TY-JOUR A2-Jiménez Macías，Emilio AU-Wang，Lin Lin AU-Pan，Li Xin PY-2020 DA-2020/11/23 TI-救援探测机器人SP-7821942 VL-2020 AB路径规划SBMPC算法研究-本研究旨在改进煤矿救援探测机器人的自主导航，消除救援人员的危险，加强救援工作的安全保障。将模型预测控制的概念引入到救援探测机器人的路径规划中。在构造代价函数和预测运动学模型的基础上，提出了基于采样的模型预测控制（SBMPC）算法。首先，在机器人运动的控制变量空间进行输入采样，生成候选路径规划解。然后，通过预测运动学模型和输入采样数据，计算机器人未来时间的姿态和位置，作为机器人运动的输出变量。通过对给定的代价函数进行连续移动优化，从候选解中得到路径规划的最优解。三种采样方法（即均匀采样、Halton采样和CVT）的影响 在仿真中比较了采样对路径规划性能的影响。统计分析表明，当三种方法的样本量相同时，CVT采样在二维平面上的覆盖率最为均匀。仿真结果表明，SBMPC算法对于复杂环境下的救援探测机器人安全路径规划是有效可行的。SN-1026-0226 UR-https://doi.org/10.1155/2020/7821942 DO-10.1155/2020/7821942 JF-自然和社会中的离散动力学PB-印度群岛KW-ER-