煤矿救援机器人路径规划的蚁群优化算法

煤矿救援机器人执行救援任务时,需躲避水、火、障碍物等危险区域,提升了路径规划的难度,为此提出了煤矿救援机器人路径规划的蚁群优化算法。充分考虑煤矿救援机器人运行过程中的水、火、障碍物等分布,采用栅格法建立机器人路径规划的环境模型,确定栅格环境模型内机器人路径规划问题的目标函数,采用蚁群优化算法求解机器人路径规划问题的目标函数,通过改进信息素规则、限制信息素阈值以及改进转移概率3个方面优化蚁群算法,避免蚁群算法求解全局最优解时陷入局部最优。实例分析结果表明,该算法在满足收敛速度条件下有效规划煤矿救援机器人行驶路径,所规划路径的路径长度、转角数量以及危险度均为最优,为机器人安全作业提供理论依据。     

基于混合算法的动态路径规划

通过对全局和局部路径规划的深入分析,提出了一种全局和局部路径规划方法相结合的混合算法路径规划。使用A-Star算法在静态环境中进行全局规划并且将该路径的拐点作为子目标点,通过改进模糊人工势场法来进行实时的局部规划,确保了移动机器人能够获得较优的行进路径。仿真结果表明混合算法降低了实时局部路径规划的复杂性,同时提高了路径规划的效率。     

基于改进虚拟势场的煤矿井下WMSN覆盖增强算法

针对煤矿井下无线多媒体传感器网络（Wireless Multimedia Sensor Network,WMSN）覆盖问题,提出了一种基于改进虚拟势场的覆盖增强算法。在分析方向可调感知模型、煤矿巷道带状结构特点及照度特点的基础上,提出了煤矿井下WMSN“有效覆盖”问题。针对有效覆盖问题,引入虚拟目标引力提升重点区域有效覆盖效果。针对传统虚拟势场算法可能出现因局部极小导致覆盖增强效果下降的问题,在分析方向可调感知模型感知区域相交特性的基础上,改进了斥力函数,引入了相邻节点的共同覆盖率引导节点调整感知方向,从而实现区域的有效覆盖。仿真实验表明：对比已有的区域覆盖增强算法,采用所提出的基于改进虚拟势场的覆盖增强算法可有效消除感知重叠区和盲区,实现了井下巷道的高效区域覆盖。     

煤矿探测机器人空间建模分析及避障路径规划

为了使煤矿探测机器人在路径规划过程中更好地理解环境信息,提出了一种栅格拓扑地图作为表达煤矿空间中局部环境障碍物地图模型,使其既能表达度量信息又能体现位置关系信息.在该地图模型中,利用基于主动生长元的栅格Voronoi图可行路径网络生成方法,机器人可以规划出一条既可以迅速到达目标,又可以保证机器人避碰的行驶路径.试验表明,该地图模型可以使煤矿探测机器人迅速建立起煤矿空间障碍物地图,并能够以较高的规划效率解决在局部路径规划中常见的规划陷阱问题.     

矿用探测机器人虚拟控制系统研究

针对当前煤矿井下事故频发,井下救援难度增大等问题,提出了一种虚拟控制系统,通过遥控虚拟机器人在井下进行环境信息采集以及障碍物信息提取,实现机器人的局部与全局导航定位,根据这些信息实现对机器人的人为决策以及干预。研究成果可使井下机器人的作业可控、可预知,且移植性较强,提高了救援机器人的作业效率。     

基于改进势场栅格法的移动机器人路径规划

路径规划是移动机器人的核心问题之一。以势场栅格法为前提,在首次得到安全路径的基础上,去掉无效栅格,将剩余栅格长度等比递减,再次以同样方法规划路径。通过对移动机器人在不同环境下的改进前后的2次路径规划结果进行比较知,采用改进后的势场栅格法所得到的路径,距离更短且安全有效。     

对瓦斯分布区域避障的煤矿机器人路径规划方法

由于煤矿机器人的防爆安全等级尚未到达ia本质安全,为避免引起灾害事故,煤矿机器人在执行环境探测和救援任务时不能进入瓦斯危险区域,因此,煤矿机器人需要躲避瓦斯危险区域。文章提出煤矿机器人对区域分布的瓦斯气体避障的路径规划方法,运用MAKLINK方法表征煤矿机器人的作业环境网络图,采用蚁群算法优化的Dijkstra算法得到的煤矿机器人作业路径,分别在仅有瓦斯危险区域分布和同时存在瓦斯危险区域分布及障碍物两种情况下进行路径规划实验研究。结果表明,本文提出的方法在满足安全距离和收敛速度条件下实现了最优路径规划,该方法对煤矿机器人快捷安全作业和提高煤矿机器人智能化具有重要意义。     

基于改进混合A*算法的地下无人铲运机智能路径规划

矿山无人铲运机自主定位导航是井下采矿装备智能化程度评价的重要指标，其中路径规划是铲运机自主行走的重要组成部分。而目前井下铲运机的规划路径多以巷道中心线为基础或难以执行，本文提出了一种适用于地下矿采场无人铲运机的混合A*算法进行出矿点到卸矿点的全局路径规划。首先分析了井下铲运机的运动模型，确定其路径规划参考点及车辆本身的数学结构关系，简化路径规划问题复杂度；其次针对铲运机作为非完整约束机器人，从栅格地图中当前点到目标点启发式函数构建以及子节点扩展方法两个方面设计了混合A*算法进行全局路径规划方法；最终采用地下矿采场中常见的五种巷道交岔口场景进行了路径规划试验分析，证明了以Dubins曲线、ReedsShepps曲线以及A*算法的启发式函数值中最大值作为该节点启发式函数的值进行混合A*算法搜索更新较为合理，能得到可以行驶的优化路径。为进一步推进井下铲运机无人化提供了理论基础，保证了规划路径的可执行性。     

