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。     

基于改进遗传算法的矿山救援机器人路径规划

针对矿山救援机器人路径规划要求,采用拓扑图法对矿山环境建模,提出一种改进遗传算法,该算法在保留遗传算法高效的全局搜索能力的同时,兼具模拟退火算法良好的局部搜索能力。利用深度优先搜索优化初始种群,提高搜索效率;引入编辑距离对交叉、变异的父代进行近亲筛选,避免近亲繁殖产生的子代与父代表现相似;引入进化逆转操作,使用退火算子对种群进行更新,在不流失最优基因的基础上进一步提高算法跳出局部最优的能力。利用MATLAB进行仿真,验证算法能够高效寻得最优救援路径。     

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。     

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。     

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。     

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。     

蚁群算法在井下搜救机器人控制中的应用

通过对蚁群算法原理的分析及机器人路径规划的研究,在MMAS的基础上,引入节点活跃度的蚁群算法,对基于栅格法的机器人路径搜索收敛性进行了数值模拟研究,结果表明,在改进的蚁群算法控制下,收敛速度较快且全局稳定性较高。完成了机器人分级控制系统的硬件设计与软件设计,通过实验测试,验证了控制系统在复杂环境下的高效寻迹能力。     

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。     

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。     

Using a Combination of Genetic Algorithm and the Grid Search Method to Determine Optimum Cutoff Grades of Multiple Metal Deposits

One of the most difficult problems in mining operation is how to determine optimum cutoff grades of ores at different periods over the lifespan of the mine that will maximize the net present value (NPV) of the mine. Maximizing the NPV of a mining operation, subject to different constraints is a non-linear programming problem. These problems can often be solved by the use of gradient methods, direct search methods or intelligent optimization methods. In this paper, a hybrid genetic algorithm combined with the grid search method is used to find the optimum cutoff grades of multiple metal deposits that will maximize the NPV. At first, the solution space is determined by using the grid search method, then the optimum cutoff grades are determined accurately by the use of genetic algorithm. The result of a sensitivity analysis of the problem shows that when crossover probability ranges between 55 to 70%, and mutation probability is between 8 to 11%, and population size greater than 35 individuals; the optimum cutoff grades can be determined with high accuracy while keeping the computational time relatively low.     

基于GS-PSO-SVM的边坡稳定性预测模型

针对传统边坡稳定性预测模型的不足,提出一种基于网格搜索和粒子群优化的支持向量机模型（GS-PSO-SVM）。为了解决支持向量机参数选取问题,先利用网格搜索法粗略寻优确定参数范围,然后利用粒子群二次寻优。利用该模型对边坡实例预测,39个实例样本中,30个为训练样本,剩下9个作为预测样本,以岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力6个边坡稳定性影响因素作为输入,边坡稳定性状态作为输出,预测结果与单独的网格搜索法、粒子群算法和遗传算法优化的支持向量机模型对比。结果表明,GS-PSO-SVM模型分类准确率100%,有更好地预测精度和更高的预测效率,该模型能有效的对边坡稳定性状态预测。     

用遗传算法进行通风系统优化的研究

提出了一种用遗传算传法优化通风系统的新方法。该方法简单、实用，并且具有全局收敛的特点。通过实际例子验证，说明将遗传算法用于解决通风系统优化问题是可行的，为类似问题的解决开辟了一条新的技术途径。     

基于粒子群算法的喷浆机器人移动控制算法

针对简化的三自由度喷浆机器人进行定点目标的移动控制任务,研究一种基于粒子群寻优的移动控制算法。该方法以机器人位姿输出函数最小化为目标,进行优化计算,学习算法简单,具有很好的自适应性和鲁棒性。基于所提出的优化方法进行仿真实验,实验结果证明了所提方法是可靠有效的。     

Methods for Calculation of Optimal Cutoff Grades in Complex Ore Deposits

The cutoff grade of valuable components delimits the complex ore reserves suitable for efficient mining. The cutoff grade optimization is conducted to maximize the net present value of products in mining projects. The investigations were realized by using the equivalent grade method, iterated grid search method, genetic algorithm, and golden section search. The software presented ensures the calculation of the optimal production with melting considered and the cutoff grades over the life of mine.     

数字化掘进机切割曲线控制单元的研究

使用新的机器人建模方法设计掘进机切割曲线的数字控制单元.在该方法中,将CORDIC算法拓展到三维空间后,推导出三维向量的向量旋量迭代公式,从而建立了一种基于向量旋量理论的机器人建模新方法,即将机器人连杆体系抽象为一组有序向量集合,各关节的运动用运动向量集合描述,将机器人运动映射为三维空间向量集合各元素的旋转或伸缩.该方法能有效反应机器人运动过程中的空间结构信息,简化逆解求解过程,并且易于VLSI实现.该方法采用嵌入式SIMD阵列结构在FPGA中VLSI实现,能在5 μs内完成对切割位置的计算.