本发明属于车辆路径规划和自主导航领域，具体是涉及一种基于飞蛾优化势场力增益系数的车辆局部路径规划方法。
背景技术：
1、当前，车辆自动驾驶技术加速朝着智能化方向发展，其中局部路径规划是一种典型的自动驾驶技术，具体是指在已知全局地图和环境的情况下，为车辆规划从当前位置到目标位置的详细行驶路线，其通常涉及到对障碍物避让、地形特征考虑以及最短路径选择。现有的局部路径规划方法种类较多，如动态窗口法、模型预测控制、深度学习及人工势场法等。其中动态窗口法通过在当前速度范围内搜索最佳的速度和转向组合来实现路径规划，但参数调整困难；模型预测控制能够处理复杂的智能车辆动力学和环境约束，然而计算成本较高；尽管深度学习技术能够处理复杂的交通场景，却需要大量训练数据。其中人工势场法以其结构简单、计算复杂度低以及避障能力强等优势，获得了众多技术开发者和工程师的青睐，并被广泛用于车辆局部路径规划工程应用中。然而，值得注意的是采用传统人工势场算法实施路径规划过程中，受到驾驶环境和算法缺陷等因素影响，车辆在势场中某一位置受到的瞬时合力若为零，将导致车辆在此位置停车或出现在该点位置区域轨迹反复振荡的情况，即陷入“局部最小值”问题。
2、针对上述车辆局部路径规划过程中可能陷入“局部最小值”问题，专利号202310995802x提出一种基于模糊逻辑算法的改进人工势场法的移动机器人路径规划方法，该发明旨在满足移动机器人自身转向约束前提下，引入虚拟目标点来改变势力场中的车辆受力，从而使车辆跳出局部最小值陷阱；专利号2022111071132发明了一种基于改进人工势场法的自动驾驶车辆路径规划方法，该方法在斥力重分布过程中引入了杂草算法，以计算最优子目标地，从而确保车辆在陷入局部极小值点时能够自动逃离。上述方法均采用施加外力方法打破车辆所处平衡状态，但由于施加外力的方向和大小较难控制，导致上述方法存在计算量过大、复杂度较高等缺陷。
技术实现思路
1、为了克服现有技术存在的缺陷，本发明提供一种基于飞蛾扑火优化势场力增益系数的局部路径规划方法，若车辆陷入局部最小值，即车辆在局部最小值位置往复震荡，则引入飞蛾扑火算法优化斥力及引力增益系数，改变车辆所受的势场力大小，使其跳出局部最小值陷阱，同时引导车辆向靠近目标点方向移动。
2、本发明解决技术问题所采用的技术方案是：
3、一种基于飞蛾扑火优化势场力增益系数的局部路径规划方法，包括车辆局部路径规划系统，所述车辆局部路径规划系统包括传感器单元、势场力计算单元、下一步位置计算单元、局部最小值判断单元、基于飞蛾扑火势场力增益系数优化单元和车辆达到目标点判断单元；
4、所述局部路径规划方法包括以下步骤：
5、所述传感器单元采集道路信息，并传递给势场力计算单元；势场力计算单元根据设定的势场力计算公式，计算出车辆在势力场中的斥力frep和引力fatt，同时将传感器单元识别的道路信息传输到下一步位置计算单元；下一步位置计算单元根据车辆当前位置、航向角及步长计算车辆下一步位置，信号传输到局部最小值判断单元；所述局部最小值判断单元通过预先设定的判定规则判定车辆是否陷入局部最小值；若车辆陷入局部最小值，则输出‘是’信号到基于飞蛾扑火势场力增益系数优化单元，若车辆未陷入局部最小值，则输出‘否’信号到车辆达到目标点判断单元；所述基于飞蛾扑火势场力增益系数优化单元根据车辆的位置、障碍物位置和目标点位置优化斥力、引力的增益系数，计算出增益系数值输出到势场力计算单元，势场力计算单元重新计算势场力；所述车辆达到目标点判断单元接收到车辆未陷入局部最小信号，根据判定规则判断车辆是否达到目标点，若达到目标点，则输出‘是’信号结束，若未达到目标点，则输出‘否’信号到势场力计算单元，循环执行以上操作。
6、进一步，所述局部路径规划方法还包括以下步骤：
