CN108646740A - 基于双无线网络的移动机器人回归路径规划方法 - Google Patents

Abstract

公开一种基于双无线网络的移动机器人回归路径规划方法，移动机器人包括驱动轮和与驱动轮连接的驱动电机，设置在移动机器人前端的充电电极公端以及主控电子装置设置，充电基座包括设置充电电极母端、电源插孔，以及充电控制电子装置，充电控制电子装置设置控制器和与控制器连接的第一WIFI模块，以及主控电子装置设置处理器和与处理器连接的第三WIFI模块，还设置辅助网络装置，包括第二WIFI模块，辅助网络装置与充电基座设置在不同的位置，以及设置在处理器中的回归路径规划方法，回归路径规划方法是先沿第一WIFI模块发射的无线信号强度R^Ⅰ的等值线找到充电基座所在的第二WIFI模块发射的无线信号强度R^Ⅱ的等值线，然后沿这个R^Ⅱ等值线找到充电基座。

Description

基于双无线网络的移动机器人回归路径规划方法

技术领域

本发明涉及基于双无线网络的移动机器人回归路径规划方法，属于移动机器人领域。

背景技术

移动机器人已经开始应用在我们的生活中，比如吸尘机器人和割草机器人，机器人的应用一定程度上减轻了日常的劳动负担，是未来技术发展的趋势。

目前，移动机器人技术的发展还不是很完善，比如吸尘机器人和割草机器人，在工作结束或者电池耗尽的时候，需要寻找充电基座进行充电。目前常用的方式是沿工作区域的边界进行搜寻，比如吸尘机器人可以沿着墙边搜寻充电基座，而充电基座是靠墙设置的；割草机器人是工作在草坪上，而草坪的周围铺设了交流电缆，充电基座设置在电缆上，所以割草机器人沿着电缆也可以找到充电基座。这种方式在环境复杂，或者面积较大的情况下，平均状况下需要花很长时间才能回到充电基座，并且很可能出现这种情况，充电基座近在咫尺，移动机器人还要从反方向去搜寻。另外，也有采用随机搜集的方式，比如一些吸尘机器人，这种方式效率低下，经常失败。

随着技术的发展，目前移动机器人开始装配二维甚至三维激光雷达用于环境检测和地图建立，但是这种方式成本非常高，传感器本身的价格已经远远超过目前移动机器人的成本。也有采用图像传感器进行环境检测与地图建立的，这种方式对硬件计算能力要求高，并且对环境光照条件要求苛刻。而无线wifi网络已经普及到每个家庭及办公环境，其硬件成本非常低，开发资料也很丰富，基于无线wifi网络信号的强度信息来进行移动机器人的工作及回归路径规划将是未来发展方向。

发明内容

本发明的目的是为了克服现有技术中的不足之处，采用两组大范围无线信号的强度信息，进行环境及充电基座的位置标注，进行高效率的回归路径规划，在不增加硬件成本的前提下，提高工作效率。

