基于建筑信息模型的消防救援機器人路徑規(guī)劃研究
發(fā)布時間:2021-04-01 06:44
近年來,城市建筑越來越高,占地面積越來越廣,高層火災(zāi)時常發(fā)生。消防員所配備裝備的提升速度更是跟不上建筑高度增長的速度,高層火災(zāi)救援愈發(fā)困難。火災(zāi)現(xiàn)場是一個十分復(fù)雜且危險性未知的環(huán)境,人們一旦沒有第一時間逃出火場,火場里迅速降低的能見度,以及高溫、濃煙都將成為被困者逃出去的攔路石。同時被困者在極度緊張的心理情況下,很容易就放棄逃生。所以如何在復(fù)雜火災(zāi)場景下快速到達被困者位置并將其安全帶出火場是一個嚴峻的挑戰(zhàn)。本文對機器人在火災(zāi)環(huán)境下路徑規(guī)劃的關(guān)鍵問題進行了研究。為了將機器人周圍環(huán)境的相關(guān)地圖信息轉(zhuǎn)換成計算機可以處理以及識別的抽象空間,分析了環(huán)境模型構(gòu)建的方式,利用柵格法構(gòu)建環(huán)境空間模型?紤]到加快路徑的搜索,快速準確定位到被困者的位置,引入建筑信息模型(Building Information Modeling,BIM)輔助機器人進行建圖,結(jié)合BIM中的建筑物材料信息,預(yù)測高溫下可能發(fā)生垮塌的部位,將此部位提前設(shè)定成障礙物。使得火災(zāi)救援機器人進入火場前可以先獲得建筑物室內(nèi)的全局地圖。路徑尋優(yōu)算法的選擇是路徑規(guī)劃當中十分重要的一環(huán)。本文討論了目前較為成熟的路徑規(guī)劃算法,同時探討了蟻群算法的...
【文章來源】:湘潭大學(xué)湖南省
【文章頁數(shù)】:69 頁
【學(xué)位級別】:碩士
【部分圖文】:
國外救
4(a)室內(nèi)救援機器人(b)廢墟表面救援機器人圖1-2國內(nèi)救援機器人1.2.2國內(nèi)外路徑規(guī)劃研究現(xiàn)狀路徑規(guī)劃是在指定的區(qū)域內(nèi),規(guī)劃出一條從一個點到另一個點的最優(yōu)路徑。根據(jù)對所處環(huán)境的了解情況,機器人路徑規(guī)劃又分為兩種[8]。環(huán)境空間之前就已經(jīng)知曉,接下來利用路徑規(guī)劃算法求解即可完成路徑規(guī)劃稱為全局路徑規(guī)劃。事先知曉一部分環(huán)境空間信息或者對環(huán)境空間信息完全不知曉,在求解的過程中借助機器人身上的傳感器系統(tǒng)不斷更新局部環(huán)境信息,將起始點與目標點分為多段路徑來完成路徑規(guī)劃稱為局部路徑規(guī)劃。荷蘭科學(xué)家狄克斯特拉提出了迪杰斯特拉算法(Dijkstra),解決的是有權(quán)圖中的尋找最優(yōu)路徑的問題。它的主要特點是以起點為圓心向外擴散,直到擴散到目標點;P.E.Hart提出了A*算法,這是一種在靜態(tài)路網(wǎng)中尋找最優(yōu)路徑效率最高的啟發(fā)式算法;Marco.Dorgo提出了蟻群算法,蟻群算法的誕生源自螞蟻這種昆蟲找尋食物的過程中,不斷尋找食物與洞穴之間距離最短的路徑的行為;M.Mansouri等[9]在網(wǎng)絡(luò)環(huán)境下,利用整數(shù)遺傳算法降低了遺傳算法的計算復(fù)雜度,在求解問題復(fù)雜的情況下都能得到最佳的結(jié)果;Michael.Arndt[10]等將機器人與智能情景相結(jié)合,這樣移動機器人根據(jù)智能環(huán)境的現(xiàn)狀,選擇合適的路徑;Khaled.Akka[11]采用新的蟻群算法信息素更新方式,使算法收斂更加迅速;MiladNazarahari[12]等將人工勢場法與遺傳算法相結(jié)合,首先使用人工勢場法找到起始點與目標點間的較優(yōu)路徑,然后再利用遺傳算法對可行路徑從路徑長短、平滑程度等進行優(yōu)化;NianyinZeng[13]等提出了一種基于非齊次馬爾可夫鏈和差分進化的粒子群優(yōu)化算法,將智能機器人的路徑分解為xy平面和z軸上的高度信息,然后,環(huán)境建模方面采用網(wǎng)格方法,可以解決局部搜索和全局搜索?
