CN109597410B - 一种可自主移动的自适应测试平台及自主寻路方法 - Google Patents

Abstract

本发明涉及一种自主路径规划的可移动测试台及自主寻路方法，自主移动系统承载测试设备，接收人为输入的地点信息，进行路径规划，进行路径优化获取最优路径，依照最优路径达计算出运动信息；自适应电缆支撑架用于支撑测试设备与外部连接的电缆，使得电缆连接处的弯折角度满足角度阈值要求。本发明可以代替测试人员将设备自主移动到指定的测试工位，减少人力成本，减少了搬移过程中可能对设备造成的损伤。同时在高电离辐射环境下，代替测试人员完成测试，为测试人员职业安全提供保障。本发明可快速构建试验室环境地图，减少前期准备工作，也不需要对试验现场进行改造，就可以应用于陌生的测试环境中，大幅提高了测试台的应用范围。

Description

一种可自主移动的自适应测试平台及自主寻路方法

技术领域

本发明涉及一种自主路径规划的可移动测试台及自主寻路方法，属于航天集成测试技术领域。

背景技术

控制系统集成测试是指运载火箭控制系统产品在单元测试的基础上，将系统内各组成单元按照设计要求进行集成组装、连接、调试，并按照约定的方法进行测试，以验证系统软、硬件工作的协调性，功能的正确性，以及是否达到相应技术指标及要求的活动。

运载火箭控制系统产品结构复杂，单机种类繁多，需要进行大量测试才可以对系统性能进行充分验证，在测试过程中需要使用很多专用测试设备。以往的试验中采用人力搬运的手段，将测试设备搬移到指定地点，放置在临时拼接的木桌子上，测试完成后将设备移动到下一个测试工位，重新搭建测试环境，或者将其搬运回工装仓库更换其它设备继续进行测试。整个过程需要耗费人力成本，在当前测试人员紧缺的情况下，测试人员频繁的搬移设备与出库入库工序严重影响测试效率。而且试验室中环境复杂多变，在不同的测试项目中，试验室内设备布局也有较大的区别，使用传统的自主移动推车难以满足集成测试试验室的需求。

且在测试过程中，测试设备与运载火箭控制系统需要使用大量电缆进行连接，目前采用在铸铁固定式的电缆支架对测试电缆进行支持，保证电缆在测试过程中，不出现过分受力的情况，但因为集成测试过程中使用的测试设备繁多，使用的电缆种类也并不统一，固定的电缆支撑架不能完美适应所有电缆，同时电缆支架也不能进行精细的调节，电缆尾罩仍然会承受一定的应力，作为精密的航天产品，长时间的电缆受力必然会对系统性能造成一定的影响。

若能实现测试设备自主移动至测试工位，并使用相关装置自主调节测试电缆，可以大幅提升相关测试项目的自动化程度，规范测试流程，减少测试人员自身素质对测试质量的影响，提升集成测试的可靠性与效率。

综上所述，针对集成测试过程中存在测试设备部署展开耗时耗力，传统的室内自主移动测试台不能适用集成测试试验室环境，设备展开过程中电缆尾罩连接处易受损的问题。如何提供一种具有试验室环境识别、自主路径规划、自主避障的可移动测试台，同时可以自适应调节测试电缆，是本领域亟待解决的技术问题。

发明内容

本发明的目的在于克服现有技术的不足，提供一种自主路径规划的可移动测试台及自主寻路方法，应用于集成测试试验现场，具有自主路径规划能力的移动测试台，实现测试设备在复杂试验室环境中自动规划最优路径移动至任意指定工位，减少了人工搬运移动测试设备的工作量，提高了工作效率。

本发明目的通过如下技术方案予以实现：

提供一种可自主移动的自适应测试平台，包括自主移动系统与自适应调节电缆支撑架；

自主移动系统包括可移动台体、感知系统、控制系统和动力系统；可移动台体用于承载测试设备，感知系统用于采集可移动台体的位置和方位并发送给控制系统；控制系统接收输入的目标地点，进行路径规划，进行路径优化获取最优路径，依照最优路径达计算出运动信息并传输至动力系统，动力系统驱动可移动台体移动；