本发明解决其技术问题所采用的技术方案是：

基于双无线网络的移动机器人回归路径规划方法，所述的移动机器人包括驱动轮和与所述的驱动轮连接的驱动电机以及设置在所述的移动机器人前端的充电电极公端，所述的移动机器人内部设置主控电子装置，所述的主控电子装置包括进行集中控制的处理器，与所述的处理器连接的电机驱动电路，所述的电机驱动电路与所述的驱动电机连接，与所述的处理器连接的障碍物检测电路，用于进行避障和路径规划，与所述的处理器连接的惯性导航系统，用于计算所述的移动机器人的位置(x,y)和方向θ，还包括与所述的处理器连接的充电电路，所述的充电电路与所述的充电电极公端连接，所述的充电电路输出连接所述的充电电池，所述充电电池输出连接第二电源电路，所述的第二电源电路为后续电路提供电源；所述的充电基座包括充电电极母端、电源插孔，以及充电控制电子装置，所述的充电控制电子装置设置了进行集中控制的控制器，与所述电源插孔连接的第一电源电路和滤波电路，与所述的滤波电路连接的开关管，所述的开关管由所述的控制器控制，输出连接电流检测电路，所述的电流检测电路连接所述的充电电极母端，所述的电流检测电路将电流信号转换成电压信号给所述的控制器，所述的充电控制电子装置，设置与所述的控制器连接的第一WIFI模块，所述的第一WIFI模块设置为AP模式；还包括辅助网络装置，所述的辅助网络装置设置第二WIFI模块，所述的第二WIFI模块设置为AP模式，所述的辅助网络装置与所述的充电基座设置在不同的位置；所述的主控电子装置设置与所述的处理器连接的第三WIFI模块，所述的第三WIFI模块设置为STA模式，所述的处理器可获取所述的第三WIFI模块接收到的无线信号强度值RSSI，记为R，具体为接收到所述的第一WIFI模块的无线信号强度值R^Ⅰ和所述的第二WIFI模块的无线信号强度值R^Ⅱ，所述的处理器设置链表L={(a_i,b_i)}，其中a_i=R^Ⅰ _i，b_i=R^Ⅱ _i，i=0,1,2,3......,10，其中，R^Ⅰ _i表示不同时刻存储的所述第一WIFI模块的无线信号强度值，R^Ⅱ _i表示不同时刻存储的所述第二WIFI模块的无线信号强度值，设置表尾指针ep，指向链表L中最新数据的位置；以及设置在所述的处理器中的回归路径规划方法，所述的回归路径规划方法包括以下步骤：

（1）所述的移动机器人在所述的充电基座位置读取所述的第一WIFI模块和第二WIFI模块的无线信号强度值R，即R^Ⅰ ₀和R^Ⅱ ₀，存入链表L，即ep=0，a₀=R^Ⅰ ₀，b₀=R^Ⅱ ₀；

（2）所述的移动机器人结束工作或者电量不足，开始寻找所述的充电基座，存储无线信号强度值R^Ⅰ ₁和R^Ⅱ ₁，即ep=1，a_ep=R^Ⅰ ₁，b_ep=R^Ⅱ ₁；

（3）所述的移动机器人执行向左循迹过程，循迹路径为无线信号强度R^Ⅰ的等值线，即R^Ⅰ=a₁，循迹变量为R^Ⅰ，循迹参数为a₁=R^Ⅰ ₁；采用行走距离累计算法，计算所述的移动机器人的行走距离d，当行走距离d>10cm，存储无线信号强度值R^Ⅰ _i，R^Ⅱ _i至链表L，即ep++，a_ep=R^Ⅰ _i，b_ep=R^Ⅱ _i，当ep等于10时，进入步骤4；当所述的移动机器人检测到障碍物，旋转任意角度，直行一定距离后返回步骤2；

（4）比较|b_j-b₀|与|b_j-1-b₀|的大小，其中，j=2,3,...10：初始化计数器k=0；如果|b_j-1-b₀|>|b_j-b₀|，则k++；如果j≥5，则所述的移动机器人继续执行向左循迹过程，然后进入步骤5，否则所述的移动机器人旋转180度后，执行向右循迹过程，循迹路径为无线信号强度R^Ⅰ的等值线，即R^Ⅰ=a₁，循迹变量为R^Ⅰ，循迹参数为a₁=R^Ⅰ ₁，然后进入步骤5；

（5）如果|R^Ⅱ-b₀|<δ，其中δ设置为接近于零的阈值，存储无线信号强度值R^Ⅰ ₁，R^Ⅱ ₁至链表L，令ep=1，a_ep=R^Ⅰ ₁，b_ep=R^Ⅱ ₁，进入步骤7；如果所述的移动机器人检测到障碍物，所述的移动机器人以左侧沿着障碍物行走，当|R^Ⅰ-a₁|>δ后进入步骤6；

