基于改进人工水母搜索算法的矿井救援无人机路径规划研究
郑学召1
刁呈泽2
蔡国斌3
文虎1
杨博1
侯宗宣4
牟浩伟2
1.西安科技大学安全科学与工程学院,陕西西安 710054;国家矿山救援西安研究中心,陕西西安 710054;城市安全与应急救援陕西省高等学校重点实验室,陕西西安 7100542.西安科技大学安全科学与工程学院,陕西西安 710054;国家矿山救援西安研究中心,陕西西安 7100543.西安科技大学安全科学与工程学院,陕西西安 710054;城市安全与应急救援陕西省高等学校重点实验室,陕西西安 710054;陕西西矿智通科技有限公司,陕西西安 7100864.西安科技大学安全科学与工程学院,陕西西安 710054
摘要：为提高矿井救援无人机在通道狭窄、障碍密集复杂环境下的路径规划搜索效率和路径优化程度,提出了基于改进人工水母搜索(IJS)算法的矿井救援无人机路径规划方法.将人工水母搜索(JS)算法与Logistic混沌映射结合进行信息素更新,以避免陷入局部最优;应用高斯函数变异,以减少种群中的劣质个体数量;引入Levy飞行扰动策略优化随洋流漂移(全局搜索)和追踪食物源(局部搜索)阶段的位置公式,以提高无人机路径规划效率.无人机路径规划模拟实验表明:在障碍物占比为14.56％情况下,IJS算法与遗传算法(GA)、粒子群优化(PSO)算法和JS算法相比,路径规划时间分别减少了 72.27％,66.12％,70.87％,路径长度分别缩短了 2.67％,3.95％,1.36％,路径中拐点数量分别减少了 47.37％,50％,28.57％;在障碍物占比为32.20％情况下,IJS算法相比GA和PSO算法,路径规划时间分别减少了 62.50％,55.61％,路径长度均缩短了 4.03％,路径中拐点数量分别减少了 15.38％,18.52％,与JS算法相比路径长度增加了 3.89％,但规划时间缩短了 57.32％,拐点数量减少了 8.33％.建立灾后井下巷道实验平台,进行无人机路径规划实验,结果表明:IJS算法与GA,PSO,JS算法相比,路径规划时间分别减少了 60.77％,58.70％,51.52％,路径长度分别缩短了 9.62％,7.58％,7.50％,路径中拐点数量分别减少了 40％,30.77％,25％,验证了 IJS算法在复杂环境下具有更优的路径优化能力和计算效率.
关键词：矿井救援无人机路径规划人工水母搜索算法多策略融合优化动态避障
分类号：TD76(矿山安全与劳动保护)
资助基金：国家重点研发计划(2023YFC3010905)国家自然科学基金(52174197)陕西省科协青年人才托举计划项目(20240205)
论文发表日期：2025-06-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 61-70 )
英文信息