基于LoRa協議的掃地機器人路徑區域規劃

摘要：針對當前國內外缺乏對大場地環境下掃地機器人方面研究的空白，提出一種LoRa協議和改進的灰狼算法相結合的智能場地掃地機器人。在通信方面引入LoRa局域網，比較顯著提高了通信效率，降低通信能耗，并能很好地適應大范圍的工作環境，結合上位機為操作者提供較精確的地圖定位以及簡單的控制應用。在路徑規劃方面，主要是采用經過改進的傳統灰狼優化算法的多任務目標遍歷方式，并結合遺傳算法等技術，在傳統灰狼的方法上增加了非線條收斂因子調整策略，其在迭代初期對全局檢索的收斂因子變化大，非線性因素改變的速度慢，對全局檢索能力強。仿真結果也證實，優化算法的模型求解力更強，且遍歷路徑也更短，對大場地條件下的越來越多任務目標遍歷也能取得很好的成效，且對大環境下越來越復雜、任務目標愈來愈多的路徑規劃起到的效果更加明顯。

關鍵詞：LoRa協議；移動機器人；灰狼優化算法；路徑規劃

中圖分類號：TP242.6" " 文獻標識碼：A

文章編號：1009-3044（2022）33-0021-04

1 引言

我國現有掃地機器人多數為室內智能家具產品，對于面向較大面積場地的掃地機器人的研究，目前尚處于發展階段，尚未投入廣泛使用，因此具備較為重要的研究價值。本文擬研發一款基于LoRa無線射頻技術，實現低功耗、超大范圍覆蓋、安全便捷的智能掃地機器人，利用LoRa技術所具備的超長距離、低功耗和安全的數據傳輸特點，結合連續區域路徑規劃算法的研究，為大面積場地智能清掃提供一套高效可行的實施方案。

2 方案設計

2.1 總體方案設計

整體方案如圖1所示，由控制器控制掃地機器人驅動結構，使清掃機構進行清潔作業，由電源部分提供動力，同時收集傳感器的信息反饋，由控制器進行一系列邏輯分析與處理，實現機器人的避障與針對性清潔功能。同時將信息傳輸給控制終端實時反饋機器人所在位置，經過計算機處理，自主構建地圖。

2.2 硬件設計

硬件部分作為機器人主體部分，支撐其完成移動、清掃功能，主要由車架、刷盤、吸塵結構、垃圾箱、電動機、驅動板等部分組成。如圖2所示為掃地機器人整體結構圖，主要由主控制器、驅動機構、清掃機構、傳感器等部分組成。驅動結構采用三輪式差速控制，該控制方式機械結構簡單，便于安裝，且電機功率利用率高，能滿足項目低功耗的核心需求。機器人內部為垃圾收納箱，外表面裝有觸控屏，既能實現與終端的信息校驗，還能調節機器人清掃工作中的一些參數。清掃結構采用多自由度刷盤搭配吸塵結構，有效提高清潔效率。

在主控制器的選用上，本文使用STM32F103C8T6核心板，通過傳感器反饋的信息，使用不同指令傳遞PWM信息給驅動器芯片L298，再由L298的輸出控制直流電機的電壓輸入從而實現電機的啟動、停止、加速、減速。L298驅動電路還用于驅動刷盤與吸塵電機，用于清掃與吸塵。另外，還采用了SX1278芯片，利用LoRa擴頻工藝實現通信間距高達8Km或者更長的定點傳輸。

2.3 軟件設計

掃地機器人系統程序流程圖如圖3所示。小車系統初始化后，清潔機構控制電機啟動，機器人開始清潔工作，避障模塊開始測距，當障礙距離大于10cm時，小車前進；當障礙距離小于等于10cm時，小車首先左轉，此時再次檢測距離，當距離大于10cm時，小車前進，反之，小車右轉；最后再進行一次距離檢測，大于10cm前進，距離在10cm內則再向右轉；至此，當遍歷檢測到機器人已經完成清潔任務時，清潔機構停止運行，機器人返回起始工作點。