（6）当|R^Ⅰ-a₁|<δ时，所述的移动机器人恢复步骤4的循迹过程，并返回步骤5；

（7）所述的移动机器人执行向左循迹过程，循迹路径为无线信号强度R^Ⅱ的等值线，即R^Ⅱ=b₀，循迹变量为R^Ⅱ，循迹参数为b₀=R^Ⅱ ₀；采用所述的行走距离累计算法，计算所述的移动机器人的行走距离d，当行走距离d>10cm，存储无线信号强度值R^Ⅰ _i，R^Ⅱ _i至链表L，即ep++，a_ep=R^Ⅰ _i，b_ep=R^Ⅱ _i，当ep等于10时，进入步骤8；当所述的移动机器人检测到障碍物，旋转任意角度，直行一定距离后返回步骤2；

（8）比较|a_j-a₀|与|a_j-1-a₀|的大小，其中，j=2,3,...10：初始化计数器k=0；如果|a_j-1-a₀|>|a_j-a₀|，则k++；如果j≥5，则所述的移动机器人继续执行向左循迹过程，进入步骤9，否则所述的移动机器人旋转180度后，执行向右循迹过程，循迹路径为无线信号强度R^Ⅱ的等值线，即R^Ⅱ=b₀，循迹变量为R^Ⅱ，循迹参数为b₀=R^Ⅱ ₀，然后进入步骤9；

（9）当|R^Ⅰ-a₀|<δ时，所述的移动机器人回到所述的充电基座，结束退出；如果所述的移动机器人检测到障碍物，所述的移动机器人以左侧沿着障碍物行走，当|R^Ⅱ-b₀|>δ后进入步骤9；

（10）当|R^Ⅱ-b₀|<δ时，所述的移动机器人恢复步骤8的循迹过程，进入步骤9。

所述的行走距离累计算法设置为：

初始化行走距离d=0；

设置计算周期T；

在当前计算周期T的初始时刻，存储初始位置x₀=x，y₀=y；

计算周期T结束时，计算当前计算周期T内所述的移动机器人的行走距离Δd=；

对Δd进行累计，可得行走距离d=d+Δd，然后进入下一个计算周期T。

所述的向左循迹过程设置为：循迹变量为R，循迹参数为Rx，当R>Rx+δ；所述的移动机器人向左旋转，直到Rx-δ<R<Rx+δ；当R<Rx+δ，向右旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

所述的向右循迹过程设置为：循迹变量为R，循迹参数为Rx；当R>Rx+δ，所述的移动机器人向右旋转，直到Rx-δ<R<Rx+δ;当R<Rx+δ，向左旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

实施本发明的积极效果是：1、两组交叉设置的无线网络，信号覆盖范围广，没有累计误差，可以为高效的回归路径规划提供依据；2、不需要环境设置及改造，成本低。

附图说明

图1是无线信号分布示意图；

图2是回归路径规划示意图；

图3是主控电子装置的原理框图；

图4是充电控制电子装置的原理框图。

具体实施方式

现结合附图对本发明作进一步说明：

参照图1－4，基于双无线网络的移动机器人回归路径规划方法，所述的移动机器人19包括驱动轮和与所述的驱动轮连接的驱动电机9以及设置在所述的移动机器人19前端的充电电极公端6。基于所述的驱动轮，所述的移动机器人19可以实现自由移动，可以设置为两个驱动轮和一个支撑轮；所述的充电电极公端6设置为两个分开的铜质电极，与外部电源连接时进行充电。

所述的移动机器人19内部设置主控电子装置，所述的主控电子装置包括进行集中控制的处理器1，所述的处理器1可采用低功耗微处理器，具体可采用TI公司的MSP430，或者普通处理器，比如ST公司的32位ARM处理器STM32F103C8T6；与所述的处理器1连接的电机驱动电路7，所述的电机驱动电路7与所述的驱动电机9连接，在所述的处理器1的控制下，所述的电机驱动电路7带动所述的驱动电机9，所述的驱动电机9带动所述的驱动轮，实现所述的移动机器人19的自由移动；与所述的处理器1连接的障碍物检测电路8，用于进行避障和路径规划，可以采用超声波或者红外传感器或者两种传感器的组合；与所述的处理器1连接的惯性导航系统10，设置为安装在所述的驱动电机9上的编码器，用于计算所述的移动机器人19的位置(x,y)和方向θ，由于计算误差，机械间隙及地面打滑，所述的惯性导航系统10具有累计误差，但是在一段时间内，误差较小，具有使用价值；还包括与所述的处理器1连接的充电电路5，所述的充电电路5与所述的充电电极公端6连接，所述的充电电路5输出连接所述的充电电池4，所述充电电池4输出连接第二电源电路2，所述的第二电源电路2为后续电路提供电源。

