模糊逻辑控制的流程步骤；
50.图3为本发明实施例中增加了模糊控制的a*算法的matlab仿真效果示意图。
具体实施方式
51.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
52.在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了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、以特定的方位构造和操作，因此不能理解为对本发明的限制。
53.在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
54.本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
55.本发明实施例旨在对g(n)和h(n)的权重做一个权衡，以达到精确性和效率的统一。模糊逻辑控制算法是一种从行为上模仿人的模糊推理和决策过程的一种智能控制算法。它首先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上。因此，可以结合模糊逻辑控制算法设计模糊逻辑控制器(flc)，flc具有许多优点，例如：易于理解，基于自然语言，灵活，可以自适应，并且可以轻松优化其参数。以障碍物距离无人
机的距离和方向作为输入，启发式函数的加权值作为模糊逻辑控制器的输出，可以起到很好地权衡代价函数中启发式函数f(n)的权重的效果。
56.并且，搜索步长和方向是决定a*算法搜索效率的关键因素，因此如果要提高搜索效率，则需要从搜索步长和搜索方向两个方面入手。利用模糊逻辑控制算法，动态调整无人机搜索步长，以提高效率。
57.如图1所示，本实施例提供一种基于模糊逻辑控制算法的a星算法改进方法，包括以下步骤：
58.s1、根据无人机飞行的过程中采集的环境信息进行环境建模，获得模糊控制器，环境信息包括无人机与障碍物之间的距离信息和方向信息。
59.在本发明的其中一个实施例中，利用无人机自身携带的传感器来进行探测获取环境信息中，其中，环境信息是指飞行过程中遇到的一些障碍物，主要包括无人机与障碍物之间的距离和方向等信息。
60.在本发明的其中一个实施例中，在无人机的基座上分别投放三个传感器，主要用来获取飞行方向的正前方，左边45度角以及右边45度角的障碍物信息，包括障碍物的方位以及距离信息。
61.所述利用无人机对环境的建模信息中，建模信息是通过传感器进行探测，并利用获得的障碍物距离和方位信息，作为模糊控制器的输入来动态调整飞行步长的大小，以及动态地为a*算法地估价函数地启发式函数分配权值，以此来提高路径搜索的效率。
62.s2、为无人机飞行设置多个不同值的搜索步长，并采用模糊控制器控制搜索步长。
63.当无人机飞行时，没有遇到障碍物或者距离障碍物较远时，采用较大步长搜索，当检测到快要靠近障碍物或者障碍物动态靠近无人机时，减小搜索步长，步长的数值根据模糊逻辑控制算法来进行动态控制，输入为障碍物距离无人机的距离和方位，输出即为步长。搜索步长和方向是决定a*算法搜索效率的关键因素，因此如果要提高搜索效率，则需要从搜索步长和搜索方向两个方面入手。
64.在本发明的其中一个实施例中，利用模糊逻辑控制算法，设计步长模糊逻辑控制器，根据步骤s1获取到的信息，将获取到的信息作为模糊逻辑控制器的输入，经隶属度函数求解，得到模糊化的输出，再经过反模糊化得到精确的步长值。
65.其中，还包括利用模糊逻辑控制算法，设计a*算法启发式函数动态衡量式权值模糊控制器的步骤，设计的原理及步骤如下：
66.参见图2，模糊控制器的基本结构包括知识库、模糊推理、输入量模糊化、输出量精确化四个部分。模糊控制首先将操作人员或专家经验编成模糊规则，然后将来自传感器的实时信号模糊化，将模糊化后的信号作为模糊规则的输入，完成模糊推理，将推理后得到的输出量加到执行器上。
67.在模糊控制中，输入输出变量大小用语言形式进行描述。常选用的7个语言值为{负大，负中，负小，零，正小，正中，正大}，即{nb，nm，ns，o，ps，pm，pb}。我们取输入输出的模糊集合分别为{nb，nm，ns，o，ps，pm，pb}。
68.为无人机飞行设置最大步长和最小步长(即步长的模糊论域)。
69.接下来定义合适的隶属度关系函数，常见的隶属度关系有三角形，梯形，高斯型和
钟形。三角形隶属度函数为：梯形的隶属度函数为：高斯型的隶属度函数为：其中c为中心，σ为宽度；钟形的隶属度函数为：
70.进一步地，建立模糊控制规则表，对无人机相对于障碍物的距离和方向作为模糊控制器的输入，无人机的目标飞行步长为模糊控制器的输出。设距离的模糊量为d，方位模糊量为sd，u为目标飞行步长。d、sd和u均使用三角形隶属函数进行模糊化。如表1所示。
71.表1
[0072][0073]
在一些可选的实施例中，根据模糊决策获得的步长模糊值，通过反模糊化求其精确值。反模糊化采用常用的质心法来求解：
[0074]
当无人机飞行时，没有遇到障碍物或者距离障碍物较远时，采用较大步长飞行，当检测到快要靠近障碍物或者障碍物动态靠近无人机时，减小飞行步长，步长的数值根据模糊逻辑控制算法来进行动态控制，输入为障碍物距离无人机的距离和方位，输出即为步长。
搜索步长和方向是决定a*算法搜索效率的关键因素，因此如果要提高搜索效率，则需要从搜索步长和搜索方向两个方面入手。
[0075]
将模糊查询表复制进入代码程序，将实际的d和sd映射到论域中后，在模糊查询表中查询结果并设置目标步长。
[0076]
综上所述可知，传统的a*算法主要是根据估价函数f(n)来进行启发式搜索，它由两部分组成，从起点移动到指定方格的移动代价g(n)，和从指定位置运行到终点的估计代价h(n)，即f(n)＝g(n) h(n),而两者对无人机航行路径价值评估的影响有一定的差异，针对环境的变化来调整权系数，采用该方法对动态环境有较高的适应性，且搜索效率更高。
[0077]
当g(n)占的比重较大时，相当于是dijkstra算法，每次只考虑源节点最近的点。
[0078]
当h(n)占比较大的比重时，相当于是bfs算法，每次只考虑目的节点最近的节点。
[0079]
h(n)是一种对当前节点到目的节点的估计值，如果此估计值精确度等于实际值，那么a*算法可以非常高速地找到最优路径(搜索过程中几乎不会走弯路)，如果h(n)经常都比从n节点移动到目的节点的实际代价小或等于，那么a*算法保证能找到一条最短路径。如果h(n)有时比从n节点移动到目的节点的实际代价高，则a*不能保证找到一条最短路径，但它运行得更快。也就是说我们在利用a*算法求解时，应该把握搜索的准确性与效率的均衡。
