| 专利名称： | 一种基于云计算的起重机三维仿真路径规划方法 | ||
| 专利名称(英文)： | Cloud-computing-based crane three-dimensional simulation route planning method | ||
| 专利号： | CN201310426717.8 | 申请时间： | 20130918 |
| 公开号： | CN103496632A | 公开时间： | 20140108 |
| 申请人： | 中南大学 | ||
| 申请地址： | 410083 湖南省长沙市岳麓区麓山南路932号 | ||
| 发明人： | 安剑奇; 舒世龙; 吴敏; 陈芳; 何勇; 唐修俊; 熊永华 | ||
| 分类号： | B66C13/18 | 主分类号： | B66C13/18 |
| 代理机构： | 长沙正奇专利事务所有限责任公司 43113 | 代理人： | 马强 |
| 摘要： | 本发明公开了一种基于云计算的汽车起重机三维仿真路径规划方法，将云计算应用于三维吊装仿真系统中，用一台计算机主管主节点运算，多台计算机主管从节点运算，从而构成基于云计算的三维吊装仿真平台。在此平台上，运用云计算的并行计算优势，将主节点按其自由度进行从节点划分，各个从节点之间形成逻辑上的云并行计算，在得到最优路径的同时，使路径规划方法的计算实时性得到保证。提高了系统寻径速度，解决了复杂场景导致的汽车起重机三维吊装仿真过程计算实时性差的问题，具有重要的实用价值。 | ||
| 摘要(英文)： | The invention discloses a cloud-computing-based crane three-dimensional simulation route planning method. Cloud computing is applied in a three-dimensional hoisting simulation system, a computer is responsible for master node computing, and a plurality of computers are responsible for slave node computing, so that a cloud-computing-based three-dimensional hoisting simulation platform is formed. On the platform, with parallel computing advantages of cloud computing, slave node partition is performed on the master node according to degree of freedom of the master node, logically parallel cloud computing is formed among the slave nodes, and the computing real-time performance of the route planning method is ensured while the optimal route is obtained. The system routing speed is improved, the problem that the computing real-time performance during the three-dimensional hoisting simulation process of an automobile crane is bad caused by complicated scene is solved, and the method has an important practical value. | ||
1.一种基于云计算的汽车起重机三维仿真路径规划方法，其特征在于，该方法为： 1）参数初始化：初始化汽车起重机配重、吊装物重量、汽车起重机臂架组合、汽车起重机额定载荷、终点位置信息、起点位置信息，清空可行路径集和最优路径集信息； 2）将吊装物初始位置作为主节点； 3）判断主节点是否为吊装终点，如果是，接受最优路径集信息，跳到9）；否则，进入4）； 4）标记主节点的自由度； 5）在云平台上对主节点进行从节点划分：对主节点按照汽车起重机单步操作的最大自由度进行划分，每个自由度分为两个行走方向，每个行走方向的下一个坐标位置为从节点； 6）更新可行路径集：判断每个从节点的自由度是否为零，自由度为零的节点不可行，剔除；将自由度不为零的节点保存到可行路径集中，即更新可行路径集； 7）更新最优路径集：选择经步骤6）更新后的可行路径集中从吊装物初始位置到本次迭代的主节点之间距离最短的路径作为最优路径集的元素； 8）确定下次迭代的主节点：将步骤6）中自由度不为零的从节点作为下次迭代的主节点，返回步骤3）； 9）结束。
