CN108594813B - 一种大尺度室内环境下多清洁机器人任务分配方法 - Google Patents

一种大尺度室内环境下多清洁机器人任务分配方法 Download PDF

Info

Publication number
CN108594813B
CN108594813B CN201810351307.4A CN201810351307A CN108594813B CN 108594813 B CN108594813 B CN 108594813B CN 201810351307 A CN201810351307 A CN 201810351307A CN 108594813 B CN108594813 B CN 108594813B
Authority
CN
China
Prior art keywords
sub
robot
path
robots
indoor environment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810351307.4A
Other languages
English (en)
Other versions
CN108594813A (zh
Inventor
孙荣川
郁树梅
匡绍龙
周永正
孙立宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Lingshi Vision Technology Co ltd
Original Assignee
Suzhou University
Zhangjiagang Institute of Industrial Technologies Soochow University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou University, Zhangjiagang Institute of Industrial Technologies Soochow University filed Critical Suzhou University
Priority to CN201810351307.4A priority Critical patent/CN108594813B/zh
Publication of CN108594813A publication Critical patent/CN108594813A/zh
Application granted granted Critical
Publication of CN108594813B publication Critical patent/CN108594813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种大尺度室内环境下多清洁机器人任务分配方法，包括以下步骤：全局环境分割；将分割好的子区域进行编码；设置进化代数计数器t＝1，迭代次数T，机器人的数量k，种群数目N；初始化路线P(t)，断点B(t)的选择；计算每个个体中机器人i的子周游路径Hi(i＝1，2，...k)子路径所连接的子地图面积Ai(i＝1，2，..k)之和，计算k个值中的最大值；根据目标函数记录当代种群中最好的解；遗传算子操作，得到下一代路经P(t+1)，断点B(t+1)；终止条件判断；是否达到最大迭代次数；对输出的最优解使用2‑opt算法对各个子周游路径本身进行优化。使得整个机器人系统能够以更高的效率完成任务。