[0080]
通过加入模糊逻辑控制器，为启发式函数h(n)动态分配权值，提高路径的搜索效率，即f(n)＝g(n) whh(n)。对无人机相对于障碍物的距离和方向作为模糊控制器的输入，a*算法的代价函数的启发式函数动态权值为模糊控制器的输出。设距离的模糊量为d，方位模糊量为sd，wh为启发函数h(n)的权值。d、sd和wh均使用三角形隶属函数进行模糊化。当探测到飞行方向较近距离内存在障碍物时，模糊控制器调整wh的值，减小h(n)的权值。此时g(n)的比重增大，这样在规避障碍物的时候可以扩展更多节点。而在没有障碍物的时候，增大wh值，h(n)的权值增大，h(n)体现了当前节点到目的节点的距离(注意忽略障碍物)，此时，体现了路径搜索的强导向性，直接导向目的点飞行，同样也提高了效率。
[0081]
本发明利用无人机自身携带的传感器来探测获取环境信息，可以在轨迹规划中实时探测到静态以及动态障碍物，主要包括方位以及距离信息，根据探测到的信息，利用模糊逻辑控制思想，设计搜索步长模糊控制器，立足于解决a*算法在寻路过程中的低效率问题，通过模糊控制器灵活调整搜索步长大小，且能够做到自适应地在动态环境中根据动态步长值高效地寻路。此外，设计启发式函数动态权值模糊控制器，主要解决了传统a*算法无法做到寻路的精确性和效率的平衡统一问题，通过模糊控制器为启发式函数动态分配权值，增加了寻路的灵活性，提高了a*算法的效率，实现了a*算法寻路的精确性和效率的统一。如图3所示，图3为增加了模糊控制的a*算法的matlab仿真效果示意图。
[0082]
本实施例还提供了一种基于模糊逻辑控制算法的a星算法改进系统，包括：
[0083]
控制器构建模块，用于根据无人机飞行的过程中采集的环境信息进行环境建模，获得模糊控制器，所述环境信息包括无人机与障碍物之间的距离信息和方向信息；
[0084]
搜索步长控制模块，用于为无人机飞行设置多个不同值的搜索步长，并采用模糊控制器控制搜索步长；
[0085]
在无人机飞行中，当检测到距离障碍物较远时，增大搜索步长；当检测距离障碍物较近时，减小所述搜索步长；
[0086]
其中，所述搜索步长的数值根据模糊逻辑控制算法进行动态控制。
[0087]
进一步作为可选的实施方式，所述根据无人机飞行的过程中采集的环境信息进行环境建模，包括：
[0088]
采用获得的距离信息和方向信息作为模糊控制器的输入，a星算法启发式函数的动态权值作为模糊控制器的输出。
[0089]
进一步作为可选的实施方式，所述模糊控制器通过以下方法构建获得：
[0090]
设距离的模糊量为d，方向的模糊量为sd，wh为a星算法启发式函数的动态权值；
[0091]
获取动态权值的模糊量之后，利用质心法去模糊化，获得模糊控制器查询表；
[0092]
将模糊控制器查询表复制进入代码程序，将实际的d和sd映射到论域中后，在模糊查询表中查询结果，并将结果分配给a星算法启发式函数的动态权值。
[0093]
进一步作为可选的实施方式，所述将结果分配给a星算法启发式函数的动态权值，包括：
[0094]
使用三角形隶属函数对d、sd和wh进行模糊化；
[0095]
当探测到飞行方向较近距离内存在障碍物时，模糊控制器减小wh的值，减小h(n)的权值，此时g(n)的比重增大，以在规避障碍物时扩展更多节点；
[0096]
当探测到飞行方向上没有障碍物时，模糊控制器增大wh值，h(n)的权值增大；
[0097]
其中，h(n)为从指定位置运行到终点的估计代价，g(n)为从起点移动到指定方格的移动代价。
[0098]
本实施例的一种基于模糊逻辑控制算法的a星算法改进系统，可执行本发明方法实施例所提供的一种基于模糊逻辑控制算法的a星算法改进方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
[0099]
本实施例还提供一种基于模糊逻辑控制算法的a星算法改进系统，包括：
[0100]
至少一个处理器；
[0101]
至少一个存储器，用于存储至少一个程序；
[0102]
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如图1所示方法。
[0103]
本实施例的一种基于模糊逻辑控制算法的a星算法改进系统，可执行本发明方法实施例所提供的一种基于模糊逻辑控制算法的a星算法改进方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
[0104]
本技术实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
[0105]
本实施例还提供了一种存储介质，存储有可执行本发明方法实施例所提供的一种基于模糊逻辑控制算法的a星算法改进方法的指令或程序，当运行该指令或程序时，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
[0106]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不
限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0107]
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
[0108]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0109]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0110]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0111]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0112]
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结
构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
[0113]
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
[0114]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。