煤矿水泵房巡检机器人开发与试验研究

煤矿水泵房作为保障井下安全生产的重要组成,其巡检效率和效果直接决定着煤矿开采活动能否安全、有序推进。为此,基于栅格建图方法,结合传感器预处理数据,介绍粒子滤波器全局定位算法和覆盖栅格建图算法,并根据已确定煤矿水泵房巡检机器人巡检点位置和机器人位姿,通过巡检路径算法和巡检路径及障碍规避算法,规划水泵房巡检机器人全局路径,控制机器人实施路径跟踪及障碍规避。为检验相关算法可行性,构建煤矿水泵房巡检机器人样机硬件平台与监控软件,从基本功能测试、巡检误差分析等角度实施煤矿水泵房巡检机器人测试,进而确认煤矿水泵房巡检机器人运行轨迹与规划路径基本一致,实际位置误差和姿态误差分别控制在10 cm和0.1 rad以内,可满足设计预期。     

基于障碍物尺度的封闭狭长空间路径规划研究

栅格法广泛应用于移动机器人环境建模和路径规划中。为了解决在狭长空间如煤矿巷道环境中，障碍物、机器人和空间尺寸失调，以机器人中心点到自身轮廓最远距离的2倍为栅格尺寸建模容易导致路径规划失败的问题，采用以影响机器人通行的障碍物大小为基准设定栅格尺寸、机器人尺寸在地图上占据多个栅格的狭长空间地图建模方法，利用障碍物碰撞检测函数对传统A^*算法进行改进，仿真研究了改进算法在狭长空间中的全局路径规划的有效性，开展了实际环境下的路径规划实验。研究结果表明，采用提出的栅格建模方法和改进A^*算法可得到一条起始点到终点的无碰撞路线，可完成狭长空间的复杂环境路径规划。     

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.     

基于改进蚁群算法的变电站巡检 机器人路径规划研究

以提升机器人在巡检变电站时的工作效率,节省巡检时间消耗,设计了改进蚁群算法的变电站巡检机器人路径规划方法。利用栅格法构建变电站机器人巡检路径地图,使用二值表示障碍区域,在经典蚁群算法中引入方向夹角启发因子,提升路径搜索的导向性与搜索速度,使用拉普拉斯概率分布作为信息素挥发因子自适应策略,提升蚁群算法的收敛速度,以实际变电站作为研究对象,结果表明,改进蚁群算法的巡检路径寻优效果和规划速度优于同类路径规划方法,获得了理想的路径规划效果。     

智能选矿摇床巡检机器人的路径规划

选矿摇床是一种重要的重力选矿设备,已有百年的发展历史,它是钨、锡等矿选矿的关键设备,在工业中获广泛应用。但是,目前摇床的生产操作基本还是依赖人工来完成,摇床的自动化和智能化是目前急需解决的问题。针对选矿摇床生产的智能化问题,基于团队开发的摇床智能巡检机器人,采用改进的遗传算法对摇床生产巡检机器人的全局路径进行规划,并用带栅格地图的A*算法解决了巡检机器人的局部路径规划问题。     

基于模糊控制算法的矿山爆破机器人路径规划

针对矿山爆破机器人工作环境的复杂性和不确定性,为提高其在这种挑战性环境中的自主操作性和安全性,结合视觉导航原理和模糊控制算法提出一种未知环境下的局部路径规划策略。该策略充分利用机器人搭载的摄像头和激光雷达进行环境探测,实时获取障碍物和目标信息,通过模糊控制器调整机器人的运动偏转角度及步长,从而有效地避开障碍物并到达预定目标点。仿真结果表明,该策略不但能使机器人以最优的路径到达目标点,而且显著降低了机器人在多障碍物环境下发生碰撞的风险,提高了矿山爆破机器人的工作效率和安全性。     

