一種基于混合水滴算法的線纜布線路徑搜索方法技術

本發明專利技術公開了一種基于改進混合水滴算法的線纜路徑自動規劃方法，主要解決現有技術中存在的算法效率不高、路徑不平滑等問題。其規劃步驟為：對線纜布線環境進行建模；利用粒子群算法優化智能水滴算法中的參數，給水滴的移動提供導向；改進水滴算法中水滴的移動方式，并進行路徑尋優；根據優化結果輸出線纜路徑；本發明專利技術綜合考慮了算法的穩定性和魯棒性，提升了算法的搜索效率，避免了線纜與障礙物之間發生干涉現象，并減少了布線所需線纜的長。

A routing algorithm for cable routing based on mixed drop algorithm

The invention discloses a cable path automatic planning method based on improved mixed water drop algorithm, which mainly solves the problems of low efficiency and unsmooth path in the prior art. The planning steps: modeling the cable wiring environment; using particle swarm optimization algorithm in the algorithm parameters of intelligent water droplets, to provide mobile mobile orientation; improved algorithm in the water droplets, and path optimization; according to the optimization results output cable path; the invention considers the stability and robustness of the algorithm. And improve the search efficiency of the algorithm, to avoid the occurrence of interference between the cable and the obstacles, and reduces the required length of cable wiring.

