一种化工灾害现场搜救机器人路径规划方法与流程

本发明涉及机器人智能算法领域，具体为一种化工灾害现场搜救机器人路径规划方法。

背景技术：

移动机器人目前是人工智能领域和机电一体化领域的典型代表，被大量运用在灾害的现场搜救上，不过当前都集中于矿难领域。另外随着我国化工产业的逐步壮大以及这几年来化工灾害事故频发，其安全生产受到了很大的考验，发展化工灾害搜救机器人迫在眉睫。当化工灾害发生时，有毒气体扩散，制造出一个人员无法通过的区域，其搜救技术主要难点在于如何快速地规划出一条安全的逃生路径。

遗传算法依据达尔文进化论“适者生存”的理论，模仿大自然种群选择、交叉和变异，具有全局性，随机性和鲁棒性。在操作中将所有的信息都置于染色体当中，每一次迭代都会进行一次随机选择，通过适应度函数不断地规范搜索方向，经过不断地迭代即可得到最优解。遗传算法能够将问题从具体领域中抽象出来，提供一种通用的计算模型。

蚁群算法是模仿自然界当中蚂蚁寻找食物的启发式搜索方法，具有并行性、正反馈性和自组织性，蚂蚁在走过的路径时会留下一定量的信息素，这些信息素的浓度与到达目标点的距离成反比，后面的蚂蚁在选择时会有更大概率选择浓度高的路径，形成正反馈，最终规划出一条最优路径。

遗传算法初期具有较高趋于最优解速度的收敛速度，而蚁群算法正好相反，后期收敛速度快速的上升，得益于信息素的积累，因而两者的算法融合具有了原理上的依据，即利用遗传算法前期的信息素积累来缩短蚁群算法进入后期高速收敛阶段的时间，提高算法整体的速度。

