鄭家風(fēng) 田思慶

摘要：針對(duì)井下煤礦作業(yè)環(huán)境的非結(jié)構(gòu)性和高危性，尤其是在發(fā)生事故后，搶救人員無法及時(shí)進(jìn)入現(xiàn)場進(jìn)行援助。研究了一種基于改進(jìn)蟻群算法的礦災(zāi)救助機(jī)器人全局路徑規(guī)劃算法，該算法能夠?qū)崿F(xiàn)機(jī)器人自主搜尋路徑。仿真證明，本算法可以快速規(guī)劃出一條全局最優(yōu)路徑，提高救助機(jī)器人的應(yīng)急搶救效率。

關(guān)鍵詞：機(jī)器人；環(huán)境建模；路徑規(guī)劃；蟻群算法

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）24-0171-02

Abstract： Non-structural and high-risk for the operating environment of underground coal mines，especially after an accident，rescuers cannot enter the site for assistance in time.This paper studies a global path planning algorithm for mine rescue robots based on improved ant colony algorithm，The algorithm can achieve robot autonomous search path.Simulation proves that this algorithm can quickly plan a global optimal path，Improve the emergency rescue efficiency of rescue robots.

Key words： robot； environmental modeling； path planning； ant colony algorithm

我國雖然是煤炭生產(chǎn)大國，但煤層地質(zhì)條件差，高瓦斯礦井多，煤炭開采過程中經(jīng)常發(fā)生瓦斯爆炸，煤層坍塌等事故。事故發(fā)生后，救援人員必須深入井下，對(duì)傷員進(jìn)行救助并及時(shí)轉(zhuǎn)移，在對(duì)環(huán)境不完全了解的情況下，救援人員不能貿(mào)然深入井下進(jìn)行救援，容易發(fā)生二次事故，造成救災(zāi)人員的傷亡。

隨著人工智能技術(shù)的不斷發(fā)展，智能機(jī)器人已經(jīng)遍布各個(gè)工作崗位并且能夠很好地代替人類進(jìn)行復(fù)雜危險(xiǎn)的工作，煤礦救援機(jī)器人能夠在礦山事故出現(xiàn)時(shí)替代救護(hù)人員快速進(jìn)入礦井災(zāi)區(qū)進(jìn)行環(huán)境勘測(cè)和救助[1]。路徑規(guī)劃指的是環(huán)境未知并且環(huán)境中充滿障礙物的情況下，機(jī)器人能夠在不與障礙物發(fā)生碰撞的情況下快速對(duì)環(huán)境進(jìn)行檢測(cè)，搜尋出一條到達(dá)目標(biāo)地點(diǎn)的最優(yōu)路徑，能否在短時(shí)間內(nèi)搜尋出一條最優(yōu)路徑是救援機(jī)器人救助能力的體現(xiàn)。而全局路徑規(guī)劃可以看作是提前規(guī)劃，包括環(huán)境的建模和路徑的搜索，本文研究的就是基于改進(jìn)的蟻群算法機(jī)器人全局路徑規(guī)劃問題。

1 環(huán)境建模

1.1 環(huán)境柵格化

煤礦救助機(jī)器人實(shí)施救援之前，需要對(duì)環(huán)境進(jìn)行建模，以便熟悉環(huán)境，實(shí)施救災(zāi)。本文采用柵格法為環(huán)境進(jìn)行建模，因?yàn)樵摲椒ū硎竞唵?，在編程中容易?shí)現(xiàn)，所形成的路徑點(diǎn)在圖上表示出來相當(dāng)簡單[2]。

2 蟻群算法

蟻群算法是從螞蟻覓食的群體行為啟發(fā)而得出的，蟻群在覓食過程中會(huì)在其走過路徑上留下一種只有螞蟻才能分辨的交流媒介，我們稱之為信息素，而螞蟻群體之間總是傾向信息素濃度高的路線上進(jìn)行外出覓食，相等時(shí)間內(nèi)較短路徑上信息素含量最高，所以蟻群能夠準(zhǔn)確找到食物與巢穴之間的最短路徑[3]。