2.4 LoRa的應用

2.4.1 LoRa的選擇

LoRa協議在功率要求、通信范圍、通信速率等方面具備很多優點，在點對點通信鏈路具有較高的精度[1]，本文采用SX1278芯片模塊，其屬于單通道半雙工通信，可利用其通道的復用進行多節點通信，并具備功率小、傳輸距離遠、抗干擾性能強的優勢。另外，LoRaTM調制技術在數據選擇特性和抗阻塞性能上都具有較大的優越性，相對于FSK調制技術在數據傳輸速率最大時數字精度也更高，因此LoRaTM的優勢保證了通信的安全性，并且開放了多種參數可供調節。

2.4.2 LoRa組網方式

由于大場地環境下機器人的需求量較大、節點較多，但每個節點之間的影響關系較小，系統采用經典的星形網絡拓撲架構，通過對個人電腦或手機程序的控制，一個服務器可以連接多個LoRa網關，而每個LoRa網關則可以連接將近數萬個計算機終端模塊。LoRaWAN網絡采用易于搭建、簡單高效的三級架構，且其所有的通信均為雙向通信，既可實現數據的上傳又能實現指令的下發。星形網絡中，終端設備一般采用單跳與網關相連，極大降低網絡流量，減小系統成本，同時也簡化了網絡。綜上，系統最終采用LoRaWAN組網、星型架構，終端采集模塊連接至一個網關，由其向上發送給上位機，保存數據。同時加入LoRaWAN的接入安全機制，結合LoRa射頻指紋識別技術，提高了LoRaWAN的接入安全性能[2]。LoRa無線通信系統的總體架構如圖4（上）所示。

2.4.3上位機軟件設計

上位機即應用層，是用來下達命令到LoRa的網關操作終端，并接受感知層上傳反饋的數據，初步設計有PC端和手機端兩個同功能上位機，手機建立熱點，保持流量暢通，這時可以通過App登錄客戶端。在設備上電，網絡正常運行一段時間后，就可以通過客戶端查看掃地機器人的實時位置和掃地機器人反饋的路徑信息。同時，也可以控制掃地機器人運行和停止。上位機界面如圖4（下）所示。

3 路徑規劃

3.1 建立場地掃地機器人環境模型

當場地掃地機器人在進行路徑規劃時，對場地掃地機器人所處環境進行合理建模為首要任務。環境模型的主要目的就是得到場地上清掃機器人所處區域的地圖，而清掃機器人路徑規劃也就是在其所構建環境模型的基礎上完成的，因此環境建模的合理性直接影響到后續路徑規劃算法的運算效率與準確性。

3.1.1 環境建模有效信息及其獲取途徑

場地掃地機器人工作實質在于完成規定大區域內地面環境的清掃作業，同時順利避開障礙，因此可將其工作環境設置為室外的二維平面模型，其包含區域邊界、可清掃地面與障礙，而針對場地掃地機器人的有效信息即為區域邊界、可清掃區域、障礙區域三者的位置信息。

對于環境建模有效信息的獲取，可分為以下兩種情況討論：一是已經掌握待清掃區域二維電子地圖，根據地圖信息直接建模；二是面對陌生環境區域，場地掃地機器人通過內置衛星導航定位模塊及外設測距模塊對環境區域進行學習，在行進過程采集有效信息，在初始化環境模型基礎上通過采集邊界、可清掃區、障礙區位置數據，實時更新環境模型，并將所得數據進行存儲。

3.1.2 基于柵格法的環境建模方案

實際應用中，針對不同區域環境，選擇合適的環境建模方案十分重要。基于柵格法的環境建模方案，在場地掃地機器人內置定位模塊的基礎上，令每一柵格對應一個經緯度坐標，進行精準定位，相比于自由空間法與拓撲法能實現更高的精度；同時柵格法具有建模簡單、運算量小等優點，相比幾何法具有更高的運算速度。綜上所述，本項目采用柵格法進行環境建模。