技术实现要素：

本发明的目的是发明一种化工灾害现场搜救机器人路径规划方法，以解决当前算法运行速度慢，而且容易在沿着路径行走时进入有毒气体扩散区域的技术问题。

为了解决这一技术问题，本发明提供了一种化工灾害现场搜救机器人路径规划方法，包括如下步骤：

s-1对灾害现场使用栅格法进行环境建模；

s-2利用遗传蚁群算法最终得到一个初步最优路径；

s-3在每个单位时间里，检测初步最优路径是否进入不断扩散的有毒气体范围中；

s-4若有，则对进入有毒气体范围内的线段两点重新进行路径规划以避开有毒气体，若无，则沿用当前路径。

进一步，所述步骤s-1中对灾害现场使用栅格法进行环境建模包括：

步骤s-1-1：将现场划分为n×n的栅格，其中无障碍的格子为0，有实体障碍物的格子为1，取路径规划开始时的有毒气体分布作为有毒气体初始区域，并设为0.5；

步骤s-1-2：对于有毒气体的格子，设定每单位时间内气体会扩散到相邻的8个格子。

进一步，所述步骤s-2中利用遗传算法形成初始路径信息素分布包括：

步骤s-2-1：设置遗传参数，生成初始种群；

步骤s-2-2：设置适应度函数并评价初始种群；

步骤s-2-3：对初始种群进行选择、交叉、变异等操作；

步骤s-2-4：检测是否满足迭代结束条件，若不满足则跳到s-2-2继续这一过程，若满足则结束迭代，并将适应度值的前30％组解转换成蚁群算法的信息素初始值。

s-2-5：初始化各类参数，包括迭代次数、每次派出的蚂蚁数、起点和终点、信息素矩阵等；

s-2-6：求出当前蚂蚁所在点前往周围八个节点的概率，并利用轮盘算法求出下一步前往的点；

s-2-7:进行局部信息素更新，并转到s-2-6继续迭代，直到所有蚂蚁都到达终点或陷入死胡同；

s-2-8：进行全局信息素更新，其中没有到达的蚂蚁不计算在内，然后重复s-2-6和s-2-7，直到n代蚂蚁完成搜索。

进一步，所述步骤s-3中在每个单位时间里，检测初步最优路径是否进入不断扩散的有毒气体范围中的方法包括：

步骤s-3-1：取机器人与幸存人员逃生的速度为v，根据初步最优路径的长度可以计算出每一个单位时间所通过的路线；

步骤s-3-2：在每一个单位时间里，更新有毒气体的扩散区域，与当前时间段里的路径进行比较，检查是否重合并记录下当前时间段以及对应路径的起点和终点。

进一步，所述步骤s-4中则对进入有毒气体范围内的线段两点重新进行路径规划以避开有毒气体包括：

步骤s-4-1：将当前时间段的有毒气体区域在栅格法中设为0.5；

步骤s-4-2：以当前时间段对应的两点作为起点和终点，再进行一次步骤s-2，寻找替代的最优路径。

本发明的有益效果是，充分利用了遗传算法在前期快速积累的有用信息素，避免了蚁群算法在初期搜索时的盲目性，直接进入到能高效利用信息素正反馈的后期，提高了算法的运行速度，为灾害现场救援路径规划争取了时间；另一方面充分考虑到化工灾害现场的特殊性，将有毒气体设置为动态扩散模式，检测机器人与幸存者在沿着路径行进过程当中是否会进入到有毒气体的扩散范围内，从而避免了传统路径规划算法里容易进入有毒气体区域的问题。

附图说明

图1为本发明的化工灾害现场搜救机器人路径规划的流程框图。

图2为本发明的搜救机器人路径规划遗传算法流程图。

图3为本发明的搜救机器人路径规划蚁群算法流程图。

图4为本发明的规划路径进入有毒气体区域时自我修正的示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。所举实例只用于解释本发明，并非用于限定本发明。

本发明的化工灾害现场搜救机器人路径规划工作原理：利用了遗传算法在前期全局搜索的优势，将30％的最优解转化为蚁群算法的初始信息素，避开了蚁群算法效率低下的初期搜索，直接进入到能高效利用信息素正反馈的后期，在蚁群算法规划出初步路径之后，将每个单位时间内移动的路径与相对应时间段的有毒气体扩散范围相比较，若有重合则针对这一时间段的路径重新规划以避开有毒气体。

在一个优选实施例中，一种化工灾害现场搜救机器人路径规划方法，如图1所示，包括如下步骤：

s-1对灾害现场使用栅格法进行环境建模；

s-2利用遗传蚁群算法最终得到一个初步最优路径；

s-3在每个单位时间里，检测初步最优路径是否进入不断扩散的有毒气体范围中；

s-4若有，则对进入有毒气体范围内的线段两点重新进行路径规划以避开有毒气体，若无，则沿用当前路径。

作为栅格法环境建模的一种可选的实施方式，所述步骤s-1对灾害现场使用栅格法进行环境建模的方法包括：对全局地图采用栅格进行划分并对障碍物以及有毒气体区域进行特殊标记。

具体的，所述栅格法环境建模，即将现场划分为20×20的栅格，其中无障碍的格子为0，有实体障碍物的格子为1，取路径规划开始时的有毒气体分布作为有毒气体初始区域，并设为0.5；对于有毒气体的格子，设定其每单位时间内气体会扩散到相邻的8个格子。

作为生成初始最优路径的一种可选的实施方式，如图2、图3所示，所述步骤s-2利用遗传蚁群算法最终得到一个初步最优路径的方法包括：

步骤s-2-1：设置遗传参数，生成初始种群；

即设置种群规模n、交叉概率P_c、变异概率P_m以及最大迭代次数N_max，将起点和目标点固定后，通过随机选择栅格里内的点形成一个个基因片段，将这些点连接起来则形成了一个染色体，即初始路径，不同的染色体则构成了初始种群。