【技術實現步驟摘要】
一種基于混合水滴算法的線纜布線路徑搜索方法
本專利技術涉及自動布線領域,特別涉及一種基于混合水滴算法的線纜布線路徑搜索方法。
技術介紹
線纜布線路徑的搜索是實現線纜自動布線的關鍵技術之一，能快速找出一條便捷、無碰撞、平滑且貼附于壁面的布線路徑不僅提升了線纜的自動布線效率,同時也提升了機電產品的可靠性。目前,常用到的路徑搜索方法有可視圖法、啟發式圖搜索算法、人工勢場法等，這些算法有各自的優缺點，例如人工勢場法具有良好的實時性，但存在陷阱區域，并且在相近障礙物之間不能發現路徑等缺點，算法更適用于解決單目標優化問題。近十年間，隨著人工智能算法的研究不斷取得進展，許多智能算法也被用到移動機器人的路徑規劃中，包括模糊邏輯與增強學習算法、神經網絡、遺傳算法以及蟻群算法等。這些算法都有各自的優點，但也存在諸多問題，例如算法收斂速度過慢、易陷入局部最優、搜索空間過大等。雖然現階段已對諸多算法進行改進，能夠找出較好的線纜布線路徑，但是仍然存在迭代次數較多、運算時間過長等問題，這些問題無法滿足線纜自動布線的要求，且在得到的路徑中，線纜路徑處于懸空狀態，這將嚴重影響機電產品的穩定性，同時降低機電產品工作可靠性。
技術實現思路
針對現有技術的缺點，本專利技術提供一種基于混合水滴算法的線纜布線路徑搜索算法，該方法迭代次數少、運算時間短，能滿足線纜自動布線的要求，不會影響機電產品的穩定性，提高機電產品工作可靠性。實現本專利技術目的的技術方案是：一種基于混合水滴算法的線纜布線路徑搜索方法，包括如下步驟：1)在布線空間中，選取線纜敷設的壁面，以平面展開的方式將布線空間簡化成一個矩形的布線平面；2)對矩形布線平面進行柵格地圖建模；3)將粒子群算法作為粗搜索階段并進行快速路徑尋優，通過得到的多組次優路徑更新土壤分布；4)采用改進的智能水滴算法作為細搜索階段，進行路徑尋優；5)將路徑中的節點以及彎折點作為控制點，并根據步驟1)中的平面展開方式將二維的控制點坐標轉化為布線空間中的三維控制點坐標；6)采用三階B樣條曲線優化路徑；通過上述步驟，利用粒子群算法優化智能水滴算法中的參數，給水滴的移動提供導向；改進水滴算法中水滴的移動方式，并進行路徑尋優；最終采用B樣條曲線優化路徑，綜合考慮了算法的穩定性和魯棒性，能快速找出一條便捷、無碰撞、平滑且貼附于壁面的布線路徑。在該路徑上敷設線纜即可完成線纜布線。步驟1)中，在布線空間中，選取線纜敷設的壁面，以平面展開的方式將布線空間簡化成一個矩形的布線平面：首先，若通過平面展開之后簡化而成的平面非矩形平面則將該平面擴展成矩形平面；其次，擴展部分視為障礙物；最后，將該平面劃分為兩個區域：障礙物區域以及非障礙物區域。步驟2)中，對矩形布線平面進行柵格地圖建模：首先，柵格地圖由障礙柵格與非障礙柵格組成；其次，任意含有障礙物的柵格視為障礙柵格；最后，若布線起止點位于柵格地圖中的同一列，則將柵格地圖行列互換。步驟3)中，將粒子群算法作為粗搜索階段并進行快速路徑尋優，通過得到的多組次優路徑更新土壤分布，具體包括：首先，設置初始參數(種群規模N，慣性權重w，學習因子c1和c2，最大迭代次數Ic，速度最大值Vmax，以及速度最小值Vmin)；然后，隨機生成粒子的位置矢量xi＝(xi1,xi2,…,xiD)和速度矢量vi＝(vi1,vi2,…,viD)，并初始化粒子的局部最優解pp以及全局最優解pg；進入迭代并更新所有粒子的位置信息以及速度信息按照以下兩式：式中i＝1,2,…,N，d＝1,2,…,D，w為慣性權重，c1和c2為學習因子，r1與r2是[0,1]之間相對獨立、均勻分布的隨機數，pp＝(pp1,pp2,…,ppD)為粒子的局部最優解，即粒子在上一次迭代中的最優解，pg＝(pg1,pg2,…,pgD)為粒子的全局最優解，即粒子在此次迭代之前的最優解。同時，計算每個粒子的適應度f(xi)，若f(xi)為此次迭代中的最小值，則pp＝xi，若此時f(xi)<f(pg)，則pg＝xi，其中適應度函數f為：式中(xj,yj)為路徑節點j的坐標，n為路徑點的個數，numj為節點j以及節點j-1之間的路徑所觸碰障礙柵格的數量，pun為懲罰因子使得觸碰障礙的路徑賦予較差的評價值。最后，進入下一次迭代重復公式(1)(2)(3)，更新局部最優解pp以及全局最解pg，直至迭代次數達到最大或滿足精度要求。步驟4)中，采用改進的智能水滴算法作為細搜索階段，進行路徑尋優，首先，設置水滴的數量W，最大迭代次數Is，初始土壤量Its，對柵格地圖中各位置的土壤進行初始化，并利用PSO算法求出的T組次優解更新土壤，如下兩式：式中soili為某一節點i的土壤量；posi為該節點的位置；pathsub為D組路徑中路徑中各節點的位置；eup為兩個相鄰柵格中心點間的最短距離；λi表示在這T組次優解中有λi組解含有節點i；參數δ，α以及β均為正數。然后，將所有水滴均放置于布線起點。使用輪盤賭法進行路徑點選擇，并記錄路徑節點信息，公式如下：式中soili為某一節點的土壤量；posi為該節點的位置；eup為兩個相鄰柵格中心點間的最短距離；P為選擇下一個節點的概率；N為下一步可選柵格的集合；函數dis(posi,posj)為節點i以及節點j之間的歐幾里得度量；ρ為小于1的正數；af,，bf以及cf均為正數。在水滴移動到另外一個節點j時，更新水滴的速度：式中velj為水滴移動到節點j的速度；soilj為節點j的土壤量；av為正數。同時，更新所移動到的節點的土壤，以及此時水滴攜帶的土壤，如下兩式：式中posi為節點i的位置；函數dis(posi,posj)為節點i以及節點j之間的歐幾里得度量；soilj為節點j的土壤量；ρ1和as均為正數。在所有水滴移動到布線終點之前，重復公式(6)(7)(8)(9)(10)，計算每個水滴所形成路徑的適應度，并更新局部最優解pp和全局最優解pg。在所有水滴移動到布線終點之后，更新全局的土壤量：式中soili為節點i的土壤量；posi為節點i的位置；為形成局部最優解的水滴所攜帶的土壤量；pp為局部最優解，且pg為全局最優解；num柵格地圖中柵格的數量；局部認知因子ρ2和全局認知因子ρ3均為正數，且ρ3≥ρ2。在按照公式(11)更新完全局土壤量后，算法即完成一次迭代。此后算法將進入下一次迭代，所有水滴將重置于布線起點處，并以上述方法(公式(6)至公式(11))重新進行移動，直至迭代次數達到最大或滿足精度要求。步驟5)中，將路徑中的節點以及彎折點作為控制點，并根據步驟1)中的平面展開方式將二維的控制點坐標轉化為布線空間中的三維控制點坐標；步驟6)中，采用三階B樣條優化路徑：先獲取步驟5)中，的控制點p0(x0,y0,z0),...,pn(xn,yn,zn)，確定B樣條曲線的階數k＝3，定義樣條曲線的支撐區間T＝[t0,t1,...,tn+k]如下式：然后計算樣條曲線的基函數Ni,k(t)，如下兩式：式中t為樣條曲線方程中的變量；T＝[t0,t1,...,tn+k]為樣條曲線的支撐區間。最后可求得三階B樣條曲線的方程，如下式：式中，t為曲線方程的變量；Ni,k(t)為B樣條曲線中的基函數；k＝3為的曲線階數。有益效果：本專利技術提供了一種基于混合本文檔來自技高網...

