汽车引擎盖焊接路径的自适应混沌蚁群规划方法

为了实现汽车引擎盖焊接路径最优规划,提出了自适应混沌蚁群算法的焊接路径规划方法.建立了焊接机械臂运动学模型和引擎盖焊点路径优化模型;分析了蚁群系统算法原理,对局部信息素更新和全局信息素更新方法进行了改进;在局部信息素更新方面,以蚂蚁聚集度为路径多样性度量依据,提出了局部信息素随蚂蚁聚度自适应更新方法;在全局信息素更新方面,鉴于混沌系统的随机性和遍历性,提出了全局信息素混沌扰动更新方法,用于增加信息素分布的多样性和随机性;基于以上两点改进,提出了自适应混沌蚁群算法.经验证,全局信息素更新方法和局部信息素更新方法均能够提高算法性能,两者叠加可以更大程度改善算法性能;将自适应混沌蚁群算法应用于引擎盖焊接路径规划,得到了最短焊接路径,长度为6.2m.     

多种群蚁群算法解机组组合优化

电力系统机组组合问题是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。为解决蚁群算法在解决机组组合问题中遇到的计算速度慢、易陷入局部最优等问题,将多种群蚁群算法应用到解决机组组合的问题中。开展了多种群蚁群算法在机组组合问题中的应用分析,新建了除搜索蚁之外的侦察蚁和工蚁,设定了3种蚁群之间的信息交互原理,提出了各蚁群的信息素更新方法。在修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。研究结果表明,所提出的多种群蚁群算法是合理、有效的。     

改进蚁群算法在焊接机器人路径规划中的应用

路径规划是机器人研究的核心内容之一。为了解决针对于白车身生产线焊接机器人路径规划效率低下的问题,提出了一种改进的焊接机器人路径规划的方法,分析了焊接机器人路径规划问题的构成。并针对基础蚁群算法在解决焊接机器人路径规划时,容易出现搜索时间过长、效率低、容易陷入局部最优等问题,引用了粒子群算法。利用粒子群算法对蚁群算法随机产生的若干组较优解进行交叉和变异操作,得到了更有效的解。最后在MATLAB中利用优化后的蚁群算法计算最佳焊接路径,并与基础蚁群算法的结果对比。对比情况表明:优化的蚁群算法在解决焊接机器人路径规划问题上能得到更优的焊接路径和稳定性。     

基于蚁群算法的分组焊点焊接路径优化方法研究

为了合理规划机器人焊接路径,提高焊接工作效率,提出了一种复杂框架结构焊接路径的优化方法,该方法首先依据焊接工艺的要求,对任务焊点进行初步分组,然后采用改进蚁群算法对分组焊点的焊接路径进行优化.该方法不仅满足点焊过程中增加连续焊接、减少焊枪姿态变换等焊接工艺要求;同时,对焊点的分组减少了蚁群算法的规模,既能简化算法,又能提高求解精度.仿真结果表明了该方法的有效性和可行性.     

汽车白车身多机器人焊接路径规划策略

多台焊接机器人同时焊接白车身时,一般会有单条路径焊接避障、多条路径相互碰撞的问题产生。人工机械地解决路径间的避障碰撞问题需耗费许多时间和精力,且为后续的干涉区设置的难易程度埋下隐患。针对此,以焊点分配、路径长度、多机器人焊接节拍相近且不超最大节拍为目标,建立基于多背包问题的多机器人焊点分配模型,采用蚁群算法实现机器人局部路径避障,结合协同进化混合粒子群算法,解决多机器人路径间相互碰撞的问题。     

机器人导航路径的多种群博弈蚁群规划策略

为了降低移动机器人工作路径长度、减少算法迭代次数、提高路径平滑性,提出了多种群博弈蚁群算法的规划方法.建立了机器人工作环境的栅格模型;提出了由1个主种群和2个从种群组成的多种群蚁群算法;将博弈论应用于种群的协同与竞争中,设计了合作博弈机制、奖惩机制、针锋相对机制和协调博弈机制;针锋相对机制和协调博弈机制应用于从种群间的...     

