.72. 智能系统学报 第9卷 ω1、ω2分别表示趋向和避障的控制权重，本文将机 、开始 器人路径规划的安全性看得更为重要，因此在选取 相应权值时，w2一般会比ω，大很多：F,表示机器 初始化，N=1 人当前路径点距目标点的欧式距离的平方，它保障 了机器人的趋向性运动；F,表示K个障碍物对机器 人当前位置的排斥势场之和，它保障了机器人的安 评价适应度值F 全性；(x,y)和(x。,y)分别表示机器人当前坐标 位置和第i个障碍物的中心坐标：δ：表示第i个障碍 寻找极小值点 物的作用半径。 通过建立式(1)的路径适应度函数，便可以利 F是否极小> N=N+1 用机器人的感知模型来评价机器人在$。个传感器 Y N 方向的适应度值。这里，选取的是适应度值最小的 前进 转向 方向，因此机器人在决定下一步前进方向时，需要寻 找到一个子目标点(x,y),并满足式(2)，从而驱 N 使机器人转向，且 是否结束 Sa F(x,y°)=min(F) (3) Y n三1 结束 2.4路径规划实现步骤 按照前面的分析，基于细菌趋化行为的移动机 图4基于细菌趋化行为的机器人路径规划方法 器人路径规划方法执行步骤如下四： Fig.4 The flowchart of robot path planning based on 1)初始化。①初始化机器人的各类参数：起始 bacterial chemotaxis behavior 点坐标(x。水)、目标点坐标(x)、机器人感知 3 仿真结果与分析 半径R、机器人移动步长入、最大趋化步数N、机 器人四周传感器总个数S。、避障权重w,和趋向目 利用MATLAB7.1软件，首先进行了基于细菌趋 标权重w,;②初始化环境信息：工作空间界限(x, 化行为的移动机器人路径规划实验，然后利用该方法 xx)和(yin,yx）,各个障碍物的中心位置(x。, 在相同规模和大小的环境中与文献[9]中的规划结果 y。),以及它们的作用范围6；③初始化机器人起始 进行了比较。相关参数设置如下：R=1cm,S。= 点处的适应度值F=0,并设置N=1。 16,入=0.1cm,Nx=1500,w1=0.9999,w2= 2)适应度函数值更新。按照式(1)，计算机器 0.0001。 人当前位置(x,y)处以R为半径的感知区域上第i 3.1基于细菌趋化行为的机器人路径规划 个传感器方向处的适应度函数F(x:,y:),i=1,2, 现假设实验环境是一个30cm×30cm的二维 …,Sno 矩形区域，机器人的搜索范围都在(0,30)内，机器 3)极小值点探索。按照式(2)，寻找一个子目 人的起始位置为(0,0)，目标位置为(25,25)。图 标点(xy),使得F(xy)≤F(x:y:)。 5给出了基于细菌趋化行为的移动机器人路径规划 4)机器人位置更新。如果机器人的下一个前 结果。由图5分析可知：移动机器人从起始位置出 进方向S,+1处的适应度值小于当前方向S,的适应 发，成功地避开了途中遇到的各种障碍物，并最终安 度值，那么机器人按照式(3)进行方向调整：反之， 机器人则继续以原来方向移动一个趋化步长，此时 全地到达了目标位置。在整个路径规划过程中，机 机器人位置按照式(4)更新。 器人行走的路径比较平滑，且趋向性很好，机器人与 障碍物之间也保持了良好的安全性。因此，这样的 0(L+1)=0()+2π×(S1-S,) (4) S 规划结果展现了该方法的有效性及可行性。 5)判断结束条件。如果机器人当前趋化步数 3.2路径规划比较 已经达到了最大预设步数N,则机器人停止：否 现假设实验环境是一个100cm×100cm的二维 则趋化步数N=N+1,转到步骤2)。 矩形区域，机器人的搜索范围都在(0,100)内，机器人 图4给出了该方法的实现流程图。 的起始位置为(0,0)，目标位置为(100,100)。