基于改进蜂群算法的焊接机器人路径规划方法研究
发布时间：2021-06-17 13:30
针对焊接机器人的运动特点及焊接工作过程中焊枪的避障问题,提出基于改进人工蜂群算法的机器人避障焊接路径规划策略。首先针对传统人工蜂群算法存在的问题,将Lévy（莱维）分布引入到人工蜂群算法侦查蜂寻找新蜜源的过程中,代替其原有0～1之间的随机分布过程,形成了基于Lévy飞行的改进型人工蜂群算法,然后将其应用到焊接机器人的路径规划问题中,并进行了仿真实验。结果表明:改进后的方法能够得到最优的焊接避障路径,且寻优速度快、过程稳定。该方法可用于解决焊接机器人避障路径规划问题。
【文章来源】：机床与液压. 2019,47(15)北大核心
【文章页数】：5 页
【部分图文】：
传统ABC和L-ABC算法第20代规划路径
??崾?蟮穆肪豆婊?在图2、3中，方形圆点表示起始点;三角形圆点表示目标点;黑色小圆点表示工作环境中的障碍物点;黑色五角星表示移动路径的起止点。从图2(a)、(b)两图中可以看到，在引领蜂更换代数相同的情况下(文中取20代)，即使还没有得到全局最优路径，但基于Lévy飞行改进的人工蜂群算法(简称L-ABC)控制效果明显优于传统人工蜂群的控制效果。从图3(a)、(b)两图中进一步得到，在算法迭代次数结束后，L-ABC的控制效果仍然优于传统ABC的控制效果。图4为两种算法的迭代收敛曲线，表2为实验结果对比，可以发现，传统人工蜂群在迭代190次后才趋于稳定状态，而L-ABC算法在迭代160次后便趋于稳定状态，在收敛速度方面明显优于传统ABC算法。从图中还可以看出L-ABC算法在稳定性和防碰撞可能性方面也有显著的提高。图4蜂群迭代收敛变化曲线表2实验结果对比算法算法最优路径长度/cm碰撞可能性/cmABC19046.86417.562L-ABC16038.51210.3295结论针对传统人工蜂群算法的缺点，提出了基于Lévy飞行的改进型人工蜂群算法，并将其应用到焊接机器人路径规划问题中，通过仿真实验对其进行性能测试，测试结果表明，L-ABC算法在焊机机器人路径规划中的控制效果明显优于传统ABC算法。L-ABC算法的应用能够随着蜂群种群更换次数的增加不断对焊接机器人路径进行优化，且在优化过程中通过Lévy飞行算法适当增加种群数量，进而避免陷入局部最优，在较短的时间按搜索到焊接机器人的全局最优路径。参考文献:［1］李林峰，马蕾．三次均匀B样条在工业机器人轨迹规划中的应用研［J］．科?
图13机械臂即时轨迹规划追踪示例6结束语鉴于一般的机械手臂运动规划时只适用于特定的环境，或者能在复杂环境使用但计算耗时过多，无法即时与环境互动，而对于环境物体位置的判断缺乏侦测的方法。文中利用影像技术结合多轴学习式控制机械手臂，以胜任各种操作任务的需求。对多自由度机械手运动控制采用动态轨迹规划算法，并设计视觉伺服系统。运用NI的sbＲIO-9642和PCI-1411，进行影像的拾取与手臂的控制。通过实验证明:该视觉引导的机械手臂拾取的影像信号不受杂波的干扰，并利用影像的高阶演算法实现了多轴手臂的学习式控制系统，且整个系统运行稳定，控制效果令人满意。参考文献:［1］LEVINES，WAGEBEＲN，ABBEELP．LearningContact-ＲichManipulationSkillswithGuidedPolicySearch［C］//Proceedingsof2015IEEEInternationalConferenceonＲoboticsandAutomation．Seattle:IEEE，2015．［2］于灏洋．基于双目视觉的伺服机械臂运动控制研究［D］．大连:大连理工大学，2016．［3］王忠勇，马超．一种并联机械手视觉引导算法［J］．计算机测量与控制，2014，22(5):1499－1501．WANGZY，MAC．DesignofVisualAlgorithmforGuidingParallelManipulator［J］．ComputerMeasurement＆Con-trol，2014，22(5):1499－1501．［4］郑佳奇，熊禾根，陶永，等．鲁棒性迭代学习控制在去毛刺机器人轨迹跟踪中的应用［J］．高技术通讯，2015，24(12):1062－1068．ZHENGJQ，XIONGHG，TAOY，etal．ApplicationofＲo-bustIterativeLearningControltoBurring?
