CN108104192A - 一种地下铲运机 - Google Patents
一种地下铲运机 Download PDFInfo
- Publication number
- CN108104192A CN108104192A CN201810023970.1A CN201810023970A CN108104192A CN 108104192 A CN108104192 A CN 108104192A CN 201810023970 A CN201810023970 A CN 201810023970A CN 108104192 A CN108104192 A CN 108104192A
- Authority
- CN
- China
- Prior art keywords
- scraper
- mrow
- msubsup
- information
- particle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/2025—Particular purposes of control systems not otherwise provided for
- E02F9/2045—Guiding machines along a predetermined path
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/2025—Particular purposes of control systems not otherwise provided for
- E02F9/205—Remotely operated machines, e.g. unmanned vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Civil Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种地下铲运机，包括铲运机主体，还包括：环境信息采集模块，包括激光扫描器，用于扫描地下铲运机周围的环境信息；自主行驶控制模块，用于根据采集的环境信息构建地下巷道栅格地图，获取地下铲运车的位置信息，根据目标区域进行路径规划并生成行驶控制信息，控制地下铲运车向作业目标区域移动；中央控制模块，包括传输单元，用于和地面控制中心进行数据传输，将采集的环境信息和栅格地图信息发送至地面控制中心，并接收目标区域信息。本发明铲运机将获取的信息实时传输至地面控制中心，与地面控制中心保持实时数据传输，更有助于控制中心对井下铲运机的工作状况的了解。
Description
技术领域
本发明涉及矿冶技术领域，特别是一种地下铲运机。
背景技术
随着地下矿开采深度增加，采矿条件越来越恶劣，对人的安全威胁也越来越大，遥控采矿、自动化矿山开采技术应运而生。铲运机是地下无轨采矿的关键设备，实现铲运机在井下巷道内无人操纵、自主行驶，可使操作工人远离井下恶劣、危险的工作环境，保护铲运机司机人员安全、提高采矿作业效率并降低采矿成本。
现有技术中，对地下铲运机的定位和路径规划一般采用记录铲运机的行驶轨迹来获得，但是由于地下巷道的地面并不平滑，四周的侧壁也存在着凹凸不平的状态，容易造成铲运机被卡住使得轮子空转等问题而导致获取的行驶轨迹不准确的问题，造成记录的轨迹和实际行驶轨迹存在轨迹偏差，影响铲运机的定位准确性，从而使得铲运机的自主行驶性能降低。
发明内容
针对上述问题，本发明旨在提供一种地下铲运机。
本发明的目的采用以下技术方案来实现：
一种地下铲运机，包括铲运机主体，还包括：环境信息采集模块，包括激光扫描器，用于扫描地下铲运机周围的环境信息；自主行驶控制模块，用于根据采集的环境信息构建地下巷道栅格地图，获取地下铲运车的位置信息，根据目标区域进行路径规划并生成行驶控制信息，控制地下铲运车向作业目标区域移动；中央控制模块，包括传输单元，用于和地面控制中心进行数据传输，将采集的环境信息和栅格地图信息发送至地面控制中心，并接收目标区域信息。
本发明的有益效果为：采用激光扫描器获取铲运机周围的环境信息，并根据其建立井下巷道的栅格地图，实现井下巷道信息的全局描述，有助于管理人员更清楚地了解井下巷道的分布情况；根据栅格地图指定铲运机作业的目标区域，铲运机能够进行智能化路径规划，规划最优路径，并控制铲运机自主移动；铲运机将获取的信息实时传输至地面控制中心，与地面控制中心保持实时数据传输，更有助于控制中心对井下铲运机的工作状况的了解。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的框架结构图；
图2为本发明另一个实施例的框架结构图；
图3为本发明自主行驶控制模块的框架结构图。
附图标记：
环境信息采集模块1、自主行驶控制模块2、中央控制模块3、图像采集模块4、激光扫描器11、地图构建单元21、定位单元22、路径规划单元23、避障规划单元24、行驶控制单元25、激光扫描器31、CCD摄像头41
