CN112235759B - 一种多机器人路由优化方法及装置 - Google Patents
一种多机器人路由优化方法及装置 Download PDFInfo
- Publication number
- CN112235759B CN112235759B CN202010964971.3A CN202010964971A CN112235759B CN 112235759 B CN112235759 B CN 112235759B CN 202010964971 A CN202010964971 A CN 202010964971A CN 112235759 B CN112235759 B CN 112235759B
- Authority
- CN
- China
- Prior art keywords
- robot
- distance
- information
- robots
- distance information
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/246—Connectivity information discovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明提供一种多机器人路由优化方法及装置,方法包括:将多个机器人组成机器人组,并分别对机器人组中任意两个机器人之间的测距处理得到多个距离信息;分别从各个距离信息对应的两个机器人之间的收发过程中,得到多个与距离信息一一对应通信数据包信息;分别对各个距离信息的定位处理得到多个机器人位置信息,并根据多个机器人位置信息生成机器人组无向图;分别对各个距离信息及其对应的通信数据包信息的边权处理得到与所述距离信息对应的边权值。本发明能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
Description
技术领域
本发明主要涉及机器人通信技术领域,具体涉及一种多机器人路由优化方法及装置。
背景技术
在原始森林勘探、月面勘探、深井矿洞施工等一些特殊场合,机器人扮演着举足轻重的角色,然而在这些特殊场合大面积部署通信定位的基础设施是很麻烦的,因此,需要研究适用于多机器人组且不依赖于其他基础设施的定位系统和临时性多跳自治网络系统。
多机器人路由协议的功能是从任意机器人通过直接或间接的方式和节点机器人(SINK)通信,再通过节点机器人同主控中心保持通信,其主要要选择一条合适的信号传输路径,路径的好坏关系着整个机器人组网络吞吐量、时延性和网络的性能。而机器人组在月面等特殊的环境中工作,网络拓扑动态变化、移动机器人能量有限且无法补充,这就使得多机器人的路由设计起来相当的困难,传统的多机器人路由协议一般是采用星型组网方式或者预先设定一条路径来传输信号,这就大大限制了机器人组的活动范围和通信效率。
在路由协议优化的研究中,蚁群算法也经常被用来优化路由协议。西安电子科技大学卫海亮等将改进的蚁群算法的模型和思想应用于网络节点部署,重新定义了蚁群算法中的信息素和启发式信息,改进的协议使节点在联通的前提下大大增加覆盖面积。兰州理工大学曹洁等也对蚁群算法深入分析,并提出了针对多机器人Ad Hoc网络路由协议的改进方案,提高了全局搜索能力,且能避免算法陷入局部最优解。然而,蚁群算法是一种模拟自然界中蚂蚁觅食寻找最短路径的方法,高度依赖信息素,而且收敛速度慢,容易陷入局部最优解,不适合应用在复杂多变的多机器人通信中。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种多机器人路由优化方法及装置。
本发明解决上述技术问题的技术方案如下:一种多机器人路由优化方法,包括如下步骤:
S1:将多个机器人组成机器人组,并分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个距离信息;
S2:分别从各个所述距离信息对应的两个所述机器人之间的收发过程中,得到多个通信数据包信息,所述通信数据包信息与所述距离信息一一对应;
S3:分别对各个所述距离信息进行定位处理,得到多个机器人位置信息,并根据多个所述机器人位置信息生成机器人组无向图;
S4:分别对各个所述距离信息及其对应的通信数据包信息进行边权处理,得到与所述距离信息对应的边权值;
S5:根据所述机器人组无向图分别对各个所述距离信息对其对应的所述边权值进行步数判断,得到多个路由表,并将多个所述路由表发送至所述机器人组对应的机器人中,所述机器人根据各个所述路由表得到最优路径。
本发明解决上述技术问题的另一技术方案如下:一种多机器人路由优化装置,包括:
测距处理模块,用于将多个机器人组成机器人组,并分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个距离信息;
数据包信息获得模块,用于分别从各个所述距离信息对应的两个所述机器人之间的收发过程中,得到多个通信数据包信息,所述通信数据包信息与所述距离信息一一对应;
定位处理模块,用于分别对各个所述距离信息进行定位处理,得到多个机器人位置信息,并根据多个所述机器人位置信息生成机器人组无向图;
边权处理模块,用于分别对各个所述距离信息及其对应的通信数据包信息进行边权处理,得到与所述距离信息对应的边权值;
最优路径获得模块,用于根据所述机器人组无向图分别对各个所述距离信息对其对应的所述边权值进行步数判断,得到多个路由表,并将多个所述路由表发送至所述机器人组对应的机器人中,所述机器人根据各个所述路由表得到最优路径。
