智能巡视机器人，使用MA-PPA算法规划路径，可以找到最短路径？ 在露天矿山的开采中，矿岩运输是露天开采的决定性环节，但其运输成本较高。为解决这一问题，智能巡检机器人在矿山领域得到了普遍应用，逐步成为主流趋势。 路径规划是智能机器人控制的关键技术之一，是保障移动机器人在复杂陌生环境中准确避障的关键。近年来，众多学者对智能仿生算法进行了大量的研究，智能仿生算法有着计算量小和优化效率高等特点，为解决机器人路径规划问题提供了新思路。 2010年，日本某大学研究团队，用燕麦片表示东京周围的各个城市，将多头绒泡菌置于一个潮湿的表面上，让其从中心向外生长来模拟东京铁路网，取得了良好的效果，并在此基础上提出了多头绒泡菌算法(PPA)，该算法为群体机器人的路径形成任务提供了新的思路。 2011年，技术专家用忆阻器电路，模拟了多头绒泡菌的生长环境，发现忆阻器的记忆储存、阻值变化的过程，类似于多头绒泡菌的“学习过程”，并探索了多头绒泡菌对周期性信号的预测能力。 本篇文章受此启发，用忆阻器阵列与多头绒泡菌算法结合，解决机器人路径规划问题。忆阻器是表示磁通量与电荷关系的电路器件，具有尺寸小、能耗低的特性，能很好地储存和处理信息，可以高密度地集成在忆阻器阵列(MA)上。 2008年，某实验室制造出了能够工作的物理忆阻器，当通入恒定的正向电压时，氧空位在电场的作用下向右移动，导致掺杂区的宽度变宽，忆阻阻值减小，反之阻值变大。 根据忆阻器的工作原理，在忆阻器的一端施加恒定的正向电压会导致忆阻阻值减小，从而流经忆阻的电流会不断增大，而电流增大会加快忆阻器的内部系数变化，进而使忆阻阻值更快地减小。因此我们将忆阻器列阵和多头绒泡菌算法相结合，进行智能机器人路径规划。 栅格中每两个顶点之间连接的边都用一个忆阻器表示，每个忆阻器的最小值都设为0.1，忆阻器阵列的初始值与栅格地图上每一小格之间的距离相对应，具体表示方法如下图1所示。 忆阻器阵列结构包括电压转换器、行列选择开关、交叉阵列三部分，如下图2所示。在下图3中，每一行和每一列上设置开关S1(1=6,7,,.....,10)和SG(G=1,2,.....,5)，分别控制电压的流入和流出，实现读写操作。 我们用忆阻器表示多头绒泡菌的生长前端，并将其均匀地放置在二维栅格地图上，基于忆阻器“存算一体”的特性，通过忆阻器阵列来计算存储算法迭代过程中，每条路径上的数据信息。 多头绒泡菌在搜索最短路径时，所表现出来的搜索行为，由施加在全连通忆阻电路上的电压的位置和大小来体现，管道的收缩行为由忆阻器的正反馈特性来体现。 在该算法中，Si的开启决定了哪一行的忆阻器会接收到电压信号，进而影响与该行相关节点的压力值Pi，而Pi的更新又会影响下一次Si的选择。算法的时间复杂度为O(n3)，算法的时间成本主要受迭代次数和每次迭代的计算量影响，算法流程图如下图4所示。 为了验证本篇文章所提出算法的有效性，我们对算法进行了仿真验证。如下图5所示，该忆阻器的伏安特性曲线表现出呈“8”字型的回滞曲线，并且随着激励频率的增加逐渐趋于线性，最终会收敛到一个约等于0的固定阻值，这表明该模型在理论上具有忆阻器的相关特性。 我们用参数相同的忆阻器并联电路，来表示10*10的栅格地图，基于忆阻器阵列来实现多头绒泡菌算法，根据各路径上电流的收敛情况来找到一条从起点到终点的最短路径，如下图6所示。 栅格地图上的每一个格子都表示一个点，这100个点中任意两点之间的流量变化情况如下图7所示。 下图8展示了蚁群算法和MA-PPA算法，在几种静态地图下的找到的路径，为使得两种算法效率相当，蚁群算法采用的迭代次数较少，对比可见在三种环境中，MA-PPA算法在实际路径规划中的应用效果更好。 为了模拟露天煤矿场景中复杂多变的环境状况，在动态地图测试中，引入了形状不一且能够向上下左右四个方向随机移动的动态障碍物。 下图9展示了动态地图中，使用MA-PPA算法进行路径规划和避障任务的完整过程，由机器人的移动过程可以看出，虽然机器人在进行路径规划时，所规划的路径与障碍物存在零距离的情况，但在实际移动到障碍物附近时会采取相应的避障策略，从而避免与障碍物的碰撞。 本篇文章设计了基于忆阻器的多头绒泡菌算法，利用忆阻器阵列计算存储各路径上的数据信息，在忆阻器阵列中实现了多头绒泡菌算法的并行计算，解决了自主移动机器人在二维全局环境下的路径规划问题。