论文部分内容阅读
随着人们生活质量的提高,机器人的工作场景也变得更加多样化,这对机器人应用技术的发展提出了更高层次的要求。路径规划技术作为移动机器人的最基本的功能,始终是机器人研究领域的热点问题。随着机器人路径规划算法的不断成熟,人们根据具体应用场景探索其拓展领域的研究,区域覆盖路径规划算法(CPP,Coverage Path Planning)就是其一。CPP问题是一种特殊的路径规划问题,机器人的任务规划问题、续航问题等是该研究领域丞待解决的热点问题。造成这些问题的关键原因是目标区域过大,机器人单次能量不足以支撑整个覆盖任务。通过多机器人协作可以增加任务的可靠性和实效性,使传感器数据更加全面,搜索覆盖时间更短,提高了系统决策和规划的性能,从而克服了单机器人存在的缺陷。但是,多机器人任务中,任务分配问题和路径规划问题也会变得更加复杂。本文提出了基于DMCED方法的区域分解技术和基于遗传算法的子区域路径规划方法相结合的方法,解决上述存在的两个问题。因此,本研究的工作有如下几点:1.首先,文中对区域覆盖问题进行优化,将区域覆盖问题分解为区域分解和子区域覆盖两个部分来分别实现。针对原始区域覆盖问题进行分析和定义,通过将单机器人走过的路径看作该机器人待覆盖区域来优化原始区域覆盖问题,进而针对区域覆盖问题的两个部分分别提出解决方案。2.针对多机器人的区域分解问题,我们提出了一种基于欧几里得距离计算的分配矩阵划分区域来进行区域分解的方法(DMCED)。算法根据初始评估矩阵计算分配矩阵,通过调整公平分配参数确定最优分配矩阵,利用分配矩阵对目标区域进行划分,从而得到区域分解的结果。3.针对子区域的覆盖问题,本课题利用基于遗传算法的子区域路径规划方法完成覆盖任务。将初始单元格作为遗传算法中的最小单元--基因,初始的迷你路径作为染色体,利用子区域路径的总距离和覆盖整个子区域所需要的时间两个参数计算种群适应度,根据种群适应度来评估每一代种群的优劣,直到满足终止条件,输出最后的种群,从而得到子区域的路径。4.完成路径规划任务之后,设计并实现了区域覆盖路径规划的工具,从而可以使用户便捷的使用该算法。该工具利用DMCED区域分解方法和基于遗传算法的子区域路径规划方法相结合,完成模拟环境中的多机器人覆盖任务。该工具不仅可以完成初始环境的构建、机器人及障碍物的分布和清除和呈现最终的机器人规划路径,还能够查看区域分解的结果和路径规划的统计分析数据。课题进一步将区域覆盖问题从理论应用到实际研究,对解决区域覆盖问题有很重要的意义。