本发明的有益效果是:通过分别对机器人组中任意两个机器人之间的测距处理得到多个距离信息,解决了月面机器人等在无GPS和网络基站情况下通信和定位问题,分别从各个距离信息对应的两个机器人之间的收发过程中,得到与距离信息一一对应多个通信数据包信息,分别对各个距离信息的定位处理得到多个机器人位置信息,并根据多个机器人位置信息生成机器人组无向图,动态更新机器人组之间的距离信息,分别对各个距离信息及其对应的通信数据包信息的边权处理得到与距离信息对应的边权值,根据机器人组无向图分别对各个距离信息对其对应的边权值的步数判断得到多个路由表,并将多个路由表发送至机器人组对应的机器人中,机器人根据各个路由表得到最优路径,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
附图说明
图1为本发明一实施例提供的多机器人路由优化方法的流程示意图;
图2为本发明一实施例提供的多机器人路由优化装置的模块框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
图1为本发明一实施例提供的多机器人路由优化方法的流程示意图。
如图1所示,一种多机器人路由优化方法,包括如下步骤:
S1:将多个机器人组成机器人组,并分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个距离信息;
S2:分别从各个所述距离信息对应的两个所述机器人之间的收发过程中,得到多个通信数据包信息,所述通信数据包信息与所述距离信息一一对应;
S3:分别对各个所述距离信息进行定位处理,得到多个机器人位置信息,并根据多个所述机器人位置信息生成机器人组无向图;
S4:分别对各个所述距离信息及其对应的通信数据包信息进行边权处理,得到与所述距离信息对应的边权值;
S5:根据所述机器人组无向图分别对各个所述距离信息对其对应的所述边权值进行步数判断,得到多个路由表,并将多个所述路由表发送至所述机器人组对应的机器人中,所述机器人根据各个所述路由表得到最优路径。
具体地,采用改进权值的Floyd算法求解机器人组的所述最优路径, Floyd算法的基本思想如下:
设要求机器人Ri到机器人Rj之间通信的最优路径,若Ri和Rj能直接连通,则在Ri和Rj之间存在一条长度为Dij的路径,但这条路径还需要进行n次试探才能确定是否为最短路径。第一步,我们需要判断路径<Ri,R1,Rj> 是否存在,若存在,需要比较<Ri,Rj>和<Ri,R1,Rj>的路径长短,取较短的路径长度为Ri到Rj的中间机器人数不超过1的最短路径。若在路径上再增加一个机器人R2,由此可知,如果<Ri,…,R2>和<R2,…,Rj>分别是当前找到的中间机器人数不超过1的最短路径,那么从Ri到Rj的中间机器人数不超过2的最短路径就有可能是<Ri,…,R2,…,Rj>。把它和已求得的从Ri到Rj中间机器人数不超过1的最短路径相比较,从中选出中间机器人数不超过2的最短路径之后,继续增加一个机器人R3,继续试探过程。依次类推,经过n次比较后,可解出由Ri到Rj的最短路径。
因为采用Lora测距技术已经生成了多机器人之间的距离无线图,而且将大于最优通信距离的边删去,因此可以利用机器人之间距离作为Floyd算法边权参考,但在实际应用中,机器人收发信息需要消耗能量,而且在月球等特殊场合工作的机器人能量极难补充,可能在通信过程中会出现某个机器人或某几个机器人会被重复作为中间节点,而边缘的机器人作为中间节点的机会比较少,从而造成机器人组能量空洞。为了尽可能延长机器人组生存的时间,我们引入了HEINZELMAN W B等研究的能量消耗模型,将机器人组在收发信息过程中消耗的能量也作为Floyd算法的参考。
上述实施例中,通过分别对机器人组中任意两个机器人之间的测距处理得到多个距离信息,解决了月面机器人等在无GPS和网络基站情况下通信和定位问题,分别从各个距离信息对应的两个机器人之间的收发过程中,得到与距离信息一一对应多个通信数据包信息,分别对各个距离信息的定位处理得到多个机器人位置信息,并根据多个机器人位置信息生成机器人组无向图,动态更新机器人组之间的距离信息,分别对各个距离信息及其对应的通信数据包信息的边权处理得到与距离信息对应的边权值,根据机器人组无向图分别对各个距离信息对其对应的边权值的步数判断得到多个路由表,并将多个路由表发送至机器人组对应的机器人中,机器人根据各个路由表得到最优路径,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
可选地,作为本发明的一个实施例,所述距离信息包括两机器人之间距离,步骤S1的过程包括:
S11:将多个机器人组成机器人组;
S12:利用到达时间差算法分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个距离信息,具体为:
通过第一式分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个两机器人之间距离,所述第一式为:
d’=c(t’TOA-tNLOS-tN),
其中,t’TOA=tTOA+tNLOS,
其中,t’TOA为实际到达时间,tTOA为视距下达到时间,tNLOS为非视距情况下延时,tN为硬件自身的误差延时,c为光速,d’为两机器人之间距离。
应理解地,本发明采用SEMTECH公司SX1280芯片作为测距芯片,使用到达时间差(Time Difference Of Arrival,TDOA)算法来实现地理位置定位。
第一阶段,主机发送测距请求启动测距交换。这个请求寻址到一台从机后,从机准备接收传入的测距请求。而在在主机发送测距请求的时 刻,启动一个内部定时器。第二阶段,从机收到测距请求后,进入信号同步,同步过程为主机所知道的固定时间量。最后,从机向主机发送响应,主机接收到响应后,可以从信号飞行的时间和电磁波传播的速度推算出主从机之间的距离。