人工智能算法在机器人矿井作业路径规划中的应用

在矿井下由于环境较为恶劣,不适合人类长期作业,并且对于矿难发生之后,人类无法直接进入井下救援,因此一类可以在井下作业的机器人技术显得尤为重要。文章针对机器人路径规划的特点,利用栅格法对机器人的导航环境进行有效的处理,并提出了基于粒子群算法的机器人全局最优路径规划方法。该方法有效地在机器人导航环境中得以实现,相对于遗传算法,取得了较好的仿真结果。仿真实验验证了这种方法的有效性与可行性。     

煤矿环境探测救灾机器人自主避障研究

为了实现煤矿环境探测救灾机器人的自主行走,在其周围布置6个固定探测距离为24 cm的GP2Y0D21YK型红外开关和6个测量范围为10～80 cm的GP2D12型红外测距传感器对障碍物进行探测识别。机器人对障碍物进行坐标计算和记录存储,并通过人工势场方法实现自主避障行走。试验结果表明,两种传感器的相互结合大大提高了机器人的避障效果和智能性。     

煤矿救援机器人自主避障方法研究

针对煤矿灾害发生后复杂的矿井环境,提出一种用于救援机器人的分级扩展式快速扩展随机树（CERRT）算法。该方法利用快速扩展随机树（RRT）算法在未知环境中规划路径的优势,将分级扩展的思想融入到RRT算法中,具有在未知环境中避开障碍物快速找到目标的特点。仿真验证了该方法的有效性,与传统方法比较,路径规划速度和避障能力得到了提高,缩短了找到目标的时间。该方法也可为钼矿、铜矿等其他矿井的救援机器人寻找目标提供参考。     

地下矿用车辆无人驾驶目标路径规划方法研究

针对井下巷道复杂多变的路面条件,将地下矿用车辆无人驾驶目标路径划分为主目标路径和局部避障目标路径,在主目标路径规划时不必考虑局部避障问题,在主目标路径规划完成后,再进行局部避障目标路径规划。建立车辆轨迹跟踪偏差控制模型及动力转向控制模型,通过对模型的仿真计算,可对地下矿用车辆无人驾驶目标路径进行规划及优化。该目标路径规划方法具有简单方便和灵活可靠的优点。     

露天矿山无人驾驶运输技术现状及发展趋势研究

随着近几年无人驾驶通用技术的发展,无人驾驶运输在露天矿山封闭作业场景中得到了快速应用推广与发展。主要探讨了无人驾驶技术应用于矿山运输领域的研究现状及发展方向。综合分析了露天矿山的运输安全风险。根据具体用途,将无人驾驶技术细分为线控技术、环境感知技术、定位导航技术、路径规划技术、决策控制技术、通讯网络及调度技术,并剖析和比较了各关键技术具体实现方式的优缺点。综合以上对各关键技术的研究分析,得出结论：多技术融合实现环境感知、定位导航、路径规划和决策控制是当前矿山无人驾驶技术发展的必然趋势。     

煤矿井下基于改进A*算法的移动机器人路径规划

移动机器人的路径规划一直是移动机器人研究领域的难点问题。针对煤矿井下环境的不确定性,移动机器人路径规划效果不理想,采用启发式搜索算法中的A*算法实现井下移动机器人的局部路径规划,并对A*算法中的估价函数进行加权修正,保证了估价函数的可靠性,提高了路径规划效率。仿真实验说明该方法的有效性和可行性。     

崩落矿岩散体密度场特征

崩落矿岩散体被视作连续介质,从场论的观点出发,系统研究了无限边界条件下崩落矿岩散体移动场的密度场。散体在底部放出口放出过程中,散体移动场中存在散体移动场和散体静止场,且两场在移动边界上必保持连续。在散体移动场中,对于理想散体,密度场为均匀场和定常场;对于实际散体,密度场为非均匀场和不定常场。在散体静止场中密度场为均匀场和定常场。论文介绍了理想散体和实际散体移动场密度方程,并对散体移动场的密度场特征进行了系统总结和论证,具有较高的理论价值和参考价值。     

基于改进萤火虫算法的矿井水害避灾路径规划

矿井水害是煤矿生产中的一种突发性灾害。为了有效地预防矿井突水事故,降低突水事故中的人员伤亡和财产损失,提出了一种基于改进萤火虫算法的矿井水害避灾路径规划。本文针对标准萤火虫算法收敛效果不佳、易陷入局部最优并结合突水环境中路径规划的特点,通过改变和设计萤火虫算法的初始化方式、萤火虫之间的距离、最大亮度、相对亮度等要素,引入考虑逃生巷道干扰因素的当量长度,并调整搜索策略,实现了对避灾路径规划的最优设计。本文结合王家岭煤矿实例将改进的萤火虫算法与A*算法进行比较,仿真结果表明:改进后的萤火虫算法具有较好的收敛性和稳定性,路径更优,具有大范围搜索优化的能力,在发生矿井突水时可有效帮助巷道受困人员脱离危险。