柵格法所建立的環境模型，即將場地掃地機器人運動區域劃分為若干個柵格，并對每一柵格進行賦值來區分其屬性，具體數學描述如下：

定義1：用集合[S]表示掃地機器人運動區域，即：

[S=（x，y）|（x，y）為掃地機器人運動區域任意點坐標}]

定義2：可清掃區域柵格值為1，障礙區域與邊界柵格值為0，即：

[map（x，y）=1，無障礙0，有障礙]

并記可清掃區域集合為[SY={（x，y）|map（x，y）=1}]，障礙與邊界區域集合為[SN={（x，y）|][map（x，y）=0}]，易得[SY、SN?S]，[SY?SN=0]，[SY?SN=S]。

定義3：場地掃地機器人清掃過的區域，其柵格值[map（x，y）=2]。

場地掃地機器人通過上述規則建立目標環境數學模型，且方便計算機進行存儲，為進一步路徑規劃算法提供良好的運行平臺。本項目基于柵格法上述規則在Excel建立的模擬地圖如圖5所示。

3.2 基于改進型灰狼優化算法的遍歷式路徑規劃

3.2.1 傳統灰狼優化算法（GWO）

灰狼優化算法（GWO）是為了模擬在生態學領域狼群體覓食行為中的過程，所產生的一種人群智能優化算法。狼群有著嚴密的社會層級組織和組織系統，狼群的最頂層狼為[a]狼（狼群首領），而b狼則為[a]狼的下屬狼，必須服從[a]狼的命令，c狼地位僅次于[a]狼和b狼，其余狼為u狼，地位最低。狼群的覓食狩獵活動大致分為搜尋、圍困和進攻三個階段。GWO算法數學模型中，將種群中的每一種候選解法都用一只灰狼表示，并用[a]狼表示最佳解，b狼和c狼表示第二和第三最佳候選的解法，以及剩下的侯選解法為u。設灰狼種群數量為[N]，搜索空間為[Dim]維空間，第[i]只灰狼在第[Dim]維空間中的位置向量可以表示為[XDimi]，灰狼圍捕獵物的數學模型描述如下[3]

[D=C?Xp（t）-X（t）]" " " " " " " " " " " " " （1）

[X（t+1）=Xp（t）-A?D]" " " " " " " " " " " " " （2）

上式中[t]代表當前迭代次數，[A]與[C]是系數向量；[Xp（t）]是獵物的位置向量；[X]代表灰狼的位置向量[4]。[A]與[C]的計算公式為：

[A=2a?r1-a]" " " " " " " " " " " " " " " "（3）

[C=2r2]" " " " " " " " " " " " " " " " "（4）

上式中[r1]與[r2]的模是[[0，1]]之間的隨機數，[a]是收斂因子，隨著迭代次數的增加從2線性減少到0。

[a=2-22ttmax]" " " " " " " " " " " " " " " "（5）

上式中：[t]為當前迭代次數；[tmax]為最大迭代次數。

灰狼追蹤獵物位置的數字模型描述如下：

[D1=K1Xa-xD2=K2Xb-xD3=K3Xc-x]" " " " " " " " " " " " " " （6）

[X1=Xa-A1DaX2=Xb-A2DbX3=Xc-A3Dc]" " " " " " " " " " " " " " （7）

[X（t+1）=X1+X2+X33]" " " " " " " " " " " " " "（8）

上式中：[K1]、[K2]以及[K3]是隨機向量；[Da]、[Db]以及[Dc]對應的是[a]狼、b狼、c狼與其他狼群成員之間的距離；[X1]、[X2]、[X3]則分別對應[a]狼、b狼、c狼的位置；[X]是當前狼的位置。

