能耗优化下移动机器人路径规划的变约束仿真平台设计

林小樱 贾文友 魏文涛

摘要： 能耗优化下移动机器人路径规划面临移动机器人数量、作业路况、电源更换等多变化约束条件情形。基于MATLAB-App Designer开发工具，结合团队前期研究成果，设计具有交互界面的能耗优化下移动机器人路径规划变约束仿真平台。该平台根据变约束要求特性，改变具有障碍的不同规模地图、移动机器人数量、移动机器人起始及目标位置等，调用嵌入的不同智能算法，仿真生成移动机器人规划路径，实时显示能量消耗和路径长度等信息，为实际情形下移动机器人路径规划提供可靠的参考价值。

关键词：移动机器人；路径规划；变约束；能耗优化

中图分类号：TP242      文献标志码：A      文章编号：1008-4657（2024）02-0011-11

0        引言

移動机器人路径规划是指在一个已知或未知的环境中，机器人根据任务寻找一条最优的运动轨迹，该轨迹是一条从起始状态到目标状态的无碰撞路径［ 1 ］。研究路径规划问题需由实验来验证设想、思路和算法，仿真平台的出现推动了该领域的技术发展。采用一种合理有效的软件结构来建立一个移动机器人路径规划仿真平台，对于当前移动机器人路径规划问题的研究是很有意义也很必要的。

王茜［ 2 ］使用MATLAB-GUI界面，设计了机器人路径规划模拟仿真界面，基于模糊控制实现移动机器人路径规划仿真实验；王永成等［ 3 ］使用MATLAB-GUI开发工具，开发出自动导引小车路径规划仿真平台，有效验证了一种改进A星算法的自动导引小车动态路径规划算法；周粉粉等［ 4 ］在MATLAB仿真平台，采用栅格法进行创建地图，验证所提路径规划算法的可靠性；Garip   Z等［ 5 ］设计了一个基于MATLAB-GUI和ROS的用户友好的图形界面，提出多种智能算法实现移动机器人路径规划仿真和实验验证；Tang   Xiangrong等［ 6 ］]使用MATLAB搭建网格地图进行仿真实验，验证所提改进A星算法的可行性。上述重点在于移动机器人路径规划算法及二维平面仿真实验平台方面的研究，对于路径规划结果验证的三维可视化展示以及包含变约束的仿真平台研究相对较少。

面向移动机器人路径规划变约束仿真实验的设计需求，本文提出基于MATLAB-App  Designer开发工具的架构设计与仿真验证平台，包括平台的组成、架构、实现及应用流程，该平台能够支撑不同的路径规划方案以及设计成果仿真评估，且具有友好的用户体验。

1        变约束仿真平台的设计

1.1        架构设计

能耗约束下移动机器人路径规划的变约束仿真平台设计主要的目的是对不定数量机器人路径规划进行仿真，使学者通过平台互动界面操作后能更直观清晰了解移动机器人路径规划。本平台需要设计的功能主要包括以下几点：

第一，数据导入功能。实现仿真的第一步是导入地图与障碍。

第二，数据处理功能。机器人路径规划涉及的步骤较多，包括对起始点目标点的提取，行走路径的长度与所消耗的能耗进行计算。为保证处理计算效率高等要求，其中涉及到的算法必须保证有较高的处理速度和精确度，才能保证平台的实时性和准确性等要求。

第三，人机交互功能。平台要求功能界面友好，人机交互方便，操作简便易上手，数据处理和计算结果能够直观地在屏幕上显示，便于用户分析和处理。

基于MATLAB  App  Designer，针对移动机器人路径规划仿真需求，设计出路径规划仿真平台的模型体系架构，如图1所示，体系架构主要包括四大模块：地图导入模块、设置障碍模块、起始/目标设定模块和算法模块等。

1.2    功能模块设计

1.2.1    交互模块设计

分别对界面各个按钮、下拉框、文本输入框、复选框等设置相应的响应事件。

单机器人路径规划平台界面如图2所示。

单机器人路径规划平台主要包括“导入地图”和“设置障碍”两个下拉框选择模块、X轴与Y轴位置坐标输入框模块、“开始仿真”和“清空”数据按钮、仿真地图显示框和“主要仿真结果数据”显示框。主要仿真数据包括机器人产生的能耗和机器人行走的路径长度信息。

多机器人路径规划平台界面如图3所示。

多机器人路径规划平台在单机器人路径规划平台相关交互功能基础上，增加参与作业的机器人数量选择模块，主要仿真数据包括机器人之间产生的避碰情况和机器人停车等待产生的能耗信息。

