CN103699136B - 基于蛙跳算法的智能家庭服务机器人系统及服务方法 - Google Patents

Abstract

本发明提供了一种基于蛙跳算法的智能家庭服务机器人系统及服务方法，机器人利用语音识别模块或者无线通信模块接收来自服务对象的指令，确定需要抓取的目标以及服务对象的位置，并利用环境地图进行目标和服务对象定位；机器人根据环境地图，利用改进的蛙跳算法制定机器人的路径规划，计算出从机器人当前位置到目标所要经过的所有最佳位置点；机器人控制电机驱动器驱动机器人向前运动；到达目标，则驱动机械手运动到目标位置抓取目标，自动运行到服务对象处，完成服务工作。本发明提出的智能家庭服务机器人系统，结构简单，具有良好的智能性，灵活性，能节省运算时间和存储量，提高了机器人路径规划的准确度，提高家庭服务机器人工作效率。

Description

基于蛙跳算法的智能家庭服务机器人系统及服务方法

技术领域

本发明涉及家庭服务机器人，属于未知环境中机器人的路径规划领域，是机器人技术与群体智能技术相结合的应用，特别涉及基于蛙跳算法的智能家庭服务机器人系统及方法。

背景技术

随着服务机器人技术和家庭应用科技的不断发展，家庭服务机器人越来越受到人们的关注，也越来越贴近人们的日常生活，具有广阔的应用前景。

在移动机器人相关技术的研究中，路径规划是一个重要环节和关键课题，是移动机器人研究领域的热点问题，同时也是移动机器人导航中一个非常具有挑战的问题。目前，路径规划的方法有很多种，比如人工势场法、遗传算法、神经网络法、蚁群算法等等。但传统的人工势场法存在几大缺陷:存在陷阱区；在相近障碍物之间不能发现路径；在狭窄通道中摆动；当目标点附近处有障碍物时机器人无法到达目标点；遗传算法具有很好的全局搜索能力,但运算速度慢、占据存储空间大、容易陷入早熟等缺点；神经网络法具有很好的学习能力,但当障碍物较多且环境为动态时,网络结构庞大且神经元的阈值随时间的变化而需要不断地改变；蚁群算法收敛速度慢,容易陷入局部最优。

蛙跳算法(SFLA)是Eusuff等人于2003年提出的一种基于群体的亚启发式协同搜索群智能算法。该算法结合了模因算法和粒子群优化算法的优点。把蛙跳算法应用在路径规划上是一个新的尝试。通过模仿青蛙捕食的行为，可以使机器人找到一条到达目标的路径，但该算法容易陷入局部最优。

发明内容

本发明提供了一种基于蛙跳算法的智能家庭服务机器人系统及方法。对室内环境信息进行获取与处理后，采用改进的蛙跳算法对机器人进行路径规划，使得机器人在收到相应指令后，能自己规划出一条避开障碍物到达目标位置，抓取服务对象所需要的目标，并送到服务对象的手中，完成任务。

本发明实现上述发明目的的技术方案是：基于蛙跳算法的智能家庭服务机器人系统，其特征在于：包括

一由可控运动的左、右轮带动行走的机器人，机器人具有由电机驱动器驱动的机械手；

所述机器人前端携带机载摄像头，用于扫描目标物体的高度信息；

所述机器人正前方设置一个或多个超声波传感器，用来探测机器人前进过程中的障碍物；

所述机器人通过无线通信模块或者语音识别模块接收服务对象的指令，确定目标；

还包括一安装在室内屋顶用于拍摄室内环境图片的摄像头，摄像头通过无线网路将拍摄的图片发送给机器人；机器人对图片进行处理后，建立室内栅格地图，并进行目标、服务对象以及机器人自身位置定位，然后通过改进的蛙跳算法进行路径规划，根据计算得到机器人所要经过的最佳位置和机器人探测到的障碍物、目标位置以及自身位置，计算出机器人的左右轮的角速度，控制机器人到达目标点处。

