CN115946127A - 工业机械臂智能路径规划方法、系统、电子设备以及存储介质 - Google Patents

Abstract

本发明实施例公开了工业机械臂智能路径规划方法、系统、电子设备以及存储介质，对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；基于正态分布，更新狮王、母狮及幼狮位置；通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。解决了算法规划出的路径不是最优路径，延长了路径搜索、任务的完成时间的问题，从而提高了机械臂的工作效率，进而提高机械臂的利用率，缩短了工厂智能化的建造的进度。

Description

工业机械臂智能路径规划方法、系统、电子设备以及存储介质

技术领域

本公开涉及机械臂运动领域，尤其涉及一种工业机械臂智能路径规划方法、系统、电子设备以及存储介质。

背景技术

随着科学技术的飞速发展，机械臂因其独特的操作灵活性，已广泛应用于航空航天、军事、医疗、工业等领域，被用来执行捕获、排爆、手术、装配等工作。为快速、准确执行任务，机械臂需具备自主规划路径的能力，即规划出一条从初始构型运动到目标构型的路径，需要采用狮群算法对于路径进行优化，然而狮群算法规划出的路径不是最优路径，延长了路径搜索、任务的完成时间，从而降低了机械臂的工作效率，进而降低机械臂的利用率，拖延了工厂智能化的建造的进度。

发明内容

提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开实施例提供了一种工业机械臂智能路径规划方法、系统、电子设备以及存储介质，解决了算法规划出的路径不是最优路径，延长了路径搜索、任务的完成时间的问题，从而提高了机械臂的工作效率，进而提高机械臂的利用率，缩短了工厂智能化的建造的进度。

第一方面，本公开实施例提供了一种工业机械臂智能路径规划方法，包括：对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；基于正态分布，更新狮王、母狮及幼狮位置；通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。

结合第一方面的实施例，在一些实施例中，所述基于正态分布，更新狮王、母狮及幼狮位置，包括：

x^k+1＝g^k(1+γP^k-g^k)

式中，x^k+1代表狮王下一代全局最优解，g^k为第k代种群的全局最优解，P^k代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；

式中，

是第i格狮子在经历第k次迭代后的历史最优解；

是除了第i个狮子之外的另一个母狮的最优解；

a_f是扰动因子，随着算法运行次数增加而逐渐减小

式中，S_t表示狮子在活动范围内的步长，

为狮群在解空间维度的最大均值和最小均值，t表示当前迭代次数；

式中，

代表第i个幼狮个体在第k次更新迭代后的历史最优解，

为母狮群体在第k代的历史最优解，q为(0，1)产生的随机数，g^-k表示种群最优位置的反向位置

幼狮的更新过程中也存在随时间递减的扰动因子a_c，随算法运行次数增加，减小步长。

结合第一方面的实施例，在一些实施例中，所述通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断，包括

式中，t代表当前迭代次数，T为总迭代次数；

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

前迭代次数小于总迭代次数的十分之一，则返回继续更新狮王、母狮及幼狮位置。

结合第一方面的实施例，在一些实施例中，所述基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径，包括

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

当前路径节点序列集为M，其中M_i为M的元素，M₁为起点，M_n为终点；

变量

时，将规划好的路径平分为两个部分，对前半部分的路径进行2次规划，后半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留，其中ω为引入变量，是随机数，取值范围为(0，1]；

变量

时，将规划好的路径平分为两个部分，对后半部分的路径进行2次规划，前半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，将规划好的路径平分为三个部分，对中间部分进行2次规划，其他部分保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，对整条路径进行2次规划，重新规划后比较新旧路径的长度，择优保留。

第二方面，本公开实施例提供了一种工业机械臂智能路径规划系统，包括：

参数初始化单元，对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；

位置更新单元，基于正态分布，更新狮王、母狮及幼狮位置；

判断单元，通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；

择优单元，基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。

结合第二方面的实施例，在一些实施例中所述位置更新单元，基于正态分布，更新狮王、母狮及幼狮位置，包括

x^k+1＝g^k(1+γP^k-g^k)

式中，x^k+1代表狮王下一代全局最优解，g^k为第k代种群的全局最优解，P^k代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；