自适应电缆支撑架设置在可移动台体上，用于支撑测试设备与外部连接的电缆，通过调整自身的姿态，使得电缆连接处的弯折角度满足角度阈值要求。

优选的，自适应电缆支撑架包括六自由度机械臂和托槽，托槽设置在六自由度机械臂端部，用于托起电缆，通过六自由度机械臂的移动来调整托槽的位置与角度。

优选的，采用电容式角度传感器套在电缆连接处，检测电缆连接处弯折的角度，控制系统将当前角度与设定的角度阈值相比较，如果超过阈值，则通过机械臂控制模块解算出六自由度机械臂需要调整的位置与角度，使得电缆连接处弯折的角度满足角度阈值要求。

优选的，可移动台体的前端设置摄像头，用于采集前方图像；测试设备设置在可移动台体的中部，顶端为电缆连接处；可移动台体内部的容纳空间用于存放动力系统。

优选的，感知系统包含声呐环、红外传感器和磁力计；声呐探测模块测量声呐环采集与被测障碍物的距离d1，并发送控制系统；红外测距模块采集红外传感器测量与被测障碍物的距离d2，并发送给控制系统；如果d2大于等于距离阈值，则控制系统将距离d1作为可移动台体与被测障碍物的距离，否则，控制系统将距离d2作为可移动台体与被测障碍物的距离；方向处理模块采集磁力计感知的测试台的方位信息并发送给控制系统。

优选的，控制系统包括路径处理器和运动控制模块，路径处理器接收人为输入的目标地点，进行路径规划，获取理论路径，再对理论路径进行优化，减少可移动台体转动次数，根据优化后的路径计算出运动方式传输至运动控制模块，运动控制模块向电机驱动器提供控制信号，驱动器驱动可移动台体移动。

优选的，路径处理器内部具有栅格模型，栅格包括障碍栅格、已访问栅格、未访问栅格和初始栅格；人为选取多个目标栅格定义为初始栅格；可移动台体从起始点出发，前往与起始点最近的初始栅格，到达初始栅格后，遍历初始栅格四周的栅格；同时定义栅格的系数，如栅格为障碍物栅格，系数取最大值，如栅格为已访问栅格，则增加系数值，可移动台体下一步将运行至周围系数最小的栅格；如周围四周栅格均已被访问，则运行至与当前位置最近的初始栅格，直至完成栅格遍历。

优选的，遍历初始栅格四周的栅格，对于无障碍区域，生成特征点进行表征，建立场地环境特征地图。

优选的，完成栅格遍历结束的条件为遍历90％的栅格、不存在未访问的初始栅格或运行时长达到设定值。

优选的，路径处理器采用DGSOM神经网络模型生成场地环境网络拓扑地图。

优选的，路径处理器根据环境网络拓扑地图采用A*算法规划出理论路径，理论路径包含K个节点，并进行优化，优化的方法为：

(1)定义起始节点为1，目标节点为k，i＝1，j＝0；

(2)判断节点i与节点k-j间是否存在可直达路径，若存在，去除节点i与节点k-j中间的节点，直线连接节点i与节点k-j，进入步骤(4)；若不存在，进入步骤(3)；

(3)令j＝j+1，判断节点i与节点k-j间是否存在可直达路径，如若存在，去除节点i与节点k-j中间的节点，直线连接节点i与节点k-j，令i＝k-j， j＝0进入步骤(2)；若不存在，重新进入步骤(3)；

(4)确定优化路径。

优选的，起始点选择充电桩所在位置，当自适应测试平台闲置时，返回起始点，进行充电，并进行原点校正。

提供一种所述的可自主移动的自适应测试平台自主寻路的方法，包括如下步骤：

(1)选择与场地面积匹配的栅格模型，选取多个目标栅格定义为初始栅格；测试台从起始点出发，前往与起始点最近的初始栅格，若在运行过程中感知系统探测到运行路径中存在障碍物，便执行自主避障；

