基于元胞自动机与改进A^(*)算法的砾石土摊铺实时监控作业路径规划

砾石土摊铺是心墙堆石坝施工的重要环节,其厚度和平整度是表征摊铺质量的关键指标。然而,现有的摊铺作业路径规划高度依赖人工经验,存在主观性强的缺陷,因而摊铺质量难以得到有效控制。针对上述问题,本研究提出了一种基于元胞自动机与改进A^(*)算法的砾石土摊铺实时监控作业路径规划方法。该方法通过改进A^(*)算法中的轨迹距离度量函数并引入避障冗余距离优化全局路径的规划和选取,同时结合质量评价函数优化局部动态路径规划方法,从而实现摊铺作业全局-局部混合路径规划。此外,通过建立砾石土摊铺质量元胞自动机模型,将施工机械的实时监控数据转化为仓面各网格的质量信息,实现质量信息的实时更新。工程应用表明,本研究提出的方法在保证施工效率的前提下,能够控制摊铺厚度在0.27 m左右,有效避免超厚超薄现象的发生,且平整度相较人工提高了22.6%。

砾石土心墙摊铺CA-BINN动态路径规划模型研究

现有砾石土心墙摊铺作业路径多采用静态规划,未能考虑推土机、自卸汽车等复杂作业环境障碍物的动态变化。针对上述问题,本文提出了一种考虑复杂动态作业环境的砾石土心墙摊铺CA-BINN动态路径规划模型。该模型基于元胞自动机(cellular automata,CA)建模理论,将实时感知的复杂作业环境数据抽象为动态障碍物、摊铺厚度等元胞状态以实时重构动态施工环境;并以元胞状态信息作为生物激励神经网络(biological inspired neural network,BINN)算法的外部输入,同时重构CA框架下BINN算法的神经活性值计算分流方程,实现多料堆整体摊铺作业动态路径规划。其中,单料堆摊铺作业采用以摊铺平整度、无效路径比等指标为目标函数,并结合现场三刀法(三次推移料堆)施工工艺提出的三刀法CA规则实现动态路径规划。工程应用结果表明:所提模型不仅能够在复杂动态作业环境下表现出高安全性、高适应性,而且相较于静态规划模型,路径长度、转折次数和无效路径比分别降低1.9%、42.9%和48%,摊铺平整度提高7%;相较于人工作业,摊铺平整度提高28%,无效路径比降低47%,有效改善了摊铺质量和摊铺效率。