研究煤矿机器人路径规划方法,以避免气体分布地区的障碍

文摘

作为煤矿机器人的防爆安全水平尚未达到本质安全水平的“ia”和它不能工作在一个危险的气体分布区域,因此,煤矿机器人路径规划方法避免气体的危险的区域是必要的。在本文中,为了避免二次爆炸当煤矿机器人通过气体危险区域,提出了一种路径规划方法与考虑气体浓度分布。首先,考虑气体分布面积和障碍,MAKLINK方法来描述煤矿机器人工作环境的网络图。其次,最初的工作路径煤矿机器人得到基于Dijkstra算法,然后机器人全局最优路径煤矿工作获得基于蚁群算法。最后,实验是在一个道路事故后,通过不同的路径规划方法和结果进行比较,这验证了提出的路径规划方法的有效性。

1。介绍

环境探索(如甲烷浓度检测)通常是必要的煤炭开采之前,和一个煤矿机器人是必要的。同样,救援后必须进行煤矿事故,以及工作环境的道路总是很复杂;因此,煤矿机器人也是一个不错的选择。环境检测或救援的过程中,必须避免二次爆炸。

在中国,煤矿安全电器类,这是严格的采矿设备使用。因此,对煤矿机器人,防爆等级需要达到本质安全”ia的水平。“不过,目前很少有设备可以达到的程度”ia”[1]。为了促进煤矿机器人的实用程序,避免危险在工作过程中,对煤矿机器人路径规划的研究具有重要意义。另一方面,现有的研究表明,气体在道路区域分布和迁移的规律(2,3]。和本文作者研究了甲烷浓度预测方法在前面的研究中,可以看到在4]。

路径规划,可以找出最优路径没有障碍,工作是非常重要的煤矿机器人。一般来说,路径规划是一个不确定性多项式问题的约束环境和障碍物的信息(5]。人工势场法(6),网格法(7),和可见性图表方法(8)是常见的路径规划方法。这些方法都有自己的短缺。例如,人工势场法容易陷入局部最优;在复杂的环境中,存储容量的激增可能出现如果采用网格法;可见性图表方法等短缺高搜索复杂度和低效率。锅等。9)一种改进的蚁群算法应用于移动机器人的路径规划高峰的道路上考虑。Zhang et al。10)提出了煤矿救援机器人的全局路径规划方法基于蚁群算法。李等人。11]研究了移动机器人的全局路径规划方法基于粒子群优化。巷道复杂工作环境的煤矿事故发生后带来了巨大挑战,煤矿机器人的路径规划。还有一些研究煤矿机器人路径规划方法与气体浓度分布。

在报纸上,避免二次爆炸当煤矿机器人通过气体危险区域,路径规划方法进行了研究。首先,MAKLINK方法采用描述煤矿机器人的工作环境网络图考虑天然气的分布面积和障碍。第二,迪杰斯特拉算法的帮助下,煤矿机器人得到的初始工作路径,然后采用蚁群算法来优化初始工作路径,和机器人全局最优路径为煤矿工作。最后,实验是在一个道路事故后,通过不同的路径规划方法和结果进行了比较。

2。为煤矿机器人路径规划

本文考虑气体分布面积和障碍,MAKLINK方法来描述煤矿机器人的工作环境网络图。假设巷道底部是平行的平面直角坐标系的空间和气体浓度的高度分布和障碍是平行的设在。不相交的线连接节点的障碍和气体浓度分布地区,被定义为MAKLINK线。凸多边形区域,除以MAKLINK线,构成了可行的煤矿机器人工作空间。基于可行的工作空间,MAKLINK线的中点被定义为可能的路径节点。煤矿的可行路径机器人是由线连接起点,可能路径的节点(12),和目标点。

基于GIS系统在矿山事故和道路环境的建模后,矿山事故,煤矿机器人的最优工作路径是通过Dijkstra-ant蚁群算法。最优工作煤矿机器人路径规划方法是图所示1。

2.1。初始路径规划煤矿机器人

煤矿机器人的初始工作路径是基于Dijkstra算法获得的。工作环境获得的网络图MAKLINK方法被定义为,在那里是所有路径节点的集合,包括起始点和目标点。是边连接的路径节点的集合。

