The invention relates to a mine rescue robot intelligent control method, including: to detect environmental parameters in tunnel with gas concentration sensor, carbon monoxide sensor, temperature sensor, mine rescue robot obstacle avoidance based on vision sensor, ultrasonic sensor, infrared sensor information, positioning and detection of life trapped underground by GPS positioning module, life detector; using the intelligent control algorithm by the central controller output decision control information, real-time monitoring of the underground environment and the mine rescue detection robot control. The technical scheme of the invention optimization method coupled Elman neural network by using Drosophila model of mine rescue robot detection and control system, information fusion of multiple sensors, realizes the intelligent control of the. The method has the advantages of fast convergence speed, high precision, good stability and reliability, and provides a new way for the research of mine safety.
【技术实现步骤摘要】
本专利技术涉及井下安全领域,特别涉及一种矿井救灾探测机器人的智能控制方法。
技术介绍
井下作业环境复杂,在生产过程中往往受到瓦斯、矿尘、火、水、顶板等灾害的威胁。由于我国矿井自然条件差,加上技术和管理等诸多方位的不到位,以及近年来国家对矿产资源需求量不断增大,使得井下安全事故频繁发生,人员伤亡十分惨重。井下安全事故发生后,环境的复杂性和危险性使得救援人员无法接近现场进行侦查或施救。因此,研发矿井救灾机器人对井下安全生产,减少国家和人民生命财产的损失具有十分重要的意义。现有井下救灾机器人检测信息较为单一,不能综合各个因素来判断是否发生事故,经常出现误动作。
技术实现思路
本专利技术目的为针对现有技术的问题,提出了能够根据井下多方面的环境判断是否存在事故、快速做出反应的矿井救灾探测机器人的智能控制方法。为实现上述目的,本专利技术采用如下技术方案,一种矿井救灾探测机器人的智能控制方法,包括以下步骤:步骤一:采用瓦斯浓度传感器、一氧化碳传感器、温度传感器对巷道中的环境参数进行检测;矿井救灾探测机器人根据视觉传感器、超声波传感器、红外传感器信息进行避障;利用GPS定位模块、生命探测仪对井下被困人员进行定位及生命探测。步骤二:利用卡尔曼滤波对步骤一中的巷道环境信息传感器信息进行滤波处理,根据上一时刻传感器的状态值递推得到下一时刻的估计值。步骤三:采用Elman神经网络对矿井救灾探测机器人智能控制系统进行映射,以经卡尔曼滤波处理后的各传感器数据作为Elman神经网络的输入,以井下安全等级为Elman神经网络输出,对Elman神经网络进行训练,其网络状态表达式为:yt=f( ...
【技术保护点】
一种矿井救灾探测机器人的智能控制方法,其特征在于,包括以下步骤:步骤一:采用瓦斯浓度传感器、一氧化碳传感器、温度传感器对巷道中的环境参数进行检测;矿井救灾探测机器人根据视觉传感器、超声波传感器、红外传感器信息进行避障;利用GPS定位模块、生命探测仪对井下被困人员进行定位及生命探测;步骤二:利用卡尔曼滤波对步骤一中的巷道环境信息传感器信息进行滤波处理,根据上一时刻传感器的状态值递推得到下一时刻的估计值;步骤三:采用Elman神经网络对矿井救灾探测机器人智能控制系统进行映射,以经卡尔曼滤波处理后的各传感器数据作为Elman神经网络的输入,以井下安全等级为Elman神经网络输出,对Elman神经网络进行训练,其网络状态表达式为:yt=f([Yt, It, Dt]T)式中,以经KF处理后的巷道环境监测数据为输入It=[i(t‑1),i(t‑2),...,i(t‑m)];以安全等级为输出Yt=[y(t‑1),y(t‑2),...,y(t‑n)];系统的噪声向量为Dt=[d(t‑1),d(t‑2),...,d(t‑m)];f(.)为非线性映射函数;n、m分别为系统的输出及输入阶次;步骤3.1:对E ...
【技术特征摘要】
1.一种矿井救灾探测机器人的智能控制方法,其特征在于,包括以下步骤:步骤一:采用瓦斯浓度传感器、一氧化碳传感器、温度传感器对巷道中的环境参数进行检测;矿井救灾探测机器人根据视觉传感器、超声波传感器、红外传感器信息进行避障;利用GPS定位模块、生命探测仪对井下被困人员进行定位及生命探测;步骤二:利用卡尔曼滤波对步骤一中的巷道环境信息传感器信息进行滤波处理,根据上一时刻传感器的状态值递推得到下一时刻的估计值;步骤三:采用Elman神经网络对矿井救灾探测机器人智能控制系统进行映射,以经卡尔曼滤波处理后的各传感器数据作为Elman神经网络的输入,以井下安全等级为Elman神经网络输出,对Elman神经网络进行训练,其网络状态表达式为:yt=f([Yt,It,Dt]T)式中,以经KF处理后的巷道环境监测数据为输入It=[i(t-1),i(t-2),...,i(t-m)];以安全等级为输出Yt=[y(t-1),y(t-2),...,y(t-n)];系统的噪声向量为Dt=[d(t-1),d(t-2),...,d(t-m)];f(.)为非线性映射函数;n、m分别为系统的输出及输入阶次;步骤3.1:对Elman神经网络进行随机初始化,确定网络结构,设置网络参数为初始权值、阈值、网络约束条件、最大迭代次数,初始化网络权值、阈值,并计算Elman神经网络初始网络误差;步骤3.2:利用果蝇算法确定最优的Elman神经网络的权值、阈值;步骤3.3:计算Elman网络实际输出与样本输出值之间的训练误差,并更新Elman神经网络的权值、阈值;步骤3.4:当达到最大迭代次数或网络误差达到设定值时,Elman神经网络停止计算,由此得到最优的矿井巷道环境安全评价模型,输出当前的巷道环境安全等级;将井下巷道的环境安全等级及井下被困人员的位置经无线传感网络传输到地面监控中心,并发出提醒警报。2.如权利要求1所述的方法,其特征在于,步骤二所述的卡尔曼滤波计算过程为:利用卡尔曼滤波对步骤一中的各传感器信息进行滤波处理,根据上一时刻传感器的状态值及其相应的协方差矩阵Pk-1递推得到下一时刻的估计值:Pk-=APk-1AT+Q式中,A为状态变换矩阵,B为输入控制矩阵,uk-1为过程观测噪声,Q为激励噪声协方差矩阵。Kk=Pk-HT(HPk-HT+R)-1式中,卡尔曼增益为Kk,H为观测模型矩阵,R为测量噪声协方差矩阵。由观测变量与估计值的...
【专利技术属性】
技术研发人员:李文华,杨子凝,柴博,张圣孝,
申请(专利权)人:辽宁工程技术大学,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。