7、在势场力计算单元中，对传统的斥力场改进，改进后障碍物对车辆的斥力分成了两部分，一部分是由障碍物指向车辆，一部分是由车辆指向障碍物，改进后斥力函数为：
8、
9、式中：ρ(p,pgoal)表示车辆与目标点位置的欧氏距离，ρ(p,pobs)表示车辆与障碍物位置的欧氏距离，p表示智能车辆位置，pgoal表示目标点位置，pobs表示障碍物位置，s为调节因子，s取1，krep为斥力增益系数，ρ0为常数，表示障碍物对车辆产生影响范围的最大距离，frep1表示障碍物指向车辆的斥力，frep2表示车辆指向目标点的斥力；
10、改进后的障碍物合斥力为：
11、frep＝frep1+frep2 (3)
12、传统人工势场法引力部分与车辆和目标点位置距离随距离越大而增大，当汽车距离目标点较远时，引力部分过大，可能导致汽车与障碍物相撞。针对这一问题，对引力场公式进行改进。引力场的大小由汽车与目标点的距离决定，当距离非常大时，引力将会变得非常大，斥力相对于引力而言就会变得非常小，从而导致汽车与障碍物相撞。因此，对引力函数加以改进，公式如下:
13、
14、式中：ε为引力场调节因子，katt为引力增益系数，d0为目标点对车辆的影响距离极限值，当汽车与目标点距离≤d0时，引力与距离成平滑直线；当汽车与目标点距离>d0时，将引力视为常数。
15、再进一步，所述下一步位置计算单元中，当车辆运动到当前位置(xi,yi)时，车辆行驶步长l设置为0.1，根据当前路径点合力角度值α与步长l，下一步到达位置(xi+1,yi+1)，则根据下一步位置计算单元计算车辆下一位置坐标表达式为：
16、
17、再进一步，所述局部最小值判断单元中，设定陷入局部最小值规则：当车辆在二维平面内受到的斥力与引力大小相同，方向相反时，则判定汽车陷入了局部最小值，反之，则车辆没有陷入局部最小值，输出信号进入车辆达到目标点判断单元。
18、再进一步，所述基于飞蛾扑火势场力增益系数优化单元中，基于判断车辆是否陷入局部最小值单元中的判定规则，若车辆陷入局部最小值，则引入飞蛾扑火算法，根据车辆与目标点的距离确定合适的适应度函数，优化障碍物斥力、道路边界斥力、引力的增益系数，改变车辆在局部最小值位置的受力大小和方向，促使车辆跳出局部最小值位置，同时引导车辆向靠近目标点的方向移动；
19、具体执行分步骤如下：
20、步骤1：初始化飞蛾扑火算法：优化对象为车辆在势力场中所受障碍物斥力增益系数、道路边界斥力增益系数、目标点引力增益系数，设置飞蛾的搜索空间维数为s维，搜索空间的上下界为车辆下一步可能的行驶范围，上界为ub，下界为lb，种群规模为m＝30，最大迭代次数为100，适应度函数设置为：
21、
22、式中：xgoal、ygoal分别表示目标点的横纵坐标，xj+1、yj+1分别表示下一时刻车辆的横纵坐标，表示第d只飞蛾适应度函数值，表示第d+1只飞蛾适应度函数值。
23、步骤2：在空间中随机生成飞蛾位置，对飞蛾种群中的每一只飞蛾进行适应度评价；飞蛾群由以下部分组成：
24、x＝[x1,x2,x3......,xm] (7)
25、第d个飞蛾的位置信息为：
26、x＝[xd1,xd2,xd3......,xds] (8)
27、飞蛾的适应度值保存到矩阵od中：
28、
29、最优适应度函数为：
30、esumy-n＝min{od} (10)
31、步骤3：初始化火焰：针对解决局部最小值问题，因此设置火焰数量为1能加快算法收敛，选择第一个飞蛾位置作为初始火焰，将火焰构造为：
32、
33、式中：表示初始火焰的位置，x1表示第一只飞蛾的位置；
34、步骤4：更新火焰位置：对所有飞蛾的适应度值进行评估，寻找最优适应度值的飞蛾，则更新火焰位置；
35、