3 改進(jìn)蟻群算法

傳統(tǒng)的蟻群算法在搜索機(jī)器人最優(yōu)路徑過程中，蟻群的路徑選擇會(huì)受到兩條因素的干擾，第一條就是每條可行路徑上信息素的含量，信息素含量越高，越會(huì)受到蟻群的青睞，第二條就是下一步可選擇位置與目標(biāo)位置之間的距離。當(dāng)蟻群完成首次食物搜索時(shí)，影響此次路徑搜索的因素是下一步可選擇位置與食物之間的距離引導(dǎo)的，此路徑并不一定就是最優(yōu)路徑，但是蟻群會(huì)在此路徑上留下相應(yīng)數(shù)量的信息素，當(dāng)螞蟻進(jìn)行以后的搜索時(shí)，由于信息正反饋的作用，這條非最優(yōu)路徑可能受到蟻群的青睞，導(dǎo)致蟻群向著非最優(yōu)路徑進(jìn)行搜索[4]。

本文通過獎(jiǎng)罰手段，對(duì)處于最優(yōu)路徑上的螞蟻采取鼓勵(lì)的方式，吸引更多的螞蟻經(jīng)過此路徑，增加此路徑上信息素的含量，而對(duì)于非最優(yōu)路徑的螞蟻，我們采用抑制的方式，減少經(jīng)過此路徑上蟻群數(shù)量，從而降低此路徑上信息素含量。這種方式進(jìn)一步擴(kuò)大了兩條路徑上信息素含量的差值，能夠更加快速準(zhǔn)確找到最優(yōu)路徑，此方法叫作帶獎(jiǎng)罰機(jī)制的蟻群算法[5]。

4 仿真分析

通過Matlab軟件對(duì)改進(jìn)算法進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果證明帶獎(jiǎng)罰機(jī)制的蟻群算法各項(xiàng)性能都要優(yōu)于傳統(tǒng)蟻群算法，最優(yōu)路徑要小于傳統(tǒng)蟻群算法的最優(yōu)路徑[7]，很好地驗(yàn)證了改進(jìn)蟻群算法的有效性以及優(yōu)越性。傳統(tǒng)蟻群算法路徑搜索如圖4所示，改進(jìn)蟻群算法路徑搜索如圖5所示。

5 結(jié)論

本文通過提出一種帶獎(jiǎng)罰機(jī)制的蟻群算法，完美融合到傳統(tǒng)蟻群算法中，利用螞蟻在搜尋食物時(shí)的正反饋特性，影響以后外出覓食的螞蟻，使其會(huì)更加青睞于選擇信息素含量高的路徑并最終收斂于此路徑；通過算法本身對(duì)其路徑進(jìn)行判斷，當(dāng)此路徑為非最優(yōu)路徑時(shí)，自動(dòng)削減其上的信息素含量，從而阻止螞蟻再次經(jīng)過此路徑，抑制此路徑信息素的增長。此算法能夠快速有效規(guī)劃處最優(yōu)路徑并且縮短搜尋最優(yōu)路徑的時(shí)間，將此方法合理運(yùn)用到礦災(zāi)救助機(jī)器人中，提高機(jī)器人在礦災(zāi)發(fā)生時(shí)勘察環(huán)境搜索傷員的效率，減輕災(zāi)難帶來的損失[8]。

參考文獻(xiàn)：

[1] 李允旺，礦井救災(zāi)機(jī)器人行走機(jī)構(gòu)研究[D].徐州：中國礦業(yè)大學(xué)，2010.

[2] 朱磊，樊繼壯，趙杰，等.基于柵格法的礦難搜索機(jī)器人全局路徑規(guī)劃與局部避障[J].中南大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，41（11）：3 421-3 428.

[3] 柳長安，鄢小虎，劉春陽，等.基于改進(jìn)蟻群算法的移動(dòng)機(jī)器人動(dòng)態(tài)路徑規(guī)劃方法[J].電子學(xué)報(bào)，2011，39（5）：1220-1224.

[4] 衣文秀.基于圖像識(shí)別技術(shù)的機(jī)器人路徑規(guī)劃研究與實(shí)現(xiàn)[D].沈陽：沈陽師范大學(xué)，2014.

[5] 張家善，王志宏，陳英顯.一種基于精英策略的改進(jìn)蟻群算法及應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，21（10）：105-108，134.

[6] 劉金國，高宏偉，駱海濤.智能機(jī)器人系統(tǒng)建模與仿真[M].北京：科學(xué)出版社，2014：120-122.

[7] 張家善，王志宏，陳英顯.一種基于精英策略的改進(jìn)蟻群算法及應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，21（10）：105-108，134.

[8] 喬慧芬，潘廣貞，元琴.移動(dòng)機(jī)器人的實(shí)時(shí)路徑規(guī)劃研究與仿真[J].計(jì)算機(jī)仿真，2015（1）：406-410.

【通聯(lián)編輯：梁書】