一种基于膜计算实现井下机器人路径优化方法与流程

本发明涉及一种机器人路径优化方法，具体是一种基于膜计算实现井下机器人路径优化方法。
背景技术：
：大数据和人工智能技术的快速发展，为煤炭精准开采打开新的局面。形成智能、无人、安全高效的煤炭开采方法，是煤矿精准开采新形式，达到提升自动化和智能化水平的同时做到无人下的煤炭安全高效精准开采的目标。利用通信技术、智能控制技术，围绕煤矿井下复杂的环境，提高煤矿实时在线监测、风险判识，解决传统灾害预警的不确定性问题，移动机器人是重要的载体。通过机器人完成煤矿井下实时监控、巡检及搜救工作，让灾害精准预警判别更加完善，深度融合煤矿智能精准开采的新趋势。然而，移动机器人由于自身的特性，在煤矿井下复杂环境中，如何让移动机器人完成煤矿井下的巡检任务，进一步发挥移动机器人在煤矿井下应用价值具有重要研究意义。技术实现要素：本发明的目的在于提供一种基于膜计算实现井下机器人路径优化方法，本发明机器人路径优化方法通过膜计算引入到煤矿井下机器人的优化之中，提高机器人在井下巡检工作效率和精度；通过改变进化代数，机器人移动的速度误差相对较小，具备很好的收敛性，与传统的算法相比较，速度误差较小，膜算法在井下移动机器人速度解算上准确度更高；通过仿真及实验表明，所提膜算法具有快速收敛性和有效性，所设计的装置能够有效解决煤矿井下复杂环境下的巡检问题，以其高效的计算性能和快速的优化性能为煤矿未来精准开采提供了理论支撑和现实应用价值。本发明的目的可以通过以下技术方案实现：一种基于膜计算实现井下机器人路径优化方法,路径优化方法包括如下步骤：s1:煤矿井下机器人细胞型膜系统构建。s1-1：细胞型膜系统中，规则在各自膜内运行，数据可以快速处理，结合膜计算的并行、分布式特征，构建一个既相互独立有相互协作的数据处理膜系统，采用细胞型膜系统对煤矿井下移动机器人建模原理及控制过程框架。s1-2:构建机器人动力学模型。s1-3：确定机器人的实时位置。s2:构建膜控制器结构。s3：膜算法设计设定节点i和j之间的距离构成矩阵m，tsp就是求解一条通往所有节点且每个节点经过一次的最短距离，算法以经过各个节点的顺序表述，路径长度为目标函数，基于所有节点遍历下的约束条件进行种群初始化、交叉、和变异操作。s4：移动机器人仿真及实验结果分析设定用密闭走廊代替煤矿井下巷道，设计了一个针对五个假想障碍物的仿真环境，该环境中移动机器人的起点和目标点的位置是已知的，根据前期建立的数学模型，对障碍点进行坐标变换，改进蚁群算法的参数初始化初始化为:m＝20，最大迭代次数n＝100；利用蚁群膜算法(acmo)对所建立的可视环境模型进行路径规划的仿真，为进一步验证构建的细胞型膜系统下的膜算法，取20个节点标记，依据所设计的膜控制结构和算法，通过改变进化代数。进一步的，所述s1-2，将机器人设定在二位平面内，其运动轨迹的描述即路径。由平面坐标(x,y)及方位角θ组成，向量表示为(x,y,θ)t，路径和参与计算的环境共同构成机器人运动状态xi。进一步的，所述机器人初始路径设定为xt-1＝(x,y,θ)t,后继路径xt＝(x′,y′,θ′)t,控制ut＝(v,w)t，控制以δt时间执行，由于运动模型误差参数噪声的干扰，真实速度与测量速度是不同的，因此模型须考虑控制噪声，当δt→0时，确定机器人的模型为：进一步的，所述机器人运动在2维平面内，对式(1)进行扩展，当旋转时机器人到达最终路径，此时有：由公式(1)和(2)可得到移动机器人的最终模型为：进一步的，所述s2，膜控制器开始执行的每个周期都接收机器人数据(x，y，θ)t,位置更新输出数据(x′，y′，θ′)t。根据膜计算的分布并行特征，建立度为m的如下膜系统。membranec＝(m,μ,h,(vari,prii,vari(initial)),x,u)(4)。进一步的，所述m代表膜的度，m＝{xij,yij,θij,err:i,j∈[1,2]}。进一步的，所述机器人路径优化步骤如下:第一步：种群初始化采用节点访问序列进行排列组合，路径染色体个体作为路径访问序列。序列规则编码从1-n，即个体长度为n。