自适应蚁群算法在轮式机器人三维路径规划中的应用

为了优化轮式机器人三维路径,进行了特殊三维空间有效路径设计,提出了自适应蚁群算法(AACS)。并将该算法应用于三维空间机器人路径规划中,将轮式机器人所处位置与目的点之间的空间划分成带有坡度角的立体网格,定义其有效路径,形成TSP模式。自适应蚁群按TSP模式搜索从原点到目的点之间的最短路径。实验表明:自适应蚁群优化方法克服了传统蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,提高了收敛速度和精度,输出稳定性好,可以解决轮式机器人在三维实际工作环境中的路径优化问题。     

大规模定制板材排样的多种群蚁群优化算法

为解决定制家具企业的大规模多品种小批量的矩形件排样问题,针对其一刀切的特殊生产工艺要求,通过对待切板自动生成两个不同的编号:横切编号和纵切编号的方法,采用面积,长度,宽度来启发的多种群蚁群算法,避免了单因素启发的不合理布局,做到了"生成即可行",经多个企业的实际使用后,发现与单因素蚁群启发相比,多种群算法寻优能力强,主要表现为:最大利用率最高;多次寻优的最大利用率变化区间小.     

汽车车身多机器人焊接路径规划和Tecnomatix虚拟仿真

多机器人协同工作在汽车车身焊装生产线广泛应用,简单的将多机器人情形看成单台机器人的组合,无法有效的解决汽车车身焊接生产线中的路径优化问题.以焊点合理分配、焊接路径最短为目标,建立基于凸优化理论的多机器人焊点分配模型,提出一种结合粒子群思想和遗传操作的改进蚁群算法解决分配后机器人的路径优化问题.在数字化虚拟仿真软件Tecnomatix中,搭建针对发动机舱总成的多机器人焊接虚拟仿真模型,对焊点可达性、机器人运动碰撞以及生产节拍等指标进行分析评估,仿真结果表明:在保障机器人可达性前提下,多机器人不存在干涉问题,基于凸优化理论建立的焊点分配模型可以达到合理地分配焊点的目的,改进蚁群算法可以有效缩短焊接路径,提高焊接效率.     

汽车车身多机器人焊接路径规划和Tecnomatix虚拟仿真

多机器人协同工作在汽车车身焊装生产线广泛应用,简单的将多机器人情形看成单台机器人的组合,无法有效的解决汽车车身焊接生产线中的路径优化问题.以焊点合理分配、焊接路径最短为目标,建立基于凸优化理论的多机器人焊点分配模型,提出一种结合粒子群思想和遗传操作的改进蚁群算法解决分配后机器人的路径优化问题.在数字化虚拟仿真软件Tecnomatix中,搭建针对发动机舱总成的多机器人焊接虚拟仿真模型,对焊点可达性、机器人运动碰撞以及生产节拍等指标进行分析评估,仿真结果表明:在保障机器人可达性前提下,多机器人不存在干涉问题,基于凸优化理论建立的焊点分配模型可以达到合理地分配焊点的目的,改进蚁群算法可以有效缩短焊接路径,提高焊接效率.     

基于蚁群算法的白车身焊接机器人路径优化研究

针对目前焊接机器人路径规划缺乏理论依据的现状,本文提出了将路径规划问题抽象为TSP问题的数学模型解决思路。文章分析研究了该数学模型的计算方法,运用蚁群算法作为计算引擎,编写了相应的Matlab优化程序。结果证明,该算法不仅有效,而且具有较快的计算速度。     

融合改进蚁群和DWA的移动机器人路径规划

针对传统蚁群算法搜索时间长、易陷入局部最优且动态规划能力弱等缺陷,提出一种融合改进蚁群和动态窗口算法（DWA,Dynamic Window Approach）的路径规划方法,解决移动机器人全局路径优化以及局部动态避障路径规划问题。在分析传统蚁群算法路径规划原理及优缺点的基础上,通过引入初始栅格转移规则、改变信息素更新方式、删除冗余节点、圆切障碍顶点等方法,提高蚁群算法的收敛速度、规划路径的平滑度以及安全可靠度;进一步在改进蚁群算法中引入DWA进行局部路径规划,实现机器人的动态避障。对比仿真结果表明,所提改进算法在路径长度、迭代次数、收敛时间以及路径平滑度、安全可靠度等性能指标上较传统算法均有所提高。     

均匀粒子群蚁群融合算法的机器人路径规划

为了提高移动机器人点对点路径规划的性能,提出了均匀粒子群蚁群融合算法。首先分析了粒子群算法原理,找出了导致算法"早熟"的搜索机制缺陷,提出了均匀粒子群算法,此算法改进了粒子群算法的搜索机制,保证了在迭代过程中的粒子多样性,克服了算法"早熟"问题;介绍了蚂蚁系统和蚁群系统算法的区别,提出了均匀粒子群蚁群融合算法,首先使用均匀粒子群算法搜索次优路径,在此路径上撒播信息素,然后使用蚁群算法寻找最优路径。实验结果表明,融合算法规划出的路径最短,而且迭代效率高、容错能力强。     