9mod(1,)0.5(1)int()0.5xyixiNiiyN(2-1)其中Nx是每一行的網(wǎng)格數(shù),Ny是每一列的網(wǎng)格數(shù),mod是余數(shù)運算,int是整數(shù)運算。2.1.2環(huán)境信息表示方法針對機器人位于的環(huán)境,可以抽象成為數(shù)組矩陣表示。如式2-2所示。G(i,j)=0表示此柵格區(qū)域可以通過,當G(i,j)=1表示此柵格為障礙物,機器人不可通過。根據(jù)圖2-1生成的柵格矩陣如下:00110000000000100000011000111000001000100100011110=01110000000111011000010000000001000010000111000000G(2-2)矩陣形式是用于計算機存儲和計算,柵格形式用于展示。用MATLAB實現(xiàn)兩種形式的轉(zhuǎn)換。生成的柵格地圖如圖2-1所示:圖2-1環(huán)境模型柵格圖2.1.3柵格間距離計算方法為了方便得到所求問題的解,用計算機識別的矩陣表示柵格間的距離[33]。
本文編號:3112868
【文章來源】:湘潭大學(xué)湖南省
【文章頁數(shù)】:69 頁
【學(xué)位級別】:碩士
【部分圖文】:
國外救
4(a)室內(nèi)救援機器人(b)廢墟表面救援機器人圖1-2國內(nèi)救援機器人1.2.2國內(nèi)外路徑規(guī)劃研究現(xiàn)狀路徑規(guī)劃是在指定的區(qū)域內(nèi),規(guī)劃出一條從一個點到另一個點的最優(yōu)路徑。根據(jù)對所處環(huán)境的了解情況,機器人路徑規(guī)劃又分為兩種[8]。環(huán)境空間之前就已經(jīng)知曉,接下來利用路徑規(guī)劃算法求解即可完成路徑規(guī)劃稱為全局路徑規(guī)劃。事先知曉一部分環(huán)境空間信息或者對環(huán)境空間信息完全不知曉,在求解的過程中借助機器人身上的傳感器系統(tǒng)不斷更新局部環(huán)境信息,將起始點與目標點分為多段路徑來完成路徑規(guī)劃稱為局部路徑規(guī)劃。荷蘭科學(xué)家狄克斯特拉提出了迪杰斯特拉算法(Dijkstra),解決的是有權(quán)圖中的尋找最優(yōu)路徑的問題。它的主要特點是以起點為圓心向外擴散,直到擴散到目標點;P.E.Hart提出了A*算法,這是一種在靜態(tài)路網(wǎng)中尋找最優(yōu)路徑效率最高的啟發(fā)式算法;Marco.Dorgo提出了蟻群算法,蟻群算法的誕生源自螞蟻這種昆蟲找尋食物的過程中,不斷尋找食物與洞穴之間距離最短的路徑的行為;M.Mansouri等[9]在網(wǎng)絡(luò)環(huán)境下,利用整數(shù)遺傳算法降低了遺傳算法的計算復(fù)雜度,在求解問題復(fù)雜的情況下都能得到最佳的結(jié)果;Michael.Arndt[10]等將機器人與智能情景相結(jié)合,這樣移動機器人根據(jù)智能環(huán)境的現(xiàn)狀,選擇合適的路徑;Khaled.Akka[11]采用新的蟻群算法信息素更新方式,使算法收斂更加迅速;MiladNazarahari[12]等將人工勢場法與遺傳算法相結(jié)合,首先使用人工勢場法找到起始點與目標點間的較優(yōu)路徑,然后再利用遺傳算法對可行路徑從路徑長短、平滑程度等進行優(yōu)化;NianyinZeng[13]等提出了一種基于非齊次馬爾可夫鏈和差分進化的粒子群優(yōu)化算法,將智能機器人的路徑分解為xy平面和z軸上的高度信息,然后,環(huán)境建模方面采用網(wǎng)格方法,可以解決局部搜索和全局搜索?
9mod(1,)0.5(1)int()0.5xyixiNiiyN(2-1)其中Nx是每一行的網(wǎng)格數(shù),Ny是每一列的網(wǎng)格數(shù),mod是余數(shù)運算,int是整數(shù)運算。2.1.2環(huán)境信息表示方法針對機器人位于的環(huán)境,可以抽象成為數(shù)組矩陣表示。如式2-2所示。G(i,j)=0表示此柵格區(qū)域可以通過,當G(i,j)=1表示此柵格為障礙物,機器人不可通過。根據(jù)圖2-1生成的柵格矩陣如下:00110000000000100000011000111000001000100100011110=01110000000111011000010000000001000010000111000000G(2-2)矩陣形式是用于計算機存儲和計算,柵格形式用于展示。用MATLAB實現(xiàn)兩種形式的轉(zhuǎn)換。生成的柵格地圖如圖2-1所示:圖2-1環(huán)境模型柵格圖2.1.3柵格間距離計算方法為了方便得到所求問題的解,用計算機識別的矩陣表示柵格間的距離[33]。
本文編號:3112868
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3112868.html
最近更新
教材專著