面向离散分布光伏面板清洁的飞行机器人的轨迹生成方法

技术领域

本发明属于光伏清洁领域的一种飞行清洁机器人任务空间路径生成方法，尤其是涉及了一种面向多个离散分布光伏面板清洁的飞行机器人最优路径生成方法

背景技术

全球化石能源的价格上涨、以及节能减排的“碳中和”需求，对绿色能源的开采、利用提出了迫切需求。光伏发电将光能直接转变为电能，已成为最重要的新能源产业之一。然而，太阳能光伏面板表面覆盖灰尘或其他污染物会大大降低太阳能能转换效率，降低材料的使用寿命。研究表明，每年清扫一次光伏面板只能提高约0.81％的发电效率，而定期清扫对发电效率的提升能达到9.8％，但随着人工成本的逐年增加，用清扫机器人取代工人来进行光伏面板的清扫已成为发展的必然趋势，且部分极端环境下(例如多风多沙的偏远地区、杂乱分布的工厂/居民楼/写字楼的楼顶)，人工清洁十分不便甚至无法实现人工清洁。

采用能适应复杂工况的光伏清洁机器人，周期性地对太阳能面板进行清洁是提升发电效率的有效手段，而高效率低能耗的作业是光伏清扫机器人的关键技术之一。机器人能实现自主定位导航与路径规划及自主清扫，可有效降低运维人员劳动强度、节省电站运维成本，具有广阔的应用前景和社会价值。

因此当今市场推出了多种具备清洁与检测功能的飞行机器人来代替人工完成相关工作。但面对城市中光伏面板分布离散的问题，为飞行机器人规划合适的飞行路径，可以节省机器人的飞行时间，减少机器人耗电，增加单次飞行清洁的光伏面板数量，减少飞行次数，增加工作效率。目前光伏清洁领域主要采用人工或半人工辅助，基于自动化设备的光伏清洁多是采用固定轨道而无需轨迹规划或单一光伏面板内部的局部路径规划。

发明内容

为了解决背景技术中存在的问题，本发明根据自主研发的一款可实现光伏面板停靠的具有表面缺陷检测与清洁功能的飞行机器人，提供一种面向离散分布光伏面板清洁的飞行机器人的轨迹生成方法，能够为飞行机器人在多个离散分布的光伏面板间飞行生成最优路径。

本发明所采用的技术方案如下，包括以下步骤：

步骤S1：确定出所有离散分布的光伏面板的坐标；

步骤S2：在所有的光伏面板中选择一个光伏面板，并将该光伏面板的坐标作为飞行机器人飞行任务的起点和终点；

步骤S3：采用蚁狮算法，规划出飞行机器人在飞行过程中的最优路径；

步骤S4：将规划好的最优路径的坐标序列输出给飞行机器人的控制部分，飞行机器人开始执行飞行任务。

所述步骤S3中，采用蚁狮算法得到最优路径的具体步骤为：

步骤S3.1、种群初始化：设置蚁狮算法的基本种群参数，包括蚁狮数量Z

步骤S3.2、将蚁狮位置x

步骤S3.3、将蚁狮的坐标序列总长度作为蚁狮的适应度y

步骤S3.4、根据蚁狮的适应度y

步骤S3.5、在排序后蚁狮序列中的第一只蚁狮作为精英蚁狮，记录精英蚁狮的坐标序列x

步骤S3.6、开始进入迭代循环，设置蚁狮算法的当前迭代次数iter为1，利用轮盘赌选择算法，让每只蚂蚁均在蚁狮序列中选择一只蚁狮并将被选择的蚁狮作为该蚂蚁的指定蚁狮；

步骤S3.7、让每只蚂蚁分别在所选的指定蚁狮和精英蚁狮附近做随机走动，分别得到每只蚂蚁各自的第一坐标序列RA和第二坐标序列RE；

步骤S3.8、根据第一坐标序列RA和第二坐标序列RE，更新每只蚂蚁各自的坐标序列和适应度；

步骤S3.9、对所有蚁狮和更新后的蚂蚁根据适应度进行降序排序，按照蚁狮和蚂蚁的适应度由高到低依次进行重新排序，生成一个具有2Z

步骤S3.10、将更新后蚁狮序列中排序为第一位的蚁狮作为精英蚁狮，更新精英蚁狮的坐标序列x

步骤S3.11、将当前迭代次数iter加一并与最大迭代次数Maxiter比较，若当前迭代次数小于最大迭代次数，则回到步骤S3.6继续循环，若当前迭代次数大于或等于最大迭代次数则退出循环，进入步骤S3.12；

