基于危险指数自适应变步长调整算法在机器人安全路径规划中的应用

摘 要：为了提高机器人在安全路径规划过程中的搜索性能，本文提出一种基于危险指数自适应变步长调整算法。该算法将初始步长作为基准值，根据机器人路径规划过程中危险指数的大小自动调整步长加权值，以解决传统固定步长搜索算法路径收敛速度慢，迭代次数多，环境适应能力差等问题。仿真实验证明该方法是一种有效的机器人安全路径规划步长调整算法。

关键词：机器人；安全路径规划；危险指数；自适应变步长调整算法；安全性

一、前言

安全路径规划是一种实现机器人安全性的有效策略[1-5]，在机器人的安全路径规划过程中，机器人搜索步长的合理设置直接影响到机器人的整体性能。相关研究表明[6-7]，传统的固定步长搜索算法存在许多缺陷，比如路径收敛速度慢，迭代次数多，环境适应能力差等。

为了弥补这些缺陷，研究者提出了许多变步长搜索算法。袁亚湘等人将传感器探测所得数据梯度作为步长的增量，即最陡下降法[8]。禹建丽等人在其基础上进一步提出了线性再励的自适应变步长算法[9]。该算法的基本思想是，如果在连续两次迭代中，传感器测量的数据梯度下降方向相反，这说明步长太大，那么减小步长；反之，步长下降过慢，则增加步长。但是该算法对传感器传递的数据敏感度低，步长调整较慢。为了解决上述问题，潘欣裕等人[7]提出了基于S函数的变步长调整算法。他们将初始步长作为步长调整因子的基准值，并依据传感器探测信息，通过S函数映射的方法获取其加权值，以此计算机器人下一步搜索步长及运动方向。由于传感器测量数据易受环境影响，因此难以满足该算法对传感器测量数据高精度的要求。

基于此，本文提出了一种基于危险指数自适应变步长调整算法。该算法仍将初始步长作为基准值，并根据危险指数的大小调整步长加权值。这样在路径规划过程中搜索步长将响应危险指数的变化，进一步提高了机器人的安全性。

二、步长调整算法

合理设置步长调整算法可以改善路径搜索的收敛性能、减少迭代步数，节省搜索时间，因此本文分析和比较了几种步长调整算法对安全路径规划的贡献。

1、算法一：固定步长法

2、算法二：

3、算法三：基于危险指数自适应变步长调整算法

基于危险指数自适应变步长调整算法仍将初始步长作为基准值，并根据危险指数的大小调整步长加权值。即当 DI增大时，减小步长调整因子的加权值，以避免步长过大导致机器人"刹车"不及时而碰到人体，若此时危险指数超过允许的最大值 DImax，则停止搜索；反之，当 DI减小时，则增大其加权值，以减少迭代次数，提高收敛速度。这样在路径规划过程中搜索步长将响应危险指数的变化，进一步提高了机器人的安全性。步长反馈控制装置如图2-1所示。

三、仿真结果

与算法一、算法二相比，算法三规划的路径收敛性能、收敛速度较前两者均有提高和改善。当危险指数小于最小影响阈值 DImin 时，搜索步长保持最大值，从而提高了收敛速度；当其超过 DImin时，步长立即减小，机器人位姿得到调整，这样危险指数也被降低至当前最小值。

四、结语

本文研究了步长调整算法在机器人安全路径规划中的应用，并比较了三种步长调整算法对路径规划性能的影响，从而提出了一种基于危险指数自适应的步长调整算法。仿真实验证明了该算法加快了路径收敛速度，改善了路径收敛性能，并进一步保障了机器人的安全性。

参考文献：

[1]吴海彬，杨剑鸣.机器人在人机交互过程中的安全性研究[J].中国安全科学学报，2011，（11）.

[2]Dana Kulic，Elizabeth Croft. Safe-motion planning for human-robot interaction：Design and Experiments. Mobile Robots Towards New Applications，2006：149-170.

[3]Maciejewski，A.A，C.A.Klein. Obstacle Avoidance for Kinematically Redundant Manipulators in Dynamically Varying Environments.The International Journal of Robotics Research.1985，4（3）：109-117.

[4]Chen，M.，A.M.S.Zalzala.A Genetic Approach to Motion Planning of Redundant Mobile Manipulator Systems Considering Safety and Configuration. Journal of Robotic Systems，1997，14（7）：529-544.

[5]彭爱泉.基于危险指数最小化的机器人安全路径规划方法[J].现代科技，2014，（4）.

[6]禹建丽，韩平，王磊，等.基于自适应变步长算法加快机器人路径规划的收敛速度[J].自动化理论/技术及应用，2010，（3）.

[7]潘欣裕，公维理，王俭，等.移动机器人步长调整算法的S函数应用研究[J].计算机工程与应用，2010，（11）.

[8]袁亚湘，孙文瑜.最优化理论与方法[M].北京：科学出版社，2001：108-121.

[9]禹建丽，成久洋之，Valeri Kroumov.线性再励的自适应变步长机器人神经网络路径规划算法[J].燕山大学学报，2002，（3）.

作者简介：彭爱泉（1985.8-），女，湖南邵阳人，贵州交通职业技术学院，助教，硕士，研究方向：机器人技术、嵌入式系统、测控技术与仪器。