具体地,设主机器人与从机之间的距离为d,信号从主机到从机所耗时为tTOA,光速为c,则主机与从机之间的距离如第七式所示,所述第七式为:
d=c*tTOA,
而在实际的环境中,机器人不可能一直在视距环境下移动,可能存在很多的遮挡,加之设备自身有硬件误差,因此,必定会产生时延,实际环境下到达时间如第八式所示,所述第八式为:
t’TOA=tTOA+tNLOS,
其中t’TOA为实际到达时间,tTOA为视距下达到时间,tNLOS为非视距(有遮挡)情况下的延时,tN为硬件自身的误差延时。因此,实际的距离d’距离如第九式所示(即相互的距离),所述第九式为:
d’=c(t’TOA-tNLOS-tN),
在实际应用中,可先在实际应用环境中选取基准点,根据测量的实际距离计算出非视距延时和硬件延时的平均值,再将之带入计算公式,这样可以很大程度减少消除延时的计算量。
上述实施例中,利用到达时间差算法分别对机器人组中任意两个机器人之间的测距处理得到多个距离信息,很大程度减少消除延时的计算量,解决了月面机器人等在无GPS和网络基站情况下通信和定位问题,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
可选地,作为本发明的一个实施例,所述步骤S3的过程包括:
S31:利用三角定位算法分别对各个所述距离信息进行定位处理,得到多个机器人位置信息;
S32:根据多个所述机器人位置信息生成机器人组无向图。
具体地,由于Lora是采用星型组网方式,且通信距离远大于通信模块通信距离,因此,在生成所述机器人组无向图时,需要进行一定的修改。
所有的机器人都有一个唯一的ID,用以与其他机器人相区分,在定位过程中,我们从第一个机器人出发,将第一个机器人配置为主机,其余机器人为从机,主机遍历其余所有子机器人,测量距离信息并记录,接着,把第二个机器人配置为主机,测量除第一个机器人以外的所有机器人间的距离并记录,依此类推,侧量出所有机器人之间的距离信息。假设我们已知初始三个机器人的坐标,通过三角定位算法,我们可以利用第十式求得第四个机器人的坐标,依此类推,可以求得整个机器人组的所述位置信息,所述第十式为:
其中,(x1,y1)、(x2,y2)、(x3,y3)、(x,y)分别表示已知位置机器人的坐标和未知位置机器人的坐标,r1、r2、r3分别表示未知位置机器人到已知位置机器人的距离。
在通信路由优化过程中,我们并不需要具体的机器人坐标,只需要距离信息生成所述机器人组无向图即可。而Lora通信距离大于通信模块的通信距离,因此,为了保证通信系统能高效率运行,减少因传输距离过长而产生的丢包率,就必须将大于最优通信距离的边删去,这样做还能很大程度减少最优路径算法的计算量。
上述实施例中,利用三角定位算法分别对各个距离信息的定位处理得到多个位置信息;根据多个位置信息生成机器人组无向图,保证了通信系统能高效率运行,减少因传输距离过长而产生的丢包率,很大程度的减少了最优路径算法的计算量,实现了动态更新机器人组之间的距离信息,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
可选地,作为本发明的一个实施例,所述步骤S4的过程包括:
S41:分别对各个所述距离信息及其对应的通信数据包信息进行通信能耗计算,得到各个所述距离信息对应的能量消耗值;
S42:分别对各个所述能量消耗值进行边权计算,得到多个边权值。
上述实施例中,分别对各个距离信息及其对应的通信数据包信息的通信能耗计算得到各个距离信息对应的能量消耗值,分别对各个能量消耗值的边权计算得到多个边权值,能够根据机器人能量的使用情况合理地选择路径,可以有效地降低高频移动下机器人组通信的时延和通信的质量,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
可选地,作为本发明的一个实施例,所述步骤S41过程包括:
根据第二式分别对各个所述距离信息及其对应的通信数据包信息进行通信能耗计算,得到各个所述距离信息对应的能量消耗值,所述第二式为:
E(R1,R2,n,r)=n(2Eelec+εfsr2),
其中,E(R1,R2,n,r)为能量消耗值,r为机器人R1和机器人R2距离,n 为接收数据数量,εfs为放大器系数,Eelec为接收或发送数据单位能耗。
具体地,利用两机器人通信建立边,并利用能量公式结合距离计算边权。例如,当两机器人之间的距离为r时,其发送n bit数据所消耗的能量如第十一式所示,所述第十一式为:
ETx(n,r)=ETx-elec(n)+ETx-amp(n,r)=
nEelec+nεfsd2,r<r0
nEelec+nεampd4,r≥r0,
接收n bit数据需要消耗的能量如第十二式所示,所述第十二式为:
ERx(n)=ERx-elec(n)=nEelec,
其中,ETx-elec为发送单位数量比特数据需要消耗的能量,ERx-elec为接收单位数量比特数据需要消耗的能量值;εfs和εamp代表放大器系数;r0是距离边界值。由于已将大于最优通信距离的边删去,所以在这里仅需考虑r<r0 的情况。
通过所述第十一式和所述第十二式,我们可以给所述机器人组无向图中的边赋权,假设机器人R1和R2距离为r,则边上能量消耗如第十三式所示,所述第十三式为:
E(R1,R2,n,r)=ETx(n,r)+ERx(n)=
nEelec+nεfsr2+nEelec=n(2Eelec+εfsr2)。
