在矿用空压机组智能巡检机器人中,传统算法用于智能巡检机器人路径规划时,面对复杂矿井环境存在寻优速度慢、易陷入局部最优解等问题。为提升巡检效率和精度,提出了改进的蝙蝠算法(Improved Bat Algorithm,IBA)。首先,采用均匀初始化策...在矿用空压机组智能巡检机器人中,传统算法用于智能巡检机器人路径规划时,面对复杂矿井环境存在寻优速度慢、易陷入局部最优解等问题。为提升巡检效率和精度,提出了改进的蝙蝠算法(Improved Bat Algorithm,IBA)。首先,采用均匀初始化策略确保初始位置能广泛覆盖决策空间;其次,在迭代更新过程中,引入黄金正弦算子对在适应度评价中表现优异的蝙蝠个体进行优化更新,同时运用种群平均位置引导部分个体,在缩小搜索范围的同时维持较快收敛速度;最后在全局搜索阶段引入动态惯性权重系数,并采用单维与全维相结合的搜索策略。试验表明:IBA算法在5维条件下,Sphere函数测试中的收敛迭代次数仅20次,远少于蝙蝠算法(Bat Algorithm,BA),50维条件下同样表现出色;在机器人路径规划效果上,IBA算法规划路径长度比BA、自适应蝙蝠算法(Adaptive BA,ABA)和全局混沌蝙蝠算法(Global Chaos BA,GCBA)规划的路径更短,且在多个场景中转折点数量更少、收敛迭代次数更少、适应度值更低。研究反映出,基于IBA算法的智能巡检机器人路径规划方法可使矿用空压机组巡检效率提升45.9%,故障检测准确率提高至98.9%。所提算法有助于实现矿用空压机组智能巡检机器人路径高效规划,助力矿山安全生产。展开更多
