基于Ad Hoc网络的多机器人路径规划方法

摘要

本发明公开了一种基于Ad Hoc网络的多机器人路径规划方法，涉及一种可用于煤矿环境的基于Ad Hoc网络的多机器人路径规划方法，属于智能控制方法，本发明以蚁群算法为核心，对煤矿发生矿难后的复杂环境进行路径规划，寻找最优路径，达到救援的目的。并通过Ad Hoc网络实现通信，克服了蚁群算法通信缺乏、不能直接通信的问题；采用本发明的多机器人路径规划方法，可以使救援工作得到清楚的信息数据，使救援能够更好的完成。

主权项

1.基于AdHoc网络的多机器人路径规划方法，其特征在于：包括以下步骤：步骤1：获取机器人所处环境的地理信息，初始化每个机器人的工作状态，设置机器人预设搜索路径；步骤2：机器人在前进搜索过程中，机器人通过传感器探测环境信息，测得周围障碍物的坐标位置，获取当前状态下的环境信息；步骤3：比较当前状态下的环境信息与预设搜索路径环境的地理信息，如果当前状态下的环境信息与预设搜索路径环境的地理信息不同，则该机器人发出区别信号；步骤4：同时在搜索过程中释放信息素；步骤5：将每个机器人作为网络节点，建立AdHoc网络系统；步骤6：机器人接收信息素，根据预设搜索路径、接收的信息素来确定机器人的最优路径；所述步骤6中还包括为每个机器人设置数据结构禁忌表，所述禁忌表记录了t时刻机器人已经走过的网点，不允许该机器人在本次循环中再次经过这些网点，当本次循环结束后，禁忌表显示出该机器人当前建立的解决方案，之后被清空；当机器人完成一次循环，各路径上的信息素量得到调整：τ_ij(t+1)＝ρ*τ_ij(t)+Δτ_ij(t,t+1)     （4）$\Delta {\tau }_{\mathrm{ij}}(t,t+1)=\underset{k=1}{\overset{m}{\Sigma }}\Delta {\tau }_{\mathrm{ij}}^k(t,t+1)---\left(5\right)$其中，表示第k个机器人在时刻(t,t+1)留在路径（i,j）上的信息素量，Δτ_ij(t,t+1)表示本次循环中路径（i,j）的信息素量的增量，ρ为信息素轨迹的衰减系数，L_ij为第k个机器人在本次循环中所走的路径长度，通过信息素的更新调整，机器人向着信息素浓度高的道路选择，即向着最优路径靠拢，Q为搜索路径的总信息素量；τ_ij(t+1)表示t+1时刻的信息素轨迹强度，τ_ij(t)表示t时刻的信息素轨迹强度；所述步骤5中还包括为每个机器人建立通信网络时采用的路由协议，所述路由协议为AODV路由协议，所述AODV路由协议包括路由查找和路由维护，所述路由查找为在源节点需要与其它节点通信但是又没有相应的路由信息时发起路由查找过程；源节点通过对邻节点广播路由请求RREQ来发起路由查找；AODV路由协议中的路由表包括目的节点、下一跳节点、距离目的节点的跳数、目的节点序列号、本路由的活跃邻节点和本路由的超期时长，随着节点移动，网络拓扑结构不断变化，迅速找到到达目地节点的路由，完成机器人之间的通信，实现信息的传递。