上述实施例中,根据第二式分别对各个距离信息及其对应的通信数据包信息的通信能耗计算得到各个距离信息对应的能量消耗值,能够根据机器人能量的使用情况合理地选择路径,可以有效地降低高频移动下机器人组通信的时延和通信的质量,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
可选地,作为本发明的一个实施例,所述步骤S42的过程包括:
通过第三式分别对各个所述能量消耗值进行边权计算,得到多个边权值,所述第三式为:
E(R1,R2)=E(R1,R2,n,r)×RE(R2)×DV(R1),
其中,E(R1,R2)为R1到R2的边权值,E(R1,R2,n,r)为能量消耗值,R1 为机器人1,R2为机器人2,RE(R2)为机器人R2的剩余能量系数,DV(R1)为机器人R1所发送数据量的系数。
具体地,在计算边权过程中,需要引入剩余能量系数RE和数据量系数 DV,如果同一个区域移动机器人长时间保持位置不变,则很可能因为机器人组长时间使用一条路径而引起部分机器人能量消耗过大,造成能量空洞;而加入剩余能量系数和数据量系数后,能够根据机器人能量的使用情况,合理选择路径;从R1到R2的边权E(R1,R2)计算公式如第十四式所示,所述第十四式为:
E(R1,R2)=E(R1,R2,n,r)×RE(R2)×DV(R1),
其中,E(R1,R2)为R1到R2的边权值,E(R1,R2,n,r)为能量消耗值,R1 为机器人1,R2为机器人2,RE(R2)为机器人R2的剩余能量系数,DV(R1)为机器人R1所发送数据量的系数。
上述实施例中,通过第三式分别对各个能量消耗值的边权计算得到多个边权值,能够根据机器人能量的使用情况合理地选择路径,可以有效地降低高频移动下机器人组通信的时延和通信的质量,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
可选地,作为本发明的一个实施例,所述步骤S5的过程包括:
S51:对各个所述距离信息进行判断,判断所述距离信息是否小于预设最优通信距离,若是,则两机器人之间存在路径,并根据所述机器人组无向图中获得两机器人之间的步数信息,执行步骤S42;若否,则得到两机器人不存在路径;
S52:分别对各个所述步数信息以及其对应的边权值和多个所述距离信息进行步数判断,得到多个最优距离矩阵;
S53:利用路由生成算法分别对多个所述最优距离矩阵进行路由表生成处理,得到多个路由表;
S54:将多个所述路由表发送至所述机器人组中,所述机器人组根据多个所述路由表得到最优路径。
应理解地,如果机器人Ri无法到Rj,则两机器人不存在路径,即dij=∞。
应理解地,在解算出最优距离矩阵后,利用路由生成算法生成路由表,发送给每一个机器人,因为生成的是任两个机器人之间通信的最优路径,因此在机器人组通信的时候,能够自动选择最优路由。
上述实施例中,通过对各个距离信息的判断获得步数信息,并分别对各个步数信息以及其对应的边权值和多个距离信息的步数判断得到多个最优距离矩阵,利用路由生成算法分别对多个最优距离矩阵的路由表生成处理得到多个路由表,将多个路由表发送至机器人组中,机器人组根据多个路由表得到最优路径,可以有效地降低高频移动下机器人组通信的时延和通信的质量,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
可选地,作为本发明的一个实施例,所述步骤S52的过程包括:
S521:若所述步数信息为0时,则根据第四式对所述步数信息对应的边权值进行步数计算,得到最优距离矩阵,所述第四式为:
C(0)[i][j]=dij,
其中,C(0)[i][j]为最优距离矩阵,dij为边权值,i为机器人Ri,j为机器人 Rj;
S522:若所述步数信息为1时,则根据第五式对多个所述距离信息进行步数计算,得到所述最优距离矩阵,所述第五式为:
C(1)[i][j]=Minfor(k→m){dik+dkj},
其中,C(1)[i][j]为最优距离矩阵,i为机器人Ri,j为机器人Rj,k为中间经过的机器人Rk,Minfor(k→m)为求解最小值函数,dik为机器人Ri至机器人Rk 的距离,dkj为机器人Rk至机器人Rj的距离;
S523:若所述步数信息为f时,则根据第六式对多个所述距离信息进行步数计算,得到所述最优距离矩阵,所述第六式为:
C(f)[i][j]=Minfor(k→m){C(f-1)ik+C(f-1)kj},
其中,C(f)[i][j]为最优距离矩阵,i为机器人Ri,j为机器人Rj,k为机器人 Rk,C(f-1)ik为机器人Ri到机器人Rk需要f-1步的最短距离,C(f-1)kj为机器人 Rk到机器人Rj需要f-1步的最短距离,Minfor(k→m)为求解最小值函数。
具体地,用矩阵C[i][j]m*m来表示机器人组通信的拓扑关系,如果Ri到Rj 之间是直达的,则C(0)[i][j]=dij为最优路径;如果Ri到Rj需要一步,设中间经过机器人Rk,如第十五式所示,得到的C(1)[i][j]为最优路径矩阵,所述第十五式为:
C(1)[i][j]=Minfor(k→m){dik+dkj},
由迭代可知,信号从机器人Ri经过f步到达机器人Rj,其最优距离矩阵C(f)[i][j]迭代公式如第十六式所示,所述第十六式为:
C(f)[i][j]=Minfor(k→m){C(f-1)ik+C(f-1)kj}。
上述实施例中,分别对各个步数信息以及其对应的边权值和多个所述距离信息进行步数判断,得到多个最优距离矩阵,可以有效地降低高频移动下机器人组通信的时延和通信的质量,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
可选地,作为本发明的一个实施例,还包括步骤S6,所述步骤S6的过程包括:
S61:分别对多个所述位置信息进行差值计算,得到多个位置变化值;