Description

一种大尺度室内环境下多清洁机器人任务分配方法
技术领域
本发明属于多机器人协作技术领域，特别涉及一种多机器人任务分配方法。
背景技术
随着人工智能、传感器技术和计算机科学等学科的快速发展，使得机器人技术有了突破性的发展。在生产、生活领域，机器人代替了手工劳动、改善了生活环境、提高了工作效率。
在机器人学的早期研究阶段，移动机器人的研究重点主要是在结构设计、运动控制、导航避障等方面。近二十年来，由于机器人技术及其相关领域的大力发展，使得机器人的稳定性、实用性都得到了极大的提升。随着应用领域的不断扩张以及应用任务的日趋复杂化，使得单机器人的工作能力难以满足人们的日益增长的需求。因此，使用多个功能简单的机器人组成一个多机器人系统，以相互协作的方式来完成某些复杂的任务，成为了一个新的研究热点并引起了国内外研究者们的广泛关注。
作为实际应用典范，全覆盖路径规划技术成功地在家用清洁机器人领域得到了应用，并取得了很好的效果，使人们摆脱了重复、繁琐的清洁工作。通过与传感技术、定位技术及避障技术的结合，全覆盖路径规划技术不仅提高了清洁机器人的工作效率、减少了遍历过程中的时间与能量消耗，还使得其往智能化的方向迈进了一大步。
同其他行业一样，传统的清洁行业也面临着人口老龄化、用人成本急剧提升的局面，让单一的清洁工人更有效率是整个清洁行业都想解决的问题。作为一种新型的商业服务机器人，无人驾驶洗地车为传统清洁行业带来了全新的解决方案。相对于传统的洗地车，无人驾驶洗地车的最大优势在于其自主工作能力，使得解放驾驶人员成为真正可行的工作状态。在进行清洁工作时，管理人员可以通过远程控制，实时了解清洁情况，实现了从一人驾驶一辆洗地车，到一个人管理数台洗地车，大大减少了清洁的人工成本与管理难度，提高了工作效率与企业效益。
尽管无人洗地车的出现大大减少了人力成本，但是各机器人在执行清洁任务时，总是各自为政，缺乏规划性，所以常常导致某些区域被重复打扫，造成资源的不必要浪费。在某些大型室内环境下，由于清洁机器人的装载量和电池的电量有限，使用单个机器人很难一次性地完成给定区域的清洁工作。特别地，在某些对时间有限制的情况下，单个机器人的工作能力更是显得捉襟见肘。因此，如何合理地运用多个清洁机器人协同工作便得到人们的关注。
多机器人全覆盖路径规划作为多机器人领域的一个重要研究方向，是在单机器人全覆盖路径规划的基础上发展而来。结合多机器人系统与全覆盖路径规划技术的优势，采用多个机器人进行协作覆盖不仅可以解决单机器人覆盖时工作能力不足、抗干扰能力差以及容错力差等问题，更是极大地提高了工作效率，增加了任务执行过程中的灵活性。
发明内容
有鉴于此，本发明的目的主要是为了大型室内环境下多个清洁机器人协作时，提供一种任务分配方法，使得整个机器人系统能够以更高的效率完成任务。
为了实现上述目的，本发明是通过以下技术方案实现的，依据本发明提供的一种大尺度室内环境下多清洁机器人任务分配方法，其中，包括以下步骤：
S10、将全局环境进行分割；
S20、将分割好的子区域进行编码；
S30、设置进化代数计数器t＝1，迭代次数T，机器人的数量k，种群数目N；
S40、种群初始化：初始化路线P(t)，断点B(t)的选择；
S50、计算种群中所有个体的适应度：计算每个个体中机器人i的子周游路径Hi(i＝1，2，...k)子路径所连接的子地图面积Ai(i＝1，2，..k)之和，记为C(Hi)+C(Ai)，计算k个值中的最大值；
S60、根据目标函数，记录当代种群中最好的解，即最优的最短路径和最优的断点设置；
S70、遗传算子操作，得到下一代路经P(t+1)，断点B(t+1)；
S80、进行终止条件判断：若t≤T则t＝t+1，转到步骤S50继续进行；如果t≥T则把进化过程中适应度最高的个体作为近似最优解输出；
S90、对输出的最优解，使用2-opt算法对各个子周游路径本身进行优化，算法结束。
较佳的，步骤S20中所述编码采用符号编码的方式，以一组数字表{1，2，3，...}表示{子地图1，子地图2，子地图3，...}。
较佳的，步骤S40中，所述种群初始化，包括路径的初始化和间断点的初始化。
较佳的，步骤S50中，所述个体的适应度计算公式为：
(J＝max{C(Hi)+C(Ai)}，i∈{1，2，..，k}) (公式一)
其中，C(Hi)表示机器人i子周游路径的长度，C(Ai)表示机器人i需要覆盖的子区域的面积之和；
较佳的，步骤S70中，所述遗传算子操作包括倒位操作、换位操作、移位操作三个步骤。
前述的大尺度室内环境下多清洁机器人任务分配方法，其中，所述的清洁机器人为同构机器人。
前述的大尺度室内环境下多清洁机器人任务分配方法，其中，所述的各清洁机器人具有相同的行驶速度。
本发明相较于现有技术，具有以下有益效果：
1、本发明将清洁机器人完成任务的代价分为获取任务的代价和执行任务的代价，其中获取任务的代价与子路径的长度成正比，执行任务的代价与待覆盖子区域的面积成正比。
2、本发明通过使用遗传算法对子地图进行编码以及系列遗传算子操作，完成了对总任务量的均衡分配。
3、本发明将遗传算法引入了多机器人任务分配，为任务分配问题提供了一种解决思路。
4、从本发明的分配结果看，机器人系统中各个机器人获取的任务量相当，在系统中的机器人都为同构这一前提下，整个机器人群能够以最短的时间完成给定的任务。
附图说明
图1为本发明的整体流程图；
图2为本发明分割好的表示室内环境的栅格地图；
图3为基于图2的拓扑结构模型；
图4为拓扑状态下的分配结果图；
图5为任务分配的实际效果图；
具体实施方式
以下结合附图及较佳实施例，对本发明详细说明如下：
如图1所示，本发明提供的一种大尺度室内环境下多清洁机器人任务分配方法，其中，包括以下步骤：
S10、将全局环境进行分割；
S20、将分割好的子区域进行编码；