(2)到达初始栅格后，遍历初始栅格四周的栅格，对于无障碍区域，生成特征点进行表征，逐渐建立试验室环境特征地图；同时定义周围栅格的系数，如栅格为障碍物栅格，系数取最大值；如栅格为已访问栅格，则增加系数值，自适应测试平台下一步将运行至系数最小的栅格；如周围四周栅格均已被访问则进入步骤(3)；

(3)判断是否完成场地遍历，如果完成则进入步骤(4)，否则运行至当前位置最近的初始栅格，返回步骤(2)；

(4)完成场地遍历后建立了试验室环境特征地图；采用DGSOM神经网络模型生成场地环境网络拓扑地图；

(5)输入目标地点，根据环境网络拓扑地图，规划出理论路径，并进行路径优化；

(6)按照优化后的路径移动至目标地点。

优选的，步骤(5)中进行路径优化的具体方法为：5.1定义起始节点为1，目标节点为k，i＝1，j＝0；

5.2判断节点i与节点k-j间是否存在可直达路径，若存在，去除节点i与节点k-j中间的节点，直线连接节点i与节点k-j，进入步骤5.4；若不存在，进入步骤5.3；

5.3令j＝j+1，判断节点i与节点k-j间是否存在可直达路径，如若存在，去除节点i与节点k-j中间的节点，直线连接节点i与节点k-j，令i＝k-j，j＝0 进入步骤5.2；若不存在，重新进入步骤5.3；

5.4确定优化路径。

优选的，步骤(4)中利用神经网络算法生成场地环境网络拓扑地图的具体方法为：

4.1神经网络的初始化，初始化神经元个数、邻域半径、学习率；输入样本总数，既特征点数目；

4.2将采集到第j个特征点作为输入，输入至神经网络，选择获胜神经元，既该神经元与输入之间的欧式距离为所有值的最小值；

4.3计算可收敛的生长阈值，确保神经网络的增速与学习成反比；并根据生长阈值判断是否应该继续在获胜神经元附近继续增加新的神经元；

4.4选择DGSOM神经网络模型中的相关方法建立与相邻神经元之间的联结关系，计算各神经元间的连接强度，建立由若干神经节点与节点间的连线组成的拓扑；判断是否所有样本均已完成输入，若没有则将j+1返回步骤 4.1，若完成，则形成试验室网络拓扑地图。

优选的，步骤(1)中自主避障的方法为：

1.1遇到障碍物后测试台顺时针旋转角度nα，n为1；

1.2判断是否存在障碍，如仍存在障碍，则进入步骤1.3，如果不存在障碍则继续前进；

1.3令n＝n+1，反向旋转nα，返回步骤1.2。

本发明与现有技术相比具有如下优点：

(1)本发明可以代替测试人员将设备自主移动到指定的测试工位，减少人力成本，减少了搬移过程中可能对设备造成的损伤。同时在高电离辐射环境下，自主移动测试台可以代替测试人员完成测试，为测试人员职业安全提供保障。

(2)本发明可以快速构建试验室环境地图，无需进行过多的前期准备工作，也不需要对试验现场进行改造，就可以应用于陌生的测试环境中，大幅提高了测试台的应用范围。

(3)本发明采用红外测距和声呐测距两种方式进行定位，解决了近距离声呐定位不准确的问题与远距离红外定位不准确的问题，时期适用于复杂的试验室环境，提升了环境地图的精细程度，也提高了测试台在复杂环境下的避障能力。

(4)本发明采用将确定试验室栅格属性的方法，避免了在遍历试验室绘制环境地图的过程中，重复采集的问题，提高了采集效率，从而提升了测试台对于陌生环境的适应性。

(5)本发明采用可生长自适应神经网络来完成试验室环境拓扑地图，通过自适应的调节生长阈值，保证算法收敛速度适当，确保了聚类程度满足要求，可以较好的反映试验室环境特征，保证后续最优路径规划是准确有效的。

