网站首页  词典首页

请输入您要查询的论文:

 

标题 基于改进蚁群算法的煤矿救援机器人全局路径规划研究
范文

    郑家风 田思庆

    

    

    摘要:针对井下煤矿作业环境的非结构性和高危性,尤其是在发生事故后,抢救人员无法及时进入现场进行援助。研究了一种基于改进蚁群算法的矿灾救助机器人全局路径规划算法,该算法能够实现机器人自主搜寻路径。仿真证明,本算法可以快速规划出一条全局最优路径,提高救助机器人的应急抢救效率。

    关键词:机器人;环境建模;路径规划;蚁群算法

    中图分类号:TP39 文献标识码:A 文章编号:1009-3044(2018)24-0171-02

    Abstract: Non-structural and high-risk for the operating environment of underground coal mines,especially after an accident,rescuers cannot enter the site for assistance in time.This paper studies a global path planning algorithm for mine rescue robots based on improved ant colony algorithm,The algorithm can achieve robot autonomous search path.Simulation proves that this algorithm can quickly plan a global optimal path,Improve the emergency rescue efficiency of rescue robots.

    Key words: robot; environmental modeling; path planning; ant colony algorithm

    我国虽然是煤炭生产大国,但煤层地质条件差,高瓦斯矿井多,煤炭开采过程中经常发生瓦斯爆炸,煤层坍塌等事故。事故发生后,救援人员必须深入井下,对伤员进行救助并及时转移,在对环境不完全了解的情况下,救援人员不能贸然深入井下进行救援,容易发生二次事故,造成救灾人员的伤亡。

    随着人工智能技术的不断发展,智能机器人已经遍布各个工作岗位并且能够很好地代替人类进行复杂危险的工作,煤矿救援机器人能够在矿山事故出现时替代救护人员快速进入矿井灾区进行环境勘测和救助[1]。路径规划指的是环境未知并且环境中充满障碍物的情况下,机器人能够在不与障碍物发生碰撞的情况下快速对环境进行检测,搜寻出一条到达目标地点的最优路径,能否在短时间内搜寻出一条最优路径是救援机器人救助能力的体现。而全局路径规划可以看作是提前规划,包括环境的建模和路径的搜索,本文研究的就是基于改进的蚁群算法机器人全局路径规划问题。

    1 环境建模

    1.1 环境栅格化

    煤矿救助机器人实施救援之前,需要对环境进行建模,以便熟悉环境,实施救灾。本文采用栅格法为环境进行建模,因为该方法表示简单,在编程中容易实现,所形成的路径点在图上表示出来相当简单[2]。

    2 蚁群算法

    蚁群算法是从蚂蚁觅食的群体行为启发而得出的,蚁群在觅食过程中会在其走过路径上留下一种只有蚂蚁才能分辨的交流媒介,我们称之为信息素,而蚂蚁群体之间总是倾向信息素浓度高的路线上进行外出觅食,相等时间内较短路径上信息素含量最高,所以蚁群能够准确找到食物与巢穴之间的最短路径[3]。

    3 改进蚁群算法

    传统的蚁群算法在搜索机器人最优路径过程中,蚁群的路径选择会受到两条因素的干扰,第一条就是每条可行路径上信息素的含量,信息素含量越高,越会受到蚁群的青睐,第二条就是下一步可选择位置与目标位置之间的距离。当蚁群完成首次食物搜索时,影响此次路径搜索的因素是下一步可选择位置与食物之间的距离引导的,此路径并不一定就是最优路径,但是蚁群会在此路径上留下相应数量的信息素,当蚂蚁进行以后的搜索时,由于信息正反馈的作用,这条非最优路径可能受到蚁群的青睐,导致蚁群向着非最优路径进行搜索[4]。

    本文通过奖罚手段,对处于最优路径上的蚂蚁采取鼓励的方式,吸引更多的蚂蚁经过此路径,增加此路径上信息素的含量,而对于非最优路径的蚂蚁,我们采用抑制的方式,减少经过此路径上蚁群数量,从而降低此路径上信息素含量。这种方式进一步扩大了两条路径上信息素含量的差值,能够更加快速准确找到最优路径,此方法叫作带奖罚机制的蚁群算法[5]。

    4 仿真分析

    通过Matlab软件对改进算法进行仿真实验,仿真结果证明带奖罚机制的蚁群算法各项性能都要优于传统蚁群算法,最优路径要小于传统蚁群算法的最优路径[7],很好地验证了改进蚁群算法的有效性以及优越性。传统蚁群算法路径搜索如图4所示,改进蚁群算法路径搜索如图5所示。

    5 结论

    本文通过提出一种带奖罚机制的蚁群算法,完美融合到传统蚁群算法中,利用蚂蚁在搜寻食物时的正反馈特性,影响以后外出觅食的蚂蚁,使其会更加青睐于选择信息素含量高的路径并最终收敛于此路径;通过算法本身对其路径进行判断,当此路径为非最优路径时,自动削减其上的信息素含量,从而阻止蚂蚁再次经过此路径,抑制此路径信息素的增长。此算法能够快速有效规划处最优路径并且缩短搜寻最优路径的时间,将此方法合理运用到矿灾救助机器人中,提高机器人在矿灾发生时勘察环境搜索伤员的效率,减轻灾难带来的损失[8]。

    参考文献:

    [1] 李允旺,矿井救灾机器人行走机构研究[D].徐州:中国矿业大学,2010.

    [2] 朱磊,樊继壮,赵杰,等.基于栅格法的矿难搜索机器人全局路径规划与局部避障[J].中南大学学报:自然科学版,2011,41(11):3 421-3 428.

    [3] 柳长安,鄢小虎,刘春阳,等.基于改進蚁群算法的移动机器人动态路径规划方法[J].电子学报,2011,39(5):1220-1224.

    [4] 衣文秀.基于图像识别技术的机器人路径规划研究与实现[D].沈阳:沈阳师范大学,2014.

    [5] 张家善,王志宏,陈英显.一种基于精英策略的改进蚁群算法及应用[J].计算机系统应用,2012,21(10):105-108,134.

    [6] 刘金国,高宏伟,骆海涛.智能机器人系统建模与仿真[M].北京:科学出版社,2014:120-122.

    [7] 张家善,王志宏,陈英显.一种基于精英策略的改进蚁群算法及应用[J].计算机系统应用,2012,21(10):105-108,134.

    [8] 乔慧芬,潘广贞,元琴.移动机器人的实时路径规划研究与仿真[J].计算机仿真,2015(1):406-410.

    【通联编辑:梁书】

随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/16 19:50:01