一种基于dwa算法和太阳能光伏电池的排障算法

摘要

本发明涉及自动导航和新型能源领域，且公开了一种基于dwa算法和太阳能光伏电池的排障算法，具体包括以下步骤：S1：利用太阳板的供电作用，给激光雷达提供足够的电能；S2：将采集的信息经过处理之后，对连续的环境距离信息进行离散化。S3：将扫描后的激光雷达数据与已经建立好的地图进行匹配，通过局部地图对小车进行位置确定。S4：最后通过dwa算法对小车进行局部路径规划，进而达到排障功能。本发明通过改进供电方法与局部规划算法，使得小车对障碍物的识别更加精准。

说明书

技术领域

本发明涉及自动导航和新型能源领域，具体为一种基于dwa算法和太阳能光伏电池的排障算法。

背景技术

SLAM(同步定位与地图构建)，是指机器人或小车根据传感器获得的信息，计算获得自身位置，接着构建地图的过程，slam技术可以解决机器人等无人控制装置在不同的未知环境下运动时的定位与地图构建问题。目前，SLAM导航技术的应用主要在于机器人、无人机、无人驾驶、等领域。而激光SLAM是当今市面上最稳定、最主流的定位导航方法。

而太阳能属于新型无污染能源，利用太阳能光伏电池将太阳能直接转换为电能，太阳能光伏发电系统一般由太阳能电池板、太阳能控制器、蓄电池组、直流-交流逆变器和交流配电设备等组成。太阳能电池板是太阳能光伏发电系统中的核心部分，其利用半导体的光伏效应把光能直接转化为电能，送往蓄电池中存储起来。

总而言之，激光slam在导航中的应用虽然较为稳定和大众化，但在电池供能和相关路径规划算法方面仍然较为欠缺，为此我们提出了一种基于dwa算法和太阳能光伏电池的排障算法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于dwa算法和太阳能光伏电池的排障算法，解决了上述的问题。

(二)技术方案

为实现上述所述目的，本发明提供如下技术方案：一种基于dwa算法和太阳能光伏电池的排障算法，包括以下步骤：

S1：将小车置于光线下，太阳能板光伏电池吸收太阳能后，在半导体p-n结上，形成新的空穴-电子对，在p-n结电场的作用下，空穴由p区流向n区，电子由n区流向p区，从而对小车进行供电；

S2：令速度矢量(v,w)所对应的轨迹与障碍物的间隙宽度为dist(v,w)，移动小车的最大减速度为

S3：DWA算法评价函数的具体定义如下：

G(v,w)＝σ(α·heading(v,w)+β·dist(v,w)+γ·vel(v,w))；

S4：通过DWA算法可获得两个加权项函数，进而整体规划小车的运动轨迹。

优选的，所述S2中能够让小车及时停止的速度集合Va应该满足：

S21：运动学约束空间Vs可表示为：

Vs＝{(v,w)|v∈[v

S22：小车最大加减速的速度集合Vd应当满足：

S23：Vr为可容许速度集合，则区域Vr为上述三大集合的交集，即：

Vr＝Va∩Vs∩Vd。

优选的，所述S3中DWA算法评价函数式中α、β、γ分别为目标方向评价子函数、障碍物间隙评价子函数以及速度评价子函数的权重系数，σ为平滑系数，因此，目标评价函数中得分最高的速度组合即为下一个控制周期的速度指令，即：

V

5.优选的，所述S4使用DWA算法获得加权项函数包括以下步骤：

S41：其中heading(v,w)的计算公式为

heading(v,w)＝180°-θ；

式中θ表示移动小车待评价轨迹末端的切线方向与期望朝向之间的角度差。θ越小，heading(v,w)的评价得分越高。

S42：速度评价的子函数为：

v l(v,w)＝|vg|；

式中，vg为前向模拟轨迹的线速度，将上述两个子函数相结合，小车才能以最快速度绕过障碍物，向目标方向前进。

(三)有益效果

与现有技术相比，本发明提供了一种基于dwa算法和太阳能光伏电池的排障算法，具备以下有益效果：

1、该基于dwa算法和太阳能光伏电池的排障算法，dwa局部路径规划算法相较于传统全部路径规划算法而言较为简单与省时，而太阳能光伏电池供能相较其他供能方式也较为节能与环保。本发明不仅有效的提升了算法的准确性，更降低了实施的成本，为同领域的其他相关问题提供了参考，具有非常广阔的应用前景。

附图说明

图1为本发明流程图；

图2为本发明太阳能板光伏电池的示意图；

图3为本发明为DWA算法的速度空间；

图4为本发明速度采样点的预测轨迹的示意图；

图5为本发明方位角评价函数的示意图。

具体实施方式

请参阅图1-5，一种基于dwa算法和太阳能光伏电池的排障算法，包括以下步骤：S1：将小车置于光线下，太阳能板光伏电池吸收太阳能后，在半导体p-n结上，形成新的空穴-电子对，在p-n结电场的作用下，空穴由p区流向n区，电子由n区流向p区，从而对小车进行供电；

S2：令速度矢量(v,w)所对应的轨迹与障碍物的间隙宽度为dist(v,w)，移动小车的最大减速度为

S21：运动学约束空间Vs可表示为：

Vs＝{(v,w)|v∈[v

S22：小车最大加减速的速度集合Vd应当满足：

S23：Vr为可容许速度集合，则区域Vr为上述三大集合的交集，即：

Vr＝Va∩Vs∩Vd。

S3：DWA算法评价函数的具体定义如下：

G(v,w)＝σ(α·heading(v,w)+β·dist(v,w)+γ·vel(v,w))；

式中α、β、γ分别为目标方向评价子函数、障碍物间隙评价子函数以及速度评价子函数的权重系数，σ为平滑系数。

因此，目标评价函数中得分最高的速度组合即为下一个控制周期的速度指令。即：

V

S4：通过DWA算法可获得两个加权项函数，进而整体规划小车的运动轨迹。

S41：其中heading(v,w)的计算公式为

heading(v,w)＝180°-θ；

式中θ表示移动小车待评价轨迹末端的切线方向与期望朝向之间的角度差。θ越小，heading(v,w)的评价得分越高。

S42：速度评价的子函数为：

v l(v,w)＝|vg|；

式中，vg为前向模拟轨迹的线速度。

将上述两个子函数相结合，小车才能以最快速度绕过障碍物，向目标方向前进。

dwa局部路径规划算法相较于传统全部路径规划算法而言较为简单与省时，而太阳能光伏电池供能相较其他供能方式也较为节能与环保。本发明不仅有效的提升了算法的准确性，更降低了实施的成本，为同领域的其他相关问题提供了参考，具有非常广阔的应用前景。

综上所述，本发明提出了一种基于dwa算法和太阳能光伏电池的排障算法，具有很高的使用和推广价值。