【参考文献】：
期刊论文
[1]一种动态搜索策略的蚁群算法及其在机器人路径规划中的应用[J]. 游晓明,刘升,吕金秋. 控制与决策. 2017(03)
[2]基于改进人工蜂群算法的机器人路径规划[J]. 王海泉,胡瀛月,廖伍代,闫同斌,王东云. 控制工程. 2016(09)
[3]基于改进人工蜂群算法的无人机的航迹规划[J]. 于霜,丁力,吴洪涛. 电光与控制. 2017(01)
[4]基于改进人工势场法的移动机器人路径规划[J]. 温素芳,郭光耀. 计算机工程与设计. 2015(10)
[5]改进的势场蚁群算法的移动机器人路径规划[J]. 曾明如,徐小勇,刘亮,罗浩,徐志敏. 计算机工程与应用. 2015(22)
[6]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星. 电子科技大学学报. 2015(02)
[7]一种基于Lévy飞行轨迹的蝙蝠算法[J]. 谢健,周永权,陈欢. 模式识别与人工智能. 2013(09)
[8]三次均匀B样条在工业机器人轨迹规划中的应用研究[J]. 李林峰,马蕾. 科学技术与工程. 2013(13)
本文编号：3235285
【文章来源】：机床与液压. 2019,47(15)北大核心
【文章页数】：5 页
【部分图文】：
传统ABC和L-ABC算法第20代规划路径
??崾?蟮穆肪豆婊?在图2、3中，方形圆点表示起始点;三角形圆点表示目标点;黑色小圆点表示工作环境中的障碍物点;黑色五角星表示移动路径的起止点。从图2(a)、(b)两图中可以看到，在引领蜂更换代数相同的情况下(文中取20代)，即使还没有得到全局最优路径，但基于Lévy飞行改进的人工蜂群算法(简称L-ABC)控制效果明显优于传统人工蜂群的控制效果。从图3(a)、(b)两图中进一步得到，在算法迭代次数结束后，L-ABC的控制效果仍然优于传统ABC的控制效果。图4为两种算法的迭代收敛曲线，表2为实验结果对比，可以发现，传统人工蜂群在迭代190次后才趋于稳定状态，而L-ABC算法在迭代160次后便趋于稳定状态，在收敛速度方面明显优于传统ABC算法。从图中还可以看出L-ABC算法在稳定性和防碰撞可能性方面也有显著的提高。图4蜂群迭代收敛变化曲线表2实验结果对比算法算法最优路径长度/cm碰撞可能性/cmABC19046.86417.562L-ABC16038.51210.3295结论针对传统人工蜂群算法的缺点，提出了基于Lévy飞行的改进型人工蜂群算法，并将其应用到焊接机器人路径规划问题中，通过仿真实验对其进行性能测试，测试结果表明，L-ABC算法在焊机机器人路径规划中的控制效果明显优于传统ABC算法。L-ABC算法的应用能够随着蜂群种群更换次数的增加不断对焊接机器人路径进行优化，且在优化过程中通过Lévy飞行算法适当增加种群数量，进而避免陷入局部最优，在较短的时间按搜索到焊接机器人的全局最优路径。参考文献:［1］李林峰，马蕾．三次均匀B样条在工业机器人轨迹规划中的应用研［J］．科?
图13机械臂即时轨迹规划追踪示例6结束语鉴于一般的机械手臂运动规划时只适用于特定的环境，或者能在复杂环境使用但计算耗时过多，无法即时与环境互动，而对于环境物体位置的判断缺乏侦测的方法。文中利用影像技术结合多轴学习式控制机械手臂，以胜任各种操作任务的需求。对多自由度机械手运动控制采用动态轨迹规划算法，并设计视觉伺服系统。运用NI的sbＲIO-9642和PCI-1411，进行影像的拾取与手臂的控制。通过实验证明:该视觉引导的机械手臂拾取的影像信号不受杂波的干扰，并利用影像的高阶演算法实现了多轴手臂的学习式控制系统，且整个系统运行稳定，控制效果令人满意。参考文献:［1］LEVINES，WAGEBEＲN，ABBEELP．LearningContact-ＲichManipulationSkillswithGuidedPolicySearch［C］//Proceedingsof2015IEEEInternationalConferenceonＲoboticsandAutomation．Seattle:IEEE，2015．［2］于灏洋．基于双目视觉的伺服机械臂运动控制研究［D］．大连:大连理工大学，2016．［3］王忠勇，马超．一种并联机械手视觉引导算法［J］．计算机测量与控制，2014，22(5):1499－1501．WANGZY，MAC．DesignofVisualAlgorithmforGuidingParallelManipulator［J］．ComputerMeasurement＆Con-trol，2014，22(5):1499－1501．［4］郑佳奇，熊禾根，陶永，等．鲁棒性迭代学习控制在去毛刺机器人轨迹跟踪中的应用［J］．高技术通讯，2015，24(12):1062－1068．ZHENGJQ，XIONGHG，TAOY，etal．ApplicationofＲo-bustIterativeLearningControltoBurring?
【参考文献】：
期刊论文
[1]一种动态搜索策略的蚁群算法及其在机器人路径规划中的应用[J]. 游晓明,刘升,吕金秋. 控制与决策. 2017(03)
[2]基于改进人工蜂群算法的机器人路径规划[J]. 王海泉,胡瀛月,廖伍代,闫同斌,王东云. 控制工程. 2016(09)
[3]基于改进人工蜂群算法的无人机的航迹规划[J]. 于霜,丁力,吴洪涛. 电光与控制. 2017(01)
[4]基于改进人工势场法的移动机器人路径规划[J]. 温素芳,郭光耀. 计算机工程与设计. 2015(10)
[5]改进的势场蚁群算法的移动机器人路径规划[J]. 曾明如,徐小勇,刘亮,罗浩,徐志敏. 计算机工程与应用. 2015(22)
[6]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星. 电子科技大学学报. 2015(02)
[7]一种基于Lévy飞行轨迹的蝙蝠算法[J]. 谢健,周永权,陈欢. 模式识别与人工智能. 2013(09)
[8]三次均匀B样条在工业机器人轨迹规划中的应用研究[J]. 李林峰,马蕾. 科学技术与工程. 2013(13)
本文编号：3235285
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3235285.html
