基于拓扑路网的多挡无人履带平台路径重规划_刘龙龙.pdf

第 卷第 期 年 月兵工学报 ：基于拓扑路网的多挡无人履带平台路径重规划刘龙龙，陈慧岩，刘海鸥，关海杰，卢佳兴（北京理工大学 机械与车辆学院，北京）摘要：针对越野环境中无人履带混合动力平台重规划鲁棒性差、场景适应性弱的问题，提出一种通过融入多目标函数模型进行规划路径重构，采用三次螺旋线对重构路径进行多阶段采样优化来生成重规划路径的方法。该方法主要研究无人履带平台运动过程中行驶路径出现局部动态无解、全局规划被动触发重规划功能、重新生成可达目标点的参考轨迹的策略，重点解决重规划时回退道路行驶的成本最优问题。平台搭载两挡行星自动机械变速器，无人平台在行进过程中可根据行驶速度切换到不同挡位，以应对不同路面条件下的速度需求，保证平台具有较强的可通过性。通过实车平台验证新方法针对不同越野场景，根据通行时间、能量消耗和换挡次数的三参数目标代价函数模型，得到最佳的重规划策略并生成一条最优可通行路径。研究结果表明：基于拓扑路网的多挡无人履带平台路径重规划方法降低了重规划过程的时间和能量成本，在兼备考虑时间、能量以及不同转弯半径和速度时选择适当的挡位，确保平台纵向运动动力性的同时，也充分考虑了时效性和经济性。关键词：无人履带混合动力平台；越野环境；自动换挡；重规划；三次螺旋线 中图分类号：.文献标志码：文章编号：（）收稿日期：基金项目：国家自然科学基金项目（），（，）：，兵 工 学 报第 卷 ，：；引言随着智能交通发展水平和平台无人化改造技术的快速提升，陆上无人装备在未来作战系统中有着巨大的应用前景和研究价值。无人履带平台作为陆上无人装备的重要组成部分，正在成为实施军事打击的主战装备和重要支援力量。在越野环境下，根据任务需求，无人履带混合动力平台的行驶路径通过全局规划产生一条拓扑路径，引导平台沿着既定轨迹安全通行。但由于越野环境的复杂性或出现突发威胁，会出现全局规划路径上增添障碍物、局部规划局部最小或无解状况，无人平台无法继续按照原规划路径行驶，需要重新规划路径绕过该被阻断道路，继续完成未执行的任务点。因此，需要触发路径重规划，以规避不可通行区域或道路阻断。关于无人履带混合动力平台路径重规划的技术已有许多相关研究及理论成果，目前常用的路径重规划方法有栅格法、采样搜索法、人工势场法、蚁群法和人工智能神经网络法等。等和张晓晔等提出了快速重规划（）算法，用于部分未知环境中的路径规划和重规划。但未考虑路面通行时间，并未对平台做针对性研究。等、朱杰等和邹启杰等研究了无人机航机重规划问题，在三维拓扑空间考虑了的无人机威胁源的影响，但未见在地上无人平台上使用。房立金等、丛玉华等和朱大奇等提出一种改进 多场景运动规划算法，在障碍物环境变化或目标点改变时，环境适应性强、成功率高，但只适用于较低速度，不能满足大范围场景中速度幅值变化大的需求。孙鹏耀等针对传统势场法存在的路径不被识别、局部极小陷阱等问题，提出适用于战场环境情况下机器人路径规划、结合多行为策略与可变影响范围的势场法，此方法在路径识别、多障碍区导致的振荡问题上具有较好的效果，但在具有已知拓扑路网的条件下效率较低，对障碍物或路面条件的影响效果也未进行量化区分。针对上述问题，本文在基于拓扑路网的 算法基础上，首次提出通过采用基于熵权法的多目标路径函数选择方法，对规划结果结合三次螺旋线的多阶段状态采样算法进行路径优化和换挡决策，解决平台在重规划过程中选择回退道路口的最优化问题，避免直接确定指标权重而造成主观随意性的问题，同时兼顾评价指标的全面性，最终达到缩短平台行驶消耗的时间和能量、提高路径重规划模块可靠性的目的。双侧独立电驱动履带平台动力学建模为满足平台的不同工况下速度和最大曲率限制的需要，并结合平台几何属性明确不同挡位下的平台特性，保证平台能够尽量精准跟踪预定轨迹，需要建立履带平台的动力学模型。由于换挡动作一般在直线行驶过程中进行，故本文只分析平台直线行驶时纵向运动的转矩变化。