为避免仿真结果交叉影响，提高仿真的准确性，当执行完一次仿真后再要执行下一次仿真，必须先点击“清空”按钮将所有图形与数据清空。

1.2.2    场景模块设计

平台能够适应于不同广域的作业场景地图案例。所使用的机器人路径规划作业的场景是由2.5D栅格地图［ 7-8 ］进行建图，颜色深浅可反应地图的高程信息和障碍物信息。平面尺寸为32 m × 32 m作业环境地图如图4所示。

平面尺寸为64 m × 64 m作业环境地图如图5所示。

若对实验进行虚拟现实可视化仿真，将高程信息导入到Unity3D软件中，地图上的障碍物用花草、树木、石块等代替，处理后最终仿真三维场景地图如图6所示。

1.2.3    算法模块设计

1.2.3.1    A星算法

本平台的机器人路径规划算法由A星算法支撑。A星算法是一种静态路网中求解最短路径最有效的直接搜索方法［ 9 ］，是一种典型的启发式搜索算法。该算法在选择最短路径的下一个节点时，会计算起始节点到待检测点的距离加上待检测点到终点的估计距离之和作为判断依据，其对每一个搜索的节点进行评估，得到最好的节点，再从这个节点进行搜索，直至搜索到终点。A星算法的流程图如图7所示，对于评估节点n的估价函数f（n）为式（1）。

f（n） = g（n） + h（n）（1）

式中，g（n）——从起始节点到n节点的实际代价， h（n）——从n节点到目标节点的预估代价。

A星算法流程如图7所示。

1.2.3.2    能耗最优约束下改进的A星算法

团队成员提出能耗最优下轮式移动机器人作业路径规划的最优节点A星算法（ONA*）［ 10 ］，ONA*算法流程图如图8所示。

在把当前节点的8个邻节点中未被放入open表中的可通行节点放入open表后，再将其放入每次寻找新的当前节点后都会被清空的cacu表中，同时把已在open表中，但g（n）值更低的节点也放入cacu表中，再从cacu表中找到f（n）值最小的节点作为预选节点np。判断该预选节点是否在障碍范围内，若在，则找出障碍范围内f（n）值最小的节点np，与np的f（n）值相比，较小者作为当前节点；若不在，预选节点np直接作为当前节点，从而避免局部最优的情况出现。若cacu表为空，则在open表中寻找f值最小的节点作为当前节点。在此情形下，大多数是最多会从8个点中找到最优节点，而不是从open表中找到最优节点，从而提高算法的运行速度。

1.2.3.3    多移动机器人动态避障算法

针对多移动机器人路径规划过程中的避碰问题，为求得最佳避碰决策，团队成员将滚动时间窗（TW）机制与二叉树（BT）先序遍历方法融合协同执行，提出TW&BT融合算法［ 11 ］。

时间窗的基本原理是基于时间序列的和基于事件的混合分解策略。当多机器人系统中某两个机器人在某一时刻发生碰撞称为一个触发事件［ 12 ］。滚动时间窗机理如图9所示。

多移动机器人作业中避撞的停车等待问题属于树形结构的派工问题，其二叉树先序遍历方法的流程图如图10所示。

每当遇到触发事件时，相当于只遍历到一个二叉树节点，而每个触发事件的两种决策相当于该节点的左右子树，每个子树的长度等于该避碰决策下此次触发事件到下次触发事件之间的时间窗长度。在遍历完所有的叶子节点后，总能耗最低的那个子树即最优决策。TW&BT融合算法流程图如图11所示。

2    变约束的仿真实验

参与作业的机器人数量、地图大小、障碍分布、起点和目标点等都属于路径规划的实际约束，通过改变这些约束来进行仿真实验。

2.1    單移动机器人路径规划仿真实验

分别点击“导入地图”和“设置障碍”下拉框，选择下拉选项，如“L32W32”和“Obstacle1”，将所选择信息导入到平台上，如图12所示。

输入起点和目标点的X轴和Y轴坐标值，即指定移动机器人的起点和目标点，点击“开始仿真”按钮，得到仿真后的全局能耗优化路径和主要仿真结果数据。如图13所示，设置机器人的起点坐标为（2，3），目标点坐标为（31，22），仿真后机器人从起点到目标点行走的路径长度为44.009 4 m，消耗了11 574.407 3 J能量。

