论文摘要
为解决部分断面悬臂式掘进机行进路径规划问题,实现掘进机的无人化掘进,提出基于变异自适应粒子群算法（VSPSO）和行为规则栅格网络（A-G）的掘进机动态路径规划方法.通过分析掘进机行进特征和煤矿井下巷道特征,建立基于行为规则的栅格网络模型和代价模型,给定代价函数的类型及耗费系数的取值范围,以巷道模拟数据为基础,通过所提出的VSPSO算法和6种改进型PSO算法进行掘进机行进路径规划并对结果进行比较.比较结果表明,在测试函数下, VSPSO算法收敛速度更快、收敛精度更高,在行为规则栅格网络模型下, VSPSO算法的收敛速度与精度最高,且能够规划出符合掘进机行为特征的最优行进路径.
论文目录
文章来源
类型: 期刊论文
作者: 杨健健,唐至威,王子瑞,韩松,郭一楠,吴淼
关键词: 掘进机,行为约束,环境建模,行为规则栅格网络,粒子群算法,路径规划
来源: 控制与决策 2019年03期
年度: 2019
分类: 信息科技,工程科技Ⅰ辑
专业: 矿业工程,自动化技术
单位: 中国矿业大学(北京)机电与信息工程学院,中国矿业大学信息与控制工程学院
基金: 国家973计划项目(2014CB046306),中央高校基本科研业务费专项基金项目(800015FC)
分类号: TP18;TD632.2
DOI: 10.13195/j.kzyjc.2017.1310
页码: 642-648
总页数: 7
文件大小: 706K
下载量: 190
相关论文文献
- [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
- [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
- [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
- [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
- [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
- [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
- [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
- [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
- [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
- [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
- [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
- [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
- [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
- [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
- [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
- [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
- [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
- [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
- [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
- [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
- [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
- [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
- [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
- [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
- [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
- [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
- [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
- [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
- [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
- [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)