步骤S3.12、将最后一次循环得到的精英蚁狮的坐标序列x

所述步骤S3.2中的蚁狮位置x

x

其中，x

所述步骤S3.3中的蚁狮的适应度y

其中，y

所述步骤S3.6中，通过轮盘赌选择算法，让蚂蚁选择出指定蚁狮的方式为：

首先，按照以下公式处理得到个体累计概率向量acc：

其中，cumsum()表示累加函数，acc[i+1]排序后第i个蚁狮的个体累计概率；

接着，按照以下公式处理得到对比数p：

p＝rand()*acc(N+1)

其中，rand()为选自[0，1]区间的一个随机数，为MATLAB自带函数；

然后，将第i只蚁狮的个体累计概率acc[i+1]与对比数p进行对比，选出蚂蚁的指定蚁狮：

若acc[i+1]＞p，则将第i只蚁狮作为待选蚁狮；

否则，则将该蚁狮从待选蚁狮中剔除；最后从待选蚁狮中选出序数最小的蚁狮作为蚂蚁的指定蚁狮。

所述步骤S3.7中蚂蚁在指定蚁狮附近做随机走动的具体方式为：

步骤S3.7.1、设置初始的随机走动概率I和走动总次数dim；

步骤S3.7.2、在第i只蚂蚁的随机走动过程中，若rand()＜I，则交换第i只蚂蚁对应指定蚁狮的坐标序列中任意两个节点的位置，同时将走动总次数dim更新为dim-1；若rand()≥I，则第i只蚂蚁对应指定蚁狮的坐标序列不变，同时将走动总次数dim更新为dim-1；

当走动总次数dim变为零时，结束随机走动，并将最后的坐标序列作为第i只蚂蚁的第一坐标序列RA；

所述步骤S3.7中蚂蚁在精英蚁狮附近做随机走动的具体方式为：

步骤S3.7.1、设置初始的随机走动概率I和走动总次数dim；

步骤S3.7.2、在第i只蚂蚁的随机走动过程中，若rand()＜I，则交换精英蚁狮的坐标序列中任意两个节点的位置，同时将走动总次数dim更新为dim-1；若rand()≥I，则精英蚁狮的坐标序列不变，同时将走动总次数dim更新为dim-1；

当走动总次数dim变为零时，结束随机走动，并将最后的坐标序列作为第i只蚂蚁的第二坐标序列RE。

所述步骤S3.7中，更新每只蚂蚁坐标序列和适应度的具体方式为：

分别对第一坐标序列RA和第二坐标序列RE进行适应度计算，得到第一适应度RA

若RA

若RA

所述步骤S2中的飞行机器人是指具有清洁功能和飞行功能的机器人。

本发明方法将所有需要清洁的光伏面板视为独立的机器人飞行目的地，并将其空间位置坐标输入机器人系统，将机器人清洁过程转换为旅行商问题，并采用蚁狮算法进行计算，获取机器人飞行总长度最短的最优路径；本发明能够显著缩短机器人执行清洁任务的飞行路程，提升工作效率，延长作业时间，实现单次充电更大面积的清洁作业，在面对荒野/高密度城市建筑群、工业区厂房等离散分布的光伏面板清洁具有较高的实用性和使用价值。

本发明利用了蚁狮算法来解决旅行商问题，从而实现了最优路径的获取。

本发明的优势和有益效果在于如下几点：

1、相较于传统算法例如粒子群(PSO)解决旅行商问题所规划出来的最优路径的路程和计算时间。本发明运用的蚁狮算法能够更加快速的计算出最优路径，并且所计算出的最优路径路程更短，效率更高。

2、相较于传统基于二维平面设计的传统优化算法例如蚁群算法(ACA)解决旅行商问题。本发明运用的蚁狮算法可以实现飞行机器人在三维工作空间实现路径规划，更加适应地形复杂的楼宇环境。

