掃地機(jī)器人逐漸進(jìn)入到越來越多的普通家庭,這對(duì)掃地機(jī)器人的路徑規(guī)劃和定位水平提出了更嚴(yán)格的要求。文章在目前已成熟的柵格法、子區(qū)域劃分法、模板模型法基礎(chǔ)上,提出了一種新的掃地機(jī)器人基本路徑規(guī)劃方案,并基于啟發(fā)式搜索算法對(duì)該方案加以實(shí)現(xiàn)。該方案通過建立一個(gè)二維柵格地圖并結(jié)合適當(dāng)?shù)淖訁^(qū)域劃分方法,將全局清掃問題轉(zhuǎn)化為子區(qū)域清掃問題以使清掃更高效、便捷;再通過構(gòu)造合理的評(píng)價(jià)函數(shù)及利用傳感器設(shè)立沿邊清掃機(jī)制對(duì)基本方案進(jìn)行優(yōu)化�；韭窂揭�(guī)劃方案與啟發(fā)式搜索算法、沿邊機(jī)制結(jié)合后,解決了機(jī)器人在各子區(qū)域之間轉(zhuǎn)移帶來的高重復(fù)率、復(fù)雜路徑的尋路低效率、不規(guī)則障礙物周圍清掃低覆蓋率等問題。該方案使掃地機(jī)器人在整體清掃工作上覆蓋率能達(dá)到99%,重復(fù)率能控制在10%～18%。 

【文章來源】：西華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019,38(04)

【文章頁數(shù)】：8 頁

【部分圖文】：

區(qū)域間節(jié)點(diǎn)圖利用深度優(yōu)先算法很容易對(duì)節(jié)點(diǎn)圖進(jìn)行遍歷并

鞣矯娓咝У睦硐肽勘?［22］。本文利用深度優(yōu)先搜索算法保證了掃地機(jī)器人在障礙物較多的環(huán)境下能快速、精準(zhǔn)地達(dá)到高覆蓋率，但同時(shí)產(chǎn)生的重復(fù)率較高的問題很難完全解決。通過設(shè)置合理的評(píng)價(jià)函數(shù)以控制多種情況下的深度優(yōu)先行為，能在一定程度上減少重復(fù)率［1］。評(píng)價(jià)函數(shù)有以下特點(diǎn):當(dāng)目標(biāo)太低時(shí)，可以得到最短路徑，但是速度會(huì)慢;當(dāng)目標(biāo)太高時(shí)，可以放棄最短路徑，但是確保路徑搜索算法運(yùn)行得更快［22］。在這一點(diǎn)上，必須在運(yùn)行效率和路徑選取之間進(jìn)行權(quán)衡［23］。如圖7，將區(qū)域8內(nèi)零散分布的障礙物復(fù)原，形成了障礙物較多的一個(gè)區(qū)域。3幅圖分別是不同H(n)值的路徑規(guī)劃情況，圖7(a)選取了較小的一個(gè)H(n)的結(jié)果，規(guī)劃出了路徑最優(yōu)解，但運(yùn)行最慢［20］;圖7(b)選取較大的一個(gè)H(n)的結(jié)果，規(guī)劃出了路徑次優(yōu)解，但比圖7(a)運(yùn)行快;圖7(c)選取的H(n)最大，規(guī)劃出了路徑最差的解，但比前面兩者運(yùn)行得都快［24］。從這個(gè)例子不難看出，將H(n)取一個(gè)較為中間的值最為妥當(dāng)。深度優(yōu)先算法的內(nèi)部內(nèi)容是在每個(gè)節(jié)點(diǎn)上計(jì)算。當(dāng)H(n)與G(n)完全匹配時(shí)，F(xiàn)(n)的值不會(huì)沿該路徑變化。不在正確路徑上的所有節(jié)點(diǎn)的F(n)值均大于正確路徑上的F(n)值。一般情況下，能夠保證路徑長度和運(yùn)行時(shí)間可以達(dá)到較為均衡的狀態(tài)，并且解不會(huì)偏離最短路徑［25］。2．2．2不規(guī)則障礙物區(qū)域的路徑規(guī)劃方法在區(qū)域銜接時(shí)若遇到不規(guī)則障礙物區(qū)域，應(yīng)該對(duì)膨脹處理后的不規(guī)則的障礙物邊緣進(jìn)行規(guī)劃清理。針對(duì)不規(guī)則障礙物，在分區(qū)銜接的路徑規(guī)劃中，