同时，在体现平台必要动力学特征的前提下，为避免考虑过多的约束条件，作如下假设：）假设无人履带平台几何尺寸表现为左右对称，且质量中心与几何中心重合；）假设平台两侧履带磨损和使用寿命相同；）忽略两侧履带的沉陷效应；）忽略平台悬架的作用，不考虑平台的俯仰、侧倾；）忽略平台动力在传动系统中的能量损失。图 平台动力学模型 平台纵向受力分析如图 所示，其中：为大地坐标系；、分别为左右两侧主动轮驱动力；为两侧履带所受坡道阻力；为两侧履带所受滚动阻力；为平台表面所受空气阻力；为平台纵向运动速度。第 期基于拓扑路网的多挡无人履带平台路径重规划图 展示了无人履带平台右侧驱动系统结构，其驱动动力由车载高压电池组和增程式发动机发电机组产生，提供给两侧独立分布式驱动电机，经制动器到两挡行星自动机械变速器，再到侧减速器传递至两侧主动轮。因此主动轮转矩大小受电机输出转矩和变速器挡位两变量控制，电机可实现低速大扭矩和高速恒功率两个特性之间的切换。图 平台驱动系统单侧结构简图 左、右两侧主动轮驱动力、采用如下公式计算：|（）式中：为左侧电机输出转矩；为右侧电机输出转矩；为所处挡位的传动比值；为两侧主减速器传动比；为主动轮转动半径。分布式电驱动无人履带平台的详细参数如表 所示。表 无人履带平台系统参数 参数数值长 宽 高 质量 电机峰值功率 电机峰值转矩（）电机持续转矩（）.履带平台在纵向上受到的阻力主要为坡道阻力、空气阻力、滚动阻力 和加速阻力，平台处于纵向受力平衡状态下，可以得到以下平衡方程：（）由于履带平台空气阻力接触面积较小，对总阻力影响效果较小，为简化后续建模研究过程，对空气阻力作忽略处理。将式（）代入式（），得到如下履带平台纵向动力学模型：（）（）式中：，为坡道坡度，为滚动阻力系数；为重力加速度；为旋转质量换算系数。式（）即为建立的无人履带混合动力平台纵向动力学模型。重规划引导策略.拓扑路网的图论方法表示为建立无人平台在大范围越野环境中的精准导航地图，应结合平台的动力学模型确定合适的导航地图数学模型，针对非结构化道路，当前大多数平台采用均匀勾选路点的方式创建地图。拓扑路网模型就是把道路通过多个路点之间的连接关系以有向图的方式表达，拓扑路网模型是基于数学中的图论原理，图论是以拓扑图为研究对象，用于分析离散问题的数学方法，具有模型简单、概括力强的特点，因此利用拓扑路网模型对全局路径进行构建。有向图可通过有序三元组（，）表示，其中，表示节点集，表示边集，为关联函数，即 到 的有序节点对集合上的映射关系，如果（）（，）（其中，（，），则称边 连接顶点、，而、称为 的顶点，、此时关于 相邻。如果给拓扑图的每条边设定为具有方向的边，则得到的拓扑图称为有向图，其边称为有向边。在有向图中，与节点两侧相关联的边有入边和出边两种类型，与有向边相关联的两个点有始点和终点两种类型。相反，其边没有方向的图称为无向图。根据道路之间的邻接关系可以确定，拓扑路网中的双向路属性及其结构内部路点的递进关系使用双向图表达。双向路中每个路点都与相邻的两个点建立交互关系，如图 所示的交叉路口处，、均为双向边，在这种情况的路段上平台可以沿着道路前进或后退，全局规划时的道路选择性也更多。.重规划触发机制在行驶过程中，平台前方道路长度小于 时，则认为可能发生了道路阻断，后续根据平台动力学特性和传感器在环境感知上的局限性确定。考虑到感知出现误检现象，平台需要倒驶一定距离后进行二次判断，当检测到道路阻断信息帧数达到兵 工 学 报第 卷图 全局双向图示意图 设定阈值后，就确认为平台前方道路阻断，则需要重新规划一条绕过该被阻断区域的路径，以便能够继续通往后续任务目标点，本文研究中将此过程称为重规划。图 展示了一个典型的平台前方道路被阻断的场景，平台在完成任务点 目标后，参考全局路径引导路段 通往任务点 ，但在驶入路段 一段距离后检测到该路段不可通行，平台需要重规划从当前位置到终点之间的路径，无人控制系统更新引导策略，引导平台通过路段 绕行至任务点 并继续行驶。根据平台的运动状态，本文将重规划分为重规划触发阶段和重规划执行阶段两个过程。