2.根据权利要求1所述的基于云计算的汽车起重机三维仿真路径规划方法，其特征在于，所述步骤4）中，主节点的自由度为1～3。
3.根据权利要求1所述的基于云计算的汽车起重机三维仿真路径规划方法，其特征在于，所述步骤6）中，从节点的自由度为0～3。
4.根据权利要求1所述的基于云计算的汽车起重机三维仿真路径规划方法，其特征在于，所述步骤5）中，从节点的个数为主节点自由度的两倍。
1.一种基于云计算的汽车起重机三维仿真路径规划方法，其特征在于，该方法为： 1）参数初始化：初始化汽车起重机配重、吊装物重量、汽车起重机臂架组合、汽车起重机额定载荷、终点位置信息、起点位置信息，清空可行路径集和最优路径集信息； 2）将吊装物初始位置作为主节点； 3）判断主节点是否为吊装终点，如果是，接受最优路径集信息，跳到9）；否则，进入4）； 4）标记主节点的自由度； 5）在云平台上对主节点进行从节点划分：对主节点按照汽车起重机单步操作的最大自由度进行划分，每个自由度分为两个行走方向，每个行走方向的下一个坐标位置为从节点； 6）更新可行路径集：判断每个从节点的自由度是否为零，自由度为零的节点不可行，剔除；将自由度不为零的节点保存到可行路径集中，即更新可行路径集； 7）更新最优路径集：选择经步骤6）更新后的可行路径集中从吊装物初始位置到本次迭代的主节点之间距离最短的路径作为最优路径集的元素； 8）确定下次迭代的主节点：将步骤6）中自由度不为零的从节点作为下次迭代的主节点，返回步骤3）； 9）结束。
2.根据权利要求1所述的基于云计算的汽车起重机三维仿真路径规划方法，其特征在于，所述步骤4）中，主节点的自由度为1～3。
3.根据权利要求1所述的基于云计算的汽车起重机三维仿真路径规划方法，其特征在于，所述步骤6）中，从节点的自由度为0～3。
4.根据权利要求1所述的基于云计算的汽车起重机三维仿真路径规划方法，其特征在于，所述步骤5）中，从节点的个数为主节点自由度的两倍。
翻译：技术领域
本发明涉及三维吊装仿真系统,特别是一种基于云计算的汽车起重机三维仿真路径规划方法。
背景技术
汽车起重机是现代化建设中的重要设备，其吊装作业难度日益增大，吊装精度要求愈加提高，吊装环境越来越复杂。通过吊装仿真系统快速准确地制定吊装方案，能够有效提高吊装作业的可行性和安全性，是吊装操作成功的关键。
但是为提高汽车起重机三维吊装仿真系统的真实性和吊装方案的可行性，吊装场景搭建越来越精细，吊装功能越来越完善，功能实现的方法越来越复杂，这就导致系统的计算量增大，计算花费的时间延长，影响系统的实时仿真速度和吊装方案输出。
近几年来，云计算得到了快速的发展，它能够有效地解决因复杂计算导致计算压力大的问题，被广泛应用于安全、存储、教育、游戏与工况仿真等各个领域。
发明内容
本发明所要解决的技术问题是，针对现有汽车起重机吊装路径规划技术仿真时间长的缺点，提供一种基于云计算的汽车起重机三维仿真路径规划方法，提高三维吊装仿真系统寻径速度，解决复杂场景导致的吊装过程计算实时性差的问题。
为解决上述技术问题，本发明所采用的技术方案是：一种基于云计算的汽车起重机三维仿真路径规划方法，该方法为：
1）参数初始化：初始化汽车配重、吊装物重量、汽车起重机臂架组合、汽车起重机额定载荷、终点位置信息、起点位置信息，清空可行路径集和最优路径集信息；
2）将吊装物初始位置作为主节点；
3）判断主节点是否为吊装终点，如果是，接受最优路径集信息，跳到9）；否则，进入4）；
4）标记主节点的自由度；
5）在云平台上对主节点进行从节点划分：对主节点按照汽车起重机单步操作的最大自由度进行划分，每个自由度分为两个行走方向，每个行走方向的下一个坐标位置为从节点，从节点的个数为主节点自由度的两倍；
6）更新可行路径集：判断每个从节点的自由度是否为零，自由度为零的节点不可行，剔除；将自由度不为零的节点保存到各自的可行路径集中，即更新可行路径集；
7）更新最优路径集：选择经步骤6）更新后的可行路径集中从吊装物初始位置到本次迭代的主节点之间最短的路径作为最优路径集的元素；
8）确定下次迭代的主节点：将步骤6）中自由度不为零的从节点作为下次迭代的主节点，返回步骤3）；
9）结束。
所述步骤4）中，主节点的自由度为1～3，一般情况下，主节点的自由度为3。
作为优选方案，所述步骤6）中，从节点的自由度为0～3。
与现有技术相比，本发明所具有的有益效果为：采用启发式搜索方法，设计基于云计算的汽车起重机三维仿真路径规划方法，将云计算应用于三维吊装仿真系统中，用一台计算机主管主节点运算，多台计算机主管从节点运算，从而构成基于云计算的三维吊装仿真平台。在此平台上，运用云计算的并行计算优势，将主节点按其自由度进行从节点划分，各个从节点之间又形成逻辑上的云并行计算，在得到最优路径的同时，使路径规划方法的计算实时性得到保证，提高了系统寻径速度，解决了复杂场景导致的汽车起重机吊装仿真过程计算实时性差的问题，具有重要的实用价值。
