基于GA-PSO的矿井巡检机器人路径规划

在复杂矿井地形中,标准的粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)在巡检机器人路径规划方面分别存在局部寻优能力贫乏、全局寻优能力欠缺的问题,针对这一问题,提出了一种基于GA-PSO算法的矿井巡检机器人路径规划新算法。该算法先将障碍物在栅格地图上表示为规则图形,完成对环境模型的创建;再引入随机惯性权重模型优化标准粒子群算法,通过在粒子群算法中加入遗传算法的选择、交叉和变异操作算子,将得到遗传信息的精英粒子群分割出来产生下一代粒子,完成算法的融合,以此作为路径寻优算法使机器人完成起点到目标点的路径搜索。仿真结果表明,新算法相较于原算法成功率显著提高且路径长度明显缩短,即新算法的综合性能优于两种算法单独使用的效果,使得全局路径规划结果所得的路线更为平滑。

基于工业传感器信息融合的矿井巡检机器人越障动作稳定控制

为了提高巡检机器人在矿井下的越障动作稳定性,结合工业传感器信息融合技术,设计矿井巡检机器人越障动作稳定控制方法。首先构建履带巡检机器人在矿井下的动力学建模,分析其动力学特征;然后依据Grubbs检验法筛选工业传感器采集数据,剔除异常数据,提升数据质量,再利用数据贴近度这一属性,融合多传感数据信息;构建基于前馈控制器和PID神经网络辨识器的机器人控制模型,实现矿井巡检机器人越障动作实时稳定控制。实验结果表明,所提方法控制下机器人永磁同步电动机转速和转矩波动较小、动态能量稳定性值较大,提高了矿井下巡检机器人越障动作稳定性。