基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划

针对白车身侧围点焊多机器人协调焊接任务,对焊接路径规划算法进行了研究。提出了一种适用于该任务的蚁群粒子群混合算法,以实现多机器人焊点分配均匀和单机器人焊接路径最优的焊接要求。通过分析白车身侧围焊点分布特点及多机器人协调焊接要求,建立白车身侧围点焊多机器人协调焊接任务数学模型。设计了基于蚁群粒子群混合算法的路径规划方案,在MATLAB中得到规划结果。利用机器人离线编程软件Robotstudio建立白车身侧围多机器人协调焊接工作站,对规划结果进行仿真实验。结果表明,该算法可实现焊点均匀分配,缩短焊接路径,有效提高焊接效率。     

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。     

基于负反馈机制的蚁群算法及其在机器人路径规划中的应用

蚁群优化算法是解决机器人路径规划问题的有效方式。首先,利用栅格法对场景进行建模,然后再利用蚁群算法寻找简单环境或复杂环境下的最优路径。针对增强的蚁群算法易陷入局部最优解的问题,本文设计了具有负反馈机制的改进的蚁群算法,并以此来解决机器人路径规划问题。该算法利用搜索的历史信息,并通过获得失败经验,指导蚁群在优化过程中探索未知空间。该算法旨在利用负反馈来改善解的多样性,从而获得最优路径。实验结果验证所提改进算法在路径规划问题上有明显优势。     

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。     

焊接机器人避障策略研究

焊接机器人因其高效性在工业生产中得到广泛应用,而碰撞检测关乎机器人安全生产。针对焊接机器人与工件避障的问题,利用栅格法化简环境信息的优势进行建模,利用蚁群算法运算速度快的特点寻求每两个焊点之间的避障路径,从而能够迅速地找到机器人末端和工件之间的无碰撞路径。在机器人与工装夹具避障部分,通过对机器人几何建模、焊点位置选取和姿态正逆解,利用粗略检测和精细检测结合的方法,碰撞检测完成机器人关节与工装夹具之间的避障。最后在考虑到焊枪姿态和工装夹具的条件下,根据姿态相同和焊接时间相近两个原则,利用分组竞争粒子群算法优化机器人焊接时间,实现双焊接机器人焊点划分和路径规划问题,从而实现两个机器人焊接时间最优的目标。     

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。     

基于粒子群遗传优化算法的多机器人任务分配研究

在粒子群优化算法中,引入遗传算法中的克隆算子和变异算子,提出了粒子群遗传优化算法,并将多机器人系统的任务分配问题转换为在多维解空间内寻找最优解的问题,利用粒子群遗传优化算法在此空间寻找最优解,以实现对多机器人任务的协调分配.算例仿真表明,粒子群遗传优化算法不但具有粒子群优化算法所具有的易于工程实现、计算效率高等优点,还克服了粒子群优化算法易早熟、粒子群整体收敛性差等缺点,能够解决多机器人任务分配问题.     

基于QPSO的双机器人同步焊接路径规划研究

手动液压搬运车是重要的物流搬运设备,其车架是由异型钣金件焊接而成。为了提高焊接质量和生产效率,降低劳动强度,主焊工位采用双机器人同步焊接加工势在必行。在充分考虑焊接变形和运动干涉的基础上,采用量子行为粒子群优化建立双机器人同步焊接数学模型,仿真求解了全局最优焊接路径的近似解,并将粒子群优化与量子行为粒子群优化做了仿真对比试验。结果表明,量子行为粒子群优化能更好地搜索整个解空间,在一定程度上有效解决了搬运车车架主焊工序双机器人同步焊接问题。     

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。     

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。     

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。     

使用改进蚁群算法的AGV路径规划研究

AGV路径规划问题是AGV研究领域的一个关键技术问题。针对传统的蚁群算法耗时长,搜索效率低,容易出现次优的缺点,改进了计算基本蚁群算法启发因子的方法;提出了优胜劣汰机制以及全局信息素调整方案,合理地更新了路径规划中的信息素;利用最大最小蚂蚁系统对路径上信息素进行了限制;研究了路径规划中死锁问题的解决方法。最后给出了基于改进蚁群算法的AGV路径规划步骤并进行了仿真实验。仿真实验结果表明,在该算法作用下,AGV路径规划的搜索效率优于传统蚁群算法,且规划路径更短,提高了搜索的准确性。     

蚁群遗传算法在移动机器人路径规划中的综合应用研究

针对基本蚁群算法在机器人路径规划搜索初期盲目性大、效率低以及其搜索后期容易陷入局部最优等缺陷,把遗传算法引入到蚁群算法中,提出了基于蚁群遗传算法的移动机器人路径规划方案,在栅格环境下对移动机器人路径规划方案进行仿真测试,仿真结果表明该方案能减少蚁群算法搜索初期的盲目性、缩小最优路径的查找范围,提高搜索最优路径的效率。     

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。     

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。     

基于混合蚁群粒子群的多AGV路径规划研究

针对智能仓库中AGV搬运货物的路径优化、交通管制等问题,首先分析了立体仓库中AGV的工作特点与路径的情况,提出了混合蚁群粒子群方法,在传统的人工蜂群算法中结合粒子群算法思想,使算法同时具备蚁群算法的正反馈与粒子群的多样性,通过仿真,该算法路径优化速度较快,且比以往的路径安全。使AGV的运行效率得到提高。