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。     

一种新型蚁群随机树的机器人路径规划算法

为提高复杂环境下机器人的路径规划效率,提出了一种用蚁群算法来优化随机树算法的新的全局路径规划算法。该算法有效地结合了蚁群和随机树算法的优点,利用随机树算法的高效性快速收敛到一条可行路径,将该路径转换为蚁群的初始信息素分布,可以减少蚁群算法初期迭代; 然后利用蚁群算法的反馈性优化路径,求得最优路径。仿真实验表明,该蚁群随机树算法可以提高机器人路径规划的速度,并且在任何复杂环境下迅速规划出最优路径。     

基于改进蚁群算法激光导航轮式机器人路径规划

针对激光导航轮式机器人在复杂环境中路径规划原始算法存在路径较长和收敛速度较慢的问题,提出了一种改进蚁群算法。在实际算法中,先利用MAKLINK图论建立AGV运行环境的空间模型,接着用Dijkstra算法搜索优化路径;然后,在Dijkstra算法的基础上采用蚁群算法搜索最优路径;紧接着,在改进蚁群算法中,优先选择搜索前后两节点同起点到终点夹角一致或相差不大的后一个搜索节点,获取新的信息素更新策略,并进行角度的初始化和信息素计算;最后,在Matlab上完成算法的编写并得到仿真结果。结果表明,改进蚁群算法路径优化性能更好,对实际环境中机器人的路径规划具有指导意义。     

移动机器人路径规划中的蚁群优化算法研究

针对将传统蚁群算法引入到移动机器人的路径规划当中会存在收敛速度慢、效率低下、容易陷入局部最优,甚至出现死锁等缺陷,提出一种改进的蚁群算法,以栅格法建立机器人工作环境,改进信息素的更新方式,设置信息素浓度的阀值,引入死锁处理策略,改进状态转移概率,增加解的多样性。在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明,改进的蚁群算法能缩小对最优路径的搜索范围,降低迭代次数,提高对最优解的搜索效率,能获得全局最优无碰撞的路径。     

立体仓库多机器人协同路径规划与冲突消解

针对立体仓库中多机器人协同路径规划问题,建立了一个具有最优作业时间和能耗的多目标路径规划模型.采用分治-协作策略将多机器人路径规划问题分解为多个单机器人路径规划子问题.在路径规划中,采用改进的蚁群算法对每个机器人的初始路径进行规划.基于时空协同约束,采用协同迭代优化策略,提出了多蚁群协同进化算法.针对路径冲突问题,设计了一种动态优先级冲突消解策略,有效地解决了多机器人冲突问题,找到了最优路径组合.仿真结果表明,该方法能有效提高多机器人的协同搬运效率,降低能耗并缩短搬运时间.     

受路网和测量约束的变电站巡检机器人路径规划

采用机器人对变电站高压线路测温可以大大提高日常巡检任务的智能化水平,但是巡检过程中存在路网限制和频繁启停能量消耗大等问题,须考虑最优路径与最佳测温停靠地点的相互制约性。为了解决上述问题,基于图论对变电站环境进行建模,通过分析巡检机器人在路网中对目标点测温时相机的位姿约束,建立了以时间消耗最小为目标的路径规划模型。提出了一种基于改进蚁群算法的路径优化方法和基于贪婪思想聚类的巡检停靠点选取方法,通过蚁群算法迭代获得机器人的最优巡检路径、巡检停靠点序列以及各停靠点对应的测温点集。最后,采用仿真案例验证了算法的可行性和鲁棒性,基于巡检机器人的实验结果表明该路径规划模型可用于变电站巡检。     

基于改进蚁群算法的移动机器人路径规划研究

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部的机器人路径信息引入到蚁群信息素的初始化和路径选择概率中,提高了蚁群算法的收敛速度并防止算法早熟。通过引入交叉操作并对蚁群算法中参数进行调整,避免了算法陷入局部最优。仿真结果表明,所提方法能够明显提高最佳路径搜索能力,整体性能优于传统蚁群算法。     

改进ACO在移动机器人路径规划中的研究

针对基本蚁群算法(ACO)易陷入局部最优和收敛速度慢的特点,提出了一种在复杂静态环境下移动机器人路径规划的蚁群优化改进算法。该算法通过限制信息素的范围,扩大了搜索范围,避免了算法的过早收敛,同时还提出了一种自适应调节信息素挥发系数的改进蚁群算法方略,旨在通过自适应的调整信息素挥发系数来提高算法的全局性和算法的收敛速度。算法还利用粒子群优化算法对蚁群算法中的关键参数进行优化,从而避免了参数选择的随机性和盲目性,提高了最优路径的搜索效果。仿真结果显示,改进蚁群算法在移动机器人路径规划中的有效性和普遍应用性,在任意随机给定的环境中,算法能够迅速找出最优路径。     

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...     

