一种基于自适应参数的改进路径规划方法

技术特征：
1.一种基于自适应参数的改进路径规划方法，其特征在于，包括如下步骤：s1、通过dwa算法进行初始路径的规划；s2、在初始路径的基础上，针对不同障碍物种类设计评价函数参数的权重并制得转向策略，s2-1、当智能体在稠密障碍物间穿行时，通过设计自适应率减小航向项对初始路径的轨迹的影响，其中航向角自适应率α(t)的表达式如下：其中，λ1＞1是航向角的自适应参数的权重，p(t)为t时刻智能体的位置，ob(t)指t时刻距离智能体最近的障碍物位置，ζ1指距离阈值，ρ1为调整自适应变化速率的可调参数之一，设定ρ1＞1；s2-2、面对狭小缝隙障碍物时，降低评价函数中距离参数的权重，其中距离自适应率β(t)的设计如下：其中，λ2＞0是距离自适应参数的权重；s2-3、面对陷阱障碍物时，在dwa算法中制定转向策略，其中转向策略定义如下：其中，ω
turn
是智能体在单位时间t内的转动角度，智能体逆时针或顺时针转动，分别由ω
turn
＞0和ω
turn
＜0决定；s3、针对动态环境下的移动障碍物进行预测避障。2.根据权利要求1所述的基于自适应参数的改进路径规划方法，其特征在于，所述步骤s1包括如下子步骤：s1-1在预设时间间隔内通过对速度v和角度ω的积分求解获得智能体在下一时刻的状态；s1-2、计算智能体在预设时间间隔内能移动的可行速度范围v
d
；s1-3、考虑与障碍物之间的安全刹车距离限制的可行速度范围v
a
；s1-4、获取智能体本身存在的物理性能限制的最大速度空间v
s
；s1-5、结合可行速度范围v
d
、可行速度范围v
a
以及最大速度空间v
s
，得到三者交集，即智能体可选的速度窗口v
r
，表示为：v
r
＝v
d
∪v
a
∪v
s
；s1-6、通过评价函数遍历智能体可选的速度窗口v
r
中每一条速度。3.根据权利要求2所述的基于自适应参数的改进路径规划方法，其特征在于，所述步骤s1-1中下一时刻的状态包括绝对坐标、速度、移动角度。4.根据权利要求2所述的基于自适应参数的改进路径规划方法，其特征在于，所述步骤s1-1中，智能体在下一时刻的状态的获取方法：定义智能体的一般运动方程：其中t0示初始时间，v表示智能体速度，θ表示机器人航向角度，以水平线为起始角度，x(t
n
)表示t
n
时刻智能体的x坐标，
同时，还可得到一个完全离散形式的表达式：其中，当角速度ω
i
＝0时，智能体将沿直线运动，ω
i
≠0时做以为圆心，为半径的圆周运动：圆周运动：圆周运动：5.根据权利要求4所述的基于自适应参数的改进路径规划方法，其特征在于，所述步骤s1-2中，智能体在预定时间间隔内能移动可行速度范围v
d
的获取方法：其中，(v
a
,ω
a
)表示智能体实际速度与角速度。6.根据权利要求5所述的基于自适应参数的改进路径规划方法，其特征在于，所述步骤1-3中，考虑与障碍物之间的安全刹车距离限制的可行速度范围v
a
的获取方法：其中，其中dist(v,ω)表示在速度v和角速度ω的情况下，智能体距离最近障碍物的距离。7.根据权利要求6所述的基于自适应参数的改进路径规划方法，其特征在于，所述步骤s1-6中，遍历智能体可选的速度窗口v
r
中的每一条速度的方法：g(v,ω)＝σ(α
·
heading(v,ω) β
·
dist(v,ω) γ
·
velocity(v,ω))其中，α，β，γ分别是权重系数，gvelocity(v,ω)代表智能体的速度得分，heading(v,ω)表示智能体的航向角得分，dist(v,ω)表示智能体与最近障碍物之间的距离得分，三项评价指标将通过σ(
·
)归一化处理。8.根据权利要求4所述的基于自适应参数的改进路径规划方法，其特征在于，所述步骤s3包括如下子步骤：s3-1、观测阶段：在有限的传感器检测范围中捕获移动障碍物在t
n
时刻的绝对坐标持续观测m-n(m＞n)时间片建立位置信息，即坐标矩阵
s3-2、预测阶段：对储存好的位置信息进行预测，采用基于最小二乘思想的高阶拟合函数对其横纵坐标分别预测，得到拟合系数组合由于动态障碍物的不规则运动，固定的拟合系数不足以准确预测动态障碍物的运动趋势，因此，t
m
时间后，采用滚动窗口的思想，实时更新和准确地计算出动态障碍物的运动趋势，直到障碍物超出传感器的观测范围；s3-3、应用阶段：通过预测得到动态障碍物在t
m
s*δt时间后的位置并将其作为虚拟静态障碍物添加到智能体的障碍物地图中，并实时更新。9.根据权利要求8所述的基于自适应参数的改进路径规划方法，其特征在于，所述步骤s3-2中，预测过程是基于时间序列的，即利用当前时间段记录的位置信息来预测障碍物未来可能的位置其中ls为基于最小二乘法的拟合函数。

技术总结
本发明公开了一种基于自适应参数的改进路径规划方法，包括如下步骤：S1、通过DWA算法进行初始路径的规划；S2、在初始路径的基础上，针对不同障碍物种类设计评价函数参数的权重并制得转向策略，S2-1、当智能体在稠密障碍物间穿行时，通过设计自适应率减小航向项对初始路径的轨迹的影响，S2-2、面对狭小缝隙障碍物时，降低评价函数中距离参数的权重；S2-3、面对陷阱障碍物时，在DWA算法中制定转向策略；S3、针对动态环境下的移动障碍物进行预测避障。通过该方法中，实现在包含大量静态和动态障碍物、路径约束和性能约束的复杂环境中为智能体规划实时路径，并且智能体可以提前避开动态障碍物，减少侧面碰撞的隐患。减少侧面碰撞的隐患。减少侧面碰撞的隐患。


技术研发人员：范佳哲 孔亚广 黄娜 陈张平 陈洪欢 张帆 赵晓东 郑小青 张尧
受保护的技术使用者：杭州电子科技大学
技术研发日：2022.05.27
技术公布日：2022/8/12