题名 基于改进A^(*)算法的矿用巡检机器人路径规划
1
作者
张辉 苏国用 赵东洋 杨宇豪 何凯
机构
安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室 安徽理工大学矿山智能技术与装备省部共建协同创新中心 安徽理工大学机电工程学院
出处
《太原理工大学学报》
北大核心
2025年第3期559-566,共8页
基金
安徽省高等学校科学研究项目(2022AH050834) 安徽理工大学引进人才科研启动基金项目(2022yjrc61) +1 种基金 安徽理工大学矿山智能技术与装备省部共建协同创新中心开放基金项目(CICJMITE202206) Open Fund of State Key Laboratory of MiningResponse and Disaster Prevention and Control in Deep Coal Mines(SKLMRDPC22KF24)。
文摘
【目的】针对煤矿井下环境非结构化、局部可通行区域窄以及传统A^(*)算法规划路径存在搜索时间长、搜索节点多、路径冗余节点多、路径平滑度较差等问题,提出一种基于改进A^(*)算法的矿用巡检机器人路径规划算法。【方法】首先在传统A^(*)算法的启发函数中引入预估消耗的指数函数和障碍物覆盖率之和,以提高搜索效率,缩短搜索时间;其次改进传统8邻域搜索为9邻域搜索,从而避免无用搜索,减少搜索节点数量;然后通过Floyd算法剔除路径中的冗余节点;最后采用改进3阶贝塞尔曲线完成路径平滑任务。【结果】结果表明:相较于传统A^(*)算法,在特定的20×20、30×30和40×40栅格地图下,改进A^(*)算法使得搜索时间分别缩短44.1%、63.8%和84.8%,搜索节点分别减少31.6%、47.9%和71%;路径平滑算法能够减少路径节点,改善路径平滑度,更适用于矿用巡检机器人的路径规划。
关键词
矿用巡检机器人 路径规划 改进A^(*)算法 FLOYD算法 贝塞尔曲线
Keywords
mining inspection robot path planning improved A^(*)algorithm Floyd algorithm Bezier curve
分类号
TP31
[自动化与计算机技术—计算机软件与理论]
题名 基于MPC-PPID的矿用巡检机器人运动控制
2
作者
岳雨田
机构
国能神东煤炭集团有限责任公司上湾煤矿
出处
《工矿自动化》
北大核心
2025年第S1期131-134,共4页
文摘
传统的PID控制算法在机器人轮速调节和轨迹跟踪方面存在参数整定困难、动态响应慢、抗干扰能力弱等不足,难以满足高精度控制需求。而模糊PID控制、自适应控制、滑模控制等巡检机器人运动控制优化方法在控制精度、响应速度和鲁棒性方面仍有待进一步提升。针对上述问题,提出了一种矿用巡检机器人运动控制方法。建立了巡检机器人运动学模型,分析了双轮驱动系统的运动特性。针对两轮同步控制问题,设计了一种基于粒子群优化算法(PSO)的PID参数整定方法——PPID,显著提升了轮速调控性能。在此基础上,设计了一种串级模型预测控制(MPC)-PPID复合控制器,通过分层控制架构实现运动轨迹的精确跟踪。仿真实验结果表明,与传统PID控制相比,优化后的MPC-PPID控制器超调量降低了30%,稳态误差减小了20%以上,将最大同步误差控制在0.91 cm/s以内,稳态同步误差降至0.003 6 cm/s,同步调整时间缩短至0.000 74 s,在控制精度、动态响应速度和鲁棒性方面均有显著提升,能够实现参考轨迹的高精度快速跟踪,为矿用巡检机器人的运动控制提供了有效的解决方案。
关键词
矿用巡检机器人 运动控制 粒子群优化 PID 模型预测控制
分类号
TD67
[矿业工程—矿山机电]
题名 矿用智能巡检机器人无标定视觉伺服控制研究
被引量：12
3
作者
李静 黄友锐 韩涛 兰世豪 陈宏茂 甘福宝
机构
安徽理工大学电气与信息工程学院
出处
《工矿自动化》
北大核心
2021年第11期30-39,共10页