S62:当任一所述位置变化值大于预设位置变化阈值时,则返回步骤S1。
应理解地,当所述位置变化值大于预设位置变化阈值的时候,重新开始算法,寻找新的最优路径。
上述实施例中,分别对多个位置信息的差值计算得到多个位置变化值;当任一位置变化值大于预设位置变化阈值时,重新开始数据处理得到最优路径,能够根据不断变化的位置信息,适时改变路由表,对最优路径进行实时更新,能够有效地减少传输路径长度与相应的网络延时,扩大了机器人活动范围,不用依赖信息素,而且提高了收敛速度。
图2为本发明一实施例提供的多机器人路由优化装置的模块框图。
可选地,作为本发明的另一个实施例,如图2所示,一种多机器人路由优化装置,包括:
测距处理模块,用于将多个机器人组成机器人组,并分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个距离信息;
数据包信息获得模块,用于分别从各个所述距离信息对应的两个所述机器人之间的收发过程中,得到多个通信数据包信息,所述通信数据包信息与所述距离信息一一对应;
定位处理模块,用于分别对各个所述距离信息进行定位处理,得到多个机器人位置信息,并根据多个所述机器人位置信息生成机器人组无向图;
边权处理模块,用于分别对各个所述距离信息及其对应的通信数据包信息进行边权处理,得到与所述距离信息对应的边权值;
最优路径获得模块,用于根据所述机器人组无向图分别对各个所述距离信息对其对应的所述边权值进行步数判断,得到多个路由表,并将多个所述路由表发送至所述机器人组对应的机器人中,所述机器人根据各个所述路由表得到最优路径。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。用于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种多机器人路由优化方法,其特征在于,包括如下步骤:
S1:将多个机器人组成机器人组,并分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个距离信息;
S2:分别从各个所述距离信息对应的两个所述机器人之间的收发过程中,得到多个通信数据包信息,所述通信数据包信息与所述距离信息一一对应;
S3:分别对各个所述距离信息进行定位处理,得到多个机器人位置信息,并根据多个所述机器人位置信息生成机器人组无向图;
S4:分别对各个所述距离信息及其对应的通信数据包信息进行边权处理,得到与所述距离信息对应的边权值;
S5:根据所述机器人组无向图分别对各个所述距离信息对其对应的所述边权值进行步数判断,得到多个路由表,并将多个所述路由表发送至所述机器人组对应的机器人中,所述机器人根据各个所述路由表得到最优路径;
所述步骤S4的过程包括:
S41:分别对各个所述距离信息及其对应的通信数据包信息进行通信能耗计算,得到各个所述距离信息对应的能量消耗值;
S42:分别对各个所述能量消耗值进行边权计算,得到多个边权值;
所述步骤S5的过程包括:
S51:对各个所述距离信息进行判断,判断所述距离信息是否小于预设最优通信距离,若是,则两机器人之间存在路径,并根据所述机器人组无向图中获得两机器人之间的步数信息,执行步骤S42;若否,则得到两机器人不存在路径;
S52:分别对各个所述步数信息以及其对应的边权值和多个所述距离信息进行步数判断,得到多个最优距离矩阵;
S53:利用路由生成算法分别对多个所述最优距离矩阵进行路由表生成处理,得到多个路由表;
S54:将多个所述路由表发送至所述机器人组中,所述机器人组根据多个所述路由表得到最优路径;
所述步骤S52的过程包括:
S521:若所述步数信息为0时,则根据第四式对所述步数信息对应的边权值进行步数计算,得到最优距离矩阵,所述第四式为:
C(0)[i][j]=dij,
其中,C(0)[i][j]为最优距离矩阵,dij为边权值,i为机器人Ri,j为机器人Rj;
S522:若所述步数信息为1时,则根据第五式对多个所述距离信息进行步数计算,得到所述最优距离矩阵,所述第五式为:
C(1)[i][j]=Minfor(k→m){dik+dkj},
其中,C(1)[i][j]为最优距离矩阵,i为机器人Ri,j为机器人Rj,k为中间经过的机器人Rk,Minfor(k→m)为求解最小值函数,dik为机器人Ri至机器人Rk的距离,dkj为机器人Rk至机器人Rj的距离;
S523:若所述步数信息为f时,则根据第六式对多个所述距离信息进行步数计算,得到所述最优距离矩阵,所述第六式为:
C(f)[i][j]=Minfor(k→m){C(f-1)ik+C(f-1)kj},
其中,C(f)[i][j]为最优距离矩阵,i为机器人Ri,j为机器人Rj,k为机器人Rk,C(f-1)ik为机器人Ri到机器人Rk需要f-1步的最短距离,C(f-1)kj为机器人Rk到机器人Rj需要f-1步的最短距离,Minfor(k→m)为求解最小值函数。
2.根据权利要求1所述的多机器人路由优化方法,其特征在于,所述距离信息包括两机器人之间距离,步骤S1的过程包括:
S11:将多个机器人组成机器人组;
S12:利用到达时间差算法分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个距离信息,具体为:
通过第一式分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个两机器人之间距离,所述第一式为:
d’=c(t’TOA-tNLOS-tN),
其中,t’TOA=tTOA+tNLOS,
其中,t’TOA为实际到达时间,tTOA为视距下达到时间,tNLOS为非视距情况下延时,tN为硬件自身的误差延时,c为光速,d’为两机器人之间距离。
