1.一种基于改进蚁群算法的智能仓储机器人路径规划方法,其特征在于,包括以下步骤:S1:根据智能仓储货架排列方式、障碍物的分布位置,结合栅格法,在仿真软件中将泊松分布函数融入栅格法建立电子地图,并设置相关参数,所述的泊松分布函数,其表达式为:参数λ表示物理意义为单位面积内发生突发因素影响的繁忙栅格出现的次数;
S2:根据S1构建的电子地图中障碍物的分布情况,采用避障函数计算初始信息素浓度,并将初始信息素浓度代入信息素更新模型对信息素及时更新,更新模型的表达式为:Bm(t)=uPm(t)+vHm(t)+wTm(t);u,v,w∈[1,100]其式中, 代表的是蚂蚁m在t时刻在路径(i,j)的信息素增量,Q为信息素浓度,表示蚂蚁m第t次迭代过程到q栅格为止所访问过的栅格有序集合;Bm(t)为第t次迭代中蚂蚁m走过路径的信息素综合指标,指标越小,路径越优,Pm(t)为路径长度,Hm(t)为路径安全度,Tm(t)为转弯次数,u,v,w为各因素的调节参数,根据需要取适当值;
所述初始信息素浓度的表达式为:
τi,j(0)=f(s)+f(0)
其式中,τi,j(0)代表的是路径(i,j)最开始的信息素值,f(0)为常数,f(s)为避障函数,CU为补集符号,U为此栅格的相邻栅格集合,即蚂蚁离障碍物越近,初始信息素浓度就越低,反之就越大;
S3:判断蚂蚁是否未被放入电子地图,当是,则将蚂蚁放入电子地图的栅格中,执行下一步;否则跳至步骤S6;
S4:利用综合启发函数,计算蚂蚁移向下一个栅格的转移概率,并建立栅格转移矩阵来区分可行栅格和出现尖端现象的栅格,一直循环到蚂蚁选取的节点为目标点或者没有可选节点时停止搜索;其中,所述综合启发函数的表达式如下:其式中, 为综合启发函数,表示蚂蚁m从i转移到节点j的期望;λ(i,j,q)为路程因素启发函数, 为转弯因素启发函数, 表示安全因素启发函数;
所述蚂蚁移向下一个栅格的转移概率,其表达式如下:
式中:C为蚂蚁下一节点可行域集合;τij(t)为路径(i,j)的信息素值;α为信息素启发式因子,它决定了信息素浓度对路径的选择程度;β是期望启发式因子,它决定了启发信息对路径的选取程度;ηij(t)为启发函数,表示蚂蚁从节点i转移到目标节点j的期望,τis(t)表示为在t时刻路径(i,s)的信息素值,s属于C里面的一个可选择的节点;ηis(t)表示为在t时刻路径(i,s)的期望;
所述栅格转移矩阵的表达式如下:
式中,转移矩阵D(i,j)中的各个元素分别表示智能仓储机器人从当前位置定向转移到下一位置的距离,变量i表示栅格序号,变量j表示转向序号;栅格边长设定为l,∞表示下一栅格有障碍物或者出界;mod为求余函数,用于判断奇偶性,表示直向转移栅格的标号,表示斜向转移矩阵的标号,i′和i″分别表示与斜向栅格垂直的两个直向栅格标号;
S5:判断蚂蚁是否走到终点,当是,则返回步骤S3;当否,则返回步骤S4,继续进行路径搜索;
S6:根据步骤S3和步骤S5,当全部蚂蚁都进行过路径搜索之后,执行本步骤;根据信息素更新模型,计算包括路径长度,转弯次数以及安全性的综合指标,寻找本次迭代最优路径;
S7:判断路径搜索迭代次数是否到达预设值,当是则执行下一步;当否则跳至步骤2;
S8:比较各代蚂蚁寻找的最优路径,找到当前最优路径,并保存相关信息;
S9:将当前最优路径按照圆弧代替转角的方法处理,并将处理后的路径在电子地图输出;其中,所述的圆弧代替转角的方法包括以下步骤:S901在电子地图中提取转弯前的最后一个节点A的坐标(x1,y1)以及转弯后的第一个节点B的坐标(x2,y2);
S902在电子地图中提取过点A和点B的路径转角信息θ1、θ2;
S903记过点A且与X轴夹角为θ1的直线为l1,记过点B且与X轴夹角为θ2的直线为l2,线性方程如下:l1:tanθ1·x‑y+y1‑tanθ1·x1=0
l2:tanθ2·x‑y+y2‑tanθ2·x2=0
S904过点A作l1的垂线,记为l3,过点B作l2的垂线,记为l4,线性方程如下:l3:cotθ1·x+y‑y1‑cotθ1·x1=0
l4:cotθ2·x+y‑y2‑cotθ2·x2=0
S905直线方程l3、l4联立即可求得交点O的坐标记为(xo,yo),其表达式如下:S906记OA的距离为R,以点O为圆心,以R为半径画圆,R的表达式如下:通过上述S901‑S906的改进方式,将路径的转角进行了圆弧优化,便可在电子地图中得到更加平滑的路径。
2.根据权利要求1所述的方法,其特征在于,步骤S1所述的建立电子地图是将泊松分布函数融入栅格法,建立可以模拟仓储环境突发因素的电子地图;突发因素,包括由于其他工序的需求,需要人工临时在某块区域进行取货或者堆垛机突然发生故障停留在某栅格情况。
3.根据权利要求1所述的方法,其特征在于,步骤S1所述仿真软件为具有仿真编程功能的软件。
4.根据权利要求1所述的方法,其特征在于,步骤S1所述的相关参数为:蚂蚁数量m、最大迭代次数Nmax、信息启发式因子α、期望启发式因子β、信息素挥发因子ρ、信息素浓度Q、泊松分布参数λ、因素调节参数u,v,w;智能仓储机器人起始点坐标、目标点坐标。