随着国家供给侧结构性改革方案的实施,智能移动机器人在矿区废弃地的应用将获得更多的关注。传统的矿区废弃地检测方式为手持设备的人工检测方式,该方式需要耗费大量人力物力,检测结果存在不确定性,相比传统检测方式,智能移动机器人在自主探测方面具有更大的优势。智能机器人对矿区废弃地的探测依赖于全覆盖路径规划技术,因此全覆盖路径规划技术的研究对于矿区废弃地检测工作的展开有重要意义。本文研究矿区废弃地移动机器人的全覆盖路径规划方法,主要研究工作概括如下:1.在综合分析矿区废弃地典型特征的基础上,建立矿区废弃地环境模型。首先,根据矿区废弃地自然环境现状,给出移动机器人路径规划环境信息的基本假设;然后,利用栅格法建立矿区废弃地已知环境的模型;最后,利用栅格法建立局部信息未知的环境模型,形成能够刻画具有多样、非规则障碍物的局部信息未知的矿区废弃地栅格地图,为路径规划算法设计和仿真研究奠定基础。2.针对矿区废弃地环境中障碍物的多样性、非规则性等特点,提出区域分解法和生物激励神经网络(Biologically Inspired Neural Network,BINN)算法相结合的全局路径规划算法。首先,针对矿区废弃地已知环境,采用牛耕式分解(Boustrophedon Cellular Decomposition,BCD)方法对复杂环境做出区域分解,将具有综合复杂性的地图分解为多个不含障碍物的子区域;其次,根据子区域间的邻接关系构建无向图,采用深度优先搜索(Depth-First Search,DFS)算法确定子区域间的转移顺序;然后,采用BINN算法确定子区域内部行走方式以及子区域间路径转移;最后,通过仿真实验验证所提算法在已知矿区废弃地环境的有效性。3.针对矿区废弃地环境中存在局部信息未知特点,提出双层路径规划算法。首先,针对子区域中存在未知障碍物情况,设计局部路径规划方法,通过优先级启发式算法与BINN算法相结合的方式规划子区域内部局部路径;然后,为了实现局部信息未知环境地图的全覆盖,设计双层路径规划算法确定子区域内部行走方式和未知子区域到已知子区域的路径转移;最后,通过仿真结果验证所提双层路径规划算法的高效性。该论文有图53幅,表4个,参考文献85篇。