网络的邻接矩阵图被定义为。元素的值th行和th列可以表示如下(13]: 在哪里之间的距离是和。

的路径节点集煤矿机器人分为两个子集和,,在那里是路径节点的集合,承认在最短路径呢是没有设置路径的节点。

迪杰斯特拉算法的基础上,获得的初始工作路径的步骤煤矿机器人如下:(1)把圣为起点和其余的路径节点。的邻接矩阵用于初始化最短路径圣,每个点之间。(2)选择最小值在,并把相应的点成。(3)使用点中间点,和更新的距离圣,每个点之间。如果直接的距离和在比的总和之间的距离和之间,和,之间的距离和是更新的。(4)重复步骤(2)和(3)步,直到一组是空的。之间的最短路径和每个路径节点。

2.2。为煤矿机器人最优路径规划

众所周知,煤矿安全工作路径机器人可以通过Dijkstra算法来确定,由于Dijkstra算法的固有缺点,很难保证获得路径最优。因此,为了得到最优路径煤矿机器人工作,最初的迪杰斯特拉算法获得的工作路径由蚁群算法进一步优化。

一个工作路径来煤矿机器人获得的迪杰斯特拉算法可以表示如下: 在哪里是连续的路径节点。

的初始长度路径和路径节点和节点之间的距离的障碍物或气体浓度分布应考虑同时使用蚁群算法。的目标函数的最优路径煤矿机器人定义如下(14]: 在哪里路径的长度是通过的th蚂蚁;的最小值的路径节点和节点之间的距离障碍或通过的气体浓度分布蚂蚁。

初始路径上的边被定义为MAKLINK图。的端点是和。其他路径节点可以表示如下: 在哪里是一个比例因子,。

对于一个给定的一组参数,一个新的路径可以通过确定新的路径节点在每个。函数值最小的路径是一个煤矿机器人最优。

最初的路径是由一个固定长度的分裂。每个初始路径的分裂的数量可以表示如下:

有从每个节点选择路径到邻近的边缘。假设初始蚂蚁数量的蚁群算法从起始点的路径到目标点可以表示如下: 在哪里代表了th平均分配点边缘路径的节点。

在蚁群算法求解过程中,为了避免陷入局部最优,一个随机选择的参数时被定义为有选择性的概率th蚂蚁从来。有选择性的概率是与计划相比选择性常数,最终确定选择概率的比较结果,可以表示如下: 在哪里之间的信息素浓度是和;之间的启发价值吗和,;之间的距离是和;是下一个选择性节点设置的th蚂蚁;和信息素浓度的相对重要性程度,启发值,分别。

在选择性的概率th从ant来,一个轮盘赌方法用于确定正确的节点的蚂蚁移动。随着th蚂蚁到达,信息素浓度的节点应该更新如下: 在哪里之间的信息素浓度是和,之间的信息素浓度是和在更新之前,是初始信息素浓度,信息素浓度的波动系数,。

在所有的蚂蚁到达目标点的路径,选择最小目标函数值,和路径上的信息素浓度的每个节点更新如下: 在哪里之间的信息素浓度的增加是吗和在这个循环路径,,是目标函数的最小值为所有的路径蚂蚁已经过去了。

利用蚁群算法的步骤工作路径优化救援机器人可以描述如下15]:(1)迪杰斯特拉算法得到初始路径,蚁群算法的初始化参数。(2)计算每只蚂蚁的选择概率,采用轮盘赌方法来确定哪些节点蚂蚁将搬到,和蚂蚁。(3)更新信息素浓度。(4)重复步骤(2)和(3)步,直到所有的蚂蚁到达。(5)计算目标函数每只蚂蚁,和比较与当前最小值;如果,让。然后,信息素浓度对应的节点据更新(9)。(6)如果循环结束时,导出最优路径;否则,转到步骤(2)。