基于蛙跳算法的智能家庭服务机器人服务方法，其特征在于：包括如下步骤：

(1)机器人携带有存储设备，超声波传感器，机载摄像头，语音识别模块，无线通信模块，电机驱动器和机械手；

(2)由室内屋顶安装的摄像头对室内环境图像进行获取，并发送给机器人进行处理，建立环境地图，完成机器人初始位置定位；

(3)机器人建立自身运动学模型，其运动状态变量为(x,y,θ)^T，其中(x,y)为机器人在平面坐标系中的坐标，θ为机器人前进的方向角；

(4)机器人利用语音识别模块或者无线通信模块接收来自服务对象的指令，确定需要抓取的目标以及服务对象的位置，并利用环境地图进行目标和服务对象定位；

(5)机器人根据环境地图，利用改进的蛙跳算法制定机器人的路径规划，计算出从机器人当前位置到目标所要经过的所有最佳位置点；

(6)机器人根据自身运动模型和下一个要到达的最佳位置点，计算其左、右轮的角速度，控制电机驱动器驱动机器人向前运动；

(7)机器人判断是否到达目标，如果没有返回步骤(6)，如果到达目标，则利用机载摄像头进行立体扫描，获取目标离地面的垂直高度，驱动机械手运动到目标位置抓取目标；

(8)机器人抓取目标后，自动运行到服务对象处，完成服务工作。

所述步骤(2)室内屋顶安装有摄像头对室内环境图像进行获取，并发送给机器人进行处理，建立环境地图，完成机器人初始位置定位是指：

(2a)室内屋顶安装有摄像头进行室内环境图像拍摄，并将拍摄到的图片经无线通信模块发送给机器人，机器人接收到图片后，首先用尺寸相同的栅格对图像进行划分，并依据事先存储好的常用物体形状以及地板的颜色样式知识建立环境栅格地图，若某一个栅格内不含任何障碍物，则为自由栅格，反之为障碍物栅格；自由空间和障碍物均可表示成栅格块的集合，将障碍物栅格集记为O；

(2b)采用直角坐标法对栅格进行标识：以栅格地图左上角为坐标原点，水平向右方向为X轴正方向，竖直向下方向为Y轴正方向，每一个栅格区间对应坐标轴上的一个单位长度，任何一个栅格均用直角坐标(x,y)唯一标识，从而将环境地图用一个二维数矩阵map(p,q)表示：

所述步骤(3)的具体步骤为：

(3a)设x,y分别为机器人在平面坐标系中的横、纵坐标，θ为机器人的方向角，v是机器人质心的速度，ω是机器人的角速度，则得到机器人运动的非完整约束为机器人质心运动的动态函数为：

$\left\{\begin{array}{c}\stackrel{\·}{x}=v\left(t\right)cos\mathrm{\θ}\left(t\right)\\ \stackrel{\·}{y}=v\left(t\right)sin\mathrm{\θ}\left(t\right)\\ \stackrel{\·}{\mathrm{\θ}}=\mathrm{\ω}\left(t\right)\end{array}\right.---\left(1\right)$

(3b)由公式(1)可得机器人运动的离散时间模型，如下所示：

$\{\begin{array}{c}x\left(t_{k+1}\right)=x\left(t_k\right)+\mathrm{\Δ}T\·v\left(t_k\right)\·cos\left(\mathrm{\θ}\right(t_k)+\mathrm{\Δ}T\mathrm{\ω}\left(t_k\right)/2)\\ y\left(t_{k+1}\right)=y\left(t_k\right)+\mathrm{\Δ}T\·v\left(t_k\right)\·sin\left(\mathrm{\θ}\right(t_k)+\mathrm{\Δ}T\mathrm{\ω}\left(t_k\right)/2)\\ \mathrm{\θ}\left(t_{k+1}\right)=\mathrm{\θ}\left(t_k\right)+\mathrm{\Δ}T\mathrm{\ω}\left(t_k\right)\end{array}---\left(2\right)$