(6)本发明通过建立拓扑地图的方式，与复杂试验室环境较为契合，可以提高路径规划的准确程度，减少路径规划过程中的计算量。

(7)本发明通过适当的算法，依照拓扑地图规划最优路径，使得测试台具备自主寻路的功能，提高了测试效率，减少测试人员的操作难度。

(8)本发明通过路径优化算法，解决了由拓扑地图规划出的最优路径过于曲折的问题，使优化后的最优路径仅通过简单的电机与运动控制器便可以执行，也在一定程度上提高了测试台的运行效率。

(9)本发明采用电容式角度传感器，测量精度满足测试要求，远远高于人工观测电缆弯折程度的能力。

(10)本发明通过电容传感器的实时反馈，可以较为精确地计算出电缆支撑架需要调整的角度与位置，避免了人工拖拽式用力不均可能对电缆造成的二次伤害。

(11)本发明可以实时在线测量电缆连接处的角度，可以使电缆连接处始终处于较为平直状态，弯折情况始终小于限定值。避免了由于人员误碰撞、长时间自然垂落等原因形成弯折，而人工观测不及时造成的损害。

(12)本发明通过设计自适应调节电缆支撑架，解决了电缆与其他连接线相比自重更重，所以电缆连接处承受的压力更大，长期弯折会影响电缆的使用期限的问题，增加电缆的使用寿命，降低经济成本。

(13)本发明采用了一体化可移动的结构，代替原有试验室中的木制测试桌完成相关测试，提升了试验室的测试环境。

(14)本发明可以与试验室内其他自动化测试工装相互配合，作为提升整个集成测试生产线的自动化程度。

附图说明

图1(a)为本发明可自主移动的自适应测试台的结构示意图；图1(b) 为本发明可自主移动的自适应测试台拆除六自由度机械臂及测量装置后的结构示意图；

图2为本发明可自主移动的自适应测试台中系统关系示意图。

具体实施方式

一、可自主移动的自适应测试台

可自主移动的自适应测试台用于承载集成测试所需设备，实现将设备自行运送至指定工位，并能自适应调节设备与系统间的连接电缆。测试台主体结构为台体11，台体内部放置测试台的控制系统12，同时用于支撑测试设备并作为其他零部组件的安装面。台体上方为测试台的感知系统13，配置声呐环21、红外传感器22、磁力计24与电容式角度传感器31，其中声呐环21、红外传感器22、磁力计24用于采集试验室的环境信息与测试台运动情况，电容式角度传感器31用于感知电缆连接处的弯折角度。台体内部为试验台的控制系统12，用于控制测试台在试验室自主移动和控制自适应调节电缆支撑架调节电缆。台体下方为动力系统14，用于驱动测试平台在试验室内移动。同时驱动六自由度机械臂36调节电缆尾罩弯折角度。

参见图1，声呐环21、红外传感器22、磁力计23与电容式角度传感器 31，声呐环21发射超声波，根据回波反射的时间，计算测试台与被测障碍物的距离，在测量较远距离的障碍物时性能较好；红外传感器22利用光学反射原理计算测试台与被测障碍物的距离，在测量近距离障碍物时误差较小。两者优势互补共同实现对试验室环境信息的采集。磁力计23用于感知测试台的方位信息，用于辅助测试台运动导航。电容式角度传感器31用于测量电缆连接处的弯折角度，为机械臂控制系统提供参考信号。电容式角度传感器31安装在被测电缆的插头连接处，结构为两块相对应的环形极板，可以通过极板间间隙的变化感知出电容值的变化。

