矿区废弃地移动机器人全覆盖路径规划

发布时间：2021-01-03 09:49

　　矿区废弃地为室外大型非结构化环境,包含多种类型的障碍物且存在诸多不确定性因素,给移动机器人全覆盖路径规划造成了极大的困难.本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划.首先,针对矿区废弃地已知环境,采用牛耕式单元分解法对复杂环境做出区域分解,将具有综合复杂性的地图分解为多个不含障碍物的子区域;然后,根据子区域的邻接关系构建无向图,采用深度优先搜索算法确定子区域间的转移顺序;最后,采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移.仿真结果表明,生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效,所得的方法能够处理复杂的非结构化环境,完成废弃矿区移动机器人的覆盖路径规划. 

【文章来源】：工程科学学报. 2020年09期 北大核心

【文章页数】：9 页

【参考文献】：
期刊论文
[1]复杂环境下煤矿救灾机器人路径规划[J]. 陈尔奎,吴梅花,张英杰.  煤炭技术. 2018(10)
[2]改进型生物激励神经网络的路径规划方法[J]. 王耀南,潘琪,陈彦杰.  控制工程. 2018(04)
[3]煤矿区土地复垦规划设计研究进展及展望[J]. 桑李红,付梅臣,冯洋欢.  煤炭科学技术. 2018(02)
[4]基于改进人工势场的矿井导航装置路径规划[J]. 田子建,高学浩,张梦霞.  煤炭学报. 2016(S2)
[5]智能机械全覆盖路径规划算法综述[J]. 徐博,徐旻,陈立平,谭彧.  计算机测量与控制. 2016(10)
[6]基于GNSS的农田平整自动导航路径规划方法[J]. 刘刚,李笑,康熙,夏友祥,牛东岭.  农业机械学报. 2016(S1)
[7]基于代价地图和最小树的移动机器人多区域覆盖方法[J]. 孙建,陈宗海,王鹏,张启彬,包鹏.  机器人. 2015(04)
[8]深度优先算法在创建树形结构中的应用研究[J]. 唐青松.  计算机技术与发展. 2014(09)
[9]一种基于粒子群参数优化的改进蚁群算法及其应用[J]. 张超,李擎,陈鹏,杨守功,尹怡欣.  北京科技大学学报. 2013(07)
[10]移动机器人路径规划技术综述[J]. 朱大奇,颜明重.  控制与决策. 2010(07)



本文编号：2954767