第2步：路径函数计算取节点距离之和为适应度函数，进一步评价结果的优劣，将矩阵m中每一行设为距离的最后一个元素的路径长度，即节点i和j之间的距离表示为：通过样本的路径长度可进一步得到目标函数：自适应度函数为目标函数的导数：第3步：选择算子计算按照种群适应度评价，从种群中选择优胜个体，利用种群中适应度大的个体替换适应度小的。第4步：交叉算子计算将个体进行配对，以一定概率p将配对中的个体替换重新组成新的个体。第5步：变异算子计算以变异概率p对种群中的个体值作变动，如果变异后新的适应度值优越，则保留新个体，否则，保留原个体。本发明的有益效果：1、本发明机器人路径优化方法通过膜计算引入到煤矿井下机器人的优化之中，提高机器人在井下巡检工作效率和精度；2、本发明通过改变进化代数，机器人移动的速度误差相对较小，具备很好的收敛性，与传统的算法相比较，速度误差较小，膜算法在井下移动机器人速度解算上准确度更高；3、本发明通过仿真及实验表明，所提膜算法具有快速收敛性和有效性，所设计的装置能够有效解决煤矿井下复杂环境下的巡检问题，以其高效的计算性能和快速的优化性能为煤矿未来精准开采提供了理论支撑和现实应用价值。附图说明下面结合附图对本发明作进一步的说明。图1是本发明移动机器人路径优化控制系统框架示意图；图2是本发明细胞型膜控制器设计结构示意图；图3是本发明膜算法执行流程图；图4是本发明移动机器人位姿表示示意图；图5是本发明蚁群算法与acmo路径优化算法的比较示意图；图6是本发明20个障碍节点的优化示意图；图7是本发明基于细胞型膜计算的机器人结构示意图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。一种基于膜计算实现井下机器人路径优化方法,包括如下步骤：s1:煤矿井下机器人细胞型膜系统构建s1-1：细胞型膜系统中，规则在各自膜内运行，数据可以快速处理，结合膜计算的并行、分布式特征，构建一个既相互独立有相互协作的数据处理膜系统。采用细胞型膜系统对煤矿井下移动机器人建模原理及控制过程框架,如图1所示。s1-2:构建机器人动力学模型，由于煤矿井下环境的复杂性，将机器人设定在二位平面内，其运动轨迹的描述即路径。如图4所示。由平面坐标(x,y)及方位角θ组成,向量表示为(x,y,θ)t.路径和参与计算的环境共同构成机器人运动状态xi。设定初始路径xt-1＝(x,y,θ)t,后继路径xt＝(x′,y′,θ′)t,控制ut＝(v,w)t,其中v是机器人平移速度，ω是角速度，控制以δt时间执行。由于运动模型误差参数噪声的干扰，真实速度与测量速度是不同的，因此模型须考虑控制噪声，当δt较小时，可确定机器人的模型为：假设机器人运动在2维平面内，对式(1)进行扩展，当旋转时机器人到达最终路径，此时有：由公式(1)和(2)可得到移动机器人的最终模型为：s1-3：确定机器人的实时位置，膜控制器开始执行的每个周期都接收机器人数据(x，y，θ)t,位置更新输出数据(x′，y′，θ′)t。根据膜计算的分布并行特征，建立度为m的如下膜系统。membranec＝(m,μ,h,(vari,prii,vari(initial)),x,u)(4)其中：①m＝{xij,yij,θij,err:i,j∈[1,2]}；m代表膜的度。②μ＝[[]2···[]8]1,机器人细胞型膜系统膜结构。③h代表膜的标记。④vari代表膜i区域内的变量，vari(initial)为初始值。⑤prii为膜i内的规则集。⑥x为membranec的输入变量。⑦u表示膜内变量计算的输出值。s2:构建膜控制器结构根据上述定义细胞型膜系统，适应煤矿井下移动机器人路径动态性变化的p-lingua文件，文件框架如下所示。s3：膜算法设计设定节点i和j之间的距离构成矩阵m，tsp就是求解一条通往所有节点且每个节点经过一次的最短距离，算法以经过各个节点的顺序表述，路径长度为目标函数。基于所有节点遍历下的约束条件进行种群初始化、交叉、和变异操作。具体路径优化步骤如下:第一步：种群初始化采用节点访问序列进行排列组合，路径染色体个体作为路径访问序列。