根据刚体运动学的运动原理，机器人的运动通过左右轮的角速度来控制，即：

$\left[\begin{array}{c}\stackrel{\·}{x}\\ \stackrel{\·}{y}\\ \stackrel{\·}{\mathrm{\θ}}\end{array}\right]=\left[\begin{array}{cc}\frac{rcos\mathrm{\θ}}{2}& \frac{rsin\mathrm{\θ}}{2}\\ \frac{rsin\mathrm{\θ}}{2}& \frac{r\sin \mathrm{\θ}}{2}\\ \frac{r}{d}& -\frac{r}{d}\end{array}\right]\left[\begin{array}{c}{\mathrm{\ω}}_R\\ {\mathrm{\ω}}_L\end{array}\right]---\left(3\right)$

其中ω_L和ω_R分别为机器人的左、右轮的角速度，r是机器人轮子的半径，d是两个轮子之间轴的距离长度。

所述步骤(5)中的具体步骤为：

(4a)参数初始化：设种群内青蛙总的个数为N，子种群数为k，子种群内青蛙的个数为n，满足N＝k*n；局部搜索迭代次数为L,全局迭代次数为G,青蛙所允许移动距离的最大步长为S_max；

(4b)生成初始蛙群：随机生成N只青蛙作为初始蛙群P＝{X₁,X₂,...X_N}，第j只青蛙代表第j个解，用X_j＝(x_j1,x_j2,...x_js)表示，其中，0≤j≤N，s表示每个解的维数；

(4c)计算适应度值：定义适应度函数如下所示：

$f\left(X_i\right)={\mathrm{\ω}}_1\·e^{-min\left|\right|X_i-O_j\left|\right|}+{\mathrm{\ω}}_2\·\left|\right|X_i-T\left|\right|---\left(4\right)$

根据公式(4)来计算每只青蛙的适应度值，其中ω₁、ω₂为常数，||·||是计算两者之间的欧几里得距离，O_j代表的是障碍物，T表示目标位置；当X_i离目标较近时，||X_i-T||的值较小，当X_i离障碍物较远时，min||X_i-O_j||的值将变大，从而使得f(X_i)的值变小；

(4d)划分青蛙族群：对N只青蛙按照适应度值由好到坏排序，记全局适应度最好的青蛙为X_g；采用随机分组的方法将整个蛙群分成k个族群，每个族群包含n只青蛙，满足N＝kn；

(4e)局部搜索：记每个子种群中适应度最好的青蛙为X_b＝(x_b1,x_b2,…,x_bs)，适应度最差的青蛙为X_ω＝(x_ω1,x_ω2,…,x_ωs)，然后对子种群中最差适应度的青蛙个体采用中值策略进行更新操作，重复执行更新过程,直到达到设定的迭代次数L后，才停止各子种群的局部搜索；

(4f)局部搜索完成后，则将所有族群的青蛙重新混合，记下当前最佳的青蛙，然后执行步骤(4d)和步骤(4e)，重复此操作直到达到设定的全局迭代次数G。

所述步骤(4d)中随机分组的方法是指：

整个蛙群中，前k只青蛙分别随机进入k个族群，每只青蛙只能进入一个族群，然后，第k+1只至2k只青蛙随机进入k个族群，每只青蛙只能进入一个族群，第2k+1只至3k只青蛙随机进入k个族群，每只青蛙只能进入一个族群，依次类推，一直到所有的青蛙都分配完成。

所述步骤(4e)中对最差青蛙个体采用中值策略更新，具体步骤如下：

(6a)设每个族群的中心点为X_z＝(x_z1,x_z2,…,x_zs)，则

$x_{zj}=\underset{i=1}{\overset{n}{\Σ}}{x}_{ij}/n---\left(5\right)$

S＝rand×(X_z-X_ω) (6)

newX_ω＝X_ω+S,-S_max≤S≤S_max (7)

