智能倉儲機器人全局定位方法研究

□ 張偉忠 江蘇蘇州國家糧食儲備庫有限公司

文章首先對混沌粒子群優化算法及粒子濾波方法存在的缺陷進行了簡單介紹，繼而對混沌粒子群優化算法與粒子濾波融合計算方法進行詳細闡述，最后通過仿真實驗的方式證明，利用混沌粒子群優化算法可有效改善粒子濾波，提升智能倉儲機器人全局定位效率，值得在實踐中推廣使用。

表1 三種方法仿真實驗濾波性能比較

前言

全局定位技術是研發智能倉儲機器人的一項關鍵技術，在應用過程中對精度的要求較高。為進一步提升智能倉儲機器人全局定位的精度，本研究通過仿真實驗的方式，探究利用混沌粒子群優化算法改善粒子濾波的效果，以下為具體研究內容。

混沌粒子群優化算法及粒子濾波方法缺陷分析

粒子群優化算法是目前十分先進的一種進化計算技術，鳥群的捕食行為是其基礎原型。本研究擬采用混沌粒子群優化算法彌補粒子濾波方法存在的缺陷。在保障粒子集收斂性的基本原則不變的前提下，通過將混沌擾動機制引入其中，利用混沌遍歷性和隨機性提升粒子的遍歷性以及種群的多樣性，從而持續為速度放緩粒子提供搜尋可行解的能力。

子濾波方法的理論基礎為貝葉斯濾波原因，本質上為一種利用系統模型預測狀態的先驗概率密度，繼而通過對已知觀測數據進行進一步的修正，從而獲取后驗概率密度的一種方法。子濾波方法存在的主要缺陷集中在兩個方面，其一為粒子本身缺乏，其二為實際效率較低，極易導致預估計的失敗。

混沌粒子群優化算法與粒子濾波融合計算方法

首先，混沌粒子群優化算法可基于自身的自適應能力改變權重值，均衡混沌粒子群優化算法的局部搜索能力以及全局搜索能力，繼而提升粒子的收斂速度，避免粒子陷入局部最優的困境中，從而實現在較短的時間內完成全局的精準定位。粒子濾波方法則是自身通過不斷更新粒子的位置和權重值的方式，最大限度逼近系統真實后驗概率的分布情況。然后，在混沌粒子群優化算法中具備最適應度值的粒子即最優值點的粒子，在粒子濾波方法中則是系統中最有可能狀態粒子所具備的一個最大權重值。最后，在混沌粒子群優化算法和粒子濾波方法內都存在著彼此的運行機制。在粒子濾波方法中，粒子自身會基于運動模型更新自己的位置，然后再通過觀測模型的方式實現自身權重值的更新。在混沌粒子群優化算法中的每個粒子則是通過個體最優和全局最優值的方式，來不斷實現位置和速度的更新。

仿真實驗

仿真設計

本研究設計了如公式1、公式2所示的粒子濾波方法和混沌粒子群優化算法與粒子濾波融合計算方法比較系統，將其置于不同噪聲環境下的一維非線性系統中進行仿真實驗。

其中，r取值為(0,1)，噪聲方差R=1，過程噪聲方差Q=10。在仿真實驗的過程中，粒子數目選擇500，迭代次為100，時間步長取50。均方根誤差計算公式如公式（3）所示：

將兩者置于相同的情況之下，期望估算的精度越高，則均方根誤差越小。選擇標準狀態對仿真結果進行估計，從混沌粒子群優化算法與粒子濾波融合計算方法的估算效果可知，其效果要明顯優于粒子群優化算法與粒子濾波融合計算方法和粒子濾波方法。表1為具體的仿真實驗數據，可見混沌粒子群優化算法與粒子濾波融合計算方法在均方根誤差以及運行時間方面都具備更大的優勢。

實驗結果

將混沌粒子群優化算法與粒子濾波融合計算方法具體應用到智能機器人的全局定位中，同時將粒子濾波方法、粒子群優化算法與粒子濾波融合計算方法置于同條件下進行實驗對比。在實驗的過程中，設定機器人在周期環境信息的感知上使用SICK二維激光傳感器。觀察實驗結果可知，混沌粒子群優化算法與粒子濾波融合計算方法可以十分快速地收斂到機器人在其實際中的位置周圍。粒子群優化算法與粒子濾波融合計算方法的表現則相對較差，傳統的粒子濾波方法的實驗結果顯示，不能在很短的時間內實現收斂，甚至還出現了輕微的發散情況，可見混沌粒子群優化算法與粒子濾波融合計算方法對于智能倉儲機器人的全局定位具有很好的效果。

結語

本文通過仿真實驗的方式，就粒子濾波方法、粒子群優化算法與粒子濾波融合計算方法、混沌粒子群優化算法與粒子濾波融合計算方法三種智能倉儲機器人全局定位效果進行了對比，實驗結果證明混沌粒子群優化算法與粒子濾波融合計算方法在均方根誤差、運行時間以及全局定位效果方面都具備更大的優勢，值得在實踐中推廣使用。