基于改进蚁群算法的障碍环境下路径规划研究

针对寻找机器人在障碍环境下到达特定目标最短路径问题,提出一种基于改进蚁群算法的路径规划方法。该算法通过赋予蚂蚁类似于人的方向感,使其具备局部路径思考能力,同时在蚁群算法中引入确定性选择和随机性选择相结合的方法,以及确定性选择概率和信息素挥发系数自适应调整策略,极大地改善了蚁群算法的全局搜索能力和搜索速度,并且显著地提高了算法寻找最优解的能力。在基于栅格地图的仿真测试条件下,该方法在不同问题规模和障碍条件下,均能达到很好的优化结果,并且满足实时路径规划的搜索速度要求。     

基于蚁群算法的喷涂机器人喷枪路径规划

根据复杂曲面的几何特性,对曲面进行分片处理,并建立喷枪路径的评价函数,在每一片上进行喷涂机器人喷枪路径的规划。为了使喷涂机器人喷涂作业的时间最短,将整个曲面上的喷枪路径优化组合问题看成乡村邮递员问题(ORPP),并利用改进的蚁群算法求解ORPP问题。算法中通过在进化过程中动态调整蚂蚁的个体信息,激励蚁群搜索可行空间并发现最优解集。最后以一个复杂曲面工件为喷涂对象进行喷涂实验,结果证明了改进的蚁群算法比一般性随机算法效果更佳。     

基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

考虑气象因素的农业采摘机器人轨迹纠偏控制方法

为了减少气象因素对农业采摘机器人轨迹的影响,提出了考虑气象因素的农业采摘机器人轨迹纠偏控制方法,以解决机器人位姿精度较低和定位时间较长等问题。采用云储存技术对运动的目标果实进行检测与跟踪。利用改进的蚁群算法规划最优路径,通过 RBF 神经网络最佳逼近算法对动力学方程加以优化,加强其逼近能力,从而完成对采摘机器人轨迹纠偏的控制。实验结果表明,该方法可以有效地提高位姿精度、提高定位成功率、缩短定位时间并获得更为顺畅的采摘路径。     

基于改进蚁群算法的制造云服务组合优化

为解决云制造环境下的动态服务组合问题,提出一种基于改进蚁群算法的制造云服务组合优化算法。在分析制造云服务组合流程的基础上,通过子任务服务质量评估模型优选制造云服务,并将服务质量值作为信息素,以服务间转移成本为启发函数参数,采用最优路径列表和轮盘赌选择机制改进蚁群算法,求解整体最优组合路径,最后利用组合制造云服务的服务质量计算模型评估全局最优路径服务质量综合信息。仿真实验证明该算法能有效求解制造云服务组合问题,并能较快地收敛于全局最优解。     

基于混沌蜂群算法的农用无人直升机路径规划

针对农用无人直升机从地面站飞到目标农田的路径规划问题,提出了一种改进的人工蜂群算法。在该算法中利用混沌局部搜索算子的遍历性和随机性的特点重新初始化陷入局部最优解的雇佣蜂,在迭代中产生局部最优解的邻域点,帮助其脱离束缚并快速找到全局最优解。采用改进算法来处理无人直升机的路径规划任务,首先将路径规划任务通过数学建模转换成一个多维函数优化问题,然后结合人工蜂群算法的全局寻优能力和混沌算子的局部搜索能力得到改进算法,最后分别用仿真实验验证了改进算法在函数优化上的优越性和在解决农用无人直升机路径规划上的可行性。     

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。     

移动机器人全覆盖路径规划算法研究

针对静态未知环境下移动机器人全覆盖路径规划问题,提出了一种改进优先级蚁群算法。该算法首先通过机器人本体上的传感器构建基于动态栅格法的工作环境;综合考虑栅格属性、机器人转向、邻域栅格距离和未覆盖区域面积大小的基础上构造优先级启发规则,然后利用该规则进行路径全覆盖工作。针对机器人工作过程中出现的死锁问题,文章提出采用蚁群算法寻找逃离死区的最优路径,从而保证机器人实现路径全覆盖,并使覆盖路径的重复率尽可能小。仿真实验中,通过与传统算法比较,验证所提算法能在保证面积覆盖率为100%的同时,降低了死锁次数和轨迹重复率,从而提高了机器人工作效率。     

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。     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

堆垛机式密集仓储系统复合作业三维空间路径优化

为提高堆垛机式密集仓储系统的运作效率,提出混合蚁群算法,利用该算法有效地解决了复合作业三维空间路径规划问题。在堆垛机和穿梭车配置比为1∶2情况下,分析堆垛机和穿梭车在三维空间内的实际调度路径,并考虑其运动过程中的加速度建立数学模型。针对该系统复合作业的特点,设计了一种三维启发函数来改进蚁群转移概率,将遗传算法生成的初始解转变为蚁群算法的初始信息素,通过粒子群算法对蚁群算法参数进行优化,避免蚁群算法为寻求最优参数组合而进行大量盲目实验。实例分析表明,所提出的混合蚁群算法与遗传和蚁群算法相比,具有更好的全局性,能够有效地缩短密集仓储系统复合作业的时间、优化三维空间路径、提高进出库调度效率。