式中，

是第i格狮子在经历第k次迭代后的历史最优解；

是除了第i个狮子之外的另一个母狮的最优解；

a_f是扰动因子，随着算法运行次数增加而逐渐减小

式中，S_t表示狮子在活动范围内的步长，

为狮群在解空间维度的最大均值和最小均值，t表示当前迭代次数，T为算法运行的迭代次数；

式中，

代表第i个幼狮个体在第k次更新迭代后的历史最优解，

为母狮群体在第k代的历史最优解，q为(0，1)产生的随机数，g^-k表示种群最优位置的反向位置

幼狮的更新过程中也存在随时间递减的扰动因子a_c，随算法运行次数增加，减小步长。

结合第二方面的实施例，在一些实施例中，所述判断单元，通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断，包括

式中，t代表当前迭代次数，T为总迭代次数；

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

前迭代次数小于总迭代次数的十分之一，则返回继续更新狮王、母狮及幼狮位置。

结合第二方面的实施例，在一些实施例中，所述择优单元，基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径，包括

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

当前路径节点序列集为M，其中M_i为M的元素，M₁为起点，M_n为终点；

变量

时，将规划好的路径平分为两个部分，对前半部分的路径进行2次规划，后半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留，其中ω为引入变量，是随机数，取值范围为(0，1]；

变量

时，将规划好的路径平分为两个部分，对后半部分的路径进行2次规划，前半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，将规划好的路径平分为三个部分，对中间部分进行2次规划，其他部分保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，对整条路径进行2次规划，重新规划后比较新旧路径的长度，择优保留。

第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如第一方面上述的工业机械臂智能路径规划方法。

第四方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面上述的工业机械臂智能路径规划方法的步骤。

本发明有益效果：对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；基于正态分布，更新狮王、母狮及幼狮位置；通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。解决了算法规划出的路径不是最优路径，延长了路径搜索、任务的完成时间的问题，从而提高了机械臂的工作效率，进而提高机械臂的利用率，缩短了工厂智能化的建造的进度。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的工业机械臂智能路径规划方法的一个实施例的流程图；

图2是本公开的工业机械臂智能路径规划系统的结构示意图；

图3是根据本公开实施例提供的电子设备的基本结构的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

请参考图1，其示出了根据本公开的工业机械臂智能路径规划方法的一个实施例的流程。如图1所示，该工业机械臂智能路径规划方法包括以下步骤：

步骤101，对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数。

在这里，步骤101包括：

优化问题为f(x)、问题空间维度为D，狮群的数量为N，算法运行的迭代次数为T，狮群的每一个狮子可以用一个D维向量表示：X_i＝[x_i1，x_i2，...，x_iD]，1≤i≤N。

步骤101，基于正态分布，更新狮王、母狮及幼狮位置。

在这里，步骤101包括：

x^k+1＝g^k(1+γP^k-g^k)

式中，x^k+1代表狮王下一代全局最优解，g^k为第k代种群的全局最优解，P^k代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；

式中，

是第i格狮子在经历第k次迭代后的历史最优解；

是除了第i个狮子之外的另一个母狮的最优解；

a_f是扰动因子，随着算法运行次数增加而逐渐减小

式中，S_t表示狮子在活动范围内的步长，

为狮群在解空间维度的最大均值和最小均值，t表示当前迭代次数；

式中，

代表第i个幼狮个体在第k次更新迭代后的历史最优解，

为母狮群体在第k代的历史最优解，q为(0，1)产生的随机数，g^-k表示种群最优位置的反向位置

幼狮的更新过程中也存在随时间递减的扰动因子a_c，随算法运行次数增加，减小步长

步骤103，通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断。

在这里，步骤103包括：

式中，t代表当前迭代次数，T为总迭代次数；

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

前迭代次数小于总迭代次数的十分之一，则返回继续更新狮王、母狮及幼狮位置。

步骤104，基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。

对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；基于正态分布，更新狮王、母狮及幼狮位置；通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。解决了算法规划出的路径不是最优路径，延长了路径搜索、任务的完成时间的问题，从而提高了机械臂的工作效率，进而提高机械臂的利用率，缩短了工厂智能化的建造的进度。

