改进型蚁群算法在多关节机器人捕捉路径规划上的应用
|
摘要
针对狭窄空间中机械臂的路径规划问题,提出一种改进型蚁群优化算法应用于机械臂的路径规划。通过对传统蚁群算法从概率分布的计算、最优路径二次优化、路径淘汰机制等方面进行改进,并使用Matlab软件进行仿真。对比改进前后算法的收敛效果,发现改进型蚁群算法的自组织性大大增强了系统的鲁棒性,能够明显提高机械臂在矿井等复杂环境下的适应能力。
In this paper,an improved ant colony algorithm is proposed to solve the path planning problem of manipulator in narrow space. The traditional ant colony algorithm is improved from the calculation of probability distribution,quadratic optimization of optimal path and path elimination mechanism,and the simulation results are compared by using Matlab software. The results show that the organization ability of the improved ant colony algorithm greatly enhances the robustness of the system,the algorithm can significantly improve the adaptability of robot arm in the mine and other complex environments.
In this paper,an improved ant colony algorithm is proposed to solve the path planning problem of manipulator in narrow space. The traditional ant colony algorithm is improved from the calculation of probability distribution,quadratic optimization of optimal path and path elimination mechanism,and the simulation results are compared by using Matlab software. The results show that the organization ability of the improved ant colony algorithm greatly enhances the robustness of the system,the algorithm can significantly improve the adaptability of robot arm in the mine and other complex environments.
引文
[1]张成,凌有铸,陈孟元.改进蚁群算法求解移动机器人路径规划[J].电子测量与仪器学报,2016(11):1758-1764.
[2]张晓玲,罗印升,张宝峰,等.基于蚁群算法的移动机器人路径规划[J].激光杂志,2016(11):80-83.
[3]杨雅宁,蔺勇.基于蚁群算法的一种无人机二维航迹规划方法研究[J].电脑知识与技术,2016(28):189-191.
[4]宗泽宏.蚁群算法的应用与改进[J].电子技术与软件工程,2017(1):155.
[5]尚梦雨.无人机实时蚁群算法路径规划[J].自动化应用,2016(12):61-63.
[6]李卿,吴玉渠.应急救援路径选择的蚁群算法优化[J].自动化技术与应用,2016(12):1-5.
[7]朱颢东,孙振,吴迪.基于改进蚁群算法的移动机器人三维路径规划[J].华中师范大学学报(自然科学版),2016(6):812-817.
[8]易正俊,李勇霞,易校石.自适应蚁群算法求解最短路径和TSP问题[J].计算机技术与发展,2016(12):1-5.
[9]唐胜景,陈天悦,李震,等.基于感知模糊自适应蚁群算法的非线性PID控制设计[J].计算机测量与控制,2016(11):91-94,99.
[10]赵晓侠,鞠成恩.基于改进蚁群算法的农业运输车辆路径优化研究[J].安徽农业科学,2016(33):237-238.
[11]谭覃,刘树东,张艳.移动机器人路径规划仿真研究[J].计算机仿真,2016(8):354-358,424.
[12]黄亚平,熊婧.基于改进蚁群算法作业车间调度问题仿真研究[J].计算机仿真,2009(8):278-282.
[13]朱颢东,孙振,吴迪,等.基于改进蚁群算法的移动机器人路径规划[J].重庆邮电大学学报(自然科学版),2016(6):849-855.
[14]刘云龙,王瑞兰,刘丽君,等.基于Matlab仿真的自动控制原理实验教学改革[J].实验室研究与探索,2015(6):103-106.
[15]张汝波,李建军,杨玉.基于改进蚁群算法的AUV航路避障任务规划[J].华中科技大学学报(自然科学版),2015(S1):428-430.
[16]穆克,陈涛,褚俊霞,等.网络搜索中的“死胡同”现象及蚁群改进算法[J].控制工程,2013(4):762-765.
[17]付鹏,罗杰.基于改进蚁群算法的Q学习算法研究[J].计算机技术与发展,2013(2):123-126.
[2]张晓玲,罗印升,张宝峰,等.基于蚁群算法的移动机器人路径规划[J].激光杂志,2016(11):80-83.
[3]杨雅宁,蔺勇.基于蚁群算法的一种无人机二维航迹规划方法研究[J].电脑知识与技术,2016(28):189-191.
[4]宗泽宏.蚁群算法的应用与改进[J].电子技术与软件工程,2017(1):155.
[5]尚梦雨.无人机实时蚁群算法路径规划[J].自动化应用,2016(12):61-63.
[6]李卿,吴玉渠.应急救援路径选择的蚁群算法优化[J].自动化技术与应用,2016(12):1-5.
[7]朱颢东,孙振,吴迪.基于改进蚁群算法的移动机器人三维路径规划[J].华中师范大学学报(自然科学版),2016(6):812-817.
[8]易正俊,李勇霞,易校石.自适应蚁群算法求解最短路径和TSP问题[J].计算机技术与发展,2016(12):1-5.
[9]唐胜景,陈天悦,李震,等.基于感知模糊自适应蚁群算法的非线性PID控制设计[J].计算机测量与控制,2016(11):91-94,99.
[10]赵晓侠,鞠成恩.基于改进蚁群算法的农业运输车辆路径优化研究[J].安徽农业科学,2016(33):237-238.
[11]谭覃,刘树东,张艳.移动机器人路径规划仿真研究[J].计算机仿真,2016(8):354-358,424.
[12]黄亚平,熊婧.基于改进蚁群算法作业车间调度问题仿真研究[J].计算机仿真,2009(8):278-282.
[13]朱颢东,孙振,吴迪,等.基于改进蚁群算法的移动机器人路径规划[J].重庆邮电大学学报(自然科学版),2016(6):849-855.
[14]刘云龙,王瑞兰,刘丽君,等.基于Matlab仿真的自动控制原理实验教学改革[J].实验室研究与探索,2015(6):103-106.
[15]张汝波,李建军,杨玉.基于改进蚁群算法的AUV航路避障任务规划[J].华中科技大学学报(自然科学版),2015(S1):428-430.
[16]穆克,陈涛,褚俊霞,等.网络搜索中的“死胡同”现象及蚁群改进算法[J].控制工程,2013(4):762-765.
[17]付鹏,罗杰.基于改进蚁群算法的Q学习算法研究[J].计算机技术与发展,2013(2):123-126.