基于改进A∗ 算法的地下自动驾驶铲运机路径规划

为解决自动驾驶铲运机路径规划的安全和效率问题,提出一种基于改进A? 算法的地下自动驾驶铲运机路径规划方法。该方法通过将A? 节点扩展限制在巷道骨架范围内,使得规划路径分布于巷道中央区域,并采用矿山的真实地图数据进行了对比试验和路径跟踪应用。结果表明,使用曼哈顿距离作为算法的启发函数表现最优,且相较于传统A? 算法,改进A?算法的规划路径更接近巷道中央、平均耗时减少约76.0％,在安全性和规划速度方面具有优越性.现场应用中,自动驾驶铲运机的平均跟踪偏差为0.26 m,能够根据规划路径安全抵达终点.研究结果可为地下矿无人驾驶系统的建设提供参考。     

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。     

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。     

煤矿井下基于改进A*算法和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.     

基于改进灰狼算法的无人矿车路径规划

针对露天矿山复杂地形环境下常规的运输路径规划方法易陷入局部最优、路径收敛速度慢、耗时长等问题,提出了一种改进的灰狼算法,对无人矿车进行路径规划。考虑矿区地形坡度起伏变化的特点,通过建立坡度-速度模型,将矿区栅格环境中矿车的速度引入到上下坡行驶状态转移规则中;构造一种结合正余弦变换的收敛因子,以更好地平衡全局和局部的搜索能力;将最优灰狼个体进行随机交叉扰动,加强狼群跳出局部最优的能力。仿真试验结果表明,在20 km×20 km复杂的矿区栅格环境下,改进的灰狼算法在规划平均路径和平均运行时耗上较遗传算法、正余弦算法和传统灰狼算法分别缩短了2.53%～4.77%和3.97%～12.32%。在寻优能力、收敛速度以及稳定性等方面均优于传统算法,研究可为智慧矿山建设中露天矿山无人矿车的运输作业工作提供借鉴。     

基于强化学习算法的地下铲运机车速控制

针对铲运机无人驾驶行驶时车速变化难控制的问题,将强化学习算法应用于车速的控制,使车辆在各种状态下车速保持平滑稳定.对比了强化学习算法和经验法、模糊控制、传统PID控制、滑膜控制、逆控制、智能优化算法等算法,分析并设计了强化学习策略,推导出了强化学习模型,即控制车速和上一时刻车速、上一时刻航向角偏差、上一时刻位置偏差的关...     

典型路径下的地下铲运机行驶轨迹分析

路径跟踪是实现地下铲运机自动化作业的基本任务之一,一般在规划要求跟踪的路径时以巷道路面中心线为期望路径。本文通过典型路径下的地下铲运机行驶轨迹分析,证明了地下铲运机前桥中心点和后桥中心点并不能同时跟踪巷道路面中心线。当考虑到地下铲运机的车身外廓后,其定位中心点的轨迹与巷道路面中心线也不重合。因此在规划地下铲运机自主行驶期望路径时,应该以铲运机实际的轨迹为设计依据。     

基于双向A*算法的矿井水灾逃生路径应用研究

矿井突水是常见的突发性强烈的灾害,当发生矿井水灾时,为了降低灾害造成的物质损失以及减少人员伤亡,提出了一种基于双向A*算法的矿井水灾逃生路径规划方法。在充分考虑影响巷道逃生因素的基础上选择合理的评估函数,利用双向A*算法对逃生路径进行规划从而实现最优设计。结合王家岭煤矿实例并将该算法的规划结果与传统A*算法的规划结果进行对比,仿真结果表明：该算法规划的逃生路径比传统A*算法节点更少,路径更优,因此在一定程度上可以提高从业人员的逃生率,具有一定的应用价值。     

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。     

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。     

基于改进蚁群算法移动机器人的路径规划

针对基本蚁群算法存在收敛速度慢,计算周期长,易死锁等问题,提出了蚂蚁回退、蚂蚁相遇、带交叉点的路径交叉的改进算法。通过随机数引入和状态转移概率的应用,平衡了各路径信息素,从而有效地避免陷入局部最优,使得算法在收敛速度和执行效率上得到有效提高。     

基于改进模糊PID算法的智能铲运机自主行驶控制方法

针对智能铲运机在井下环境中的自主行驶问题,在现有基础的多变量PID算法和传统的模糊PID算法基础上,设计了改进模糊PID算法。改进模糊PID算法引入权重协调航向角控制器和横向偏差控制器对输出转向角的影响。建立铲运机自主行驶的SIMULINK仿真模型。仿真结果表明,改进模糊PID算法在响应时间、超调量以及稳态误差等方面相比于多变量PID算法有较大优势。     

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。     

基于改进PID串级控制的地下无人车辆行驶控制策略

针对地下无人车辆在巷道环境中的无人驾驶问题,在现有改进模糊PID算法的基础上,设计了改进PID串级算法。将改进模糊PID算法作为避障算法引入航向角控制器和横向偏差控制器,控制输出转向角。输出转向角经过增量式数字PID算法后输出给转向液压系统比例电磁阀控制车辆转向。实验结果表明改进PID串级算法在响应速度、稳态误差等方面相比于多变量PID算法有较大优势。     

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。     

GIS空间分析中两种改进的路径规划算法

通过对经典Dijkstra算法和启发式搜索的分枝算法各自的不足之处进行分析,并分别对它们进行了改进。利用VC编程进行实验,实验表明：改进的Dijkstra算法可以减少大量的无关节点的计算,使其时间复杂性得到降低,同时运算空间开销也减少;改进的分枝算法则可以提高搜索到最优路径的成功率。     

A*算法在矿井灾害应急救援中的应用

针对矿井灾害事故后开展人员疏散和实施救援问题,建立矿井巷道网络模型,给出一种在三维空间中进行搜索时的启发式函数设计思路,合理进行数据结构设计以改进A*算法,在完成对矿井灾害应急救援最短路径求取的过程中,减小了系统开销,提高了搜索效率。