基于参数优化蚁群算法的机器人路径规划研究

采用蚁群算法(Ant Colony Optimization,ACO)求解棉花搬运机器人全局路径规划时,会出现规划效率低、蚁群算法参数的改变对规划效果影响大等问题。提出了一种粒子群参数优化的改进蚁群算法,该算法能够根据地图情况的不同智能地调节参数组合,从而在各种地图中能够发挥蚁群算法的最佳性能。通过实验数据分析蚁群算法重要参数对规划效率的影响,进行参数优化;针对改进后算法耗时大的问题,提出粒子群算法的动态惯性权重调整策略和改进的蚁群算法信息素更新策略,保证求解质量的同时,提高了优化效率,在障碍物分布不同的地图中进行仿真实验,通过与蚁群算法路径规划结果的对比,证明了粒子群参数优化的改进蚁群算法能够发挥蚁群算法最佳性能,可提高移动机器人到达目标点的速度并降低机器人运动过程中的损耗。     

基于改进蚁群算法的移动机器人全局路径规划方法研究

针对基本蚁群算法在移动机器人全局路径规划中收敛速度慢,易陷入局部最优解的问题,提出一种改进的蚁群算法。将A*算法的根据目标点自适应调整启发函数的思想应用于蚁群算法中,增加目标点对启发函数的影响;改进状态选择策略,增加解的多样性;混合使用多种信息素分配机制,提高算法的收敛速度。通过布置相同的路径搜索条件,在MATLAB语言环境下进行仿真分析,验证了改进的算法是可行有效的。     

基于改进蚁群算法的多服务机器人路径规划

为解决多服务机器人全局路径规划的问题,将基本蚁群算法应用到多服务机器人全局路径规划上,并对基本的蚁群算法作了改进.对基于算法的多服务机器人系统的构成进行了描述,接着对多服务机器人系统环境的表示方法及算法中对应问题的描述和定义进行了研究.对应用到多服务机器人系统的基本蚁群算法提出了几种改进的策略,并对改进的蚁群算法应用到...     

多陷阱复杂环境下机器人导航路径蚁群规划方法

在多陷阱复杂环境下规划机器人导航路径,蚁群算法容易掉入陷阱而降低运算效率和路径质量,为了解决这一问题,提出了基于多种群蚁群算法的路径规划方法。使用栅格法建立了工作环境的(0～1)矩阵模型,使用路径长度和路径平滑度建立了路径评价函数。针对蚂蚁回退策略陷入陷阱时反复回退、标记、判断而降低算法运行效率,提出了陷阱深度标记策略,使蚂蚁能够跳跃出陷阱而提高效率;提出了多种群搜索策略,对不同的蚂蚁种群使用不同的启发信息,兼顾了算法随机性、目的性与收敛性。经仿真验证,在多障碍物复杂环境下,多种群蚁群算法规划的路径长度和平滑度明显优于基本蚁群算法;且多种群蚁群算法寻到最优路径的收敛次数也远少于基本蚁群算法。     

多种群蚁群算法在机械手臂路径规划中的设计与应用

为了实现机械臂在复杂环境下准确、快速抓取目标物体,提出了一种多种群蚁群算法.首先,利用机械手臂运动学方法建立了数学模型进行分析;然后,根据自适应度函数不断调整机械臂的旋转角度以达到全局最优;最后,通过仿真实验,并与现有的机械手臂路径规划算法进行了对比.结果表明,该算法在抓取时间和精准度上具有一定的性能优势.     

改进型蚁群算法在路径规划中的研究

为了解决蚁群算法在路径规划中初始信息素匮乏、路径搜索规划速度慢、需要更多的迭代次数才能找出近似最优解、准确性在搜索空间很大的情况下会出现无法找到最优解的问题,提出一种适用于全局路径规划的改进型蚁群算法。在规划路径初始时利用A*算法先建立每个节点间最优路径代价函数,以减少蚁群算法在路径搜索中的盲目性;引入“虚拟终点”,以减小蚁群算法的搜索空间,降低迭代次数,提高蚁群算法的效率和路径规划准确性。通过多次实验,表明改进型蚁群算法在路径搜索效率和路径规划能力上都明显提高。     

蚁群优化在移动机器人路径规划上的研究

本文将蚁群优化算法应用于移动机器人的路径规划问题上,介绍了蚁群优化的原理,并根据路径规划的具体要求,对算法中的路径选择策略、信息素更新策略等进行了相应的改进,得出具体的算法流程,最后在Matlab平台上进行了实验仿真。此方法较传统算法具有正反馈性和协同性,实验证明可以更快的得到较优的结果。