井下无人车路径规划研究.pdfVIP

2025年2月上SouthForum南方论坛1

井下无人车路径规划研究*

1122222

陈亚，韩之恒，，梁栋，丁力，马瑞，韩锦锦

（1.常州太行星光电气技术有限公司，江苏常州213001；2.江苏理工学院机械工程学院，江苏常州213001）

摘要：【目的】开发一种高效且鲁棒性强的井下无人车路径规划方法，以应对路径狭窄、障碍物多且分布杂乱的井下环境。

【方法】文章提出一种融合改进A*算法和动态窗口法的路径规划算法。首先，从改进评价函数、优化搜索方向、删除冗余

节点三个方面对传统的A*算法进行改进。其次，建立无人车的全向运动学模型，将改进A*算法的关键节点作为局部目标

点，对动态窗口法的评价函数进行改进，并在此基础上实现了改进A*算法和动态窗口法的融合。最后，通过仿真算例对比

验证了该融合算法的有效性。【结果】1）在20*20栅格图下，改进A*算法的路径总长度比传统A*算法减少了1.03%，遍历栅

格数减少了25%，总弯折角度减少了45.44%；在30*30栅格图下，改进A*算法路径总长度减少了1.62%，遍历栅格数减少了

39.02%，总弯折角度减少了90.40%。2）在无未知障碍物、一个静态未知障碍物、两个静态未知障碍物、两个静态未知障碍物

加一个移动障碍物四种工况下，无人车均通过融合算法成功抵达目标点。【结论】融合算法可以快速有效地避开各种障碍物，

生成的路径平滑流畅，显著提升了路径规划的性能。后续研究可以根据实际障碍物分布情况调整融合算法各项权值的比重，

提高算法对不同环境的适应能力。

关键词：井下无人车；路径规划；改进A*算法；动态窗口算法

中图分类号：TP242.6文献标志码：ADOI：10.3969/j.issn.1672-3872.2025.03.001

0引言避障；而改进的DWA算法可以实现动态避障，却又

[8]

井下无人车自主路径规划是实现矿山挖掘智能容易陷入局部最优。基于此，王子静等提出一种

[1-2]动态改变搜索步长和在DWA算法的评价函数中添加

化和提高运输效率的关键技术之一。由于井内环

[9]

境具有路径狭窄、障碍物多且分布杂乱等特点，传统路径偏差分量的改进快速A*算法。劳彩莲等结合

路径规划方法在面对这些挑战时的表现往往不尽如A*算法和DWA算法，通过选取关键节点减少拐点数

[10]

人意。因此，开发一种高效且鲁棒性强的路径规划方量。迟旭等提出了一种结合A*算法和动态窗口法

法对井下无人车的应用至关重要。的改进实时路径规划算法。对搜索点选择策略和评

路径规划，是指在获得环境信息的基础上，规价函数进行了优化，提高了A*算法的搜索效率。

划出一条由起点至终点的最优路径，一般包括全局本文拟结合A*算法的路径规划能力和DWA算法

[3]的避障能力，提出一种融合改进A*算法和DWA算法

路径规划和局部路径规划。其中，A*算法作为一

种启发式算法而被广泛应用于全局路径规划。Wu的路径规划方法来解决井下无人车的路径规划问题。

[4]