36、式中：n表示最优飞蛾是第n只；
37、步骤5：更新飞蛾位置：
38、计算d飞蛾与火焰之间的距离：
39、
40、式中：为飞蛾的位置，d＝(1,2,...m)，φfj为火焰的位置；
41、飞蛾相对于火焰的位置描述如下：
42、φd+1＝s(φd,f) (14)
43、式中：φd表示第d只蛾的位置，f为火焰的特征值，s(·)为螺旋函数；采用螺旋飞行法进行检测，采用对数螺旋法计算飞蛾未来飞行的主要更新机制；螺旋函数为：
44、s(φd,f)＝rd·ebσ·cos(2πt)+f (15)
45、式中：b是一个常数，σ表示在[r，1]范围内的当前数字，r为从[-2，-1]范围开始的线性递减的变化因子，t表示飞蛾飞行时间；
46、步骤6：判断是否达到最大迭代次数或全局最优不变：如果没有达到最大迭代次数或全局最优不变，则返回到步骤3进一步更新优化；如果达到最大迭代次数或全局最优不变，则飞蛾扑火算法结束，输出最优的斥力增益系数和引力增益系数，返回到势场力计算单元。
47、更进一步，所述车辆达到目标点判断单元中，根据车辆与目标点的距离公式式中xgoal、ygoal分别表示目标点的横纵坐标，若值小于1，则车辆已到达目标点，若值大于1，车辆没有到达目标点，则返回到势场力计算单元，重新循环直至车辆到达目标点，完成路径规划。
48、与现有技术相比，本发明具有有益效果：
49、本发明基于传统的人工势场法，通过增加一个车辆指向目标点的斥力对传统斥力场改进，在此基础，当车辆陷入局部最小值陷阱时，引入飞蛾扑火算法优化势场力增益系数，改变车辆在势力场中的受力，促使车辆迅速的跳出局部最小值陷阱，拓宽了局部路径规划的应用范围。
1.一种基于飞蛾扑火优化势场力增益系数的局部路径规划方法，其特征在于：包括车辆局部路径规划系统，所述车辆局部路径规划系统包括传感器单元、势场力计算单元、下一步位置计算单元、局部最小值判断单元、基于飞蛾扑火势场力增益系数优化单元和车辆达到目标点判断单元；
2.如权利要求1所述的基于飞蛾扑火优化势场力增益系数的局部路径规划方法，其特征在于：所述局部路径规划方法还包括以下步骤：
3.如权利要求1或2所述的基于飞蛾扑火优化势场力增益系数的局部路径规划方法，其特征在于：所述下一步位置计算单元中，当车辆运动到当前位置(xi,yi)时，车辆行驶步长l设置为0.1，根据当前路径点合力角度值α与步长l，下一步到达位置(xi+1,yi+1)，则根据下一步位置计算单元计算车辆下一位置坐标表达式为：
4.如权利要求1或2所述的基于飞蛾扑火优化势场力增益系数的局部路径规划方法，其特征在于：所述局部最小值判断单元中，设定陷入局部最小值规则：当车辆在二维平面内受到的斥力与引力大小相同，方向相反时，则判定汽车陷入了局部最小值，反之，则车辆没有陷入局部最小值，输出信号进入车辆达到目标点判断单元。
5.如权利要求1或2所述的基于飞蛾扑火优化势场力增益系数的局部路径规划方法，其特征在于：所述基于飞蛾扑火势场力增益系数优化单元中，基于判断车辆是否陷入局部最小值单元中的判定规则，若车辆陷入局部最小值，则引入飞蛾扑火算法，根据车辆与目标点的距离确定合适的适应度函数，优化障碍物斥力、道路边界斥力、引力的增益系数，改变车辆在局部最小值位置的受力大小和方向，促使车辆跳出局部最小值位置，同时引导车辆向靠近目标点的方向移动；
6.如权利要求1或2所述的基于飞蛾扑火优化势场力增益系数的局部路径规划方法，其特征在于：所述车辆达到目标点判断单元中，根据车辆与目标点的距离公式式中xgoal、ygoal分别表示目标点的横纵坐标，若值小于1，则车辆已到达目标点，若值大于1，车辆没有到达目标点，则返回到势场力计算单元，重新循环直至车辆到达目标点，完成路径规划。