附图说明

图1是本发明方法的流程框图；

图2是本发明中使用的飞行机器人结构示意图；

图3是本发明中实施例场景示意图；

图4是本发明中实施例离散光伏面板坐标点示意图；

图5是本发明中实施例蚁狮算法(ALO)规划的最优飞行路径仿真示意图；

图6是本发明中实施例蚁群算法(ALO)规划的最佳适应度收敛曲线示意图；

图7是本发明中实施例粒子群算法(PSO)规划的最优飞行路径仿真示意图；

图8是本发明中实施例粒子群算法(PSO)规划的最佳适应度收敛曲线示意图。

具体实施方式

下面结合具体实施案例对本发明进行详细说明，以下实施案例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。

本发明的实施例：图1中的框图为本发明提出的面向多个离散分布光伏面板清洁的飞行机器人最优路径生成方法的具体流程图；如图2所示，本发明以自研发的一种多功能清洁飞行机器人作为实施对象，包括机架飞行部分以及清洁模块，视觉检测模块，本发明以该场景作为飞行机器人的飞行任务环境。结合实施例进行说明，本发明的具体流程主要包括以下步骤：

步骤S1：如图3所示，将该场景作为飞行机器人的飞行任务环境，确定出所有离散分布的光伏面板的坐标，具体实施中，输入的光伏面板坐标采用光伏面板几何中心垂直上方1米的坐标，将光伏面板坐标导出；

步骤S2：在所有的光伏面板中选择一个光伏面板，并将该光伏面板的坐标作为飞行机器人飞行任务的起点和终点；具体实施中，将光伏面板1作为飞行机器人飞行任务的起点和终点，如下表1和图4所示；

表1光伏面板坐标

步骤S3：将光伏面板坐标输入给飞行机器人，调用蚁狮算法，规划出飞行机器人在飞行过程中的最优路径，具体地，为了实现节省飞行机器人飞行时间，加强工作效率的目标，要为飞行机器人规划路径最短且损失最低的路径，因此通过解决旅行商问题来实现最优路径生成，本发明方法的蚁狮算法用于解决旅行商TSP问题；

步骤S3中，采用蚁狮算法得到最优路径的具体步骤为：

步骤S3.1、初始化变量，设置蚁狮种群规模(即蚁狮的数量)Z

步骤S3.2、将蚁狮位置x

蚁狮位置x

X

其中，x

例：n

步骤S3.3、将蚁狮的适应度y

蚁狮的适应度y

其中，y

步骤S3.4、根据蚁狮的适应度y

其中，S表示排序后的蚁狮序列，sort[]表示对矩阵根据适应度排序，为MATLAB自带函数，x

步骤S3.5、将蚁狮种群进行排序后蚁狮序列中的第一只蚁狮作为精英蚁狮，精英蚁狮为适应度y

步骤S3.6、进入迭代循环，设置蚁狮算法的当前迭代次数iter为1，利用轮盘赌选择算法，让每只蚂蚁均选择一只对应的蚁狮并将被选择的蚁狮作为该蚂蚁的指定蚁狮，指定蚁狮的选择范围为更新后的蚁狮序列，在蚂蚁随机选择一只蚁狮在其附近随机走动时，通过轮盘赌选择算法可以来实现蚂蚁更容易选择到适应度高的蚁狮；

更新回步骤S3.2中的蚂蚁位置x

通过轮盘赌选择算法，让蚂蚁选择出指定蚁狮的具体方式为：

(1)、计算适应度比例

(2)、计算个体累计概率acc，排序后蚁狮的个体累计概率acc向量按照公式(3)处理得到：

其中，cumsum()表示累加函数，acc[i+1]表示排序后的第i个蚁狮的个体累计概率；

(3)、计算对比数p，对比数p按照公式(4)处理得到：

p＝ramd0*acc(N+1)(4)