步骤s-2-2：设置适应度函数；

按照下式设定适应度函数

F＝B-λ₁·f₁-λ₂·f₂-λ₃·f₃

其中f₁是路径长度，f₂是节点个数，f₃是平滑度，λ₁、λ₂、λ₃为各个变量的系数，B是初值；

f₁可以用下式来计算：

其中m_j为路径所经过的点；

f₂为路径所经过的节点个数；

f₃可由下式计算：

θ_j路径段与路径段之间的偏转角度。

步骤s-2-3：对初始种群进行选择、交叉、变异操作；

选择操作采用精英策略选择法，即当代种群完成一次迭代以后，适应度函数对新一代个体的评价小于之前的一代，就用相同数量的下一代最差个体将会被上一代的最优个体替代，以保证优良基因得以延续；

交叉操作采用随机选择交叉点的单点交叉，即对于两条染色体，随机选择其中的一个基因进行交换；

变异操作采用替代变异法，即每个基因都按照一定的概率被新基因所替代。

步骤s-2-4：检测是否满足迭代结束条件，即迭代次数大于N_max，若不满足则跳到s-2-2继续这一过程，若满足则结束迭代，并将适应度值的前30％组解转换成蚁群算法的信息素初始值。

步骤s-2-5：初始化各类参数，包括迭代次数N_c、每次派出的蚂蚁数m、起点和终点、信息素矩阵等。

步骤s-2-6：求出当前蚂蚁所在点前往周围八个节点的概率，并利用轮盘算法求出下一步前往的点，概率公式如下所示；

其中τ_ij(t)为g_i和g_j之间的信息素浓度，η_ij为与g_i和g_j相关联的启发式信息，α、β分别为τ_ij(t),η_ij的权重参数，N表示机器人当前能够到达的栅格，显然，一个机器人最多只能有8个栅格能够到达，而tabu_k则表示当前临近的禁忌位置集合，包括障碍物、有毒气体区域以及机器人之前走过的路线。

步骤s-2-7:进行局部更新，并更新路径和路径长度，并转到s-3-2继续迭代，直到所有蚂蚁都到达终点或陷入死胡同，信息素局部更新公式如下所示：

τ_ij＝(1-ξ)·τ_ij(t)+τ₀·ξ；

其中0<ξ<1为常数，代表信息素挥发系数。

步骤s-2-8：进行全局信息素更新，其中没有到达的蚂蚁不计算在内，然后重复s-2-6和s-2-7，直到n代蚂蚁完成搜索，信息素全局更新公式如下所示：

τ_ij(t+1)＝(1-ρ)·τ_ij(t)+Δτ_ij；

其中ρ为信息素挥发系数，Q为蚂蚁经过后增加的信息素浓度，L_k(t)为当前搜寻到的最短路径长度。

作为检测规划路径是否进入有毒气体区域的一种可选的实施方式，如图4所示，所述步骤s-3在每个单位时间里，检测最优路径是否进入不断扩散的有毒气体范围中的方法包括：

步骤s-3-1：取机器人与幸存人员逃生的速度为v，根据最优路径的长度可以计算出每一个单位时间所通过的路线；

即t＝1时，路径为OA段，t＝2时，路径为AB段，t＝3时，路径为BT段。

步骤s-3-2：在每一个单位时间里，更新有毒气体的扩散区域，与当前时间段里的路径进行比较，检查是否重合并记录下当前时间段以及对应路径的起点和终点；

即t＝1时，有毒气体的范围为中间的小正方形，此时与路径不重合；t＝2时，有毒气体范围扩散到大的正方形，此时与路径有重合。

作为重新进行路径规划的一种可选的实施方式，如图4所示，所述步骤s-4对进入有毒气体范围内的线段两点重新进行路径规划以避开有毒气体的方法包括：

步骤s-4-1：将当前时间段的有毒气体区域在栅格法中设为0.5；

即将t＝2时的有毒气体区域对应于栅格矩阵当中的相应位置标0.5；

步骤s-4-2：以该线段的两点作为起点和终点，再进行一次步骤s-2，寻找替代的最优路径；

对AB两点重新执行步骤s-2到s-4，得到一条替代路线，即图中的虚线。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。