所述的充电基座18包括充电电极母端17、电源插孔，以及充电控制电子装置。所述的电源插孔可连接外部电源适配器，为所述的充电基座18各个组成部分提供电源；所述的充电电极母端17设置为两个分开的铜质电极，具有弹性，与所述的充电电极公端6对应，正极对正极，负极对负极，高度相同。

所述的充电控制电子装置设置了进行集中控制的控制器12，因为功能较单一，可采用MICROCHIP的PIC16F1503单片机；与所述的电源插孔连接的第一电源电路13和滤波电路14，与所述的滤波电路14连接的开关管15，所述的开关管15由所述的控制器12控制，输出连接电流检测电路16，所述的电流检测电路16连接所述的充电电极母端17，所述的电流检测电路16将电流信号转换成电压信号给所述的控制器12，所述的控制器12可控制输出电流的大小，并且防止所述的充电电极母端17短路。

所述的充电控制电子装置，设置与所述的控制器12连接的第一WIFI模块11，所述的第一WIFI模块11设置为AP模式，即无线接入点，是一个无线网络的中心节点；还包括辅助网络装置，所述的辅助网络装置设置第二WIFI模块，所述的第二WIFI模块设置为AP模式，所述的辅助网络装置与所述的充电基座18设置在不同的位置。

所述的主控电子装置设置与所述的处理器1连接的第三WIFI模块3，所述的第三WIFI模块3设置为STA模式，即无线站点，是一个无线网络的终端，所述的处理器1可获取所述的第三WIFI模块3接收到的无线信号强度值RSSI，记为R，具体为接收到所述的第一WIFI模块的无线信号强度值R^Ⅰ和所述的第二WIFI模块的无线信号强度值R^Ⅱ。所述的第一WIFI模块11，第二WIFI模块和第三WIFI模块3可设置为IOT芯片ESP8266，具有价格低，变成简便的优点。

所述的处理器1设置链表L={(a_i,b_i)}，其中a_i=R^Ⅰ _i，b_i=R^Ⅱ _i，i=0,1,2,3......,10，其中，R^Ⅰ _i表示不同时刻存储的所述第一WIFI模块11的无线信号强度值，R^Ⅱ _i表示不同时刻存储的所述第二WIFI模块的无线信号强度值，设置表尾指针ep，指向链表L中最新数据的位置。所述的处理器1分别以所述的第一WIFI模块11和第二WIFI模块的网络名称作为参数，发送AT+CWLAP给所述的第一WIFI模块3，可获取当前位置的无线网络信号强度R^Ⅰ和R^Ⅱ。链表L为线性链表，用于储存行走路径上的无线信号强度值，可以用于判断路径的无线信号强度变化方向。

所述的处理器1设置回归路径规划方法，所述的回归路径规划方法包括以下步骤：

(1) 所述的移动机器人19在所述的充电基座18位置读取所述的第一WIFI模块11和第二WIFI模块的无线信号强度值R，即R^Ⅰ ₀和R^Ⅱ ₀，存入链表L，即ep=0，a₀=R^Ⅰ ₀，b₀=R^Ⅱ ₀；

所述的移动机器人19在所述的充电基座18位置存储两个网络的无线信号强度值，为回归路径规划提供特征信号值。

(2) 所述的移动机器人19结束工作或者电量不足，开始寻找所述的充电基座18，存储无线信号强度值R^Ⅰ ₁和R^Ⅱ ₁，即ep=1，a_ep=R^Ⅰ ₁，b_ep=R^Ⅱ ₁；

