一种基于矿区物料装卸的路径规划方法及系统与流程

本技术涉及一种路径规划领域，具体涉及一种基于矿区物料装卸的路径规划方法及系统。

背景技术：

1、矿区物料装卸行业正处于从人工操作向自动化转型的过程中，随着电子商务的迅猛发展，矿区物料装卸效率成为物流行业的关键。智慧车辆已成为不同行业的关键资产，特别是在某些环境中(如矿区、仓库和制造设施)，其在受控环境中有效运输货物的能力是高度重视的。智慧车辆通过遵循预定义的路线或使用导航算法来描绘其轨迹来操作。然而，在复杂而动态的环境中，智慧车辆的路径规划成为一项艰巨的任务，需要同时优化多个任务，特别是包括能量守恒、运输持续时间和避免碰撞的。智慧车辆的路径规划一直是广泛研究的主题，如利用各种算法，包括a*搜索算法、dijkstra算法和快速探索随机树算法来确定智慧车辆的最优路由。然而，这些传统的方法可能无法解决环境的动态性质和与智慧车辆操作相关方面的问题。现有技术中，矿区物料装卸时智慧车辆路径规划的主要难点在于如何在优化众多任务的同时实现平衡，同时绕过碰撞，灵活地适应不断变化的环境。这就需要确定一种方法，可以有效地导航复杂的多任务优化，并无缝地集成实时环境信息。

技术实现思路

1、本发明的目的是克服现有技术中存在的不足，提供一种基于矿区物料装卸的路径规划方法及系统，成功地优化各种任务，包括能量使用、运输时间和避免碰撞，将实时环境数据纳入其轨迹规划中，提高了智慧车辆在动态环境中的灵活性，也提升了在复杂和动态环境中的智慧车辆路径规划的有效性和效率。

2、本技术首先公开了一种基于矿区物料装卸的路径规划方法，其具体步骤如下：

3、步骤1、初始化环境地图、障碍物以及设置环境参数；创建矿区的环境地图，包括设置起始点和目标点，在地图上标记所有已知障碍物并定义种群大小(粒子群中的粒子数量)；确定变量数量和权重，这些参数将影响路径规划算法的决策；

4、步骤2、初始化粒子群；在地图的工作区域内随机分布粒子群，每个粒子代表智慧车辆路径的一个潜在解；

5、步骤3、优化速度和轨迹选择；基于最短路径目标函数和最大平滑度目标函数，使用多任务粒子群优化算法在自适应窗口内优化速度选择；应用窗口自适应算法，基于优化后的速度为智慧车辆选择得分最高的轨迹；

6、步骤4、输出最优路径；检查智慧车辆是否到达目标点；判断是否满足终止条件；如果智慧车辆到达目标点且满足终止条件，输出当前最优路径；如果未达到目标点或终止条件，粒子群更新后返回步骤3继续执行。

7、优选的，步骤3中窗口自适应算法的详细步骤：

8、步骤21：感知与定位；获取传感器数据读数以感知环境并估计智慧车辆的当前位置和方向；

9、步骤22：运动预测；基于智慧车辆的当前状态和动力学模型预测其未来运动；其中，智慧车辆的当前状态包括速度、加速度和转向能力；

10、步骤23：自适应窗口的生成；定义一个自适应窗口，表示智慧车辆可行的速度和转向组合，并根据智慧车辆的能力设定线性和角速度的最大和最小限制；

11、步骤24：轨迹评估；通过在自适应窗口内对速度进行采样生成一组候选轨迹；根据接近障碍物、接近目标和运动平滑性中对应的标准对每条轨迹进行评估；根据评估标准为每条轨迹分配得分或成本；

12、步骤25：轨迹选择；选择成本最低或得分最高的轨迹作为智慧车辆的理想轨迹；确保所选轨迹无碰撞并满足智慧车辆的动态约束；

13、步骤26：运动执行；将理想轨迹转换为智慧车辆执行器的控制命令；执行控制命令以使智慧车辆沿着期望轨迹移动；

14、步骤27：循环；根据环境和智慧车辆状态的变化不断重复步骤21至26来更新智慧车辆的运动计划；调整自适应窗口并重新评估轨迹以适应相应的动态变化。

15、优选的，步骤3中多任务粒子群优化算法具体步骤如下：

16、步骤31：初始化；在搜索空间内随机生成一个粒子群的位置和速度；将初始化位置中的每个粒子的个人最佳位置和适合度设为初始值；粒子以其最佳适合度确定全局最佳位置；

17、步骤32：更新粒子的速度和位置；

18、步骤33：评估；通过联合多任务函数计算每个粒子新位置的目标函数的适应度；

19、步骤34：更新个人和全局最佳；通过将适应度值与每个粒子目标的个人最佳适应度进行比较来进行；如果当前适应度大于个人最佳适应度值，则更新该目标函数的个人最佳位置和适应度值；对于每个目标的全局最佳适应度的计算，是通过将粒子的适应度值与当前全局最佳适应度值进行比较，判断当前适应度是否对任何目标函数更为优越，如果是，则据此更新该目标的全局最佳位置和适应度值；

20、步骤35：帕累托优势；在粒子群中的每个粒子根据在多任务函数上的表现进行比较，确定优势关系；根据帕累托优势关系，为每个粒子分配一个优势等级，基于粒子的表现以及帕累托前沿上解的分布，动态调整权重；

