基于机器视觉的井下搜救机器人路径规划

针对井下复杂矿难环境,传统方法建立环境地图需要大量信息,处理复杂搜索问题,提出基于机器视觉建立环境地图。算法从帧差背景中获取环境障碍物位置信息,依据机器人加速鲁棒特征定位,离散建模运动空间。实验仿真表明,通过自动机演化规则实现细胞状态分析,可实现任意起点到终点的最优路径搜索。     

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。     

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。     

基于人工内分泌系统的煤矿路径规划方法

针对煤矿井下巷道环境复杂,障碍物种类数量多的问题,利用生物学中内分泌系统的思想进行建模,运用栅格建模法,提出了利用人工内分泌算法进行路径规划的方法。在该模型中,加入了激素调节机制,通过实验证明,加入激素的内分泌模型具有更好地适应未知环境的能力。同时,将内分泌算法与以往的遗传算法进行比较,结果表明该模型更加有效。     

煤矿水泵房巡检机器人路径规划与跟踪算法的研究

目前煤矿水泵房排水设备的巡检工作仍需要人工完成,存在工人巡检懈怠,巡检不及时,巡检不到位,巡检结果数字化不便等问题。结合里程计定位技术、轮式移动机器人导航和避障技术,以ROS机器人开发平台为基础,研究了一种适用于井下水泵房环境的巡检机器人全局路径规划与跟踪算法,可实现巡检机器人在无人为干预,无磁轨、线缆或GPS辅助的情况下按照设定的路径自主移动完成水泵房设备的巡检工作。首先根据水泵房的平面图建立二维栅格地图,通过PRM路径规划算法在建好的二维栅格地图中规划一条经过所有检测点和行进点的无障碍路径,接着通过Pure Pursuit路径跟踪算法计算巡检机器人沿该路径行走需要的实时线速度和角速度,将其发送给巡检机器人运动控制器,然后控制器根据雷达数据实时监测机器人10 cm范围内障碍物情况,决定巡检机器人是否采用当前的线速度和角速度沿规划路径行走,最后在机器人到达检测点后对排水设备进行拍照和运行数据的采集。通过对巡检机器人的模拟实验结果分析得出：巡检机器人能够避开路径上的障碍物,准确到达巡检点,机器人实际位置平均误差为4 cm,姿态角度平均误差为0.095 rad,满足机器人巡检工作的要求。     

基于改进蚁群算法的智能铲运机全局路径规划

以矿井GIS地图为基础建立环境栅格模型,结合改进蚁群算法对智能铲运机在井下环境中的全局路径规划问题进行求解。对基本蚁群算法存在的问题进行改进,分别从路径选择规则、全局信息素更新规则和局部信息素更新规则三方面进行优化。通过仿真实验验证该改进蚁群算法的有效性,并与基本蚁群算法进行比较,结果表明,改进蚁群算法具有较好的稳定性和全局最优性,而且收敛速度较快。该算法可根据已知巷道环境地图得到铲运机的最优路径,有利于智能铲运机的高效工作。     

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。     

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。     

基于遗传算法移动机器人的路径规划研究

路径规划是移动机器人研究中的一个重要内容,它在移动机器人导航中起着不可缺少而又重要的作用。提出一种采用遗传算法对移动机器人进行路径规划的方法,使用栅格法建立移动机器人的工作环境模型,采用路径中的序号进行编码,通过选择适当的遗传算子,最后得到移动机器人工作环境的最优或次最优无碰路径。     

煤矿井下移动机器人路径规划的算法优化

机器人研究领域中一大难题就是机器人路径规划问题,特别是对于条件极为恶劣、工况十分复杂的煤矿井下作业环境而言,获取满意的规划结果的难度更大。文章首先对Q-learning算法进行简单介绍,之后阐述了依托于Q-learning算法的路径规划,并进行了仿真分析。     

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。     

基于BP神经网络的移动机器人路径规划

对BP神经网络算法进行了改进,克服了直接使用神经网络算法进行路径规划的不足之处。仿真表明,设计了附加动量项的BP神经网络,能有效地提高算法的收敛速度。最后在MAT-LAB中给出了在有静止和运动障碍物的动态环境中路径规划仿真结果,结果表明此方法是可行的。     

未知环境下基于传感器的救援机器人路径规划

研究了未知环境下救援机器人的路径规划问题,提出了一种新的基于传感器的路径规划方法。该方法所规划出来的路径是全局指导下的局部最优路径,传感器的探测距离越远,规划的结果越接近全局最优解。仿真分析证明了该方法是可行的,并且规划时间短,具有较好的实时性和环境适应性。     

机器人大臂机构轨迹规划的一种新算法

借助于数值方法中的拟合手段来构造多项式函数，通过建立2个关键变量之间的正、逆向数学关系，对喷浆机器人大臂机构的运动轨迹进行了规划，并利用仿真分析的结果对其进行了检验。     

基于Q-learning算法的煤矿井下移动机器人路径规划

如何针对煤矿井下环境的不确定性规划机器人的路径是其中的一个难点。文章提出了一种基于Q-learning算法的移动机器人路径规划,希望对提高机器人救援的避障能力的提升,起到一定的促进作用。     

基于遗传算法的井下车辆路径规划设计

针对矿井巷道狭窄、路况复杂、会车困难的实际情况,设计了基于遗传算法的井下车辆路径规划。该规划以最短路径和最少会车次数为优化目标,以车辆载货量为约束条件,采用遗传算法分别规划井下车辆各自的运输路线。仿真结果表明,通过遗传算法对井下车辆运输路径进行规划后,不但能使各车按较短的路径进行有序运输,而且极大程度上减少了各车的会车次数,能降低发生交通事故的风险,提高井下车辆的运输效率。     

基于Backstepping方法的海底摆臂型履带式移动平台行走路径控制

在深海采矿过程中, 摆臂型履带式海底移动平台通过海底崎岖地形时难以按预定的开采路径行走, 基于Backsteping方法, 设计其行走路径控制律。利用ADAMS/ATV履带车模块和MATLAB/Simulink软件, 建立了海底摆臂型履带式移动平台多刚体动力学模型与控制系统联合仿真模型, 开展其越障工况下的行走路径控制仿真研究。仿真结果表明:在基于Backstepping方法所设计的控制律作用下, 海底摆臂型履带式移动平台在越障过程中位姿和速度均可快速收敛, 说明车体能以预定速度按预定开采路径行走, 所设计的控制律对于其行走路径控制是有效的。