ω１ 、ω２ 分别表示趋向和避障的控制权重，本文将机 器人路径规划的安全性看得更为重要，因此在选取 相应权值时， ω２ 一般会比 ω１ 大很多； Ｆｇ 表示机器 人当前路径点距目标点的欧式距离的平方，它保障 了机器人的趋向性运动； Ｆｏ 表示 Ｋ 个障碍物对机器 人当前位置的排斥势场之和，它保障了机器人的安 全性； （ｘ，ｙ） 和 （ｘ ｉ ｏ，ｙ ｉ ｏ） 分别表示机器人当前坐标 位置和第 ｉ 个障碍物的中心坐标； δｉ 表示第 ｉ 个障碍 物的作用半径。 通过建立式（１） 的路径适应度函数，便可以利 用机器人的感知模型来评价机器人在 Ｓｎ 个传感器 方向的适应度值。 这里，选取的是适应度值最小的 方向，因此机器人在决定下一步前进方向时，需要寻 找到一个子目标点 （ｘ ∗ ｉ ，ｙ ∗ ｉ ） ，并满足式（２），从而驱 使机器人转向，且 Ｆ（ｘ ∗ ，ｙ ∗ ） ＝ ｍｉｎ Ｓｎ ｎ ＝ １ （Ｆ） （３） ２．４ 路径规划实现步骤 按照前面的分析，基于细菌趋化行为的移动机 器人路径规划方法执行步骤如下［１２］ ： １）初始化。 ①初始化机器人的各类参数：起始 点坐标 （ｘｏ，ｙｏ） 、目标点坐标 （ｘｇ，ｙｇ）、 机器人感知 半径 Ｒ、机器人移动步长 λ、 最大趋化步数 Ｎｍａｘ、 机 器人四周传感器总个数 Ｓｎ 、 避障权重 ω１ 和趋向目 标权重 ω２ ；②初始化环境信息：工作空间界限 （ｘｍｉｎ ， ｘｍａｘ） 和 （ｙｍｉｎ ，ｙｍａｘ） ，各个障碍物的中心位置 （ｘ ｉ ｏ， ｙ ｉ ｏ）， 以及它们的作用范围 δ ；③ 初始化机器人起始 点处的适应度值 Ｆ ＝ ０，并设置 Ｎ ＝ １。 ２）适应度函数值更新。 按照式（１），计算机器 人当前位置 （ｘ，ｙ） 处以 Ｒ 为半径的感知区域上第 ｉ 个传感器方向处的适应度函数 Ｆ（ｘｉ，ｙｉ），ｉ ＝ １，２， …，Ｓｎ 。 ３）极小值点探索。 按照式（２），寻找一个子目 标点 （ｘ ∗ ｉ ，ｙ ∗ ｉ ） ，使得 Ｆ（ｘ ∗ ｉ ，ｙ ∗ ｉ ） ≤ Ｆ（ｘｉ，ｙｉ） 。 ４）机器人位置更新。 如果机器人的下一个前 进方向 Ｓｔ＋１ 处的适应度值小于当前方向 Ｓｔ 的适应 度值，那么机器人按照式（３） 进行方向调整；反之， 机器人则继续以原来方向移动一个趋化步长，此时 机器人位置按照式（４）更新。 θ（ｔ ＋ １） ＝ θ（ｔ） ＋ ２π Ｓｎ × （Ｓｔ＋１ － Ｓｔ） （４） ５）判断结束条件。 如果机器人当前趋化步数 已经达到了最大预设步数 Ｎｍａｘ ，则机器人停止；否 则趋化步数 Ｎ ＝ Ｎ ＋ １，转到步骤 ２）。 图 ４ 给出了该方法的实现流程图。 图 ４ 基于细菌趋化行为的机器人路径规划方法 Ｆｉｇ．４ Ｔｈｅ ｆｌｏｗｃｈａｒｔ ｏｆ ｒｏｂｏｔ ｐａｔｈ ｐｌａｎｎｉｎｇ ｂａｓｅｄ ｏｎ ｂａｃｔｅｒｉａｌ ｃｈｅｍｏｔａｘｉｓ ｂｅｈａｖｉｏｒ ３ 仿真结果与分析 利用 ＭＡＴＬＡＢ７．１ 软件，首先进行了基于细菌趋 化行为的移动机器人路径规划实验，然后利用该方法 在相同规模和大小的环境中与文献［９］中的规划结果 进行了比较。 相关参数设置如下： Ｒ ＝ １ ｃｍ，Ｓｎ ＝ １６，λ ＝ ０．１ ｃｍ， Ｎｍａｘ ＝ １ ５００， ω１ ＝ ０．９９９ ９，ω２ ＝ ０．０００ １ 。 ３．１ 基于细菌趋化行为的机器人路径规划 现假设实验环境是一个 ３０ ｃｍ × ３０ ｃｍ 的二维 矩形区域，机器人的搜索范围都在 （０，３０） 内，机器 人的起始位置为 （０，０） ，目标位置为 （２５，２５） 。 图 ５ 给出了基于细菌趋化行为的移动机器人路径规划 结果。 由图 ５ 分析可知：移动机器人从起始位置出 发，成功地避开了途中遇到的各种障碍物，并最终安 全地到达了目标位置。 在整个路径规划过程中，机 器人行走的路径比较平滑，且趋向性很好，机器人与 障碍物之间也保持了良好的安全性。 因此，这样的 规划结果展现了该方法的有效性及可行性。 ３．２ 路径规划比较 现假设实验环境是一个 １００ ｃｍ × １００ ｃｍ 的二维 矩形区域，机器人的搜索范围都在 （０，１００） 内，机器人 的起始位置为 （０，０） ，目标位置为 （１００，１００） 。 ·７２· 智 能 系 统 学 报 第 ９ 卷