21、步骤36：非支配排序；根据它们的优势等级，将粒子分成不同的非支配前沿，按照以下公式表达：

22、

23、其中，li为每个粒子所属的非支配前沿中的拥挤距离；和分别为当前粒子前后的粒子在某个目标函数上的适应度值；和是该目标函数在所有非支配解中的最高和最低适应度值；n为目标函数的个数；k是非支配前沿中粒子的总数；

24、步骤37：选择和繁殖；根据它们的优势等级和拥挤距离从非支配前沿中选择粒子；通过交叉和变异操作结合选定的粒子来繁殖新粒子；

25、步骤38：终止条件；通过检查是否满足终止条件；如果满足终止条件，则停止算法；否则，返回步骤32。

26、优选的，步骤3中最短路径目标函数和最大平滑度目标函数具体：

27、最短路径目标函数表达如下：

28、

29、其中，f1是最短路径的目标函数；pi是智慧车辆在工作区域空间中的第i个点的位置；n(ta)是移动智慧车辆的总转向角度数；xi和yi分别是智慧车辆在第i个点的水平和垂直速度分量的轴；这个函数旨在最小化智慧车辆在规划路径上移动时的总距离，从而找到从起点到终点的最短路径。

30、最大平滑度目标函数表述如下：

31、

32、其中，f2是用于平滑度的目标函数，xi和yi表示智慧车辆在工作区域中第i个点的水平和垂直速度分量的坐标轴，这些分量共同决定了智慧车辆在该点的运动状态，使用了反正切(arctan)函数来计算路径上连续点之间的转向角度，反正切函数接受两个点之间的水平和垂直距离作为输入，并返回从x轴到连接这两点的直线的夹角；这个函数的目的是通过最小化路径上转向角度的总和来增加路径的平滑度，这有助于减少智慧车辆在移动过程中的急转弯和变速，从而提高行驶的平稳性和效率；pi和pi+1分别代表路径上的当前点和下一个点。

33、优选的，步骤31，初始化具体步骤为：

34、

35、其中，s和v分别初始化为粒子的位置和速度；fitness是基于代价函数或目标函数的粒子位置的适应度值；ub,lb是搜索空间边界的问题区域；unifrnd是一个随机生成函数；d是维数；具有最佳适合度的粒子被确定为全局最佳位置和适合度。

36、优选的，步骤32，更新粒子的速度和位置的具体步骤为：

37、对整个粒子群中的每个粒子进行了粒子的速度和位置的更新；

38、

39、其中，λ1和λ2是排列[0，1]中产生的随机数；ω表示惯性权重；d是维数；和为用变量向量分别表示粒子的个人最佳位置和全局最佳位置；α和β表示加速度系数；

40、使用以下公式更新粒子位置s：

41、

42、其中，和表示编号为id的粒子在t处的位置和速度；表示在t+1时，编号为id的粒子的新位置。

43、另一方面，本技术还提供了一种基于矿区物料装卸的路径规划系统，其特征在于，所述系统包括：

44、至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，

45、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述任一项所述的一种基于矿区物料装卸的路径规划系统方法。

46、本方案中提出了一种基于矿区物料装卸的路径规划方法及系统，是将多任务粒子群优化方法和窗口自适应方法相结合的智慧车辆路径规划方法，多任务粒子群优化算法促进了多任务的优化，而窗口自适应技术对不断变化的环境条件具有实时适应性，成功地优化各种任务，包括能量使用、运输时间和避免碰撞，将实时环境数据纳入其轨迹规划中，提高了智慧车辆在矿区物料装卸动态环境中的灵活性，也提升了在矿区作业时复杂和动态环境中的智慧车辆路径规划的有效性和效率。

技术特征：

1.一种基于矿区物料装卸的路径规划方法，其具体步骤如下：

2.根据权利要求1所述的一种基于矿区物料装卸的路径规划方法，其中，步骤3中窗口自适应算法的详细步骤：

3.根据权利要求1所述的一种基于矿区物料装卸的路径规划方法，其中，步骤3中多任务粒子群优化算法具体步骤如下：

4.根据权利要求1所述的一种基于矿区物料装卸的路径规划方法，其中，步骤3中最短路径目标函数和最大平滑度目标函数具体：

5.根据权利要求3所述的一种基于矿区物料装卸的路径规划方法，其中，步骤31，初始化具体步骤为：

6.根据权利要求3所述的一种基于矿区物料装卸的路径规划方法，其中，步骤32，更新粒子的速度和位置的具体步骤为：

7.一种基于矿区物料装卸的路径规划系统，其特征在于，所述系统包括：

技术总结
本申请涉及一种基于矿区物料装卸的路径规划方法及系统，现有技术中，智慧车辆路径规划的主要难点在于如何在优化众多任务的同时实现平衡，同时绕过碰撞，灵活地适应不断变化的环境。这就需要确定一种方法，可以有效地导航复杂的多任务优化，并无缝地集成实时环境信息。本申请基于矿区物料装卸的路径规划方法及系统，将多任务粒子群优化方法和窗口自适应方法相结合的智慧车辆路径规划方法，成功地优化各种任务，将实时环境数据纳入其轨迹规划中，提高了智慧车辆在动态环境中的灵活性，也提升了在复杂和动态环境中的智慧车辆路径规划的有效性和效率。

技术研发人员：李佳,高利强,李洋,郭俊涛,胡高峰
受保护的技术使用者：天瑞信科（河南）数字科技有限公司
技术研发日：
技术公布日：2024/9/23