其中，rand表示0与1之间的随机数，S表示青蛙个体的调整矢量，S_max表示青蛙允许移动的最大步长，newX_ω表示更新以后的最差解；

(6b)重新计算所得到的新解的适应度值，判断其是否得到改进，如果改进,则用newX_ω取代X_ω；如果没有改进,则用整个种群最优解X_g代替公式(6)中的X_z重新更新最差解；如果新解仍然没有改进,则对最差解X_ω进行随机更新。

所述步骤(6)中，具体步骤如下：

(7a)机器人根据蛙跳算法计算得到到达目标点所要经过的所有最佳位置，机器人根据当前位置和下一步的位置，利用公式(1)和公式(2)计算出 和

(7b)机器人根据计算得到的和利用公式(3)算出机器人的左右轮的角速度ω_L和ω_R，控制机器人运动。

本发明具有如下优点：

(1)、本发明提出的智能家庭服务机器人系统，采用室内屋顶安装摄像头采集室内环境信息，建立环境地图，结构简单，能有效地完成家庭服务工作；

(2)、本发明采用蛙跳算法实现室内服务机器人路径规划，扩展了仿生技术的应用范围，提高了家庭服务机器人的工作可靠性和安全性；

(3)、本发明采用随机分组方法和中值策略对蛙跳算法进行改进，强化了算法的寻优能力，较好地平衡了算法的全局搜索与局部搜索能力；

(4)、本发明提出了基于蛙跳算法的智能家庭服务机器人系统及方法，本方法能够模仿青蛙捕食的特征，具有良好的智能性，灵活性，能节省运算时间和存储量，且大大提高了机器人路径规划的准确度，提高家庭服务机器人工作效率。

附图说明

图1为本发明的硬件设备组成方框图；

图2为本发明中基于蛙跳算法的机器人路径规划流程图；

图3为本发明中改进的蛙跳算法流程图；

图4为本发明中基于蛙跳算法的智能家庭服务机器人工作原理示意图。

具体实施方式

下面结合附图对本发明做进一步的说明。

实施本发明的一种硬件设备组成框图如附图1所示，包括机器人、若干个超声波传感器、存储设备、机载摄像头、语音识别模块、电机驱动器、机械手、无线通信模块。机器人携带有存储设备，超声波传感器，机载摄像头，语音识别模块，无线通信模块，电机驱动器和机械手等装备。其中，机器人携带有两个轮子，用来控制机器人的运行；超声波传感器均匀地分布在机器人的正前方，用来探测机器人前进过程中的障碍物；机器人通过无线通信模块或者语音识别模块接收服务对象的指令，确定目标。安装在室内屋顶的摄像头拍摄室内环境图片，通过无线网路发送给机器人，机器人进行处理后，建立室内栅格地图，并进行目标、服务对象以及机器人自身位置定位，然后通过改进的蛙跳算法进行路径规划，根据计算得到机器人所要经过的最佳位置和机器人探测到的障碍物、目标位置以及自身位置等信息，计算出机器人的左右轮的角速度，从而控制机器人到达目标点处，再通过机器人自身携带的机载摄像头，扫描目标物体的高度信息，驱动机械手抓取物体，然后规划到达服务对象的路径，将物体交至服务对象手中，完成任务。