控制系统12中包含声呐探测模块24、红外测距模块25、方向处理模块26、路径处理器27、运动控制模块28、角度测量模块32、角度与位置处理器33、机械臂控制模块34、配电模块211。对于自主移动系统声呐探测模块24、红外测距模块25、方向处理模块26将环境信息，方位信息进行处理，并将其传输至路径处理器27。路径处理器27作为控制系统的核心之一，负责建立试验室环境地图、完成最优路径的规划、并依照其他单机反馈过来的信息，对测试台的位置、方位进行修正，控制测试台依照最优路径达到指定工位，同时将计算出的并将运动信息传输至运动控制模块28，运动控制模块28向电机驱动器提供控制信号，同时将测试台的运行情况反馈至路径处理器27。对于自适应电缆支撑架，电容式角度传感器31将角度信息传输至机械支撑杆的角度测量模块32，角度测量模块根据电容值的变化解算出电缆弯折的角度与方向。角度与位置处理器33将当前电缆状态与设定值相比较，将偏差值传输给机械臂控制模块34。机械臂控制模块34用来接收来自角度与位置传感器的输出信号，并根据得到的信号解算出机械臂杆需调整的位置与角度，驱动机械臂驱动器35工作。配电模块211用于为各模块进行配电。

动力系统14包含驱动器29、电机210、机械臂驱动器35和六自由度机械臂36的主体结构。驱动器29接收运动控制模块28发送过来的信号驱动电机210带动整个测试台在试验室内自主移动。机械臂驱动器35接收机械臂控制模块34发送过来的信号通过实时调节机械臂中转轴、机械杆、瓦型托槽的角度与位置，使得电缆连接处的弯折角度始终小于规定值。参见图 2。

声呐探测模块24采集声呐环21发送的测试台与被测障碍物的距离d1，并发送给路径处理器27；红外测距模块25采集红外传感器发送的测试台与被测障碍物的距离d2，并发送给路径处理器27。如果d2大于等于2m，则路径处理器27采用声呐探测模块24发送的距离d1，如果d2小于2m，则路径处理器27采用红外传感器发送距离d2。方向处理模块26采集磁力计 23感知的测试台的方位信息并发送给路径处理器27。

路径处理器27接收人为输入的地点信息，进行路径规划，进行路径优化获取最优路径，控制测试台依照最优路径达到指定工位，同时将计算出的并将运动信息传输至运动控制模块28，运动控制模块28向电机驱动器提供控制信号，同时将测试台的运行情况反馈至路径处理器27。

两个驱动器29分别驱动两个前轮。

二、自适应电缆支撑架

自适应电缆支撑架主要包括三个部分，感知系统、控制系统和动力系统。感知系统用于测量电缆连接处的弯折角度，并传输给机械杆的控制系统；控制系统通过角度传感器传输回的角度信息，解算出调节指令传输给动力系统。动力系统驱动机械杆调整位置与姿态，使得电缆连接处完整角度小于界定值。

自适应调节电缆支撑架的感知系统为一环形结构的电容式角度传感器 31，由两块对应的环形极板组成。电容式传感器具有灵敏度高、对被测系统影响小等特点，特别适合应用于微小位移的测量。在测量时将传感器套在电缆连接处，若电缆连接处是平直的，则两极板间为平行状态，若电缆出现弯折，极板间距离发生变化，数值也发生改变。传感器传输线路会将电容值信号传输给机械杆的控制系统。

六自由度机械臂上具有托槽37，用于托起电缆，通过六自由度机械臂的移动来调整托槽37的位置与角度，保证电缆的弯折角度满足阈值要求。

控制系统由角度测量模块32、角度与位置处理器33和机械臂控制模块 34组成。角度测量模块32根据电容传感器的电容值变化情况得出角度信息，将其传输给角度与位置处理器33。处理器33将当前角度信息与设定的角度阈值相比较，如果超过阈值，则通过机械臂控制模块解算出六自由度机械臂需要调整的位置与角度。

动力系统为一具有六自由度的机械杆，机械臂驱动器接收机械臂控制模块传出的角度与位置指令，驱动机械臂各轴、杆，实时自动调整支撑杆，使得电缆连接处的角度控制在允许范围内。

