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%。     

狭长受限空间火场传播速率的影响因素研究

基于对狭长受限空间火场的实验研究,并综合了煤矿井下巷道的特点,研究了影响狭长受限空间火场传播速率的多种因素。研究结果表明:空间内的障碍物会增加火场的传播速率;固体壁面会产生反射波,对火场的传播速率有抑制作用,甚至可能造成熄火;狭长空间的长度是能否形成爆轰(火场传播达到最大速率)的条件之一。     

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。     

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。     

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。     

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。     

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。     

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。     

矿用机器人局部路径优化算法研究

煤炭资源现阶段依然是我国的主要能源之一,然而煤炭开采过程中的特殊环境导致了安全事故频有发生。针对发生矿难后环境复杂、光线黑暗、通信不畅等问题,为了使机器人要顺利避开巷道内障碍物达到目的地展开工作,提出了一种基于JPS(jump point search)—A*的算法,在保证选出最优路径的同时,大大减少了传统A*算法在寻路过程中扩展的节点。实验室仿真结果表明运用改进后的A*算法,较传统A*算法在寻找最佳路径的速度提高了约2倍,在现实工业生产中具有深远的指导意义。     

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。     

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。     

考虑能量回收的露天矿新能源卡车路径规划

随着我国能源结构的调整和低碳政策的实施,新能源卡车已成为露天矿运输的装备之一。但新能源卡车的电池能耗大,合理规划路径从而减少能耗始终是露天矿运输中的问题所在。通过对卡车行驶中电池能耗与回收的分析,综合考虑卡车速度、卡车载重、坡度和道路等级4个影响因素,建立以能耗最小为目标的露天矿能量优化模型;同时为减少里程焦虑问题,将车载剩余能量、充电站位置因素纳入到问题模型中。然后提出了一种基于角度的双向搜索策略改进A^*算法(IA^*)。最后通过仿真实验证明,建立的能量优化模型针对里程焦虑问题,得到了能耗最小的可行路径,更能反映真实露天矿环境下新能源卡车的运输情况,验证了所提方法的实用性。     

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。