在这里，步骤104包括：

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

引入变量ω，为(0，1]区间的随机数；

前路径节点序列集为M，其中M_i为M的元素，M₁为起点，M_n为终点；

现假设n＝11

变量

时，将规划好的路径平分为两个部分，对前半部分的路径进行2次规划，即以M₁为起点，M₆为终点，半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，对后半部分的路径进行重新规划，即以M₆为起点，M₁₁点2次规划出新的连续路径，前半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，将规划好的路径平分为三个部分，对中间部分进行重新规划，即以M₄为起点，M₈终点，2次规划出新的连续路径，其他部分保持不变，重新规划后比较新旧路径的长度，择优保留；

当决策变量

时，对整条路径进行2次规划，重新规划后比较新旧路径的长度，择优保留。

进一步参考图2，作为为对上述图1所示方法的实现，本公开了一种工业机械臂智能路径规划系统，该系统实施例与图1所示的方法实施例相对应。该系统具体可以应用于各种电子设备中。

如图2所示，本实施例的工业机械臂智能路径规划系统包括：参数初始化单元201，对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；位置更新单元202，基于正态分布，更新狮王、母狮及幼狮位置；判断单元203，通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；择优单元204，基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。

在一些可选实施例中，位置更新单元202，基于正态分布，更新狮王、母狮及幼狮位置，包括：

x^k+1＝g^k(1+γp^k-g^k)

式中，x^k+1代表狮王下一代全局最优解，g^k为第k代种群的全局最优解，P^k代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；

式中，

是第i格狮子在经历第k次迭代后的历史最优解；

是除了第i个狮子之外的另一个母狮的最优解；

a_f是扰动因子，随着算法运行次数增加而逐渐减小

式中，S_t表示狮子在活动范围内的步长，

为狮群在解空间维度的最大均值和最小均值，t表示当前迭代次数；

式中，

代表第i个幼狮个体在第k次更新迭代后的历史最优解，

为母狮群体在第k代的历史最优解，q为(0，1)产生的随机数，g^-k表示种群最优位置的反向位置

幼狮的更新过程中也存在随时间递减的扰动因子a_c，随算法运行次数增加，减小步长。

在一些可选实施例中，判断单元203，通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断，包括：

式中，t代表当前迭代次数，T为总迭代次数；

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

前迭代次数小于总迭代次数的十分之一，则返回继续更新狮王、母狮及幼狮位置。

在一些可选实施例中，择优单元，基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径，包括：

迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

引入变量ω，为(0，1]区间的随机数；

前路径节点序列集为M，其中M_i为M的元素，M₁为起点，M_n为终点；

现假设n＝11

变量

时，将规划好的路径平分为两个部分，对前半部分的路径进行2次规划，即以M₁为起点，M₆为终点，半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，对后半部分的路径进行重新规划，即以M₆为起点，M₁₁点2次规划出新的连续路径，前半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，将规划好的路径平分为三个部分，对中间部分进行重新规划，即以M₄为起点，M₈终点，2次规划出新的连续路径，其他部分保持不变，重新规划后比较新旧路径的长度，择优保留；

当决策变量

时，对整条路径进行2次规划，重新规划后比较新旧路径的长度，择优保留。

下面参考图3，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图3所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储装置908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM903中，还存储有电子设备这操作所需的各种程序和数据。处理装置901、ROM902以及RAM903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

通常，以下装置可以连接至I/O接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM902被安装。在该计算机程序被处理装置901执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；基于正态分布，更新狮王、母狮及幼狮位置；通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++、python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，预处理模块还可以被描述为“基于掌子面精细化分级结果，对掌子面各层围岩级别进行模糊化预处理的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

以上仅为本申请的优选实施方式而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种工业机械臂智能路径规划方法，其特征在于，所述方法包括：

对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；

基于正态分布，更新狮王、母狮及幼狮位置；

通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；

基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。

2.根据权利要求1所述的方法，其特征在于，所述基于正态分布，更新狮王、母狮及幼狮位置，包括：

x^k+1＝g^k(1+γP^k-g^k)

式中，x^k+1代表狮王下一代全局最优解，g^k为第k代种群的全局最优解，P^k代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；