图 道路阻断时重规划场景 在整个控制系统中，重规划是全局规划模块的子模块，但又不完全受限于全局规划。平台与重规划相关的模块如图 所示，通过融合定位系统和远程端下发路网文件、任务文件等信息，全局规划在初始阶段生成一条参考路径，并将其发送给局部规划。重规划收到局部规划和图像识别系统的检验结果进行实时判断是否触发和执行，并把结果反馈到全局规划中，最终形成路径规划的闭环控制。.重规划触发阶段重规划触发阶段的主要任务是判断前方路段是否可通行并根据判断结果规划新的全局路径。而判断前方路段是否可通行最直接、最精准的办法是局部路径规划结果。在本研究的算法中，正常行驶条件下，局部规划路径的欧氏距离长度为。已知局部规划路径最小阈值长度是，当局部规划连续 帧的感知数据检测到平台前方路径长度均小于此阈值时，可初步假定前方路段不可通行。但是考虑到感知系统存在误检，导致局部规划路径暂时性的缩短，图 触发重规划模块方框图 从而误判为前方无可通行区域，为排除此现象引发重规划动作，在检测到前方路段不可通行时，还需要倒车 等待（为重规划确认时的驻车等待时间）进行再次确认，若倒车后仍然检测到前方路段不可通行，则确认触发重规划。根据平台几何尺寸和动力学特性，相关参数的具体数值定义如表 所示。表 重规划触发过程相关参数 参数数值 次 另外，通过图像识别系统的探测，当其确认识别到对无人平台安全造成威胁的特定目标物体时，如水马、拒马或敌方作战装备等。规划系统收到信号后，不再进行二次判断而是直接进入重规划过程，使得无人平台及时撤出危险区域，保证平台的安全性。触发重规划流程如图 所示。.重规划执行阶段通过重规划触发阶段的判断确认需要重规划后，针对具有非完整性约束的地面无人平台，进入重规划执行阶段，平台通过 算法首先重新规划一条全局路径。由于新的道路是从平台后方起始，平台需要改变行驶方向，将规划结果路径分为倒驶阶段与前进阶段两段执行，首先平台规划系统向执行系统发送倒驶命令，无人平台倒驶至当前位置的最近岔道口处调整航向，当倒车过程执行完毕后，控 第 期基于拓扑路网的多挡无人履带平台路径重规划图 重规划触发流程图 制系统向平台执行器发送前进命令，平台跟随全局路径继续行驶。需要注意的是，前方路段发生阻断后，为防止路径搜索时会再次沿着原被阻断路段方向行进，规划前需要打断阻断位置处两路点间的拓扑关系，在算法中选择路段 上平台投影点对应的第 个路点和第 路点之间的拓扑关系打断，平台从当前位置为新的起点，根据剩余任务要求重新规划一条不包含道路阻断区域的全局路径（见图）。图 重规划拓扑关系打断策略 .基于熵权法的多目标路径重规划在未知目标任务的情况下，平台未考虑实际通行条件，为能够满足平台对不同任务的不同需求，本文提出一种多目标路径选择的熵权法。熵权法首先要依据各个指标的变异情况，运用模糊的综合评价矩阵和各个因素输出的信息熵计算出各个指标的熵值，其次采用熵权方法对指标进行修正，最后得到指标权重，此种方法能够为多指标综合评价提供依据。本文主要建立了基于时间最短、能量最低和换挡次数最少 个子目标的多目标路径选择模型。与现有的迭代算法相比，基于熵权法的多目标路径重规划是考虑了通行时间、经济性和平台动力学特性而产生的重规划最优路径。.时间最短在瞬息万变的作战环境中，正确快速的路径规划是尽量规避所有风险，能够自主地完成设定任务的基础。当无人履带混合动力平台执行的任务要求较为急迫时，需要把完成时间尽可能缩短，因此，提出基于时间最短的路径选择模型：()（）式中：为重规划次数；为平台正常通行距离；、分别为平台前进、后退状态纵向平均速度；为平台正常通行时间；为平台恒定速度 倒驶至路口处所需时间；为重规划第 阶段平台开始正向行驶至下一目标点的行驶时间。.能量最优平台在满足动力性的前提下，降低能量消耗，节约能量成本是执行无人行驶任务、实现平台性能的关键。因此需要合理的安排行驶路线，避免在行驶过程中出现能量“供不应求”现象，由于横向运动能量消耗较小，本文只