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1、图2，一种地下铲运机，包括铲运机主体，还包括：环境信息采集模块1，包括激光扫描器11，用于扫描地下铲运机周围的环境信息；自主行驶控制模块2，用于根据采集的环境信息构建地下巷道栅格地图，获取地下铲运车的位置信息，根据目标区域进行路径规划并生成行驶控制信息，控制地下铲运车向作业目标区域移动；中央控制模块3，包括传输单元31，用于和地面控制中心进行数据传输，将采集的环境信息和栅格地图信息发送至地面控制中心，并接收目标区域信息。
本发明上述实施例，采用激光扫描器获取铲运机周围的环境信息，并根据其建立井下巷道的栅格地图，实现井下巷道信息的全局描述，有助于管理人员更清楚地了解井下巷道的分布情况；根据栅格地图指定铲运机作业的目标区域，铲运机能够进行智能化路径规划，规划最优路径，并控制铲运机自主移动；铲运机将获取的信息实时传输至地面控制中心，与地面控制中心保持实时数据传输，更有助于控制中心对井下铲运机的工作状况的了解。
优选地，还包括图像采集模块4，包括安装在铲运机前方的CCD摄像头41，用于获取铲运机前方图像并通过所述传输单元31实时传送至地面控制中心。
本优选实施例，在铲运机前方装设摄像头，采集铲运机工作环境的图像，并实时发送会地面控制中心，能够有效地供地面控制中心实时获取井下工作区域的状况，实用性强。
优选地，参见图3，所述自主行驶控制模块2包括：地图构建单元21，用于根据所述激光扫描器11获取的环境信息构建栅格地图；定位单元22，用于获取铲运机在所述栅格地图中的定位信息；
路径规划单元23，用于以所述目标区域为目的地规划出主目标路径，并生成全局移动信息发送至所述行驶控制单元25；避障规划单元24，用于根据铲运机周围的环境信息规划出局部避障目标路径，并生成局部移动信息发送至所述行驶控制单元25；行驶控制单元25，用于根据所述全局移动信息和局部移动信息控制铲运机移动。
本优选实施例，首先根据激光扫描器获取的观景信息构建井下巷道的栅格地图，并且确定铲运机自身的定位信息，然后根据所要到达的目标区域进行智能全局路径规划，并且当监测到有障碍的时候生成局部路径规划，并且根据所述的路径规划生成移动信息控制铲运机移动，能够时铲运机流畅地在井下巷道中移动，适应性强，可靠性高。
优选地，所述定位单元22，用于获取铲运机在所述栅格地图中的定位信息，具体包括：
初始化阶段：设定临时粒子集表示为其中粒子 表示铲运机的定位信息，Mk表示地图特征，表示粒子权重，C表示临时粒子集中粒子的总个数；
定位阶段：采用粒子群优化算法预测铲运机的速度和铲运机的位置向量，其中：
计算铲运机速度采用的函数为：
式中，和分别表示在k+1和k时刻第c代种群粒子的速度，表示铲运机在k时刻的定位信息，λ表示惯性权重，表示第c代种群粒子曾经历过的最优位置，表示第c代粒子群曾经历过的最优位置，Eg和Eh为分布在[0,1]之间的随机数，ag和ah表示设定的加速因子；
计算铲运机定位信息预测采用的函数为：
式中，和分别表示铲运机在k+1和k时刻的定位信息，表示在k+1时刻第c代种群粒子的速度；
如果粒子极值位置劣于粒子群平均极值位置，则对该粒子进行概率为Ym的变异运算；
获取对铲运机预测位置的优化程度，采用的自定义适应度函数为：
其中δ表示铲运机预测位置的优化程度，表示铲运机的测量噪声协方差矩阵，fk′表示k时刻铲运机对路标观测值的预测，fk表示铲运机k时刻铲运机对路标的观测值，aδ表示设定的加速因子，a表示种群进化代数；
如果铲运机预测位置的优化程度δ小于设定的阈值，则获取新的路标观测值fk以及更新地图特征Mk中的路标特征；
更新粒子权重其中采用的函数为：
重复上述步骤，直到遍历临时粒子集Φ中的所有粒子；
归一化定位阶段：进行粒子权重归一化，并重新采样：从临时粒子集中根据权重的大小按比例抽取例子并将粒子添加到新的粒子集中，并从新的粒子集中获取铲运机的定位信息
本优选实施例，首先在井下巷道中放置路标，并且采用粒子群优化算法，结合构建的栅格地图信息和路标信息，能够准确地获取铲运机的定位信息，提高了定位的准确性，为后续铲运机进行全局路径规划提供了保证。
优选地，所述路径规划单元23，用于以所述目标区域为目的地规划出主目标路径，具体包括：
获取所述栅格地图，初始化路径规划算法中的原始参数，包括：栅格地图规模G，蚂蚁种群数量U，迭代次数D，信息素初始量x0，信息素权值β，启发式信息权值γ，路径安全信息权值η，信息素挥发系数τ；
初始化蚂蚁信息，根据从所述定位单元22获取的巡逻装置位姿信息设置蚂蚁的起点位置，根据巡检目的地信息设定蚂蚁的终点位置，初始化蚂蚁禁忌表，路径表，路径长度：禁忌表中存放的数据代表所有栅格的禁忌状况，用来记录栅格当前状态；路径表中存放蚂蚁经过的栅格ID，用来记录蚂蚁寻找到的路径；路径长度初始化为0，计算地图上栅格之间的欧氏距离LO；
蚂蚁u(u＝1,2,…,U)开始遍历，更新蚂蚁u在当前位置的允许表，所述允许表表示蚂蚁u在当前位置可选择移动到的下一栅格信息，根据概率转移公式计算表中的每个可行栅格的转移概率，使用轮盘赌的方法选择下一栅格，把选定的栅格ID加入蚂蚁的路径表，更新路径长度，在禁忌表中更新这个栅格的状态，蚂蚁当前位置更新为选定的这个栅格，其中，采用的转移概率函数为：