S30、设置进化代数计数器t＝1，迭代次数T，机器人的数量k，种群数目N；
S40、种群初始化：初始化路线P(t)，断点B(t)的选择；
S50、计算种群中所有个体的适应度：计算每个个体中机器人i的子周游路径Hi(i＝1，2，...k)子路径所连接的子地图面积Ai(i＝1，2，..k)之和，记为C(Hi)+C(Ai)，计算k个值中的最大值；
S60、根据目标函数，记录当代种群中最好的解，即最优的最短路径和最优的断点设置；
S70、遗传算子操作，得到下一代路经P(t+1)，断点B(t+1)；
S80、进行终止条件判断：若t≤T则t＝t+1，转到步骤S50继续进行；如果t≥T则把进化过程中适应度最高的个体作为近似最优解输出；
S90、对输出的最优解，使用2-opt算法对各个子周游路径本身进行优化，算法结束。
较佳的，步骤S20中所述编码采用符号编码的方式，以一组数字表{1，2，3，...}表示{子地图1，子地图2，子地图3，...}。
较佳的，步骤S40中，所述种群初始化，包括路径的初始化和间断点的初始化。
较佳的，步骤S50中，所述个体的适应度计算公式为：
(J＝max{C(Hi)+C(Ai)}，i∈{1，2，..，k}) (公式一)
其中，C(Hi)表示机器人i子周游路径的长度，C(Ai)表示机器人i需要覆盖的子区域的面积之和；
较佳的，步骤S70中，所述遗传算子操作包括倒位操作、换位操作、移位操作三个步骤。
前述的大尺度室内环境下多清洁机器人任务分配方法，其中，所述的清洁机器人为同构机器人。
前述的大尺度室内环境下多清洁机器人任务分配方法，其中，所述的各清洁机器人具有相同的行驶速度。
下面以3个机器人为例，对上述较佳实施例的具体实现过程进行如下说明：
首先使用地图分割算法将表示全局环境的栅格地图进行分割，被分割的每个子区域都是由空闲栅格组成的。在本实施例中，如图2所示，全局地图被分割成了9个子地图。
如图3所示，将上述被分割成若干子区域的栅格地图进行编码，并用一系列阿拉伯数字表示。
如图4所示，使用遗传算法将上述子地图分成三组，每组刚好都由三个子地图组成，第一组：{1、2、8}，第二组：{5，6，7}，第三组：{3、4、9}。
如图5所示，图中的黑点表示所有机器人覆盖的起始位置，当任务分配完成后，使用2-opt优化算法，对各组中子地图的访问顺序进行优化，使得每个机器人在各个子区域间的移动距离都能保证是最短的。优化后，各机器人从起点位置出发，分别对被分配的子地图进行覆盖，遍历顺序分别为：机器人1：{2→1→8}，机器人2：{5→6→7}，机器人3：{3→4→9}，待任务完成后，所有的机器人又都将返回起点位置。
以上所述实施例仅为本发明的具体实施方式，用以说明本发明的技术方案而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种大尺度室内环境下多清洁机器人任务分配方法，其特征在于，包括以下步骤：
S10、将全局环境进行分割；
S20、将分割好的子区域进行编码；
S30、设置进化代数计数器t=1，迭代次数T，机器人的数量k，种群数目N；
S40、种群初始化，包括对路径P(t)和断点B(t)的初始化；
S50、计算种群中所有个体的适应度：计算每个个体中机器人i的子周游路径Hi及子周游路径所连接的子地图面积Ai之和，记为C(Hi)+C(Ai)，Hi和Ai中的i=1,2,…k；计算k个值中的最大值；
S60、根据目标函数，记录当代种群中最好的解，即最优的最短路径和最优的断点设置；
S70、遗传算子操作，得到下一代路经P(t+1)，断点B(t+1)；
S80、进行终止条件判断：若t<T则t = t +1，转到步骤S50继续进行；如果t ≥ T则把进化过程中适应度最高的个体作为近似最优解输出；
S90、对输出的最优解，使用2-opt算法对各个子周游路径本身进行优化，算法结束。
2.根据权利要求1所述的大尺度室内环境下多清洁机器人任务分配方法，其特征在于，步骤S20中所述编码采用符号编码的方式，以一组数字表{1，2，3，…}表示{子地图1，子地图2，子地图3，…}。
3.根据权利要求1所述的大尺度室内环境下多清洁机器人任务分配方法，其特征在于，步骤S40中，所述种群初始化，包括路径的初始化和断点的初始化。
4.根据权利要求1所述的大尺度室内环境下多清洁机器人任务分配方法，其特征在于，步骤S50中，所述个体的适应度计算公式为：
Figure 235684DEST_PATH_IMAGE001
其中，C(H i)表示机器人i子周游路径的长度，C(A i)表示机器人i需要覆盖的子区域的面积之和。
5.根据权利要求1所述的大尺度室内环境下多清洁机器人任务分配方法，其特征在于，步骤S70中，所述遗传算子操作包括倒位操作、换位操作、移位操作三个步骤。
6.根据权利要求1所述的大尺度室内环境下多清洁机器人任务分配方法，其特征在于，所述的清洁机器人为同构机器人。
7.根据权利要求1所述的大尺度室内环境下多清洁机器人任务分配方法，其特征在于，所述清洁机器人具有相同的行驶速度。
CN201810351307.4A 2018-04-18 2018-04-18 一种大尺度室内环境下多清洁机器人任务分配方法 Active CN108594813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810351307.4A CN108594813B (zh) 2018-04-18 2018-04-18 一种大尺度室内环境下多清洁机器人任务分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810351307.4A CN108594813B (zh) 2018-04-18 2018-04-18 一种大尺度室内环境下多清洁机器人任务分配方法

