基于建筑信息模型的消防救援机器人路径规划研究
发布时间：2021-04-01 06:44
近年来,城市建筑越来越高,占地面积越来越广,高层火灾时常发生。消防员所配备装备的提升速度更是跟不上建筑高度增长的速度,高层火灾救援愈发困难。火灾现场是一个十分复杂且危险性未知的环境,人们一旦没有第一时间逃出火场,火场里迅速降低的能见度,以及高温、浓烟都将成为被困者逃出去的拦路石。同时被困者在极度紧张的心理情况下,很容易就放弃逃生。所以如何在复杂火灾场景下快速到达被困者位置并将其安全带出火场是一个严峻的挑战。本文对机器人在火灾环境下路径规划的关键问题进行了研究。为了将机器人周围环境的相关地图信息转换成计算机可以处理以及识别的抽象空间,分析了环境模型构建的方式,利用栅格法构建环境空间模型。考虑到加快路径的搜索,快速准确定位到被困者的位置,引入建筑信息模型（Building Information Modeling,BIM）辅助机器人进行建图,结合BIM中的建筑物材料信息,预测高温下可能发生垮塌的部位,将此部位提前设定成障碍物。使得火灾救援机器人进入火场前可以先获得建筑物室内的全局地图。路径寻优算法的选择是路径规划当中十分重要的一环。本文讨论了目前较为成熟的路径规划算法,同时探讨了蚁群算法的...
【文章来源】：湘潭大学湖南省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
国外救
4(a)室内救援机器人(b)废墟表面救援机器人图1-2国内救援机器人1.2.2国内外路径规划研究现状路径规划是在指定的区域内，规划出一条从一个点到另一个点的最优路径。根据对所处环境的了解情况，机器人路径规划又分为两种[8]。环境空间之前就已经知晓，接下来利用路径规划算法求解即可完成路径规划称为全局路径规划。事先知晓一部分环境空间信息或者对环境空间信息完全不知晓，在求解的过程中借助机器人身上的传感器系统不断更新局部环境信息，将起始点与目标点分为多段路径来完成路径规划称为局部路径规划。荷兰科学家狄克斯特拉提出了迪杰斯特拉算法（Dijkstra），解决的是有权图中的寻找最优路径的问题。它的主要特点是以起点为圆心向外扩散，直到扩散到目标点；P.E.Hart提出了A*算法，这是一种在静态路网中寻找最优路径效率最高的启发式算法；Marco.Dorgo提出了蚁群算法，蚁群算法的诞生源自蚂蚁这种昆虫找寻食物的过程中，不断寻找食物与洞穴之间距离最短的路径的行为；M.Mansouri等[9]在网络环境下，利用整数遗传算法降低了遗传算法的计算复杂度，在求解问题复杂的情况下都能得到最佳的结果；Michael.Arndt[10]等将机器人与智能情景相结合，这样移动机器人根据智能环境的现状，选择合适的路径；Khaled.Akka[11]采用新的蚁群算法信息素更新方式，使算法收敛更加迅速；MiladNazarahari[12]等将人工势场法与遗传算法相结合，首先使用人工势场法找到起始点与目标点间的较优路径，然后再利用遗传算法对可行路径从路径长短、平滑程度等进行优化；NianyinZeng[13]等提出了一种基于非齐次马尔可夫链和差分进化的粒子群优化算法，将智能机器人的路径分解为xy平面和z轴上的高度信息，然后，环境建模方面采用网格方法，可以解决局部搜索和全局搜索?
9mod(1,)0.5(1)int()0.5xyixiNiiyN（2-1）其中Nx是每一行的网格数，Ny是每一列的网格数，mod是余数运算，int是整数运算。2.1.2环境信息表示方法针对机器人位于的环境，可以抽象成为数组矩阵表示。如式2-2所示。G(i,j)=0表示此栅格区域可以通过，当G(i,j)=1表示此栅格为障碍物，机器人不可通过。根据图2-1生成的栅格矩阵如下：00110000000000100000011000111000001000100100011110=01110000000111011000010000000001000010000111000000G（2-2）矩阵形式是用于计算机存储和计算，栅格形式用于展示。用MATLAB实现两种形式的转换。生成的栅格地图如图2-1所示：图2-1环境模型栅格图2.1.3栅格间距离计算方法为了方便得到所求问题的解，用计算机识别的矩阵表示栅格间的距离[33]。
本文编号：3112868
【文章来源】：湘潭大学湖南省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
国外救
4(a)室内救援机器人(b)废墟表面救援机器人图1-2国内救援机器人1.2.2国内外路径规划研究现状路径规划是在指定的区域内，规划出一条从一个点到另一个点的最优路径。根据对所处环境的了解情况，机器人路径规划又分为两种[8]。环境空间之前就已经知晓，接下来利用路径规划算法求解即可完成路径规划称为全局路径规划。事先知晓一部分环境空间信息或者对环境空间信息完全不知晓，在求解的过程中借助机器人身上的传感器系统不断更新局部环境信息，将起始点与目标点分为多段路径来完成路径规划称为局部路径规划。荷兰科学家狄克斯特拉提出了迪杰斯特拉算法（Dijkstra），解决的是有权图中的寻找最优路径的问题。它的主要特点是以起点为圆心向外扩散，直到扩散到目标点；P.E.Hart提出了A*算法，这是一种在静态路网中寻找最优路径效率最高的启发式算法；Marco.Dorgo提出了蚁群算法，蚁群算法的诞生源自蚂蚁这种昆虫找寻食物的过程中，不断寻找食物与洞穴之间距离最短的路径的行为；M.Mansouri等[9]在网络环境下，利用整数遗传算法降低了遗传算法的计算复杂度，在求解问题复杂的情况下都能得到最佳的结果；Michael.Arndt[10]等将机器人与智能情景相结合，这样移动机器人根据智能环境的现状，选择合适的路径；Khaled.Akka[11]采用新的蚁群算法信息素更新方式，使算法收敛更加迅速；MiladNazarahari[12]等将人工势场法与遗传算法相结合，首先使用人工势场法找到起始点与目标点间的较优路径，然后再利用遗传算法对可行路径从路径长短、平滑程度等进行优化；NianyinZeng[13]等提出了一种基于非齐次马尔可夫链和差分进化的粒子群优化算法，将智能机器人的路径分解为xy平面和z轴上的高度信息，然后，环境建模方面采用网格方法，可以解决局部搜索和全局搜索?
9mod(1,)0.5(1)int()0.5xyixiNiiyN（2-1）其中Nx是每一行的网格数，Ny是每一列的网格数，mod是余数运算，int是整数运算。2.1.2环境信息表示方法针对机器人位于的环境，可以抽象成为数组矩阵表示。如式2-2所示。G(i,j)=0表示此栅格区域可以通过，当G(i,j)=1表示此栅格为障碍物，机器人不可通过。根据图2-1生成的栅格矩阵如下：00110000000000100000011000111000001000100100011110=01110000000111011000010000000001000010000111000000G（2-2）矩阵形式是用于计算机存储和计算，栅格形式用于展示。用MATLAB实现两种形式的转换。生成的栅格地图如图2-1所示：图2-1环境模型栅格图2.1.3栅格间距离计算方法为了方便得到所求问题的解，用计算机识别的矩阵表示栅格间的距离[33]。
本文编号：3112868
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3112868.html