3.根据权利要求2所述的多机器人路由优化方法,其特征在于,所述步骤S3的过程包括:
S31:利用三角定位算法分别对各个所述距离信息进行定位处理,得到多个机器人位置信息;
S32:根据多个所述机器人位置信息生成机器人组无向图。
4.根据权利要求1所述的多机器人路由优化方法,其特征在于,所述步骤S41过程包括:
根据第二式分别对各个所述距离信息及其对应的通信数据包信息进行通信能耗计算,得到各个所述距离信息对应的能量消耗值,所述第二式为:
E(R1,R2,n,r)=n(2Eelec+εfsr2),
其中,E(R1,R2,n,r)为能量消耗值,r为机器人R1和机器人R2距离,n为接收数据数量,εfs为放大器系数,Eelec为接收或发送数据单位能耗。
5.根据权利要求1所述的多机器人路由优化方法,其特征在于,所述步骤S42的过程包括:
通过第三式分别对各个所述能量消耗值进行边权计算,得到多个边权值,所述第三式为:
E(R1,R2)=E(R1,R2,n,r)×RE(R2)×DV(R1),
其中,E(R1,R2)为R1到R2的边权值,E(R1,R2,n,r)为能量消耗值,R1为机器人1,R2为机器人2,RE(R2)为机器人R2的剩余能量系数,DV(R1)为机器人R1所发送数据量的系数。
6.根据权利要求1-5任一项所述的多机器人路由优化方法,其特征在于,还包括步骤S6,所述步骤S6的过程包括:
S61:分别对多个所述位置信息进行差值计算,得到多个位置变化值;
S62:当任一所述位置变化值大于预设位置变化阈值时,则返回步骤S1。
7.一种多机器人路由优化装置,其特征在于,包括:
测距处理模块,用于将多个机器人组成机器人组,并分别对所述机器人组中任意两个所述机器人之间进行测距处理,得到多个距离信息;
数据包信息获得模块,用于分别从各个所述距离信息对应的两个所述机器人之间的收发过程中,得到多个通信数据包信息,所述通信数据包信息与所述距离信息一一对应;
定位处理模块,用于分别对各个所述距离信息进行定位处理,得到多个机器人位置信息,并根据多个所述机器人位置信息生成机器人组无向图;
边权处理模块,用于分别对各个所述距离信息及其对应的通信数据包信息进行边权处理,得到与所述距离信息对应的边权值;
最优路径获得模块,用于根据所述机器人组无向图分别对各个所述距离信息对其对应的所述边权值进行步数判断,得到多个路由表,并将多个所述路由表发送至所述机器人组对应的机器人中,所述机器人根据各个所述路由表得到最优路径;
所述边权处理模块具体用于:
分别对各个所述距离信息及其对应的通信数据包信息进行通信能耗计算,得到各个所述距离信息对应的能量消耗值;
分别对各个所述能量消耗值进行边权计算,得到多个边权值;
所述最优路径获得模块具体用于:
对各个所述距离信息进行判断,判断所述距离信息是否小于预设最优通信距离,若是,则两机器人之间存在路径,并根据所述机器人组无向图中获得两机器人之间的步数信息,并分别对各个所述能量消耗值进行边权计算,得到多个边权值;若否,则得到两机器人不存在路径;
分别对各个所述步数信息以及其对应的边权值和多个所述距离信息进行步数判断,得到多个最优距离矩阵;
利用路由生成算法分别对多个所述最优距离矩阵进行路由表生成处理,得到多个路由表;
将多个所述路由表发送至所述机器人组中,所述机器人组根据多个所述路由表得到最优路径;
所述最优路径获得模块中,分别对各个所述步数信息以及其对应的边权值和多个所述距离信息进行步数判断,得到多个最优距离矩阵的过程包括:
若所述步数信息为0时,则根据第四式对所述步数信息对应的边权值进行步数计算,得到最优距离矩阵,所述第四式为:
C(0)[i][j]=dij,
其中,C(0)[i][j]为最优距离矩阵,dij为边权值,i为机器人Ri,j为机器人Rj;
若所述步数信息为1时,则根据第五式对多个所述距离信息进行步数计算,得到所述最优距离矩阵,所述第五式为:
C(1)[i][j]=Minfor(k→m){dik+dkj},
其中,C(1)[i][j]为最优距离矩阵,i为机器人Ri,j为机器人Rj,k为中间经过的机器人Rk,Minfor(k→m)为求解最小值函数,dik为机器人Ri至机器人Rk的距离,dkj为机器人Rk至机器人Rj的距离;
若所述步数信息为f时,则根据第六式对多个所述距离信息进行步数计算,得到所述最优距离矩阵,所述第六式为:
C(f)[i][j]=Minfor(k→m){C(f-1)ik+C(f-1)kj},
其中,C(f)[i][j]为最优距离矩阵,i为机器人Ri,j为机器人Rj,k为机器人Rk,C(f-1)ik为机器人Ri到机器人Rk需要f-1步的最短距离,C(f-1)kj为机器人Rk到机器人Rj需要f-1步的最短距离,Minfor(k→m)为求解最小值函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010964971.3A CN112235759B (zh) | 2020-09-15 | 2020-09-15 | 一种多机器人路由优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010964971.3A CN112235759B (zh) | 2020-09-15 | 2020-09-15 | 一种多机器人路由优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112235759A CN112235759A (zh) | 2021-01-15 |
CN112235759B true CN112235759B (zh) | 2022-05-17 |