序列规则编码从1-n，即个体长度为n。第2步：路径函数计算取节点距离之和为适应度函数，进一步评价结果的优劣，将矩阵m中每一行设为距离的最后一个元素的路径长度，即节点i和j之间的距离表示为：通过样本的路径长度可进一步得到目标函数：自适应度函数为目标函数的导数：第3步：选择算子计算按照种群适应度评价，从种群中选择优胜个体，利用种群中适应度大的个体替换适应度小的。第4步：交叉算子计算将个体进行配对，以一定概率p将配对中的个体替换重新组成新的个体。第5步：变异算子计算以变异概率p对种群中的个体值作变动，如果变异后新的适应度值优越，则保留新个体，否则，保留原个体。膜算法执行过程如图3所示。s4：移动机器人仿真及实验结果分析一种基于膜计算实现井下移动机器人，移动机器人装置由底盘1、装置电源2、ai计算机3、传感器4、惯性测量单元5、激光雷达6和双面深度相机7组成，如图7所示，双面深度相机7位于机器人最顶端，激光雷达6、惯性测量单元5及传感器4并列位于机器人前调节杆上，ai计算机3位于机器人中间位置，装置电源2安装在底盘1上端，其中电源装置2、传感器4、惯性测量单元5激光雷达6和双面深度相机7均与ai计算机3通过电性连接；装置电源2起到供电的同时也具有配重作用，可进一步保障机器人行驶过程中物理层面的稳定性；底盘1优选采用履带式；电源装置2包括装置电源及备用电源，其特性符合井下防爆标准；ai计算机3，该模块在整个装置中占核心地位，巡检任务过程中产生的所以数据都经过该计算机根据前述构建的膜计算模型及算法进行运算处理，根据运算结果控制机器人自身及双面深度相机7的姿态变化，并未机器人巡检过程中路径规划提供精准保障；传感器4包括瓦斯浓度测量传感器和co浓度测量传感器，测量值采集后实时回传ai计算机3进行阈值研判，做到实时全工程一氧化碳瓦斯监测；惯性测量单元5，具备动态补偿、正交补偿特性，rs485接口，具备井下防爆特征，姿态角误差范围小于等于1o，陀螺仪量程500o/sec，噪声密度小于0.005o；激光雷达6，型号为：rplidara2m8，尺寸(长：宽：高)8cm:8cm:5cm。测量半径12米，频率8000次/秒，360o扫描测距，可通过pwm信号控制扫描频率，用于后续煤矿井下3d环境构建及机器人自身定位。双面深度相机7，型号：intelrealsensed435i，尺寸(长：宽：高)9cm:2.5cm:2.5cm具备深度传感器4模组，和imu单元，结合视觉数据可实现6dof追踪功能。使用时，双面深度相机7的支架具备全自由度自动调节，巡检过程中可针对发现的问题完成精准拍摄，图像传回ai计算机3进行图像处理后可实时传回地面站，并根据计算机处理结果执行预定操作，同时可与激光雷达6(位于深度相机下方)融合，进一步满足煤矿井下复杂环境下后续路径优化工作；进一步，电源装置2、传感器4、惯性测量单元5激光雷达6和双面深度相机7均由ai计算机3完成控制，之间以有线通讯方式进行，保障通信效率的同时又提高装置的整体计算性能。设定用密闭走廊代替煤矿井下巷道，设计了一个针对五个假想障碍物的仿真环境，该环境中移动机器人的起点和目标点的位置是已知的。根据前期建立的数学模型，对障碍点进行坐标变换。改进蚁群算法的参数初始化初始化为:m＝20，最大迭代次数n＝100；利用蚁群膜算法(acmo)对所建立的可视环境模型进行路径规划的仿真结果如表1和图5所示。为进一步验证构建的细胞型膜系统下的膜算法，取20个节点标记。依据所设计的膜控制结构和算法，通过改变进化代数，得到的实验结果如图6所示。机器人移动的速度误差相对较小，具备很好的收敛性，与传统的算法相比较，速度误差较小，膜算法在井下移动机器人速度解算上准确度更高。表1蚁群算法与acmo路径优化比较numberofobstacles5iterationtimes(aco)77iterationtimes(acmo)56pathlength76.3以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。当前第1页12