三、一种可以自主进行路径规划与自主避障的方法

本发明在进行自主寻路与自主避障的步骤如下：

路径处理器内部具有探测区域的栅格模型，每个栅格的属性包括障碍栅格、已访问栅格、未访问栅格和初始栅格。

(1)选择与场地面积匹配的空白栅格模型，人为选取多个目标栅格定义为初始栅格，测试台从起始点出发，起始点即试验室中的充电桩位置，作为起始点，前往与起始点最近的初始栅格，若在运行过程中感知系统探测到运行路径中存在障碍物，便执行自主避障算法；初始栅格数量根据场地的面积确定，位置尽量遍布整个场地。

自主避障算法为，遇到障碍物后测试台顺时针旋转角度α，如仍存在障碍，便逆时针旋转一定角度2α；如果仍存在障碍，顺时针旋转角度3α…直至前方道路畅通，开始向前运动，直至侧面的声呐环反馈障碍物消失，测试台转向目标点，如前方存在障碍物，则反向旋转一定角度直至道路畅通，随后继续前进，反复执行该步骤直至到达目标位置；

(2)到达初始栅格后，测试台遍历初始栅格四周的栅格，对于无障碍区域，生成特征点进行表征，逐渐建立试验室环境特征地图；同时定义周围栅格的系数，如栅格为障碍物栅格，系数取最大值；如栅格为已访问栅格，则增加一定系数，测试台下一步将运行至系数最小的栅格，继续对周围栅格进行遍历，如周围四周栅格均已被访问，则运行至与当前位置最近的初始栅格，重复执行步骤(2)，直至完成试验室遍历。遍历结束的条件为遍历90％的栅格、不存在未访问的初始栅格或运行时长达到20分钟。通常初始栅格没有全部遍历就已经完成了遍历90％的栅格。

(3)完成试验室遍历后，可以得到了试验室环境特征地图。既大量场地环境特征。完成试验室环境特征地图后，需要建立试验室网络拓扑地图，本发明采用神经网络的方法进行建立。

(4)首先完成神经网络的初始化工作，选择适当的参数初始化神经网络的初始神经元个数、邻域半径、学习率等关键系数，输入样本总数，既特征点数目；

(5)将采集到的特征点作为输入，输入至神经网络，选择获胜神经元，既该神经元与输入之间的欧式距离为所有值的最小值。

计算可收敛的生长阈值，确保神经网络的增速与学习此时成反比。并根据生长阈值判断是否应该继续在获胜神经元附近继续增加新的神经元。

(6)选择DGSOM神经网络模型中的相关方法建立与相邻神经元之间的联结关系。并计算各神经元间的连接强度，建立由若干神经节点与节点间的连线组成的局部拓扑，确保神经网络聚类程度适当，可以有效表征试验室中的障碍物和可运行区域。判断是否所有样本均已完成输入，若没有执行步骤(5)～(7)，若完成输入，执行步骤(8)；

(7)完成试验室网络拓扑地图的建立后，可以开始规划最优路径，在系统中选择目标点(输入坐标)，将充电桩处选择为起始点，根据建立的拓扑地图中的路径与位置信息，采用传统的A*算法，规划出理论路径，但该路径过于曲折，依照目前的定位手段和控制能力难以执行。

依照理论路径中的最优节点，判断起始节点与目标节点间是否存在可通行路径，若存在则删除两个节点间的所有节点，若不存在，则选择与目标节点最近的节点，判断其与起始节点间是否存在可通行路径，直至找到可通行路径。即为该节点至目标节点间的可执行最优路径，随后将该节点作为新的目标节点，执行步骤(8)，直至完成适合测试台执行的最优路径。

(8)最后试验室网络拓扑地图根据适合测试台执行的最优路径进行移动，在移动过程中，运动控制模块28反馈测试台的移动距离，磁力计24 反馈运动方向与旋转方向，保证测试台可以根据自主规划出的最优路径进行移动。

当测试台闲置时，返回原点，即充电桩，进行充电，并进行原点校正。

以上所述，仅为本发明最佳的具体实施方式，但本发明的保护范围并不局限于此，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，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。