开始进入回归路径规划过程，并进行链表L的初始化，存储当前位置的两个网络的无线信号强度值到(a₁,b₁)。

(3) 所述的移动机器人19执行向左循迹过程，循迹路径为无线信号强度R^Ⅰ的等值线，即R^Ⅰ=a₁，循迹变量为R^Ⅰ，循迹参数为a₁=R^Ⅰ ₁；采用行走距离累计算法，计算所述的移动机器人19的行走距离d，当行走距离d>10cm，存储无线信号强度值R^Ⅰ _i，R^Ⅱ _i至链表L，即ep++，a_ep=R^Ⅰ _i，b_ep=R^Ⅱ _i，当ep等于10时，进入步骤4；当所述的移动机器人19检测到障碍物，旋转任意角度，直行一定距离后返回步骤2；

如图2所示，在步骤3中，所述的移动机器人19沿着当前所在的无线信号强度R^Ⅰ的等值线向左移动，并等间隔存储两个网络的无线信号强度值R^Ⅰ _i，R^Ⅱ _i至链表L。因为并不知道，所选择的移动方向是不是朝着无线信号强度R^Ⅱ的等值线R^Ⅱ=b₀的方向，因此链表L的数据存满以后需要进入下一个步骤进行方向判断；同时，如果所述的移动机器人19检测到障碍物，说明当前位置狭窄，需要重新选择一个位置重复步骤2的操作。

所述的向左循迹过程设置为：循迹变量为R，循迹参数为Rx，此处R为R^Ⅰ，Rx为a₁；当R>Rx+δ；所述的移动机器人19向左旋转，直到Rx-δ<R<Rx+δ；当R<Rx+δ，向右旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

(4) 比较|b_j-b₀|与|b_j-1-b₀|的大小，其中，j=2,3,...10：初始化计数器k=0；如果|b_j-1-b₀|>|b_j-b₀|，则k++；如果j≥5，则所述的移动机器人19继续执行向左循迹过程，然后进入步骤5，否则所述的移动机器人19旋转180度后，执行向右循迹过程，循迹路径为无线信号强度R^Ⅰ的等值线，即R^Ⅰ=a₁，循迹变量为R^Ⅰ，循迹参数为a₁=R^Ⅰ ₁，然后进入步骤5；

在步骤4中，将链表L中的数据处理，分析b_j相对b₀的变化趋势，如果是不断接近，则保持当前的循迹方向，否则，需要旋转180度后，执行向右循迹过程。

所述的向右循迹过程设置为：循迹变量为R，循迹参数为Rx，此处R为R^Ⅰ，Rx为a₁；当R>Rx+δ，所述的移动机器人19向右旋转，直到Rx-δ<R<Rx+δ;当R<Rx+δ，向左旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

(5) 如果|R^Ⅱ-b₀|<δ，其中δ设置为接近于零的阈值，存储无线信号强度值R^Ⅰ ₁，R^Ⅱ ₁至链表L，令ep=1，a_ep=R^Ⅰ ₁，b_ep=R^Ⅱ ₁，进入步骤7；如果所述的移动机器人19检测到障碍物，所述的移动机器人19以左侧沿着障碍物行走，当|R^Ⅰ-a₁|>δ后进入步骤6；

在步骤5中，所述的移动机器人19判断是否到达所述的充电基座18所在的无线信号强度R^Ⅱ的等值线R^Ⅱ=b₀上；在这个过程中，如果所述的移动机器人19检测到障碍物，则需要离开等值线R^Ⅰ=a₁后进行绕障。

(6) 当|R^Ⅰ-a₁|<δ时，所述的移动机器人19恢复步骤4的循迹过程，并返回步骤5；

在步骤6中，所述的移动机器人19沿着障碍物行走，同时判断是否回到无线信号强度R^Ⅰ的等值线R^Ⅰ=a₁上：如果|R^Ⅰ-a₁|<δ，则完成绕障过程，重新回到等值线R^Ⅰ=a₁上进行循迹。