本发明是基于蛙跳算法的智能家庭服务机器人系统及方法，其具体流程如附图2所示，包括如下步骤：

(1)机器人携带有存储设备，超声波传感器，机载摄像头，语音识别模块，无线通信模块，电机驱动器和机械手等装备；

(2)由室内屋顶安装的摄像头对室内环境图像进行获取，并发送给机器人进行处理，建立环境地图，完成机器人初始位置定位；

(3)机器人建立自身运动学模型，其运动状态变量为(x,y,θ)^T，其中(x,y)为机器人在平面坐标系中的坐标，θ为机器人前进的方向角；

(4)机器人利用语音识别模块或者无线通信模块接收来自服务对象的指令，确定需要抓取的目标以及服务对象的位置，并利用环境地图进行目标和服务对象定位；

(5)机器人根据环境地图，利用改进的蛙跳算法制定机器人的路径规划，计算出从机器人当前位置到目标所要经过的所有最佳位置点；

(6)机器人根据自身运动模型和下一个要到达的最佳位置点，计算其左右轮的角速度，控制电机驱动器驱动机器人向前运动；

(7)机器人判断是否到达目标，如果没有返回步骤(6)，如果到达目标，则利用机载摄像头进行立体扫描，获取目标离地面的垂直高度，驱动机械手运动到目标位置抓取目标；

(8)机器人抓取目标后，自动运行到服务对象处，完成服务工作。

本发明中改进的蛙跳算法的搜索方法，其具体流程如附图3所示，包括如下步骤：

(1)参数初始化。设种群内青蛙总的个数为N，子种群数为k，子种群内青蛙的个数为n，满足N＝k*n。局部搜索迭代次数为L,全局迭代次数为G,青蛙所允许移动距离的最大步长为S_max。

(2)生成初始蛙群。随机生成N只青蛙作为初始蛙群P＝{X₁,X₂,...X_N}，第j(0≤j≤N)只青蛙代表第j个解，用X_j＝(x_j1,x_j2,...x_js)表示，s表示每个解的维数。

(3)计算适应度值。定义适应度函数如下所示：

$f\left(X_i\right)={\mathrm{\ω}}_1\·e^{-min\left|\right|X_i-O_j\left|\right|}+{\mathrm{\ω}}_2\·\left|\right|X_i-T\left|\right|---\left(4\right)$

根据公式(4)来计算每只青蛙的适应度值，其中ω₁、ω₂为常数，||·||是计算两者之间的欧几里得距离，O_j代表的是障碍物，T表示目标位置；当X_i离目标较近时，||X_i-T||的值较小，当X_i离障碍物较远时，min||X_i-O_j||的值将变大，从而使得f(X_i)的值变小。

(4)划分青蛙族群。对N只青蛙按照适应度值由好到坏排序，记全局适应度最好的青蛙为X_g。采用随机分组的方法将整个蛙群分成k个族群，每个族群包含n只青蛙，满足N＝kn。

(5)局部搜索。记每个子种群中适应度最好的青蛙为X_b＝(x_b1,x_b2,…,x_bs)，适应度最差的青蛙为X_ω＝(x_ω1,x_ω2,…,x_ωs)，然后对子种群中最差适应度的青蛙个体采用中值策略进行更新操作，重复执行更新过程,直到达到设定的迭代次数L后，才停止各子种群的局部搜索。

(6)局部搜索完成后,则将所有族群的青蛙重新混合，记下当前最佳的青蛙，然后执行步骤(4d)和步骤(4e)，重复此操作直到达到设定的全局迭代次数G。

所述步骤(4)中随机分组的方法是指：

整个蛙群中，前k只青蛙分别随机进入k个族群，每只青蛙只能进入一个族群，然后，第k+1只至2k只青蛙随机进入k个族群，每只青蛙只能进入一个族群，第2k+1只至3k只青蛙随机进入k个族群，每只青蛙只能进入一个族群，依次类推，一直到所有的青蛙都分配完成。

所述步骤(5)中对最差青蛙个体采用中值策略更新，具体步骤如下：

(5a)设每个子种群的中心点为X_z＝(x_z1,x_z2,…,x_zs)，则

$x_{zj}=\underset{i=1}{\overset{n}{\Σ}}{x}_{ij}/n---\left(5\right)$

S＝rand×(X_z-X_ω) (6)

newX_ω＝X_ω+S,-S_max≤S≤S_max (7)

其中，rand表示0与1之间的随机数，S表示青蛙个体的调整矢量，S_max表示青蛙允许移动的最大步长，newX_ω表示更新以后的最差解。

(5b)重新计算所得到的新解的适应度值，判断其是否得到改进，如果改进,则用newX_ω取代X_ω；如果没有改进,则用整个种群最优解X_g代替公式(6)中的X_z重新更新最差解；如果新解仍然没有改进,则对最差解X_ω进行随机更新。