式中，表示蚂蚁u从栅格i转移到栅格j的概率，xij(k)表示路段ij上的信息素量，yij(k)表示启发式信息值，β表示信息素权值，γ表示启发式信息权值，η表示路径安全信息权值，zj和zw分别表示栅格j和栅格w相邻栅格邻接栅格中障碍栅格所占的比例，U表示当前位置的允许表里的栅格；
根据终点的禁忌情况来判断终点是否被遍历，如果终点已经被遍历，则输入蚂蚁u寻到的路径的长度，把路径表中存放的栅格ID序列写入文本中，执行u＝u+1，重复蚂蚁遍历，直到所有蚂蚁完成路径搜索任务；
经过对比本周期蚂蚁得出的路径长度，记录本周期最优蚂蚁编号，以及得到的路径长度和路径信息，并对路径信息素进行挥发和更新；
判断迭代次数是否等于设定的最大迭代周期数，如果不是，则重置蚂蚁信息，包括禁忌表，路径表和路径长度，并将迭代次数D加1，并进行新一轮的蚂蚁遍历；如果迭代次数达到设定的最大迭代周期数，则将最优路径作为输出结果。
本优选实施例，根据铲运机所需要到达的工作区域在栅格地图中进行相应的标定，采用上述方法对铲运机进行路径规划，和普通的蚁群算法相比，上述方法能够有效地避免了死锁发生的可能，简化了算法，提高了铲运机路径规划的准确性，特别是在井下巷道中环境比较复杂的情况下，依然能保持路径规划的准确性，适应性强，准确性高。
优选地，所述路径规划单元23中，对路径信息素进行挥发和更新，具体包括：
(1)对本周起搜索得出的路径结果进行信息素更新，采用的信息素增量函数为：
式中，表示蚂蚁d在k周期时经过路段ij时释放的信息素量，xF表示信息素的总量，L表示蚂蚁d搜索的路径长度，Lmin表示历史最短路径长度；
(2)对历史最优路径进行信息素更新，采用的信息素增量函数为：
式中，Δxij(k)表示k周期后路段ij上增加的总的信息素浓度，G表示地图中栅格的总数，xF表示信息素的总量，Lmin表示历史最短路径长度；
(3)在一个周期的寻路结束后，对路径的信息素进行挥发，其中采用的信息素挥发函数为：
式中，xij(k+1)表示k+1周期信息素的数量，L表示蚂蚁搜索到的路径长度，Lmin表示历史最短路径长度，Lk表示当前周期k得出的最短路径长度，τ表示信息素挥发系数。
本优选实施例，本优选实施例，采用上述的方法对路径信息素进行挥发和更新，依据路径的优势自适应的对信息素浓度做出改变，保留优秀路径的优势，提高了全局的搜索能力，提高了路径规划的效果。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (4)
1.一种地下铲运机，包括铲运机主体，其特征在于，还包括：环境信息采集模块，包括激光扫描器，用于扫描地下铲运机周围的环境信息；自主行驶控制模块，用于根据采集的环境信息构建地下巷道栅格地图，获取地下铲运车的位置信息，根据目标区域进行路径规划并生成行驶控制信息，控制地下铲运车向作业目标区域移动；中央控制模块，包括传输单元，用于和地面控制中心进行数据传输，将采集的环境信息和栅格地图信息发送至地面控制中心，并接收目标区域信息。
2.根据权利要求1所述的一种地下铲运机，其特征在于，还包括图像采集模块，包括安装在铲运机前方的CCD摄像头，用于获取铲运机前方图像并通过所述传输单元实时传送至地面控制中心。
3.根据权利要求1所述的一种地下铲运机，其特征在于，所述自主行驶控制模块包括：地图构建单元，用于根据所述激光扫描器获取的环境信息构建栅格地图；定位单元，用于获取铲运机在所述栅格地图中的定位信息；路径规划单元，用于以所述目标区域为目的地规划出主目标路径，并生成全局移动信息发送至所述行驶控制单元；避障规划单元，用于根据铲运机周围的环境信息规划出局部避障目标路径，并生成局部移动信息发送至所述行驶控制单元；行驶控制单元，用于根据所述全局移动信息和局部移动信息控制铲运机移动。
4.根据权利要求3所述的一种地下铲运机，其特征在于，所述定位单元，用于获取铲运机在所述栅格地图中的定位信息，具体包括：
初始化阶段：设定临时粒子集表示为其中粒子 表示铲运机的定位信息，Mk表示地图特征，表示粒子权重，C表示临时粒子集中粒子的总个数；
定位阶段：采用粒子群优化算法预测铲运机的速度和铲运机的位置向量，其中：
计算铲运机速度采用的函数为：
<mrow>
<msubsup>
<mi>b</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>c</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>&lambda;b</mi>
<mi>k</mi>
<mi>c</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>a</mi>
<mi>g</mi>
</msub>
<msub>
<mi>E</mi>
<mi>g</mi>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>Y</mi>
<mi>g</mi>