Publications (2)

Publication Number Publication Date
CN108594813A CN108594813A (zh) 2018-09-28
CN108594813B true CN108594813B (zh) 2021-04-09

Family

ID=63613519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810351307.4A Active CN108594813B (zh) 2018-04-18 2018-04-18 一种大尺度室内环境下多清洁机器人任务分配方法

Country Status (1)

Country Link
CN (1) CN108594813B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109459052B (zh) * 2018-12-28 2022-10-11 上海大学 一种扫地机全覆盖路径规划方法
CN111493749B (zh) * 2019-01-31 2023-10-03 北京奇虎科技有限公司 基于扫地机器人的打扫方法、装置、电子设备及存储介质
CN111562785B (zh) * 2020-05-15 2021-08-06 中南大学 一种群集机器人协同覆盖的路径规划方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004038921A (ja) * 2002-07-04 2004-02-05 Samsung Electronics Co Ltd 無人搬送システムの制御方法
US8260485B1 (en) * 2007-04-26 2012-09-04 The Boeing Company Adaptive multi-vehicle area coverage optimization system and method
CN106020230A (zh) * 2016-05-20 2016-10-12 武汉科技大学 一种能耗约束下的多无人机任务分配方法
CN107168054A (zh) * 2017-05-10 2017-09-15 沈阳工业大学 多机器人任务分配及路径规划方法
CN107563653A (zh) * 2017-09-08 2018-01-09 中国人民解放军国防科技大学 一种多机器人全覆盖任务分配方法
CN107578119A (zh) * 2017-08-09 2018-01-12 泉州装备制造研究所 一种智能调度系统的资源分配全局优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004038921A (ja) * 2002-07-04 2004-02-05 Samsung Electronics Co Ltd 無人搬送システムの制御方法
US8260485B1 (en) * 2007-04-26 2012-09-04 The Boeing Company Adaptive multi-vehicle area coverage optimization system and method
CN106020230A (zh) * 2016-05-20 2016-10-12 武汉科技大学 一种能耗约束下的多无人机任务分配方法
CN107168054A (zh) * 2017-05-10 2017-09-15 沈阳工业大学 多机器人任务分配及路径规划方法
CN107578119A (zh) * 2017-08-09 2018-01-12 泉州装备制造研究所 一种智能调度系统的资源分配全局优化方法
CN107563653A (zh) * 2017-09-08 2018-01-09 中国人民解放军国防科技大学 一种多机器人全覆盖任务分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于"货到人"模式的电商订单拣选优化研究;张彩霞;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20160815(第8期);第J157-138页 *
基于拍卖的智能仓库系统多机器人任务分配;郭宇等;《第三十三届中国控制会议论文集（E卷）》;20140730;第7487-7492页 *