本发明中基于蛙跳算法的智能家庭服务机器人系统及方法示意图如图4所示，三角形代表机器人，方形部分是障碍物，圆形部分是目标点，星号是蛙跳算法每步产生的最佳位置，蛙跳算法中的适应度函数的构建，可以保证目标所在位置点的适应度值最小，而障碍物所在位置的适应度值最大，这样根据这个模型机器人的运动轨迹将是一条能自动绕开障碍物，避免与障碍物相撞，又能快速到达所要求的目标的最佳路径。机器人到达目标处，拿到所需要的物体，然后原路返回，将物体送至服务对象手中，完成任务。

本发明提出的智能家庭服务机器人系统，采用室内屋顶安装摄像头采集室内环境信息，建立环境地图，结构简单，不需要增加太多设备，通过采用蛙跳算法实现室内服务机器人路径规划，扩展了仿生技术的应用范围，提高了家庭服务机器人的工作可靠性和安全性，通过对蛙跳算法进行改进，强化了算法的寻优能力，较好地平衡了算法的全局搜索与局部搜索能力。本发明提出的基于蛙跳算法的智能家庭服务机器人系统及方法，能够模仿青蛙捕食的特征，具有良好的智能性，灵活性，能节省运算时间和存储量，且大大提高了机器人路径规划的准确度，提高家庭服务机器人工作效率，可以较好完成家庭服务机器人的工作。

Claims (8)

1.基于蛙跳算法的智能家庭服务机器人系统，其特征在于：包括

一由可控运动的左、右轮带动行走的机器人，机器人具有由电机驱动器驱动的机械手；

所述机器人前端携带机载摄像头，用于扫描目标物体的高度信息；

所述机器人正前方设置一个或多个超声波传感器，用来探测机器人前进过程中的障碍物；

所述机器人通过无线通信模块或者语音识别模块接收服务对象的指令，确定目标；

还包括一安装在室内屋顶用于拍摄室内环境图片的摄像头，摄像头通过无线网路将拍摄的图片发送给机器人；机器人对图片进行处理后，建立室内栅格地图，并进行目标、服务对象以及机器人自身位置定位，然后通过蛙跳算法进行路径规划，根据计算得到机器人所要经过的最佳位置和机器人探测到的障碍物、目标位置以及自身位置，计算出机器人的左右轮的角速度，控制机器人到达目标点处。

2.基于蛙跳算法的智能家庭服务机器人服务方法，其特征在于：包括如下步骤：

(1)机器人携带有存储设备，超声波传感器，机载摄像头，语音识别模块，无线通信模块，电机驱动器和机械手；

(2)由室内屋顶安装的摄像头对室内环境图像进行获取，并发送给机器人进行处理，建立环境地图，完成机器人初始位置定位；

(3)机器人建立自身运动学模型，其运动状态变量为(x,y,θ)^T，其中(x,y)为机器人在平面坐标系中的坐标，θ为机器人前进的方向角；

(4)机器人利用语音识别模块或者无线通信模块接收来自服务对象的指令，确定需要抓取的目标以及服务对象的位置，并利用环境地图进行目标和服务对象定位；

(5)机器人根据环境地图，利用改进的蛙跳算法制定机器人的路径规划，计算出从机器人当前位置到目标所要经过的所有最佳位置点；

(6)机器人根据自身运动模型和下一个要到达的最佳位置点，计算其左、右轮的角速度，控制电机驱动器驱动机器人向前运动；

(7)机器人判断是否到达目标，如果没有返回步骤(6)，如果到达目标，则利用机载摄像头进行立体扫描，获取目标离地面的垂直高度，驱动机械手运动到目标位置抓取目标；

(8)机器人抓取目标后，自动运行到服务对象处，完成服务工作。

3.根据权利要求2所述的基于蛙跳算法的智能家庭服务机器人服务方法，其特征在于：所述步骤(2)室内屋顶安装有摄像头对室内环境图像进行获取，并发送给机器人进行处理，建立环境地图，完成机器人初始位置定位是指：