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。     

井下掘进机行进纠偏调度规划与控制研究

根据井下掘进机行进特点制定机身纠偏路径规划,建立掘进机履带式行走位姿偏差模 型;以履带移动线速度和转向角速度作为路径跟踪控制输入量,基于滑模控制器理论设计控制律 以确保位姿偏差的收敛性;利用李雅普诺夫稳定原则证明了路径跟踪控制的稳定性;以某结构尺 寸的掘进机为对象,对多种典型偏航情况进行了机身的纠偏调度仿真。 结果表明,基于位姿偏差 的路径跟踪控制能在有限的调度周期内实现机身纠偏,掘进机的纠偏路径规划和路径跟踪调度 方案整体合理可行,可为深入研究煤巷自动掘进提供良好基础。     

机器人视觉中一种新的路径规则划方法

栅格法的强适应性和简单直观性使其成为寻找最优耗费路径的流行算法。然而,在实时路径规划中如果单元格划分的精度很高就会使得计算的时间复杂度高,从而不能适应实时运行环境。在动态环境中,路径规划的前面一部分(即里机器人较近的一段路径)是对移动机器人最有用。因此,文章提出将环境不等大小划分,离机器人距离越近计算精度越高而越远计算精度越低,并结合动态信息模型对障碍物运动信息的有效反应得到一种新的路径规划算法。通过仿真实验与在RoboCup中型组机器人上的测试表明了该方法的有效性。     

基于优化Fast-SLAM的煤矿水泵房巡检机器人研究

针对目前煤矿水泵房无GPS环境下巡检机器人的自主定位、抗干扰能力弱、不能很好的帮机器人完成日常巡检任务等问题,研究基于Fast-SLAM的同步定位与建图方法。首先建立SLAM的概率模型,采用最小线性二乘对里程计进行标定和融合轮式里程计、IMU的方式对传感器数据进行预处理,获得比单一轮式里程计更为精确的位姿信息,减小相对定位中的非系统误差。然后再利用机器人的坐标变换关系将外部传感器获得的环境信息和机器人的运动信息转换为世界坐标系下,基于粒子滤波算法对proposal分布进行优化以获得机器人的精确位姿估计。最后通过覆盖栅格建图建立全局环境地图。经MATLAB仿真和实验结果分析表明,在经过传感器预处理和算法优化后的Gmapping算法满足机器人实时定位的需要,且具有较高的建图精度,可以有效应用于煤矿水泵房机器人自动巡检中。     

针对深海采矿车的遍历路径规划方法研究

针对深海采矿车在海底复杂条件下周围环境信息缺少,实时处理数据能力低,环境建模困难复杂,难以自主和高效完成深海采矿作业等问题,提出一种深海采矿车遍历采矿作业的全覆盖路径规划方法。首先利用AUV(自主水下机器人)采集数据得到的水下DEM(数字高程模型)数据模型构建出海底的三维静态地图模型,根据得到的底质类型数据划分障碍物构建出二维静态栅格环境模型;然后考虑栅格状态、距离因素和转向因子建立启发函数,实现遍历路径采矿工作。结合实际采矿过程中出现的采矿死区问题,引入改进A*算法规划逃离出死区路径,保证了重复率尽可能小;最后通过MATLAB仿真验证。结果表明,该算法确保采矿覆盖率为100%的同时降低了重复率和转弯次数,提高了深海采矿车的工作效率和经济效益,为深海采矿车海底路径规划提供了理论基础。     

基于MPC的煤矿巡检机器人轨迹跟踪技术研究

针对履带式煤矿巡检机器人在井下自动行走过程中与实际轨迹偏差大且易受外部环境干扰等问题,通过分析履带式煤矿巡检机器人的运动学和误差模型,设计了基于模型预测控制（MPC）的轨迹跟踪控制器。仿真结果表明,与传统PID控制器相比,所提出的控制系统具有更好的实时性和有效性,提高了轨迹跟踪精度和纠偏调节能力,保证了机器人能够准确快速地到达预定位置。从而有利于提升煤矿巡检机器人的工作效率,推进煤矿智能开采水平。     