(7) 所述的移动机器人19执行向左循迹过程，循迹路径为无线信号强度R^Ⅱ的等值线，即R^Ⅱ=b₀，循迹变量为R^Ⅱ，循迹参数为b₀=R^Ⅱ ₀；采用所述的行走距离累计算法，计算所述的移动机器人19的行走距离d，当行走距离d>10cm，存储无线信号强度值R^Ⅰ _i，R^Ⅱ _i至链表L，即ep++，a_ep=R^Ⅰ _i，b_ep=R^Ⅱ _i，当ep等于10时，进入步骤8；当所述的移动机器人19检测到障碍物，旋转任意角度，直行一定距离后返回步骤2；

如图2所示，在步骤7中，所述的移动机器人19沿着所述的充电基座18所在的无线信号强度R^Ⅱ的等值线向左移动，并等间隔存储两个网络的无线信号强度值R^Ⅰ _i，R^Ⅱ _i至链表L。因为并不知道，所选择的移动方向是不是朝着所述的充电基座18的方向，因此链表L的数据存满以后需要进入下一个步骤进行方向判断；同时，如果所述的移动机器人19检测到障碍物，说明当前位置狭窄，需要重新选择一个位置重复步骤2的操作。

所述的向左循迹过程设置为：循迹变量R为R^Ⅱ，循迹参数为Rx为b₀；当R>Rx+δ；所述的移动机器人19向左旋转，直到Rx-δ<R<Rx+δ；当R<Rx+δ，向右旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

(8) 比较|a_j-a₀|与|a_j-1-a₀|的大小，其中，j=2,3,...10：初始化计数器k=0；如果|a_j-1-a₀|>|a_j-a₀|，则k++；如果j≥5，则所述的移动机器人19继续执行向左循迹过程，进入步骤9，否则所述的移动机器人19旋转180度后，执行向右循迹过程，循迹路径为无线信号强度R^Ⅱ的等值线，即R^Ⅱ=b₀，循迹变量为R^Ⅱ，循迹参数为b₀=R^Ⅱ ₀，然后进入步骤9；

在步骤8中，将链表L中的数据处理，分析a_j相对a₀的变化趋势，如果是不断接近，则保持当前的循迹方向，否则，需要旋转180度后，执行向右循迹过程。

所述的向右循迹过程设置为：循迹变量R为R^Ⅱ，循迹参数为Rx为b₀；当R>Rx+δ，所述的移动机器人19向右旋转，直到Rx-δ<R<Rx+δ;当R<Rx+δ，向左旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

(9) 当|R^Ⅰ-a₀|<δ时，所述的移动机器人19回到所述的充电基座18，结束退出；如果所述的移动机器人19检测到障碍物，所述的移动机器人19以左侧沿着障碍物行走，当|R^Ⅱ-b₀|>δ后进入步骤10；

在步骤9中，所述的移动机器人19沿着等值线R^Ⅱ=b₀移动，并判断是否到达所述的充电基座18附件，即|R^Ⅰ-a₀|<δ；在这个过程中，如果所述的移动机器人19检测到障碍物，则需要离开等值线R^Ⅱ=b₀后进行绕障。

(10) 当|R^Ⅱ-b₀|<δ时，所述的移动机器人19恢复步骤8的循迹过程，进入步骤9。

在步骤10中，所述的移动机器人19沿着障碍物行走，同时判断是否回到无线信号强度R^Ⅱ的等值线R^Ⅱ=b₀上：如果|R^Ⅱ-b₀|<δ，则完成绕障过程，重新回到等值线R^Ⅱ=b₀上进行循迹。

在步骤3和步骤7中采用的行走距离累计算法设置为：

初始化行走距离d=0；

设置计算周期T；

在当前计算周期T的初始时刻，存储初始位置x₀=x，y₀=y；

计算周期T结束时，计算当前计算周期T内所述的移动机器人的行走距离Δd=；

对Δd进行累计，可得行走距离d=d+Δd，然后进入下一个计算周期T。

Claims (4)