Also Published As

Publication number Publication date
CN108594813A (zh) 2018-09-28

Similar Documents

Publication Publication Date Title
CN108594813B (zh) 一种大尺度室内环境下多清洁机器人任务分配方法
CN109116854B (zh) 一种基于强化学习的多组机器人协作控制方法及控制系统
CN109363585B (zh) 分区遍历方法、清扫方法及其扫地机器人
CN108420371B (zh) 一种分离式扫地机器人控制方法
CN108036790A (zh) 一种障碍环境下基于蚁蜂算法的机器人路径规划方法及系统
CN105527964A (zh) 一种机器人路径规划方法
CN107390700B (zh) 机器人的动态建图方法及芯片
CN113110445A (zh) 机器人的路径规划方法及装置、机器人、存储介质
Ali et al. Multi-robot path planning and trajectory smoothing
Bölek et al. A systematic review on artificial intelligence applications in architecture
CN108742378A (zh) 一种分离式扫地机器人控制系统
Su et al. Robot path planning based on random coding particle swarm optimization
CN114442664B (zh) 一种计及空域冲突的输电线路无人机编队协同巡检任务分配方法
Hawari et al. Industry 4.0 with intelligent manufacturing 5G mobile robot based on genetic algorithm
Safin et al. Modelling a turtlebot3 based delivery system for a smart hospital in gazebo
CN107784391A (zh) 作业时间随机的基本作战单元使用保障资源优化配置方法
König et al. Levels of automation in urban design through arti ficial intelligence: A framework to characterize automation approaches
CN116820094A (zh) 基于改进蚁群算法的移动机器人三维路径规划方法及设备
Sun et al. Path planning and obstacle avoidance for mobile robots in a dynamic environment
Huang et al. A multi-robot coverage path planning algorithm based on improved darp algorithm
Ge et al. Research on full traversal path planning based on improved reciprocating algorithm
CN115334165A (zh) 一种基于深度强化学习的水下多无人平台调度方法及系统
Dong et al. Robot obstacle avoidance based on an improved ant colony algorithm
Li et al. Conflict-free and energy-efficient path planning for multi-robots based on priority free ant colony optimization
WO2022213627A1 (zh) 一种清洁路径规划方法和清洁设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220524

Address after: 215500 No.156 Xinyang Avenue, Xinzhuang Town, Changshu City, Suzhou City, Jiangsu Province

Patentee after: Suzhou Lingshi Vision Technology Co.,Ltd.

Address before: No. 10, mayor Jinglu Road, Zhangjiagang, Suzhou, Jiangsu

Patentee before: ZHANGJIAGANG INSTITUTE OF INDUSTRIAL TECHNOLOGIES SOOCHOW University

Patentee before: Soochow University

TR01 Transfer of patent right