<mi>c</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mi>c</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>a</mi>
<mi>h</mi>
</msub>
<msub>
<mi>E</mi>
<mi>h</mi>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>Y</mi>
<mi>h</mi>
<mi>c</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mi>c</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
式中，和分别表示在k+1和k时刻第c代种群粒子的速度，表示铲运机在k时刻的定位信息，λ表示惯性权重，表示第c代种群粒子曾经历过的最优位置，表示第c代粒子群曾经历过的最优位置，Eg和Eh为分布在[0,1]之间的随机数，ag和ah表示设定的加速因子；
计算铲运机定位信息预测采用的函数为：
<mrow>
<msubsup>
<mi>R</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>c</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>R</mi>
<mi>k</mi>
<mi>c</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>b</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>c</mi>
</msubsup>
</mrow>
式中，和分别表示铲运机在k+1和k时刻的定位信息，表示在k+1时刻第c代种群粒子的速度；
如果粒子极值位置劣于粒子群平均极值位置，则对该粒子进行概率为Ym的变异运算；
获取对铲运机预测位置的优化程度，采用的自定义适应度函数为：
<mrow>
<mi>&delta;</mi>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>f</mi>
<mi>k</mi>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
<mo>&CenterDot;</mo>
<msup>
<mi>T</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>f</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msubsup>
<mi>f</mi>
<mi>k</mi>
<mo>&prime;</mo>
</msubsup>
<mo>)</mo>
</mrow>
<mi>a</mi>
</msup>
</mrow>
<msub>
<mi>a</mi>
<mi>&delta;</mi>
</msub>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msup>
<mo>)</mo>
</mrow>
</mrow>
其中δ表示铲运机预测位置的优化程度，表示铲运机的测量噪声协方差矩阵，f′k表示k时刻铲运机对路标观测值的预测，fk表示铲运机k时刻铲运机对路标的观测值，aδ表示设定的加速因子，a表示种群进化代数；
如果铲运机预测位置的优化程度δ小于设定的阈值，则获取新的路标观测值fk以及更新地图特征Mk中的路标特征；
更新粒子权重其中采用的函数为：
重复上述步骤，直到遍历临时粒子集Φ中的所有粒子；
归一化定位阶段：进行粒子权重归一化，并重新采样：从临时粒子集中根据权重的大小按比例抽取例子并将粒子添加到新的粒子集中，并从新的粒子集中获取铲运机的定位信息
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810023970.1A CN108104192A (zh) | 2018-01-10 | 2018-01-10 | 一种地下铲运机 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810023970.1A CN108104192A (zh) | 2018-01-10 | 2018-01-10 | 一种地下铲运机 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108104192A true CN108104192A (zh) | 2018-06-01 |
Family
ID=62218992