1.基于双无线网络的移动机器人回归路径规划方法，所述的移动机器人包括驱动轮和与所述的驱动轮连接的驱动电机以及设置在所述的移动机器人前端的充电电极公端，所述的移动机器人内部设置主控电子装置，所述的主控电子装置包括进行集中控制的处理器，与所述的处理器连接的电机驱动电路，所述的电机驱动电路与所述的驱动电机连接，与所述的处理器连接的障碍物检测电路，用于进行避障和路径规划，与所述的处理器连接的惯性导航系统，用于计算所述的移动机器人的位置(x,y)和方向θ，还包括与所述的处理器连接的充电电路，所述的充电电路与所述的充电电极公端连接，所述的充电电路输出连接所述的充电电池，所述充电电池输出连接第二电源电路，所述的第二电源电路为后续电路提供电源；所述的充电基座包括充电电极母端、电源插孔，以及充电控制电子装置，所述的充电控制电子装置设置了进行集中控制的控制器，与所述电源插孔连接的第一电源电路和滤波电路，与所述的滤波电路连接的开关管，所述的开关管由所述的控制器控制，输出连接电流检测电路，所述的电流检测电路连接所述的充电电极母端，所述的电流检测电路将电流信号转换成电压信号给所述的控制器，所述的充电控制电子装置，设置与所述的控制器连接的第一WIFI模块，所述的第一WIFI模块设置为AP模式；还包括辅助网络装置，所述的辅助网络装置设置第二WIFI模块，所述的第二WIFI模块设置为AP模式，所述的辅助网络装置与所述的充电基座设置在不同的位置；所述的主控电子装置设置与所述的处理器连接的第三WIFI模块，所述的第三WIFI模块设置为STA模式，所述的处理器可获取所述的第三WIFI模块接收到的无线信号强度值RSSI，记为R，具体为接收到所述的第一WIFI模块的无线信号强度值R^Ⅰ和所述的第二WIFI模块的无线信号强度值R^Ⅱ，其特征在于：所述的处理器设置链表L={(a_i,b_i)}，其中a_i=R^Ⅰ _i，b_i=R^Ⅱ _i，i=0,1,2,3......,10，其中，R^Ⅰ _i表示不同时刻存储的所述第一WIFI模块的无线信号强度值，R^Ⅱ _i表示不同时刻存储的所述第二WIFI模块的无线信号强度值，设置表尾指针ep，指向链表L中最新数据的位置；以及设置在所述的处理器中的回归路径规划方法，所述的回归路径规划方法包括以下步骤：

所述的移动机器人在所述的充电基座位置读取所述的第一WIFI模块和第二WIFI模块的无线信号强度值R，即R^Ⅰ ₀和R^Ⅱ ₀，存入链表L，即ep=0，a₀=R^Ⅰ ₀，b₀=R^Ⅱ ₀；

所述的移动机器人结束工作或者电量不足，开始寻找所述的充电基座，存储无线信号强度值R^Ⅰ ₁和R^Ⅱ ₁，即ep=1，a_ep=R^Ⅰ ₁，b_ep=R^Ⅱ ₁；

所述的移动机器人执行向左循迹过程，循迹路径为无线信号强度R^Ⅰ的等值线，即R^Ⅰ=a₁，循迹变量为R^Ⅰ，循迹参数为a₁=R^Ⅰ ₁；采用行走距离累计算法，计算所述的移动机器人的行走距离d，当行走距离d>10cm，存储无线信号强度值R^Ⅰ _i，R^Ⅱ _i至链表L，即ep++，a_ep=R^Ⅰ _i，b_ep=R^Ⅱ _i，当ep等于10时，进入步骤4；当所述的移动机器人检测到障碍物，旋转任意角度，直行一定距离后返回步骤2；

