薛光辉，男，博士，副教授，长期从事煤矿机器人、矿山设备自动化与智能化、设备状态监测与故障诊断、无线传感器及网络等方面的教学与科研工作。承担国家863重点（大）项目2项、国家973重大项目1项、国家自然科学基金项目4项、博士点基金项目1项、教育部骨干教师资助基金项目1项。成果获教育部科学技术进步奖二等奖1项，中国煤炭工业协会一等奖1项、二等奖2项、三等奖1项，北京市高等教育教学成果奖二等奖1项，中国煤炭教育协会教学成果奖一等奖1项。发表学术论文70余篇，其中SCI/EI检索30余篇；出版专著1部，参编1部；获授权专利近40项。

        煤矿机器人的自主移动是智能化发展的必然方向，路径规划是实现机器人自主移动的前提和基础，是煤矿机器人的关键核心技术之一。煤矿井下路径规划多以传统A*算法、人工势场法和智能算法为主，取得了一定进展，但由于煤矿井下自由空间狭长局促，环境复杂多变，最优路径选取、路径规划效率和路径规划实时调整与避障等问题仍有待进一步深入研究。

       相较于传统A*算法、人工势场法和智能算法，概率路线图（PRM）算法具有可动态更新路径、计算量小、算法复杂度不依赖于地图复杂度、可避免对位姿空间精确定位等特点，更加适用于煤矿井下复杂动态环境。但传统PRM算法在空间狭长封闭巷道环境中难以保障采样的节点均匀分布于自由空间中，导致路径规划失效，且存在节点可能距离障碍物较近导致规划的路径可通行性差等问题。

       本文提出了一种基于改进PRM算法的煤矿机器人路径规划方法。在PRM算法中融合人工势场法，并利用D* Lite算法进行搜索得到最优路径，有效提高算法效率和路径的可通行性，当路径上出现障碍物时能够准确实现重规划，为煤矿井下机器人的路径规划提供有效的解决方案。

       传统PRM算法的构造阶段采用均匀采样，大量节点会落在不可通行区域（待采煤田内部），而在构建概率地图时这些节点需要被舍弃，导致节点不足，无法找到有效的路径，需要重新采样，大大降低了路径规划效率。因此，本文在均匀采样的基础上融合人工势场法，将落在不可通行空间的节点移至可通行空间内，使所有的节点均分布在自由空间内，以提高算法效率。

       首先找到距离落在障碍物中的节点最近的自由点，连接此两点形成1条直线，并以指向自由点方向为推出方向，将障碍物中的节点推出；然后设置障碍物边缘斥力为最大；最后在这条直线上寻找斥力最小或斥力为0的点作为新的节点（若障碍物附近不存在其他障碍物或地图边界，则能够找到1个斥力为0的点；若存在其他障碍物，则能够在2个障碍物之间找到1个斥力为0的中间点）。

       D* Lite算法以广度优先搜索为基础，采用从目标节点至起始节点的反向扩展方式，利用启发值来提高搜索效率以实现变起始节点、定目标节点的路径规划，使机器人在突遇障碍物时可实现快速动态重规划，以减少重规划的计算量。因此，本文在PRM算法查询阶段采用D* Lite算法，不仅可有效提高路径搜索效率，还保证了规划路径的安全性。

       为验证基于改进PRM算法的煤矿机器人路径规划方法的有效性，在Matlab搭建实验场景。仿真结果表明：改进PRM算法的节点分布均匀，且距离障碍物均有一定距离，提高了路径规划的安全性；节点为100个时，改进PRM算法路径规划成功率较传统PRM算法提高了25%；随着节点数增加，传统PRM算法和改进PRM算法路径规划成功次数均呈增长趋势，但改进PRM算法在效率方面优势更明显；当节点为400个时，改进PRM算法运行效率较传统PRM算法提高了35.13%，且规划的路径更加平滑，路径长度更短；当障碍物突然出现时，改进PRM算法能够实现路径的重规划。