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810023970.1A Pending CN108104192A (zh) | 2018-01-10 | 2018-01-10 | 一种地下铲运机 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108104192A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109138038A (zh) * | 2018-08-07 | 2019-01-04 | 中铁工程机械研究设计院有限公司 | 一种基于激光点云的开挖机器人3d仿真系统 |
| CN109141438A (zh) * | 2018-10-18 | 2019-01-04 | 合肥工业大学 | 一种叉车全局路径规划方法 |
| CN113593284A (zh) * | 2021-07-29 | 2021-11-02 | 三一重型装备有限公司 | 矿井巷道内车辆的路径规划方法及装置、电子设备 |
| CN114200838A (zh) * | 2021-12-08 | 2022-03-18 | 青岛中鸿重型机械有限公司 | 一种智能电动铲运机控制方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6247538B1 (en) * | 1996-09-13 | 2001-06-19 | Komatsu Ltd. | Automatic excavator, automatic excavation method and automatic loading method |
| CN105849586A (zh) * | 2015-10-30 | 2016-08-10 | 株式会社小松制作所 | 作业机械的控制系统、作业机械、作业机械的管理系统、作业机械的控制方法以及程序 |
| CN106123892A (zh) * | 2016-06-22 | 2016-11-16 | 武汉科技大学 | 一种基于无线传感器网络与地磁地图的机器人定位方法 |
-
2018
- 2018-01-10 CN CN201810023970.1A patent/CN108104192A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6247538B1 (en) * | 1996-09-13 | 2001-06-19 | Komatsu Ltd. | Automatic excavator, automatic excavation method and automatic loading method |
| CN105849586A (zh) * | 2015-10-30 | 2016-08-10 | 株式会社小松制作所 | 作业机械的控制系统、作业机械、作业机械的管理系统、作业机械的控制方法以及程序 |
| CN106123892A (zh) * | 2016-06-22 | 2016-11-16 | 武汉科技大学 | 一种基于无线传感器网络与地磁地图的机器人定位方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘利枚等: "基于改进的粒子群优化的FastSLAM方法", 《高技术通讯》 * |
| 李龙澍等: "改进蚁群算法在复杂环境中机器人路径规划上的应用", 《小型微型计算机系统》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109138038A (zh) * | 2018-08-07 | 2019-01-04 | 中铁工程机械研究设计院有限公司 | 一种基于激光点云的开挖机器人3d仿真系统 |
| CN109141438A (zh) * | 2018-10-18 | 2019-01-04 | 合肥工业大学 | 一种叉车全局路径规划方法 |
| CN109141438B (zh) * | 2018-10-18 | 2021-10-15 | 合肥工业大学 | 一种叉车全局路径规划方法 |
| CN113593284A (zh) * | 2021-07-29 | 2021-11-02 | 三一重型装备有限公司 | 矿井巷道内车辆的路径规划方法及装置、电子设备 |
| CN113593284B (zh) * | 2021-07-29 | 2022-08-12 | 三一重型装备有限公司 | 矿井巷道内车辆的路径规划方法及装置、电子设备 |
| CN114200838A (zh) * | 2021-12-08 | 2022-03-18 | 青岛中鸿重型机械有限公司 | 一种智能电动铲运机控制方法 |
| WO2023103291A1 (zh) * | 2021-12-08 | 2023-06-15 | 青岛中鸿重型机械有限公司 | 一种智能电动铲运机控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108104192A (zh) | 一种地下铲运机 | |
| Chen et al. | Mobile robot path planning using ant colony algorithm and improved potential field method | |