拟议的机器人路径规划方法适用于煤矿长壁开采的巷道。

3所示。实验和结果

3.1。实验条件

这些实验是在淮南Panyi矿井的巷道,其长50米,宽是3米。在巷道,气体分布区域和气体浓度不标准(≤5%)。确保实验的安全,该地区被认为是一种气体危险区域,如果区域气体浓度大于2%。此外,煤矿机器人的长度和宽度是600毫米和450毫米,分别。煤矿机器人的图片如图2。煤矿机器人配备了多参数气体探测器,可以用来检测甲烷、二氧化碳、一氧化碳、氧气、风速和风向、温度、湿度等等。它也可以用来预测未来的气体浓度。激光雷达和红外测距传感器也在煤矿机器人装备。感应空间对应于实际环境中构建通过激光知觉。机器人之间的距离和障碍是红外检测到的距离传感器。设计煤矿机器人的行走速度是1米/秒(16]。煤矿机器人在行走过程中,地形将被评估,如果走的地形可以满足要求,煤矿机器人会走在1 m / s的速度,迅速将减少0.2 m / s当障碍或气体分布面积约3米远。然后,煤矿机器人将绕障碍或低速气体分布区域。在气体探测过程中,气体密度记录每隔0.5米的长度和宽度方向,然后根据气体浓度气体生成分布图。煤矿机器人路径规划是在两种不同的情况下执行。在一个情况下,假定道路是平坦;机器人可以通过隧道获得除了侧壁和气体的危险区域。在其他情况下,假定其他巷道中存在的障碍,如石头、丘,和天然气的危险区域。

3.2。为营救机器人工作环境建模

煤矿机器人收集的数据的处理,以及气体浓度分布如图3。并不是所有的区域图3满足条件的瓦斯爆炸,为了增加煤矿机器人的工作空间,避免二次爆炸气体通过危险区域时,气体浓度分布处理,如图所示4。在数据3和4最大浓度的气体存在于内心的封闭曲线。虽然高浓度的气体可能不会引起爆炸,煤矿机器人不能通过。

该方法应用于煤矿机器人的路径规划工作只有气体浓度区域分布。起始点和目标点的坐标的救援机器人(1.5,0)和(1米、50米),分别。迪杰斯特拉算法和Dijkstra-ant蚁群优化算法是用来解决煤矿机器人最优路径规划。蚁群算法的参数如下:,,,,,和最大迭代是500。路径规划的最终结果如图所示5。

从图观察5,规划工作路径Dijkstra算法,该方法可以避免危险气体区。总路径长度的曲线聚集约100次。迪杰斯特拉算法的总路径长度63.39米,而提出的一个方法是60.71米。因此,可以得出结论,该方法具有更好的性能,只有考虑气体的浓度分布。

工作环境的道路总是很复杂的煤矿事故后。该方法也适用于煤矿机器人的路径规划工作同时考虑气体浓度分布和障碍。路径规划的最终结果如图所示6。

从图观察6,规划工作路径Dijkstra算法,该方法可以避免危险气体的区域同时考虑气体浓度分布和障碍。总路径长度的曲线也聚集在100次左右。迪杰斯特拉算法的总路径长度85.61米,而提出的一个方法是73.95米。因此,可以得出结论,该方法具有更好的性能。

从数据5和6可以看出,计划通过该方法较短路径,具有重要意义的电池供电的煤矿机器人。因此,提出的路径规划方法具有更好的性能。

4所示。结论

避免二次爆炸当煤矿机器人通过气体危险区域,提出了一种路径规划方法同时考虑气体浓度分布和障碍。首先,MAKLINK方法采用描述煤矿机器人工作环境的网络图。其次,最初的工作路径煤矿机器人得到基于Dijkstra算法,然后机器人全局最优路径煤矿工作获得基于蚁群算法。验证该方法的有效性,最后,实验是在事故后巷道进行的,通过不同的路径规划方法和结果进行了比较。实验分为两种情况;在第一种情况下,假设道路是平坦的道路,并通过隧道机器人可以获得除了侧壁和气体的危险区域;在其他情况下,巷道中存在的障碍,如石头、丘,和天然气的危险区域。

只有考虑气体浓度分布,迪杰斯特拉算法的总路径长度63.39米,而提出的一个方法是60.71米。考虑气体浓度分布和障碍,迪杰斯特拉算法的总路径长度63.39米,而提出的一个方法是60.71米。从路径规划的结果只有考虑气体浓度分布和气体浓度分布和路径规划考虑的障碍,可以看出,通过该方法的规划路径短,这是具有重要意义的电池供电的煤矿机器人。因此,提出的路径规划方法具有更好的性能。实验结果验证了所提出的路径规划方法的有效性。