Family
ID=74116838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010964971.3A Active CN112235759B (zh) | 2020-09-15 | 2020-09-15 | 一种多机器人路由优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112235759B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288192A (zh) * | 2011-07-01 | 2011-12-21 | 重庆邮电大学 | 基于Ad Hoc网络的多机器人路径规划方法 |
CN107203214A (zh) * | 2017-07-31 | 2017-09-26 | 中南大学 | 一种运载机器人复杂混合路径协同自适应智能规划方法 |
CN108600942A (zh) * | 2018-04-04 | 2018-09-28 | 清华大学 | 一种无人机自组网的路由方法 |
CN109141430A (zh) * | 2018-09-04 | 2019-01-04 | 南京理工大学 | 基于模拟退火蚁群算法的电力巡检机器人路径规划方法 |
CN110095122A (zh) * | 2019-05-10 | 2019-08-06 | 安徽工程大学 | 一种基于改进蚁群算法的移动机器人路径规划方法 |
CN111049743A (zh) * | 2019-12-13 | 2020-04-21 | 厦门大学 | 一种联合优化的水声多跳协作通信网络路由选择方法 |
CN111277968A (zh) * | 2020-01-20 | 2020-06-12 | 中山大学 | 一种基于堆栈自编码器的无线传感器网络非测距定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10274325B2 (en) * | 2016-11-01 | 2019-04-30 | Brain Corporation | Systems and methods for robotic mapping |
-
2020
- 2020-09-15 CN CN202010964971.3A patent/CN112235759B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288192A (zh) * | 2011-07-01 | 2011-12-21 | 重庆邮电大学 | 基于Ad Hoc网络的多机器人路径规划方法 |
CN107203214A (zh) * | 2017-07-31 | 2017-09-26 | 中南大学 | 一种运载机器人复杂混合路径协同自适应智能规划方法 |
CN108600942A (zh) * | 2018-04-04 | 2018-09-28 | 清华大学 | 一种无人机自组网的路由方法 |
CN109141430A (zh) * | 2018-09-04 | 2019-01-04 | 南京理工大学 | 基于模拟退火蚁群算法的电力巡检机器人路径规划方法 |
CN110095122A (zh) * | 2019-05-10 | 2019-08-06 | 安徽工程大学 | 一种基于改进蚁群算法的移动机器人路径规划方法 |
CN111049743A (zh) * | 2019-12-13 | 2020-04-21 | 厦门大学 | 一种联合优化的水声多跳协作通信网络路由选择方法 |
CN111277968A (zh) * | 2020-01-20 | 2020-06-12 | 中山大学 | 一种基于堆栈自编码器的无线传感器网络非测距定位方法 |
Non-Patent Citations (2)
Title |
---|
Mapping Route Optimization in Warehousing Environment Based on Improved Genetic Algorithm;Wei Tian等;《2018 IEEE International Conference on Real-time Computing and Robotics (RCAR)》;20190124;全文 * |
基于Ad Hoc网络的多机器人通信协议改进;雷金辉等;《计算机测量与控制》;20170925(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112235759A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | LEACH-GA: Genetic algorithm-based energy-efficient adaptive clustering protocol for wireless sensor networks | |
CN102457933B (zh) | 无线网络设备、无线网络系统和路由选择控制方法 | |
Liu et al. | DA-Sync: A Doppler-assisted time-synchronization scheme for mobile underwater sensor networks | |
Gandham et al. | Distributed minimal time convergecast scheduling in wireless sensor networks | |
