【技术实现步骤摘要】
本专利技术涉及机器人路径规划，具体涉及一种基于人工智能的矿用机器人路径规划方法、装置及存储介质。
技术介绍
1、井下移动机器人在实现智能化前，首先要解决自主移动问题。移动机器人若要实现自主行走，需要完成定位、建图、路径规划等工作，即基于多传感器融合获取周围环境信息，并根据环境信息作出决策。地面移动机器人的自主行走技术已趋近成熟，但是由于煤矿井下环境特殊，移动机器人在下井前，需要进行专门的设计，从而解决煤矿环境对于机器人的影响，才能将地面成熟的移动机器人自主行走技术应用到煤矿井下环境中，通过采用合理有效的路径规划算法对煤矿井下移动机器人进行研究，对于机器换人、提高煤矿经济效益和减少矿难损失与伤亡等方面是极其重要的，且具有重大的科研意义与价值。
2、虽然目前已经有许多专家和学者对矿用机器人的路径规划进行了大量研究，并且目前针对机器人领域路径规划的研究在煤矿环境中已经有了很大的突破，现存的解决方法也有很多，但仍存在如下缺陷：路径规划生成轨迹的质量差，算法的局部搜索能力差的问题。为解决上述问题，本专利技术提供一种基于人工智能的矿用机器人路径规划方法。
技术实现思路
1、针对上述存在的技术不足，本专利技术的目的是提供一种基于人工智能的矿用机器人路径规划方法，采用具有随机扰动策略的双种群pso算法对矿用机器人进行路径规划，该算法将粒子划分为两个子种群，第一个子种群通过在更新速度时考虑粒子的质量和随机选择粒子的最优解来增强全局搜索能力，第二个子群体使用线性认知系数调整策略来加强局部搜
2、为解决上述技术问题，本专利技术采用如下技术方案：本专利技术提供一种基于人工智能的矿用机器人路径规划方法，所述方法包括：
3、建立矿用机器人运动学数学模型；
4、根据所述矿用机器人运动学数学模型建立具有随机扰动策略的初始矿用机器人路径规划模型；
5、采用线性认知系数方法调整所述初始矿用机器人路径规划模型中粒子群优化算法的参数，得到目标矿用机器人路径规划模型；
6、采用萤火虫算法对所述目标矿用机器人路径规划模型的路径进行路径平滑，得到最优平滑路径。
7、优选地，所述矿用机器人运动学数学模型中矿用机器人g点处的运动学公式为：
8、；
9、其中，所述表示矿用机器人的中心旋转轴，所述表示矿用机器人在平面上的坐标，所述表示矿用机器人的转向角，所述和分别表示矿用机器人线速度和角速度：
10、；
11、其中，所述和分别记录机器人移动车轮的右侧和左侧速度，所述和分别表示左右轮的旋转角度，所述表示每个方向盘的半径，所述2l表示机器人本体的宽度。
12、优选地，所述根据所述矿用机器人运动学数学模型建立具有随机扰动策略的初始矿用机器人路径规划模型，包括：根据所述矿用机器人运动学数学模型，通过改进后的粒子群算法中的粒子速度更新方程建立具有随机扰动策略的初始矿用机器人路径规划模型，其中，所述改进后的粒子群算法中的粒子速度更新方程为：
13、
14、其中， i，d表示粒子在维中；代表粒子 i，d的在t+1时刻的速度更新公式；表示粒子群算法中粒子的惯性部分，是随机选择的粒子的均匀分布的最佳位置；表示的符号，表示粒子在维中的运动方向，负值表示向左运动，正值表示向右运动，为惯性权值，的取值范围为[0.5，1.5]；和代表当前粒子和的最佳位置；表示可行区域的大小；是粒子群算法的学习因子；代表粒子 i，d在t时刻的位置；代表最小适应度的粒子位置；
15、惯性权值的调整公式为。
16、优选地，所述线性认知系数，包括：
17、；
18、其中，表示认知系数1的最小值；表示认知系数1的最大值；表示认知系数2的最小值；表示认知系数2的最大值；变量表示当前的迭代计数；表示总迭代数。
19、优先地，所述最优平滑路径，包括：
20、其中，和表示机器人路径规划点的坐标；t代表第t个路径点。
21、本专利技术的有益效果在于：
22、1、本专利技术建立的具有随机扰动策略的双种群pso算法路径规划模型对粒子群算法中的粒子速度更新方程进行了改进，当粒子在搜索空间中迭代时，所提出的方法会对粒子速度动态更新，提供了可行区域范围的实时近似，并确保搜索保持在最有希望的区域内，这种修改确保了粒子保持在接近可行区域的位置，通过在粒子搜索的迭代过程中进行适应，确保对搜索空间的探索更稳定和可靠，从而增强局部搜索能力。
23、2、本专利技术的线性认知系数调整策略鼓励粒子优先考虑它们自己的历史最佳价值，从而围绕当前的最佳解决方案进行更精细的本地搜索，通过引入双种群pso算法，该平衡探索和开发的策略有助于算法找到全局搜索和局部搜索之间的最优平衡，从而提高矿用机器人路径规划的性能。
24、3、本专利技术的萤火虫算法主要用来对矿用机器人的路径规划点进行插值，从而确定样条曲线的位置，使通过样条曲线点移动的曲线得到最佳（或接近最佳）的轨迹。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的矿用机器人路径规划方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述矿用机器人运动学数学模型中矿用机器人G点处的运动学公式为：
3.如权利要求1所述的方法，其特征在于，所述根据所述矿用机器人运动学数学模型建立具有随机扰动策略的初始矿用机器人路径规划模型，包括：根据所述矿用机器人运动学数学模型，通过改进后的粒子群算法中的粒子速度更新方程建立具有随机扰动策略的初始矿用机器人路径规划模型，其中，所述改进后的粒子群算法中的粒子速度更新方程为：
4.如权利要求1所述的方法，其特征在于，所述线性认知系数，包括：
5.如权利要求1所述的方法，其特征在于，所述最优平滑路径，包括：
6.一种基于人工智能的矿用机器人路径规划装置，其特征在于，所述装置包括：
7.如权利要求6所述的装置，其特征在于，所述矿用机器人运动学数学模型中矿用机器人G点处的运动学公式为：
8.如权利要求6所述的装置，其特征在于，所述线性认知系数，包括：
9.一种计算机设备，其特征在于，
10.一种计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令；所述计算机可执行指令被处理器执行后，能够实现权利要求1-5中任一所述的方法。
...【技术特征摘要】
1.一种基于人工智能的矿用机器人路径规划方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，所述矿用机器人运动学数学模型中矿用机器人g点处的运动学公式为：
3.如权利要求1所述的方法，其特征在于，所述根据所述矿用机器人运动学数学模型建立具有随机扰动策略的初始矿用机器人路径规划模型，包括：根据所述矿用机器人运动学数学模型，通过改进后的粒子群算法中的粒子速度更新方程建立具有随机扰动策略的初始矿用机器人路径规划模型，其中，所述改进后的粒子群算法中的粒子速度更新方程为：
4.如权利要求1所述的方法，其特征在于，所述线性认知系数，包括：
5.如权利要求1所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：李斌，王磊，仝建成，段红飞，陈加更，蒋李进，陈实，黄金，张玉波，王永兴，陈帅领，朱红星，薛雷雷，许文丽，姚斌，
申请(专利权)人：华电煤业集团数智技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。