其中，rand()为选自[0，1]区间的一个随机数，为MATLAB自带函数；

(4)、将第i只蚁狮的个体累计概率acc[i+1]与对比数p进行对比，选出蚂蚁的指定蚁狮：

若acc[i+1]＞p，则将第i只蚁狮作为待选蚁狮；否则，则将该蚁狮从待选蚁狮中剔除；最后从待选蚁狮中选出序数最小的蚁狮最为指定蚁狮；

步骤S3.7、让每只蚂蚁分别在所选的指定蚁狮和精英蚁狮附近做两组随机走动，分别得到每只蚂蚁各自的第一坐标序列RA和第二坐标序列RE；

具体地，蚂蚁在指定蚁狮附近做随机走动的具体方式为：

步骤S3.7.1、设置初始的随机走动概率I和走动总次数dim；

步骤S3.7.2、在第i只蚂蚁的随机走动过程中，若rand()＜I，则交换第i只蚂蚁对应指定蚁狮的坐标序列中任意两个节点的位置，同时将走动总次数dim更新为dim-1；若rand()≥I，则第i只蚂蚁对应指定蚁狮的坐标序列不变，同时将走动总次数dim更新为dim-1；

循环走动dim次后结束随机走动，并将最后的坐标序列作为第i只蚂蚁最终的第一坐标序列RA。

蚂蚁在精英蚁狮附近做随机走动的具体方式为：

步骤S3.7.1、设置初始的随机走动概率I和走动总次数dim；

步骤S3.7.2、在第i只蚂蚁的随机走动过程中，若rand()＜I，则交换精英蚁狮的坐标序列中任意两个节点的位置，同时将走动总次数dim更新为dim-1；若rand()≥I，则精英蚁狮的坐标序列不变，同时将走动总次数dim更新为dim-1；

循环走动dim次后结束随机走动，并将最后的坐标序列作为第i只蚂蚁最终的第二坐标序列RE。

随机走动概率I和走动次数dim随着迭代的增加而减少，随机行走概率I来表示蚂蚁走动的随机性，走动次数dim来表示蚂蚁走动随着迭代次数的增加，次数越来越少来显示蚂蚁越来越靠近蚁狮陷阱难以摆脱陷阱的情况。体现出全局搜索到局部寻优的特点；第一坐标序列RA表示蚂蚁在所选指定蚁狮附近随机走动后获得的坐标序列，第二坐标序列RE表示蚂蚁在精英蚁狮附近随机走动后获得的坐标序列。

当iter>Maxiter/10时，设置I＝0.9，dim＝9；当iter>Maxiter/2时，设置I＝0.85，dim＝5；当

步骤S3.8、分别对第一坐标序列RA和第二坐标序列RE进行适应度计算，得到第一适应度RA

若RA

若RA

其中，根据对坐标序列RA/RE，得到适应度RA

其中，RA

步骤S3.9、对所有蚁狮和更新后的蚂蚁根据适应度进行降序排序，按照蚁狮和蚂蚁的适应度由高到低依次进行重新排序，生成一个具有2Z

具体地，步骤S3.9的取前Z

步骤S3.10、将步骤S3.9进行排序后的第一只蚁狮作为新的精英蚁狮，更新精英蚁狮的坐标序列x

具体地，精英蚁狮坐标序列以及适应度分别代表当前迭代最佳轨迹以及最佳适应度，由排序后的第一只蚁狮作为精英蚁狮；

步骤S3.11、将当前迭代次数iter+1并与最大迭代次数Maxiter比较，若迭代次数小于最大迭代次数，则回到步骤S3.6继续循环；若当前迭代次数大于或等于最大迭代次数则退出循环；

步骤S3.12、将最后一次循环得到的精英蚁狮的坐标序列x

具体地，图5为ALO算法迭代后的最优路径图，最优序列为：

蚁狮算法迭代后的最短路程y＝2648.8940，计算时间为0.23秒；

步骤S4：将规划好的最优路径的坐标序列x

同时，针对相同的场景，运用传统的粒子群算法(PSO)做路径规划与本发明的方法进行比较，得出最优路径x和最短路程y，如图7和图8所示；

其中，图7为PSO算法迭代后的最优路径图，最优序列为：

PSO算法迭代后最短路程y＝3292.1594，计算时间为1.41秒；

由此可见，本发明方法能够准确地计算出一组坐标场景中的最优路径和最短路程，并且具体实施中，相对与传统的算法，本发明计算效率更高，显著缩短了飞行清洁机器人的飞行总路程长度，提升了单次清洁的效率。本发明的算法及设备，非常适合大量离散分布的光伏面板清洁，目前已经在浙江省浙能集团、浙江省白马湖实验室有限公司的部分楼宇建筑光伏清洁场景中进行了实验与应用。