附图说明
图1为本发明一实施例方法流程图；
图2为本发明一实施例基于云计算的节点计算示意图；
图3为本发明一实施例基于云计算的路径规划示例图。
具体实施方式
如图1所示，本发明一实施例具体步骤如下：
（1）参数初始化，如初始化汽车起重机配重、吊装物重量、汽车起重机臂架组合、汽车起重机额定载荷、终点位置信息、起点位置信息，清空可行路径集和最优路径集。
（2）将起点作为主节点，其自由度为汽车起重机单步操作的最大自由度3。
（3）判断主节点是否为吊装终点，如果是，那么路径规划过程结束，接受最优路径集信息。否则，继续下面步骤。
（4）标记主节点的自由度。在吊装中，每个节点的自由度最大为3，但由于场景的边界是有限制的，导致仿真的地图信息有界，节点的自由度可能会有所不同。
（5）对主节点进行从节点划分。主节点按照单步操作的最大自由度进行划分，每个自由度分为两个行走方向（汽车起重机有三种操作：回转、变幅和起升，每种操作有两个方向上的动作），每个行走方向的下一个坐标位置为从节点，因此从节点的个数为主节点自由度的两倍。具体划分过程如图2所示。
在图2中，m、m+1、m+f1表示起重机场景节点编号，n、n+1表示起重机吊装路径规划过程中的迭代次数，f1/2、f2、f3表示吊装物位于主节点时起重机的自由度。主节点的表示方式为（m,n,f1/2），其中，m为主节点编号，n为迭代次数，f1/2为自由度，从节点的个数为主节点自由度的两倍。通过云计算公平调度策略所分配的资源，每个从节点分别计算各自的动作与状态。如果单步操作的自由度是3，那么主节点就可划分成6个从节点。
（6）更新可行路径集。每个从节点对应吊装场景中吊装物的一个位置，判断此从节点的自由度，确定其是否可行。如果自由度不为零，则从节点可行，将此从节点保存到可行路径集中，即更新可行路径集。可行路径集存储的是从吊装物初始位置到主节点的不同吊装路径，按照每条路径包含的节点信息不同进行更新。
自由度为3代表汽车起重机回转、吊臂变幅、吊钩升降，其中汽车起重机、吊臂和吊钩由于汽车起重机本身性能或外界因素干扰会出现运动受阻的情况，导致节点的自由度减少。具体有以下6种情况：1、吊臂升幅达到汽车起重机机械工艺限制的极限值（吊臂幅度上限值为85°~89°，具体由汽车起重机机型决定），吊臂幅度不能上升；2、吊臂落幅达到汽车起重机机械工艺限制的极限值（吊臂幅度下限值为3°~7°不等，具体由汽车起重机机型决定）或物体已经在地平面上或者吊装物达到场景的边界，吊臂幅度不能下降；3、吊钩达到汽车起重机允许到达的顶端（具体数值由汽车起重机机型决定），吊装物不能上升；4、吊钩达到最下端或者吊装物在地平面上，吊装物不能下降；5、当汽车起重机顺时针或逆时针回转与物体相撞导致路径不可行；6、吊装物在某个方向上移动会和吊装场景中非吊装物体发生碰撞而导致吊装不可行。上述六种情况会导致节点的自由度减少。
（7）更新最优路径集。最优路径集是可行路径集中从吊装物初始位置到本次迭代的主节点之间距离最短路径的集合，可能是一条，也可能是几条。每一次更新可行路径集后，可行路径集中的路径信息会有所变化，因此需要重新更新最优路径集。
（8）确定下次迭代的主节点。将可行从节点作为下次迭代的主节点，由于运用云计算技术，每个从节点之间是并行运算的，因此，主节点是一个节点集。返回步骤（3）。
此基于云计算的汽车起重机吊装仿真路径规划方法中，节点之间是以云并行计算的方式，各自开始新的迭代。以下通过某次路径规划计算中的第3次迭代为例进行说明，迭代过程如图3所示。
选取编号为A的节点为主节点，其自由度为2，表示为（A,3,2）。节点A的四个从节点为B1、B2、B3与B4，自由度分别为1、0、1、2，分别表示为（B1,4,1）、（B2,4,0）、（B3,4,1）与（B4,4,2）。其中，从节点B2的自由度为0，则为不可用节点，下次迭代的主节点为B1、B3与B4。这三个从节点各自成为新的主节点，以云并行计算的方式开始生成新的从节点，节点编号为：C1、C2、C3、C4、C5、C6。通过这种方式进行迭代计算，能够在减少搜索节点的同时得到最优路径。路径规划结束后，最优路径集里的路径为最短路径，如果有多条，可以任意选择一条为最优吊装路径。
本方法已经在基于云计算的三维吊装仿真系统中进行应用，仿真效果良好。从上可知，此方法在云平台上实现了基于云计算的汽车起重机吊装仿真路径规划方法，多台计算机同时主管主节点和从节点运算，运用云计算的并行计算优势将主节点按其自由度进行从节点划分，而各个从节点之间又形成逻辑上的云并行计算，在得到最优路径的同时，使路径规划方法的计算实时性得到保证。