Claims (14)

1.一种可自主移动的自适应测试平台，其特征在于，包括自主移动系统与自适应调节电缆支撑架；

自主移动系统包括可移动台体、感知系统、控制系统和动力系统；可移动台体用于承载测试设备，感知系统用于采集可移动台体的位置和方位并发送给控制系统；控制系统接收输入的目标地点，进行路径规划，进行路径优化获取最优路径，依照最优路径计算出运动信息并传输至动力系统，动力系统驱动可移动台体移动；

自适应电缆支撑架设置在可移动台体上，用于支撑测试设备与外部连接的电缆，通过调整自身的姿态，使得电缆连接处的弯折角度满足角度阈值要求；

自适应电缆支撑架包括六自由度机械臂和托槽，托槽设置在六自由度机械臂端部，用于托起电缆，通过六自由度机械臂的移动来调整托槽的位置与角度；

采用电容式角度传感器套在电缆连接处，检测电缆连接处弯折的方向与角度，控制系统将当前角度与设定的角度阈值相比较，如果超过阈值，则通过机械臂控制模块解算出六自由度机械臂需要调整的位置与角度，使得电缆连接处弯折的角度满足角度阈值要求。

2.如权利要求1所述的可自主移动的自适应测试平台，其特征在于，可移动台体的前端设置摄像头，用于采集前方图像；测试设备设置在可移动台体的中部，顶端为电缆连接处；可移动台体内部的容纳空间用于存放动力系统。

3.如权利要求1所述的可自主移动的自适应测试平台，其特征在于，感知系统包含声呐环、红外传感器和磁力计；声呐探测模块采集声呐环测量与被测障碍物的距离d1，并发送控制系统；红外测距模块采集红外传感器测量的与被测障碍物的距离d2，并发送给控制系统；如果d2大于等于距离阈值，则控制系统将距离d1作为可移动台体与被测障碍物的距离，否则，控制系统将距离d2作为可移动台体与被测障碍物的距离；方向处理模块采集磁力计感知的测试台的方位信息并发送给控制系统。

4.如权利要求3所述的可自主移动的自适应测试平台，其特征在于，控制系统包括路径处理器和运动控制模块，路径处理器接收人为输入的目标地点，进行路径规划，获取理论路径，再对理论路径进行优化，减少可移动台体转动次数，根据优化后的路径计算出运动方式传输至运动控制模块，运动控制模块向电机驱动器提供控制信号，驱动器驱动可移动台体移动。

5.如权利要求4所述的可自主移动的自适应测试平台，其特征在于，路径处理器内部具有栅格模型，栅格包括障碍栅格、已访问栅格、未访问栅格和初始栅格；人为选取多个目标栅格定义为初始栅格；可移动台体从起始点出发，前往与起始点最近的初始栅格，到达初始栅格后，遍历初始栅格四周的栅格；同时定义栅格的系数，如栅格为障碍物栅格，系数取最大值，如栅格为已访问栅格，则增加系数值，可移动台体下一步将运行至周围系数最小的栅格；如周围四周栅格均已被访问，则运行至与当前位置最近的初始栅格，直至完成栅格遍历。

6.如权利要求5所述的可自主移动的自适应测试平台，其特征在于，遍历初始栅格四周的栅格，对于无障碍区域，生成特征点进行表征，建立场地环境特征地图。

7.如权利要求5所述的可自主移动的自适应测试平台，其特征在于，完成栅格遍历结束的条件为遍历90％的栅格、不存在未访问的初始栅格或运行时长达到设定值。

8.如权利要求7所述的可自主移动的自适应测试平台，其特征在于，路径处理器采用DGSOM神经网络模型生成场地环境网络拓扑地图。

9.如权利要求6所述的可自主移动的自适应测试平台，其特征在于，路径处理器根据环境网络拓扑地图采用A*算法规划出理论路径，理论路径包含k个节点，并进行优化，优化的方法为：

