煤炭开采过程中一旦发生安全事故,矿井环境就会变得错综复杂。矿井环境探测机器人能够代替救援人员快速进入复杂危险的灾后现场,完成环境探测和人员搜索任务。机器人的路径规划是井下盲区搜寻的关键技术,对机器人路径规划进行深入的研究具有重要的意义。本文从矿井特殊的环境特点以及机器人控制的需求出发,研究矿井环境探测机器人的路径规划方法。本课题受到“十三五”国家重点研发计划项目“煤矿灾变环境信息侦测和存储技术及装备”(2016YFC0801800)的支持。主要的研究工作如下:(1)对目前常见的路径规划的方法进行分析。目前常见的路径规划的方法通常分为两类:传统规划方法和智能规划方法。通过对这些算法的分析以及对比得出各个算法的优缺点,并对后期算法的选取提供一定的指导。(2)使用栅格地图对矿井环境进行构建。目前,栅格地图法、可视图法、自由空间法和拓扑图等众多方法可以构建本文所要研究的矿井环境。为了方便后续的研究,本文选用栅格地图法。(3)本文对遗传算法在路径规划当中的应用进行了改进。通过对遗传算法深入的探究,发现遗传算法在路径规划当中存在优势和不足。遗传算法虽然全局搜索能力较强,但是由于初始解的产生是随机的,具有一定的盲目性。为了解决该问题,本文利用人工势场法产生初始路径,这样使得初始解就有一定的方向性。为了加快算法的收敛速度以及增加种群的多样性,本文采用自适应的调整策略来改变交叉和变异的概率,并设定概率的上下限。(4)本文提出了改进型遗传蚁群融合算法并应用在矿井环境探测机器人路径规划当中。蚂蚁觅食的行为与机器人的路径规划具有天然的相似性,所以本文对传统的蚁群算法和常见的改进型蚁群算法进行了详细的分析。由于蚁群算法的前期搜索能力较差,所以前期运用改进型遗传算法对机器人的路径进行规划,然后将前期规划的路径转化为初始信息素的分布,初始信息素为后期蚁群算法的顺利运用提供前提条件,这也是二者融合的纽带,仿真结果表明,算法在保证计算速度和收敛性能的同时,能够自动避障规划出合理路径。