(2a)室内屋顶安装有摄像头进行室内环境图像拍摄，并将拍摄到的图片经无线通信模块发送给机器人，机器人接收到图片后，首先用尺寸相同的栅格对图像进行划分，并依据事先存储好的常用物体形状以及地板的颜色样式知识建立环境栅格地图，若某一个栅格内不含任何障碍物，则为自由栅格，反之为障碍物栅格；自由空间和障碍物均可表示成栅格块的集合，将障碍物栅格集记为O；

(2b)采用直角坐标法对栅格进行标识：以栅格地图左上角为坐标原点，水平向右方向为X轴正方向，竖直向下方向为Y轴正方向，每一个栅格区间对应坐标轴上的一个单位长度，任何一个栅格均用直角坐标(x,y)唯一标识，从而将环境地图用一个二维数矩阵map(p,q)表示：

4.根据权利要求2所述的基于蛙跳算法的智能家庭服务机器人服务方法，其特征在于：所述步骤(3)的具体步骤为：

(3a)设x,y分别为机器人在平面坐标系中的横、纵坐标，θ为机器人的方向角，v是机器人质心的速度，ω是机器人的角速度，则得到机器人运动的非完整约束为机器人质心运动的动态函数为：

$\left\{\begin{array}{c}\stackrel{\·}{x}=v\left(t\right)cos\mathrm{\θ}\left(t\right)\\ \stackrel{\·}{y}=v\left(t\right)sin\mathrm{\θ}\left(t\right)\\ \stackrel{\·}{\mathrm{\θ}}=\mathrm{\ω}\left(t\right)\end{array}\right.---\left(1\right)$

(3b)由公式(1)可得机器人运动的离散时间模型，如下所示：

$\left\{\begin{array}{c}x\left(t_{k+1}\right)=x\left(t_k\right)+\mathrm{\Δ}T\·v\left(t_k\right)\·\cos \left(\mathrm{\θ}\right(t_k)+\mathrm{\Δ}T\mathrm{\ω}(t_k)/2)\\ y\left(t_{k+1}\right)=y\left(t_k\right)+\mathrm{\Δ}T\·v\left(t_k\right)\·\sin \left(\mathrm{\θ}\right(t_k)+\mathrm{\Δ}T\mathrm{\ω}(t_k)/2)\\ \mathrm{\θ}\left(t_{k+1}\right)=\mathrm{\θ}\left(t_k\right)+\mathrm{\Δ}T\mathrm{\ω}\left(t_k\right)\end{array}\right.---\left(2\right)$

其中，ΔT是采用样时间间隔，根据刚体运动学的运动原理，机器人的运动通过左右轮的角速度来控制，即：

$\left[\begin{array}{c}\stackrel{\·}{x}\\ \stackrel{\·}{y}\\ \stackrel{\·}{\mathrm{\θ}}\end{array}\right]=\left[\begin{array}{cc}\frac{rcos\mathrm{\θ}}{2}& \frac{rsin\mathrm{\θ}}{2}\\ \frac{rsin\mathrm{\θ}}{2}& \frac{rsin\mathrm{\θ}}{2}\\ \frac{r}{d}& -\frac{r}{d}\end{array}\right]\left[\begin{array}{c}{\mathrm{\ω}}_R\\ {\mathrm{\ω}}_L\end{array}\right]---\left(3\right)$

其中ω_L和ω_R分别为机器人的左、右轮的角速度，r是机器人轮子的半径，d是两个轮子之间轴的距离长度。

5.根据权利要求2所述的基于蛙跳算法的智能家庭服务机器人服务方法，其特征在于：所述步骤(5)中的具体步骤为：

(4a)参数初始化：设种群内青蛙总的个数为N，子种群数为k，子种群内青蛙的个数为n，满足N＝k*n；局部搜索迭代次数为L,全局迭代次数为G,青蛙所允许移动距离的最大步长为S_max；