式中，

是第i格狮子在经历第k次迭代后的历史最优解；

是除了第i个狮子之外的另一个母狮的最优解；

a_f是扰动因子，随着算法运行次数增加而逐渐减小

式中，S_t表示狮子在活动范围内的步长，

为狮群在解空间维度的最大均值和最小均值，t表示当前迭代次数，T为算法运行的迭代次数；

式中，

代表第i个幼狮个体在第k次更新迭代后的历史最优解，

为母狮群体在第k代的历史最优解，q为(0，1)产生的随机数，g^-k表示种群最优位置的反向位置

幼狮的更新过程中也存在随时间递减的扰动因子a_c，随算法运行次数增加，减小步长。

3.根据权利要求2所述的方法，其特征在于，所述通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断，包括

式中，t代表当前迭代次数，T为总迭代次数；

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

前迭代次数小于总迭代次数的十分之一，则返回继续更新狮王、母狮及幼狮位置。

4.根据权利要求3所述的方法，其特征在于，所述基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径，包括

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

当前路径节点序列集为M，其中M_i为M的元素，M₁为起点，M_n为终点；

变量

时，将规划好的路径平分为两个部分，对前半部分的路径进行2次规划，后半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留，其中ω为引入变量，是随机数，取值范围为(0,1]；

变量

时，将规划好的路径平分为两个部分，对后半部分的路径进行2次规划，前半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，将规划好的路径平分为三个部分，对中间部分进行2次规划，其他部分保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，对整条路径进行2次规划，重新规划后比较新旧路径的长度，择优保留。

5.一种工业机械臂智能路径规划系统，其特征在于，所述系统包括：

参数初始化单元，对狮群算法进行参数初始化，参数包括优化问题、问题的空间维度、狮群的数量、算法运行的迭代次数；

位置更新单元，基于正态分布，更新狮王、母狮及幼狮位置；

判断单元，通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断；

择优单元，基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径。

6.根据权利要求5所述的系统，其特征在于，所述位置更新单元，基于正态分布，更新狮王、母狮及幼狮位置，包括

x^k+1＝g^k(1+γP^k-g^k)

式中，x^k+1代表狮王下一代全局最优解，g^k为第k代种群的全局最优解，P^k代表獅王在所有迭代当中历史最优解，γ是随机数，服从正态分布；

式中，

是第i格狮子在经历第k次迭代后的历史最优解；

是除了第i个狮子之外的另一个母狮的最优解；

a_f是扰动因子，随着算法运行次数增加而逐渐减小

式中，S_t表示狮子在活动范围内的步长，

为狮群在解空间维度的最大均值和最小均值，t表示当前迭代次数，T为算法运行的迭代次数；

式中，

代表第i个幼狮个体在第k次更新迭代后的历史最优解，

为母狮群体在第k代的历史最优解，q为(0，1)产生的随机数，g^-k表示种群最优位置的反向位置

幼狮的更新过程中也存在随时间递减的扰动因子a_c，随算法运行次数增加，减小步长。

7.根据权利要求6所述的系统，其特征在于，所述判断单元，通过当前迭代次数与总运行迭代次数进行对比，对于2次路径规划操作进行判断，包括

式中，t代表当前迭代次数，T为总迭代次数；

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

前迭代次数小于总迭代次数的十分之一，则返回继续更新狮王、母狮及幼狮位置。

8.根据权利要求7所述的系统，其特征在于，所述择优单元，基于随机变量所在的范围不同，对于所在不同部分进行重新规划路径，2次路径规划，对比旧路径长度，选择最优路径，包括

前迭代次数不小于总迭代次数的十分之一，则进行2次路径规划；

当前路径节点序列集为M，其中M_i为M的元素，M₁为起点，M_n为终点；

变量

时，将规划好的路径平分为两个部分，对前半部分的路径进行2次规划，后半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留，其中ω为引入变量，是随机数，取值范围为(0,1]；

变量

时，将规划好的路径平分为两个部分，对后半部分的路径进行2次规划，前半部分路径保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，将规划好的路径平分为三个部分，对中间部分进行2次规划，其他部分保持不变，重新规划后比较新旧路径的长度，择优保留；

变量

时，对整条路径进行2次规划，重新规划后比较新旧路径的长度，择优保留。

9.电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。

Images