3.2.2 改進型灰狼優化算法（IGWO）

非線性的收斂因子調節策略：對狼群獵殺過程是全局搜尋能力和局部整體研發力量的融合，在常規GWO算法中收斂因數通常是線性地減少的，在現實捕獵流程中人們更期望全局搜尋能力緩慢利于發現全局最優預測解，而局部整體研發力量快速精確地發現了局部最優預測解。線性衰減的收斂因子并不能表現出先慢后快的優點，因此引入了一個非線條收斂因子調整策略，在迭代初期的全局搜尋時收斂因子很大，但非線性變換速度較慢，整體全局搜尋能力增強;在迭代后期的控制參量時收斂因子較小，非線性變換速度快，可在某個范圍內尋找最優解，開發能力增強，整體收斂速率提高。

3.3 仿真分析

在MATLAB平臺建立m文件，對傳統灰狼優化算法（GWO）及改進型灰狼優化算法（IGWO）進行仿真實驗驗證，環境模型同為圖6所示Excel柵格法地圖模型。傳統灰狼優化算法運行結果如圖6所示。

根據如上仿真運行結果可以看出，二者均可實現全地圖遍歷的基本要求，但在路徑長度方面，改進型灰狼優化算法規劃的路徑長度更短，且其路徑的優勢主要體現在障礙物周圍的路徑規劃方案。由圖可知，傳統灰狼優化算法在障礙物周圍將具有較多的冗余重復路徑，而相較而言，改進型灰狼優化算法在障礙區域周圍的路徑更加優化。由此可得，隨著地圖復雜程度的增加，改進型灰狼優化算法優勢更加顯著，可使場地掃地機器人在更簡短的路徑長度內實現環境區域遍歷。

在迭代次數方面，改進型灰狼優化算法具有更快的收斂速度，所需迭代次數更少，大大減少了程序運算次數，提高運算速度。二者收斂速度的比較和遍歷路徑規劃最終結果圖如圖7所示。

4 總結與展望

筆者已經在多場地情況下，開展了關于遍歷式路徑規劃的研究，應用LoRa協議作為移動機器人的通信基礎，在此基礎上開發出上位機應用，能夠簡單地對機器人遠程控制和提供較精確的定位。另外，通過選擇尋優特性良好的GWO算法并對之加以改進完善，引入非線條收斂因子以平衡全局尋找和局部開發的能力，并引入遺傳算法進行二次種群位置更新，以防止搜索尋優進入局部最優的情形[5]，進而提高了算法的模型求解能力，也進而提高了算法的模型求解能力，利用IGWO算法可以對處理點進行遍歷，求解出處理點的搜索順序，并進一步優化。在復雜環境下的遍歷中具有不錯的效果，不易發生局部最優路線通行的情形，而且環境越是復雜的地區路線規劃效果就越好。

參考文獻：

[1] Bhatnagar O，Surendran N，Alam M M.Development of an algorithm for a target platform-following robot using LoRa signals[C]//2020 11th International Conference on Computing，Communication and Networking Technologies （ICCCNT）.Kharagpur，India.IEEE，：1-5.

[2] Chen N，Hu A Q，Fu H.LoRa radio frequency fingerprint identification based on frequency offset characteristics and optimized LoRaWAN access technology[C]//2021 IEEE 5th Advanced Information Technology，Electronic and Automation Control Conference.Chongqing，China.IEEE，：1801-1807.

[3] 李靖，楊帆.復雜障礙物環境下多任務目標遍歷路徑規劃[J].現代電子技術，2021，44（7）：162-168.

[4] 張曉鳳，王秀英.灰狼優化算法研究綜述[J].計算機科學，2019，46（3）：30-38.

[5] 李靖，楊帆.基于改進灰狼優化算法的區域監測機器人路徑規劃[J].科學技術與工程，2020，20（15）：6122-6129.

【通聯編輯：梁書】