(4b)生成初始蛙群：随机生成N只青蛙作为初始蛙群P＝{X₁,X₂,...X_N}，第j只青蛙代表第j个解，用X_j＝(x_j1,x_j2,...x_js)表示，其中，0≤j≤N，s表示每个解的维数；

(4c)计算适应度值：定义适应度函数如下所示：

$f\left(X_i\right)={\mathrm{\ω}}_1\·e^{-\min \left|\right|X_i-O_j\left|\right|}+{\mathrm{\ω}}_2\·\left|\right|X_i-T\left|\right|---\left(4\right)$

根据公式(4)来计算每只青蛙的适应度值，其中ω₁、ω₂为常数，||·||是计算两者之间的欧几里得距离，O_j代表的是障碍物，T表示目标位置；当X_i离目标较近时，||X_i-T||的值较小，当X_i离障碍物较远时，min||X_i-O_j||的值将变大，从而使得f(X_i)的值变小；

(4d)划分青蛙族群：对N只青蛙按照适应度值由好到坏排序，记全局适应度最好的青蛙为X_g；采用随机分组的方法将整个蛙群分成k个族群，每个族群包含n只青蛙，满足N＝kn；

(4e)局部搜索：记每个子种群中适应度最好的青蛙为X_b＝(x_b1,x_b2,…,x_bs)，适应度最差的青蛙为X_w＝(x_w1,x_w2,…,x_ws)，然后对子种群中最差适应度的青蛙个体采用中值策略进行更新操作，重复执行更新过程,直到达到设定的迭代次数L后，才停止各子种群的局部搜索；

(4f)局部搜索完成后，则将所有族群的青蛙重新混合，记下当前最佳的青蛙，然后执行步骤(4d)和步骤(4e)，重复此操作直到达到设定的全局迭代次数G。

6.根据权利要求5所述的基于蛙跳算法的智能家庭服务机器人服务方法，其特征在于：所述步骤(4d)中随机分组的方法是指：

整个蛙群中，前k只青蛙分别随机进入k个族群，每只青蛙只能进入一个族群，然后，第k+1只至2k只青蛙随机进入k个族群，每只青蛙只能进入一个族群，第2k+1只至3k只青蛙随机进入k个族群，每只青蛙只能进入一个族群，依次类推，一直到所有的青蛙都分配完成。

7.根据权利要求5所述的基于蛙跳算法的智能家庭服务机器人服务方法，其特征在于：所述步骤(4e)中对最差青蛙个体采用中值策略更新，具体步骤如下：

(6a)设每个族群的中心点为X_z＝(x_z1,x_z2,…,x_zs)，则

$x_{zj}=\underset{i=1}{\overset{n}{\Σ}}{x}_{ij}/n---\left(5\right)$

S＝rand×(X_z-X_w) (6)

newX_w＝X_w+S,-S_max≤S≤S_max (7)

其中，rand表示0与1之间的随机数，S表示青蛙个体的调整矢量，S_max表示青蛙允许移动的最大步长，newX_w表示更新以后的最差解；

(6b)重新计算所得到的新解的适应度值，判断其是否得到改进，如果改进,则用newX_w取代X_w；如果没有改进,则用整个种群最优解X_g代替公式(6)中的X_z重新更新最差解；如果新解仍然没有改进,则对最差解X_w进行随机更新。

8.根据权利要求2所述的基于蛙跳算法的智能家庭服务机器人服务方法，其特征在于：所述步骤(6)中，具体步骤如下：

(7a)机器人根据蛙跳算法计算得到到达目标点所要经过的所有最佳位置，机器人根据当前位置和下一步的位置，利用公式(1)和公式(2)计算出 和

(7b)机器人根据计算得到的和利用公式(3)算出机器人的左右轮的角速度ω_L和ω_R，控制机器人运动。