基金
国家自然科学基金项目(61772033)。
文摘
针对矿用智能巡检机器人无标定视觉伺服控制中采用基于传统的卡尔曼滤波(KF)的图像雅可比矩阵存在估计值不准确、鲁棒性差的问题,提出了一种具有长短期记忆(LSTM)的卡尔曼滤波算法(KFLSTM算法)。KFLSTM算法使用LSTM弥补由KF算法产生的估计误差,将滤波增益误差、状态估计向量误差、观测误差用于LSTM的在线训练,利用训练后的LSTM模型对雅可比矩阵进行最优估计,通过提高雅可比矩阵估计值的准确性和稳定性来改善视觉伺服控制的实时性和鲁棒性。建立了基于KFLSTM算法的无标定视觉伺服模型,将最优雅可比矩阵作为控制器的输入,使控制器输出较准确的关节角速度,从而控制机械臂的实时运行。将KFLSTM算法应用到矿用智能巡检机器人六自由度视觉伺服仿真实验中,结果表明:应用KFLSTM算法得到的图像误差收敛速度相较于传统KF算法提高了100%~142%,图像特征误差更小,定位精度为0.5像素,且机器人末端执行器运动平稳,具有较强的抗噪声干扰能力,可有效提高矿用智能巡检机器人的作业精度与效率,并增强其工作的稳定性与安全性。
关键词
矿用 智能巡 检 机器人 无标定视觉伺服 图像雅可比矩阵 卡尔曼滤波 长短期记忆神经网络
Keywords
mine intelligent inspection robot uncalibrated visual servoing image Jacobian matrix Kalman filtering long and short-term memory networks
分类号
TD67
[矿业工程—矿山机电]
题名 矿用智能巡检机器人关键技术研究
被引量：44
4
作者
潘祥生 陈晓晶
机构
中煤科工集团常州研究院有限公司 天地(常州)自动化股份有限公司
出处
《工矿自动化》
北大核心
2020年第10期43-48,共6页
基金
天地(常州)自动化股份有限公司研发项目(2018MS031)。
文摘
介绍了矿用智能巡检机器人研究现状,针对目前矿用智能巡检机器人的特点,从移动平台、定位与导航、图像识别、自主充电、后台管理及诊断等方面详细分析了矿用智能巡检机器人的关键技术:移动平台是矿用智能巡检机器人的重要组成部分,不同的移动平台工作方式不同,应根据巡检场所的环境特点选择轮式、履带式或者轨道式移动平台,平台设计时还需考虑防爆、防潮、防振、防尘等问题;定位与导航技术是矿用智能巡检机器人实现智能化和完全自主移动最关键的技术,从目前井下使用情况来看,轮式和履带式矿用智能巡检机器人定位与导航可采用激光雷达+SLAM技术,轨道式矿用智能巡检机器人由于巡检线路固定,定位与导航适合采用RFID技术;图像识别技术是矿用智能巡检机器人使用比较普遍的一项重要技术,通过拍摄设备图像,判别设备运行状况,根据矿用智能巡检机器人结构及组网方式不同,图像识别的数据处理分为后台处理和就地处理;自主充电技术是矿用智能巡检机器人长期自主工作后补充电能的重要手段,在电池设计时不仅要考虑增大电池容量,还要考虑电池的自主充电能力,才能实现机器人无人值守智能化巡检,体积小、质量轻、储量大的电池本安化是目前研究的难点;矿用智能巡检机器人在巡检过程中会采集到大量数据,其必须具备后台管理和数据分析诊断功能,但目前矿用智能巡检机器人受供电、网络传输技术等因素的影响,无法对采集的数据进行实时处理或上传,需要进一步研制出更加高效的后台管理及在线故障诊断系统。指出了数据分析智能化、移动平台轻量化、功能模块化、巡检定位精确化是矿用智能巡检机器人的发展趋势,为矿用智能巡检机器人关键技术的进一步研究提供参考。
关键词
矿用 智能巡 检 机器人 移动平台 定位导航 自主充电 图像识别
Keywords
mine-used intelligent inspection robot mobile platform positioning and navigation autonomous charging image recognition
分类号
TD67
[矿业工程—矿山机电]