比较|b_j-b₀|与|b_j-1-b₀|的大小，其中，j=2,3,...10：初始化计数器k=0；如果|b_j-1-b₀|>|b_j-b₀|，则k++；如果j≥5，则所述的移动机器人继续执行向左循迹过程，然后进入步骤5，否则所述的移动机器人旋转180度后，执行向右循迹过程，循迹路径为无线信号强度R^Ⅰ的等值线，即R^Ⅰ=a₁，循迹变量为R^Ⅰ，循迹参数为a₁=R^Ⅰ ₁，然后进入步骤5；

如果|R^Ⅱ-b₀|<δ，其中δ设置为接近于零的阈值，存储无线信号强度值R^Ⅰ ₁，R^Ⅱ ₁至链表L，令ep=1，a_ep=R^Ⅰ ₁，b_ep=R^Ⅱ ₁，进入步骤7；如果所述的移动机器人检测到障碍物，所述的移动机器人以左侧沿着障碍物行走，当|R^Ⅰ-a₁|>δ后进入步骤6；

当|R^Ⅰ-a₁|<δ时，所述的移动机器人恢复步骤4的循迹过程，并返回步骤5；

所述的移动机器人执行向左循迹过程，循迹路径为无线信号强度R^Ⅱ的等值线，即R^Ⅱ=b₀，循迹变量为R^Ⅱ，循迹参数为b₀=R^Ⅱ ₀；采用所述的行走距离累计算法，计算所述的移动机器人的行走距离d，当行走距离d>10cm，存储无线信号强度值R^Ⅰ _i，R^Ⅱ _i至链表L，即ep++，a_ep=R^Ⅰ _i，b_ep=R^Ⅱ _i，当ep等于10时，进入步骤8；当所述的移动机器人检测到障碍物，旋转任意角度，直行一定距离后返回步骤2；

比较|a_j-a₀|与|a_j-1-a₀|的大小，其中，j=2,3,...10：初始化计数器k=0；如果|a_j-1-a₀|>|a_j-a₀|，则k++；如果j≥5，则所述的移动机器人继续执行向左循迹过程，进入步骤9，否则所述的移动机器人旋转180度后，执行向右循迹过程，循迹路径为无线信号强度R^Ⅱ的等值线，即R^Ⅱ=b₀，循迹变量为R^Ⅱ，循迹参数为b₀=R^Ⅱ ₀，然后进入步骤9；

当|R^Ⅰ-a₀|<δ时，所述的移动机器人回到所述的充电基座，结束退出；如果所述的移动机器人检测到障碍物，所述的移动机器人以左侧沿着障碍物行走，当|R^Ⅱ-b₀|>δ后进入步骤9；

当|R^Ⅱ-b₀|<δ时，所述的移动机器人恢复步骤8的循迹过程，进入步骤9。

2.根据权利要求1所述的基于双无线网络的移动机器人回归路径规划方法，其特征是：所述的行走距离累计算法设置为：

初始化行走距离d=0；

设置计算周期T；

在当前计算周期T的初始时刻，存储初始位置x₀=x，y₀=y；

计算周期T结束时，计算当前计算周期T内所述的移动机器人的行走距离Δd=；

对Δd进行累计，可得行走距离d=d+Δd，然后进入下一个计算周期T。

3.根据权利要求1所述的基于双无线网络的移动机器人回归路径规划方法，其特征是：所述的向左循迹过程设置为：循迹变量为R，循迹参数为Rx，当R>Rx+δ；所述的移动机器人向左旋转，直到Rx-δ<R<Rx+δ；当R<Rx+δ，向右旋转,直到Rx-δ<R<Rx+δ；保持直线前进。

4.根据权利要求1所述的基于双无线网络的移动机器人回归路径规划方法，其特征是：所述的向右循迹过程设置为：循迹变量为R，循迹参数为Rx；当R>Rx+δ，所述的移动机器人向右旋转，直到Rx-δ<R<Rx+δ;当R<Rx+δ，向左旋转,直到Rx-δ<R<Rx+δ；保持直线前进。