圖8對(duì)不規(guī)則障礙物的沿邊清掃示意圖3測試如圖9所示的全遍歷路徑規(guī)劃圖，深藍(lán)色的圓為整個(gè)清掃過程的起點(diǎn)，深藍(lán)色的勾為整個(gè)清掃過程的終點(diǎn)。該圖一共有16×12個(gè)柵格，黑色的障礙物區(qū)域約占50個(gè)柵格，自由柵格一共142個(gè)。其中，重復(fù)遍歷的柵格為45個(gè)，重復(fù)率約31%，覆蓋率近100%。本文所設(shè)的地圖較小、柵格數(shù)量較少，且障礙物較為緊湊，便于示意。在實(shí)際中，柵格的數(shù)量會(huì)大大增加，覆蓋率也會(huì)隨之減少。如圖10所示，將地圖倍增后，重復(fù)率降為18%。總的來說，該算法可將重復(fù)率控制在10%～18%的范圍內(nèi)。傳統(tǒng)算法與改進(jìn)算法路徑規(guī)劃的覆蓋率和重復(fù)率對(duì)比如表1所示。圖9全遍歷路徑規(guī)劃圖圖10全遍歷路徑重復(fù)率示意圖表1傳統(tǒng)算法與改進(jìn)算法路徑規(guī)劃對(duì)比遍歷方式覆蓋率/%重復(fù)率/%傳統(tǒng)規(guī)劃算法90～94＞20改進(jìn)規(guī)劃算法＞9910～18另外，在實(shí)際工作中，掃地機(jī)器人的轉(zhuǎn)向也會(huì)影響清掃效率。在該算法中，由于增加了對(duì)角度的約束，減少了轉(zhuǎn)向角度和，在一定程度上提高了整體的清掃效率［2］。綜上，改進(jìn)后的算法在整體的清掃覆蓋率、重復(fù)率和效率上都有不同程度的提高。4結(jié)束語經(jīng)過對(duì)掃地機(jī)器人路徑規(guī)劃的探討，發(fā)現(xiàn)不管是使用哪一種規(guī)劃路徑的方法，都會(huì)出現(xiàn)一定的重復(fù)，只能通過不斷優(yōu)化整體方案來逐漸降低重復(fù)率。本文提出的方案在覆蓋率和重復(fù)率上表現(xiàn)較為突出，且總體時(shí)耗、能耗也相應(yīng)略有降低。在面對(duì)不規(guī)則障礙物時(shí)，由于機(jī)器人本身的直徑大小會(huì)使其在清掃不規(guī)則障礙物周身時(shí)出現(xiàn)一定的盲區(qū)，導(dǎo)致該部分區(qū)域無法清潔。接下來可以從以下幾方面來考慮改進(jìn):改進(jìn)地圖分區(qū)方式;改進(jìn)復(fù)雜環(huán)境下?

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)A*算法的移動(dòng)機(jī)器人路徑規(guī)劃[J]. 趙曉,王錚,黃程侃,趙燕偉.  機(jī)器人. 2018(06)
[2]掃地機(jī)器人路徑優(yōu)化問題的建模及分析[J]. 張行健.  中國新通信. 2018(03)
[3]一種室內(nèi)掃地機(jī)器人全遍歷路徑規(guī)劃方法研究[J]. 簡毅,高斌,張?jiān)?  傳感器與微系統(tǒng). 2018(01)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的掃地機(jī)器人尋路算法[J]. 楊忠,劉華春.  電腦知識(shí)與技術(shù). 2017(10)
[5]一種掃地機(jī)器人路徑規(guī)劃的改進(jìn)算法[J]. 徐勝華,宋樹祥,佘果.  測控技術(shù). 2017(02)
[6]智能掃地機(jī)器人系統(tǒng)設(shè)計(jì)[J]. 程麗霞.  機(jī)械工業(yè)標(biāo)準(zhǔn)化與質(zhì)量. 2016(09)
[7]智能家庭掃地機(jī)器人設(shè)計(jì)原理研究與分析[J]. 薛慧心.  信息技術(shù). 2014(11)
[8]基于粒子群免疫優(yōu)化算法的足球機(jī)器人路徑規(guī)劃[J]. 王宏亮,王進(jìn)戈,李軍民.  西華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[9]深度優(yōu)先搜索算法和A*算法在迷宮搜索中的仿真研究[J]. 劉翔,龔道雄.  制造業(yè)自動(dòng)化. 2011(11)
[10]基于改進(jìn)A*算法的仿生機(jī)器魚全局路徑規(guī)劃[J]. 郭強(qiáng).  西華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(03)

碩士論文
[1]己知環(huán)境下智能清潔機(jī)器人路徑規(guī)劃研究[D]. 張?zhí)脛P.南京郵電大學(xué) 2017
[2]移動(dòng)機(jī)器人路徑規(guī)劃的仿真與實(shí)現(xiàn)[D]. 胡楠.安徽工程大學(xué) 2017
[3]掃地機(jī)器人自主定位算法的研究與應(yīng)用[D]. 王子發(fā).東華大學(xué) 2017
[4]改進(jìn)生成樹算法的多機(jī)器人在線地圖覆蓋[D]. 陳澤濤.齊齊哈爾大學(xué) 2016
[5]清潔機(jī)器人避障控制及路徑規(guī)劃[D]. 張建龍.武漢科技大學(xué) 2015



本文編號(hào)：3301380