Banerjee et al. | Comparative study of radio models for data gathering in wireless sensor network | |
KR20070112159A (ko) | 통신 시스템 내의 위치 데이터를 전송하기 위한 방법 및장치 | |
Sharawi et al. | WSN's energy-aware coverage preserving optimization model based on multi-objective bat algorithm | |
Rao et al. | Performance evaluation of AODV nth BR routing protocol under varying node density and node mobility for MANETs | |
CN112235759B (zh) | 一种多机器人路由优化方法及装置 | |
Kumar et al. | Game theory based hybrid localization technique for underwater wireless sensor networks | |
Lan et al. | Blockchain-secured data collection for uav-assisted iot: A ddpg approach | |
Wang et al. | PMDV-hop: An effective range-free 3D localization scheme based on the particle swarm optimization in wireless sensor network | |
Padmapriya et al. | Minimizing Communication Cost In Wireless Sensor Networks To Avoid Packet Retransmission | |
Cardei | Energy-efficient scheduling and hybrid communication architecture for underwater littoral surveillance | |
Jin et al. | Research on a multi-robot routing optimization method based on hybrid Lora location | |
CN108990128B (zh) | 移动网络中基于移动感知的路由设计方法 | |
Wang et al. | GreenLink: An energy efficient scatternet formation for BLE devices | |
Nitzel et al. | Exploiting dynamic source routing to enable undersea networking over an ad-hoc topology | |
Mahdi et al. | Low transmission Delay Based on LEACH and Pegasis protocol in WSN | |
Na et al. | Simulation Studies on Barrage Relay Networks | |
Bajaber | Enhancing Subcluster Identification in IoT Sensor Networks with Hierarchical Clustering Algorithms and Dendrograms | |
CN116419363B (zh) | 数据传输方法、通信设备和计算机可读存储介质 | |
Arifin et al. | Capacity of data collection in wireless sensor networks based on mutual information and MMSE estimation | |
Manjhari et al. | Performance analysis of secondary cluster head in wireless sensor network | |
Kumar et al. | Sensitive Reachable Cluster Head Routing Protocol for Wireless Sensor Networks |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230605 Address after: 707, Building W2-A, Gaoxin Industrial Village, No. 025 Gaoxin South Fourth Road, Gaoxin Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518000 Patentee after: Shenzhen Yuying Zhongxin Technology Co.,Ltd. Address before: 430000 No.206 Guanggu 1st Road, Donghu New Technology Development Zone, Wuhan, Hubei Province Patentee before: WUHAN INSTITUTE OF TECHNOLOGY |