专利原文与附图
一种装载机–自卸车智能轨迹规划方法及系统
An Intelligent Trajectory Planning Method and System for Loader–Dump Truck Operations
该专利在含铲掘点与卸料点的作业空间中生成曲率连续路径，优化装载机转折点、卸载点和自卸车转向点，并结合多车型特征生成装载机与自卸车协同作业轨迹。
专利摘要
本发明涉及路径规划技术领域，公开了一种装载机–自卸车智能轨迹规划方法及系统。该方法构建含铲掘点与卸料点的作业空间模型，融合CC‑Steer与Bi‑elementary曲线生成满足车辆转向约束的曲率连续路径，采用遗传‑多粒子群算法对转折点与卸载点进行全局优化，并通过基于域分离网络与门控循环单元的多车型自适应规划模型生成装载机与自卸车协同作业轨迹。
- 装载机–自卸车协同
- CC‑Steer
- Bi‑elementary曲线
- GA‑MPSO
- DSN‑GRU
- 多车型规划
协同铲装轨迹同时受停靠位置、车辆结构和作业空间约束
装载机负责物料铲取和短距离搬运，自卸车承担长距离运输；自卸车停靠位置或姿态不合理时，装载机路径会变得复杂。
不同型号装载机与自卸车具有不同结构参数，针对固定车型设计的规划方法在车型变化后需要重新调整。
作业空间模型连接铲掘点、卸料点与车辆初始位姿
系统构建含铲掘点与卸料点的作业空间模型，明确作业区域边界和可行作业区域。
说明书区分卸料点与卸载点：卸料点是自卸车停泊接收物料的位置，卸载点是装载机执行卸料动作的位置；在最优路径下两者空间重合。
图1为一种装载机–自卸车智能轨迹规划方法的流程框图。
查看高清原图 ↗CC‑Steer与Bi‑elementary曲线共同生成曲率连续路径
CC‑Steer通过回旋线使曲率变化平滑，并满足车辆转向曲率和曲率变化率约束。
Bi‑elementary路径由两条elementary路径首尾连接，每条路径由两段关于中点对称、曲率线性变化的clothoid曲线构成，用于补充路径的空间完备性。
图2为Bi‑elementary路径示意图，两条elementary路径在中间连接点衔接。
查看高清原图 ↗GA‑MPSO联合优化转折点、卸载点和自卸车转向点
遗传‑多粒子群算法采用非线性惯性权重，在速度更新中引入转折点中心位置，并通过探索指数确定多种群之间的信息交换时机。
联合优化目标包含装载机与自卸车的路径长度、能量消耗和路径平滑性。
DSN提取公有与私有特征，LSTM‑GRU输出协同关键点
公有特征包括铲掘点、车辆初始位置和姿态，私有特征包括最大转向角、轴距、车宽及前后桥至铰接点距离等车辆结构参数。
私有特征映射到与公有特征相同维度后融合；编码器提取输入序列全局特征，解码器输出装载机转折点、卸载点和自卸车转向点。
仿真对比不同算法及不同数量铲掘点的作业路径
图3对比本发明规划算法与其他规划算法的作业路径。说明书指出，其他算法生成的装载机路径包含多次转向，本方法生成的路径更符合所述作业过程。
图4展示不同数量铲掘点条件下生成的装载机与自卸车作业路径。
图3为不同规划算法作业路径对比，其中图(a)为本发明规划算法作业路径，图(b)为其他规划算法作业路径。
查看高清原图 ↗
图4为不同数量的铲掘点轨迹规划作业路径示意图。
查看高清原图 ↗不同装载机与自卸车组合输入对应的协同作业路径
图5分别给出Loader1与Truck1、Loader2与Truck2两组车型的规划路径。
多车型自适应模型以车辆结构参数和作业特征为输入，输出对应车型组合的协同作业关键点与轨迹。
图5为不同型号车辆作业路径示意图，其中图(a)为Loader1和Truck1规划路径，图(b)为Loader2和Truck2规划路径。
查看高清原图 ↗第二层阅读
需要更快地把握方法链和核心机制？
AI简报不会替代上方的专利内容导读；它只在您主动打开时加载。引用专利
以下格式根据专利文献标识生成；使用前请按目标期刊或机构规范复核。
王永，姚宗伟，毕秋实，刘昕晖，董雯雯，杨超. 一种装载机–自卸车智能轨迹规划方法及系统: CN 121325981 A[P]. 2026-01-13.
王永，姚宗伟，毕秋实，刘昕晖，董雯雯，杨超. (2026). 一种装载机–自卸车智能轨迹规划方法及系统 (CN 121325981 A). China National Intellectual Property Administration.
[1] 王永，姚宗伟，毕秋实，刘昕晖，董雯雯，杨超, “一种装载机–自卸车智能轨迹规划方法及系统,” 中国专利 CN 121325981 A, 2026-01-13.