【技術保護點】
一種基于混合水滴算法的線纜布線路徑搜索方法，其特征在于，包括如下步驟：1)在布線空間中，選取線纜敷設的壁面，以平面展開的方式將布線空間簡化成一個矩形的布線平面；2)對矩形布線平面進行柵格地圖建模；3)將粒子群算法作為粗搜索階段并進行快速路徑尋優，通過得到的多組次優路徑更新土壤分布；4)采用改進的智能水滴算法作為細搜索階段，進行路徑尋優；5)將路徑中的節點以及彎折點作為控制點，并根據步驟1)中的平面展開方式將二維的控制點坐標轉化為布線空間中的三維控制點坐標；6)采用三階B樣條曲線優化路徑；通過上述步驟，利用粒子群算法優化智能水滴算法中的參數，給水滴的移動提供導向；改進水滴算法中水滴的移動方式，并進行路徑尋優；最終采用B樣條曲線優化路徑，綜合考慮了算法的穩定性和魯棒性，能快速找出一條便捷、無碰撞、平滑且貼附于壁面的布線路徑，在該路徑上敷設線纜即可完成線纜布線。

【技術特征摘要】
1.一種基于混合水滴算法的線纜布線路徑搜索方法，其特征在于，包括如下步驟：1)在布線空間中，選取線纜敷設的壁面，以平面展開的方式將布線空間簡化成一個矩形的布線平面；2)對矩形布線平面進行柵格地圖建模；3)將粒子群算法作為粗搜索階段并進行快速路徑尋優，通過得到的多組次優路徑更新土壤分布；4)采用改進的智能水滴算法作為細搜索階段，進行路徑尋優；5)將路徑中的節點以及彎折點作為控制點，并根據步驟1)中的平面展開方式將二維的控制點坐標轉化為布線空間中的三維控制點坐標；6)采用三階B樣條曲線優化路徑；通過上述步驟，利用粒子群算法優化智能水滴算法中的參數，給水滴的移動提供導向；改進水滴算法中水滴的移動方式，并進行路徑尋優；最終采用B樣條曲線優化路徑，綜合考慮了算法的穩定性和魯棒性，能快速找出一條便捷、無碰撞、平滑且貼附于壁面的布線路徑，在該路徑上敷設線纜即可完成線纜布線。2.根據權利要求1所述的基于混合水滴算法的線纜布線路徑搜索方法，其特征在于，步驟1)中，在布線空間中，選取線纜敷設的壁面，以平面展開的方式將布線空間簡化成一個矩形的布線平面：首先，若通過平面展開之后簡化而成的平面非矩形平面則將該平面擴展成矩形平面；其次，擴展部分視為障礙物；最后，將該平面劃分為兩個區域：障礙物區域以及非障礙物區域。3.根據權利要求1所述的基于混合水滴算法的線纜布線路徑搜索方法，其特征在于，步驟2)中，對矩形布線平面進行柵格地圖建模：首先，柵格地圖由障礙柵格與非障礙柵格組成；其次，任意含有障礙物的柵格視為障礙柵格；最后，若布線起止點位于柵格地圖中的同一列，則將柵格地圖行列互換。4.根據權利要求1所述的基于混合水滴算法的線纜布線路徑搜索方法，其特征在于，步驟3)中，將粒子群算法作為粗搜索階段并進行快速路徑尋優，通過得到的多組次優路徑更新土壤分布，具體包括：首先，設置初始參數(種群規模N，慣性權重w，學習因子c1和c2，最大迭代次數Ic，速度最大值Vmax，以及速度最小值Vmin)；然后，隨機生成粒子的位置矢量xi＝(xi1,xi2,…,xiD)和速度矢量vi＝(vi1,vi2,…,viD)，并初始化粒子的局部最優解pp以及全局最優解pg；進入迭代并更新所有粒子的位置信息以及速度信息按照以下兩式：同時，計算每個粒子的適應度f(xi)，若f(xi)為此次迭代中的最小值，則pp＝xi，若此時f(xi)<f(pg)，則pg＝xi，其中適應度函數f為：最后，進入下一次迭代重復公式(1)(2)(3)，更新局部最優解pp以及全局最解pg，直至迭代次數達到最大或滿足精度要求。5.根據權利要求1所述的基于混合水滴算法的線纜布線路徑搜索方法，其特征在于，步驟4)中，采用改進的智能水滴算法作為細搜索階段，進行路徑尋優，首先，設置水滴的數量W，最大迭代次數Is，初始土壤量Its，對柵格地圖中各位置的土壤進行初始化，并利用PSO算法求出的T組次優解更新土壤，如下兩式：

【專利技術屬性】
技術研發人員：李春泉，胡宇威，尚玉玲，黃紅艷，張明，蔣倩，周遠暢，邵永安，童曉漫，
申請(專利權)人：桂林電子科技大學，
類型：發明
國別省市：廣西,45