煤矿场景下基于RGBD的视觉导航技术

为解决煤矿机器人现有自主导航技术的局限性,提出了1种煤矿场景下基于RGBD的视觉导航技术。研究了视觉导航的总体架构,并对各个功能模块进行了设计描述;研究了地图创建方法,将ORB＿SLAM2算法生成的连续帧间位姿进行关系变换,采用逐帧的RGBD点云拼接,获得了稠密的点云地图;设计了巡检机器人的自主定位和路径规划实现流程,结合蒙特卡洛、D*及DWA算法完成了机器人的精准定位与导航;建立了该视觉导航技术的测试平台,并利用该平台进行了系列化的模拟测试。测试结果表明：煤矿场景下基于RGBD的视觉导航技术能够满足煤矿井下轮式巡检机器人的自主行走功能需求,定位精度良好。     

基于深度强化学习和大邻域搜索的矿山巡检机器人路径规划算法

当前大多数矿山巡检机器人采用激光雷达作为矿山环境探测方法,该方法对于一些小目标物体和反照率小的物体检测不明显,容易造成误检或漏检,从而引发矿山安全事故。为了提高矿山巡检机器人的识别精度,将基于强化学习结合大邻域搜索的路径规划方法引入矿山巡检机器人路径规划工作中,提高矿山巡检机器人对场景的感知能力。首先,提出了基于LSTM的时序性路径规划模型,能够从机器人的RGB相机中提取图像特征,通过深度学习方式进行场景感知。其次,将激光雷达设备采集的信息进行处理,使用大邻域搜索算法找到空间中的多个最优路径,用于后续场景导航。最终通过深度强化学习和大邻域搜索方法实现矿山巡检机器人精准导航,选择最佳的机器人巡检路径。为了验证所提算法性能,在二维和三维空间中进行了场景搭建、导航模拟、模型训练和测试。结果表明:该方法在仿真环境和真实场景中具有较好的路径规划能力。     

基于蜂群算法的煤矿救灾机器人全局路径规划

研究了一种基于人工蜂群算法的煤矿救灾机器人全局路径规划算法。该算法首先进行环境建模,然后根据环境信息特点,巧妙结合人工蜂群算法获得机器人全局优化路径。该路径规划方法具有建模方便、算法简单以及不局限于障碍物的形状等特点。实验证明,本算法可以快速有效地规划出一条全局较优化路径,是解决全局环境已知情况下机器人路径规划的一种有效方法。     

二叉树路径规划算法在栅格地图中的应用

基于栅格图的路径规划算法主要有A~*算法、快速搜索树算法等。在栅格地图规模增大的时候,以上算法的运算量将大幅增加。笔者提出一种将图搜索与栅格搜索结合的二叉树路径规划算法。该算法通过逆向搜索优化局部路径、剪枝优化二叉树,从而得到最佳路径。相比快速搜索树算法,二叉树路径规划算法具有概率完备性,在运行测试试验中,实际展开结点数量为A~*算法的28%,运行时间仅为A~*算法的52%。     

基于方位编码的遗传算法在路径规划中的应用

路径规划是移动机器人关键技术,针对移动机器人在已知环境下避障和搜索最优路径问题,提出了一种运用栅格法辅以遗传算法进行搜索的方案。其中栅格法用来划分地图,而后为机器人自身周围八个方位进行二进制编码,这些方位编码按顺序排列,组成一串定长染色体,包含机器人移动的路径信息。运用自适应遗传算法得出最优路径的方位编码组合,最后对其解码求出最优路径。     

基于共轭梯度和粒子群的机器人路径规划

为了提高井下救灾机器人的搜救效率,减少救援时间,提出了一种结合共轭梯度和粒子群算法的救灾机器人路径规划算法CGPSO。共轭梯度算法规划出起点到终点的最短路径;去除路径中在障碍物内的点,采用粒子群算法重新规划该子路径。仿真实验表明该算法可以有效地提高粒子群的规划效率和可靠性。     

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。     

基于模糊控制的移动机器人路径规划仿真研究

通过对机器人移动路径中的信息输入、移动规则建立、模糊推理与决策,规划出模糊避障控制策略,设计模糊避障算法,借助MATLAB/GUI仿真实验平台,设计实验界面及模糊控制程序,模拟移动机器人的运动轨迹,从开始点出发,避开障碍物,到达目标点,针对不同障碍的随机分布,优化其运动轨迹.