| Zhou et al. | A deep Q-network (DQN) based path planning method for mobile robots | |
| JP4852688B2 (ja) | 脅威対象がある状況下での地形追随飛行用の軌道を自動的に生成する混合整数線形計画法 | |
| Dang et al. | Explore locally, plan globally: A path planning framework for autonomous robotic exploration in subterranean environments | |
| Bernardini et al. | Combining temporal planning with probabilistic reasoning for autonomous surveillance missions | |
| Sangeetha et al. | Energy-efficient green ant colony optimization for path planning in dynamic 3D environments | |
| AU2022204569B2 (en) | Method for multi-agent dynamic path planning | |
| CN107608364A (zh) | 一种用于数据中心物理设备上下架的智能机器人 | |
| Bagherian et al. | 3D UAV trajectory planning using evolutionary algorithms: A comparison study | |
| CN112567958A (zh) | 自行走割草系统及其漏割区域的补充作业的方法 | |
| Li et al. | Multi-mechanism swarm optimization for multi-UAV task assignment and path planning in transmission line inspection under multi-wind field | |
| CN114610038A (zh) | 一种除草机器人控制系统及控制方法 | |
| Kyprianou et al. | Towards the achievement of path planning with multi-robot systems in dynamic environments | |
| Bayer et al. | Speeded up elevation map for exploration of large-scale subterranean environments | |
| Lin et al. | Potential-field-based evolutionary route planner for the control of multiple unmanned aerial vehicles | |
| CN116358521A (zh) | 应用于危险气体泄漏场景的地图构建方法 | |
| Verbiest et al. | Autonomous frontier based exploration for mobile robots | |
| Luo et al. | A Max-Min Ant System Approach to Autonomous Navigation | |
| Šelek et al. | Control architecture of a remotely controlled vehicle in extreme CBRNE conditions | |
| Wang | Bidirectional ACO intelligent fire evacuation route optimization | |
| CN114740849A (zh) | 基于行人步行决策规则的移动机器人自主导航方法及装置 | |
| Theodorakopoulos et al. | UAV target tracking using an adversarial iterative prediction | |
| Yang et al. | Unmanned vehicle path planning for unknown off-road environments with sparse waypoints | |
| Chen et al. | Efficient Belief Road Map for Planning Under Uncertainty |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180601 |
|
| RJ01 | Rejection of invention patent application after publication |