(1)定义起始节点为1，目标节点为k，i＝1，j＝0；

(2)判断节点i与节点k-j间是否存在可直达路径，若存在，去除节点i与节点k-j中间的节点，直线连接节点i与节点k-j，进入步骤(4)；若不存在，进入步骤(3)；

(3)令j＝j+1，判断节点i与节点k-j间是否存在可直达路径，如若存在，去除节点i与节点k-j中间的节点，直线连接节点i与节点k-j，令i＝k-j，j＝0进入步骤(2)；若不存在，重新进入步骤(3)；

(4)确定优化路径。

10.如权利要求6所述的可自主移动的自适应测试平台，其特征在于，起始点选择充电桩所在位置，当自适应测试平台闲置时，返回起始点，进行充电，并进行原点校正。

11.一种权利要求6所述的可自主移动的自适应测试平台自主寻路的方法，其特征在于，包括如下步骤：

(1)选择与场地面积匹配的栅格模型，选取多个目标栅格定义为初始栅格；测试台从起始点出发，前往与起始点最近的初始栅格，若在运行过程中感知系统探测到运行路径中存在障碍物，便执行自主避障；

(2)到达初始栅格后，遍历初始栅格四周的栅格，对于无障碍区域，生成特征点进行表征，逐渐建立试验室环境特征地图；同时定义周围栅格的系数，如栅格为障碍物栅格，系数取最大值；如栅格为已访问栅格，则增加系数值，自适应测试平台下一步将运行至系数最小的栅格；如周围四周栅格均已被访问则进入步骤(3)；

(3)判断是否完成场地遍历，如果完成则进入步骤(4)，否则运行至当前位置最近的初始栅格，返回步骤(2)；

(4)完成场地遍历后建立了试验室环境特征地图；采用DGSOM神经网络模型生成场地环境网络拓扑地图；

(5)输入目标地点，根据环境网络拓扑地图，规划出理论路径，并进行路径优化；

(6)按照优化后的路径移动至目标地点。

12.如权利要求11所述的自适应测试平台自主寻路的方法，其特征在于，步骤(5)中进行路径优化的具体方法为：

5.1定义起始节点为1，目标节点为k，i＝1，j＝0；

5.2判断节点i与节点k-j间是否存在可直达路径，若存在，去除节点i与节点k-j中间的节点，直线连接节点i与节点k-j，进入步骤5.4；若不存在，进入步骤5.3；

5.3令j＝j+1，判断节点i与节点k-j间是否存在可直达路径，如若存在，去除节点i与节点k-j中间的节点，直线连接节点i与节点k-j，令i＝k-j，j＝0进入步骤5.2；若不存在，重新进入步骤5.3；

5.4确定优化路径。

13.如权利要求11所述的自适应测试平台自主寻路的方法，其特征在于，步骤(4)中利用神经网络算法生成场地环境网络拓扑地图的具体方法为：

4.1神经网络的初始化，初始化神经元个数、邻域半径、学习率；输入样本总数，既特征点数目；

4.2将采集到第j个特征点作为输入，输入至神经网络，选择获胜神经元，既该神经元与输入之间的欧式距离为所有值的最小值；

4.3计算可收敛的生长阈值，确保神经网络的增速与学习成反比；并根据生长阈值判断是否应该继续在获胜神经元附近继续增加新的神经元；

4.4选择DGSOM神经网络模型中的相关方法建立与相邻神经元之间的联结关系，计算各神经元间的连接强度，建立由若干神经节点与节点间的连线组成的拓扑；判断是否所有样本均已完成输入，若没有则将j+1返回步骤4.1，若完成，则形成试验室网络拓扑地图。

14.如权利要求11所述的自适应测试平台自主寻路的方法，其特征在于，步骤(1)中自主避障的方法为：

1.1遇到障碍物后测试台顺时针旋转角度nα，n为1；

1.2判断是否存在障碍，如仍存在障碍，则进入步骤1.3，如果不存在障碍则继续前进；

1.3令n＝n+1，反向旋转角度nα，返回步骤1.2。

Images