相互竞争的利益

作者宣称没有利益冲突。

确认

这项工作是由中国国家863计划资助(没有。2012 aa041504)。

引用

1. j·d·m·杨l . Wang Chen等人”的基本安全要求煤矿救援机器人,”煤矿安全,42卷,不。12日,第107 - 104页,2009年。视图:谷歌学术搜索
2. R.-J。如果,R.-Z。李l . Wang和Z.-K。吴”,实验研究的传播规律在煤矿瓦斯和煤尘爆炸,”煤科学与工程》杂志上,15卷,不。3、262 - 266年,2009页。视图:出版商的网站|谷歌学术搜索
3. a . p . Sasmito e . Birgersson h . c . Ly和a . s . Mujumdar”一些方法改善地下煤矿的通风系统环境计算流体动力学的研究中,“隧道与地下空间技术,34卷,不。1,第95 - 82页,2013。视图:出版商的网站|谷歌学术搜索
4. 马x h·朱,“气体浓度预测基于测量数据的煤矿救援机器人,”机器人杂志卷,2016篇文章ID 6858970, 10页,2016。视图:出版商的网站|谷歌学术搜索
5. 黄和r . Kadall动态建模、预测控制和性能监控:数据驱动Subs-Pace方法施普林格,伦敦,英国,2008年。
6. 通用电气和y . j .崔”新的潜在的移动机器人路径规划功能。”IEEE机器人和自动化,16卷,不。5,615 - 620年,2000页。视图:出版商的网站|谷歌学术搜索
7. l .朱J.-Z。粉丝,j .赵X.-G。吴,g .刘”搜索机器人的全局路径规划和局部避障在矿难基于网格方法中,“中南大学学报(科技),42卷,不。11日,第3428 - 3421页,2011年。视图:谷歌学术搜索
8. H.-Q。杨,X.-G。肖,d .姚明,“V-graph全球移动机器人路径规划算法的基础上,“沈阳理工大学学报没有,卷。31日。2、225 - 228年,2009页。视图:谷歌学术搜索
9. j .锅X.-S。王,中州。程”,改进的蚁群算法对移动机器人路径规划,“中国矿业大学和技术杂志》上第41卷。。1,第113 - 108页,2012。视图:谷歌学术搜索
10. 张x y、x y周和j·魏、“全球对煤矿救援机器人的路径规划。”西安科技大学学报,28卷,不。2、323 - 325年,2008页。视图:谷歌学术搜索
11. 问:李、徐y . m . d . z, x和y,“全球移动机器人路径规划方法的基础上,粒子群算法,”《北京科技大学,没有。3、397 - 402年,2010页。视图:谷歌学术搜索
12. f . Wang和H.-Y。王”,而且基于Maklink图和GA算法的路径规划方法,”交通运输系统工程与信息技术》杂志上,14卷,不。5,154 - 160年,2014页。视图:谷歌学术搜索
13. G.-Z。晒日光浴,h ., a·斯洛曼“全局最优路径规划为移动机器人基于改进的迪杰斯特拉算法和蚂蚁系统算法,”中南大学的技术杂志》上,13卷,不。1,第86 - 80页,2006。视图:出版商的网站|谷歌学术搜索
14. c, s . g . Wang和y y阴”对多机器人路径规划的救援系统在煤矿,”机床与液压,42卷,不。15日,10 - 14,2014页。视图:谷歌学术搜索
15. y岑,c的歌:谢,l .王”移动机器人路径规划方法基于蚁群优化算法”工业电子产品和第三IEEE会议应用程序(ICIEA ' 08)新加坡,页298 - 301年,2008年6月。视图:出版商的网站|谷歌学术搜索
16. z . w . Wang Du, l .太阳”障碍我的性能分析研究机器人基于terramechanics”《IEEE国际会议上机电一体化和自动化(国际' 07)IEEE,页1382 - 1387年,哈尔滨,中国,2007年8月。视图:出版商的网站|谷歌学术搜索

版权

版权©2016 Ruiqing毛泽东和西凉兵马,马。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。