仿真地图显示框中能够旋转任意角度查看路径规划结果，如图14所示。

2.2    多移动机器人路径规划仿真实验

分别点击“导入地图”和“设置障碍”下拉框，选择“L64W64”和“Obstacle1”，将信息导入到平台上，如图15所示。

选择十个机器人参加作业的机器人数量，点击“开始仿真”按钮，得到仿真后的全局能耗优化路径和主要仿真结果数据，十个机器人从各自起点出发到达目标点，寻路过程中发生碰撞避让的路线如图16所示，仿真结果为：第3 s机器人2停车等待，第59 s机器人4停车等待，第30 S机器人10停车等待，停车等待共产生27 J的能量消耗。

选择机器人1、3、5、6、7、8和9参加作业，点击“开始仿真”按钮，得到全局能耗优化路径和主要仿真结果数据如图17所示，结果数据显示此次仿真没有机器人产生避碰情况。

3    结论

基于MATLAB App Designer开发工具，设计了仿真平台，该平台实现了能耗约束下移动机器人路径规划变约束仿真。其包括地图和障碍的导入、移动机器人数量选择、作业起点和目标点的设定。通过该平台，不仅实时显示能耗、路径等仿真数据，而且平台的界面友好、易于操作，并能转化为exe格式的可执行文件而脱离MATLAB环境运行，提高仿真使用效能，并为后续路径规划研究提供了可靠参考。但目前仿真平台目前可约束有限，如窄路段约束等，今后结合研究团队成果进一步拓展变约束范围，使仿真实验更贴近现实情形。

参考文献：

［1］Batalin M A，Sukhatme G S，Hattig M. Mobile robot navigation using a sensor network［C］. Proceedings of IEEE International Conference on Robotics and Automation，2004，1：636-641.

［2］王茜.基于模糊控制的移动机器人路径规划仿真研究［J］.江西煤炭科技，2021（4）：178-180.

［3］王永成，杨明漾，张国辉.基于改进A星算法对自动导引小车路径规划研究［J］.火力与指挥控制，2021，46（8）：130-138.

［4］周粉粉，高述勇，刘阔.移动机器人路径规划的仿真研究［J］.青岛大学学报（工程技术版），2018，33（3）：47-51.

［5］Garip Z，Karayel D，Imen M E. A study on path planning optimization of mobile robots based on hybrid algorithm［J］. Concurrency and Computation：Practice and Experience，2021，34（5）：e6721.

［6］Tang Xiangrong，Zhu Yukun，Jiang Xinxin. Improved A-star algorithm for robot path planning in static environment［J］. Journal of Physics：Conference Series，2021，1792（1）：012067.

［7］Sun Lu. Point cloud clustering algorithm for autonomous vehicle based on 2.5D Gaussian Map［C］. 2018 2nd International Conference on Inventive Systems and Control （ICISC），2018，2018：754-759.

［8］黄志清，李鼎鑫，王庆文.非平坦地形下移动机器人安全路径规划［J］.控制与决策，2022，37（2）：323-330.

［9］王云峰，曹小华，郭兴.基于改进A*算法和系统短期状态预测的仓储AGV路径规划方法［J］.计算机集成制造系统2023，29（11）：3897-3908.

［10］江磊，賈文友，刘莉，等.能耗最优下轮式移动机器人作业路径规划的最优节点A*算法［J］.机械科学与技术，2023，42（6）：949-955.

［11］魏文涛，贾文友，江磊，等.能耗优化下的多移动机器人动态避撞机制［J］.信息与控制，2022，51（6）：662-670.

［12］贾文友，江志斌，李友.面向产品族优化时间窗下可重入批处理机调度［J］.机械工程学报，2015，51（12）：192-201.

Research on a Multi-variable Constraints Simulation

Platform for Path Planning of Mobile Robots under

Energy Consumption Optimization

LIN Xiaoying， JIA Wenyou， WEI Wentao

（School of Mechanical Engineering， Anhui Polytechnic University， Wuhu 241000， China）

Abstract：The mobile robot path planning under energy consumption optimization is faced with the case of multi-variable constraints， such as the number of mobile robots， operating road conditions， and power replacement. Based on the MATLAB-App Designer development tool and the team's previous research results， this paper designs a simulation platform with an interactive interface for variable constraints on the path planning of mobile robots under energy consumption optimization. Based on the characteristics of variable constraints requirements， this platform varies the different scale maps with obstacles， the number of mobile robots， and the starting and target locations of mobile robots， etc.， invokes different embedded intelligent algorithms to simulate and generate mobile robot planning paths， displays information such as energy consumption and path length in real time， which provides reliable reference values for mobile robot path planning in real situations.

Key words：Mobile robot; path planning; Variable constraint; Energy consumption optimization

［责任编辑：许立群］