基于蚁群算法的机器人能量管理策略

发布时间：2021-07-06 17:31

　　当电池载有量有限的工业轮式机器人在复杂地形中工作时,需要探索并规划出一条最省能量的行走路线,本文为此提出了一种改进的蚁群算法来满足此要求。将原有单一维度的信息素根据需求进行升维处理,使其在模型中具有更加有效的表达及信号传输能力。对比结果发现,改进后的蚁群算法比原始蚁群算法探索到的路径能耗更低。 

【文章来源】：南方农机. 2019,50(19)

【文章页数】：2 页

【部分图文】：

改进蚁群算法流程图

直到达到设定的约束条件或循环终止的次数为止。1.4改进蚁群算法流程改进蚁群算法流程如图1所示。图1改进蚁群算法流程图Fig.1Improvedantcolonyalgorithmflowchart2仿真实验及分析在三维规划空间中分别利用原始蚁群算法和改进后的蚁群算法以相同的初始条件进行仿真。仿真初始条件如表1所示。表1仿真初始条件Table1Simulationinitialcondition种群个数终点坐标10（21,8,5）起点坐标（1,10,4）迭代次数120为了验证改进后蚁群算法的有效性，采用Matlab软件进行算法的编写,生成地形图，三维空间路径结果如图2所示，图中虚线为原始算法，实线为改进算法。图2三维规划空间路径规划结果Fig.23Dplanningspacepathplanningresult在图2中，通过对比搜索结果，可以明显看到原始算法得到的路径较为曲折，且上坡次数比较多，而改进算法得到的路径要平缓许多。这是因为在路径搜索时，改进算法根据路径间的能量消耗大小对启发函数进行动态调整，使其更倾向于选择比较省能的路径。在此路径下，传统蚁群算法能耗为30q，改进后蚁群算法能耗为23q，相比较可知，改进后的蚁群算法比传统蚁群算法能耗更低。3结论由于轮式机器人的电池载有量是有限的，所以其路径规划问题中实现低能耗是最终目的，为此提出一种升维的改进蚁群算法来满足路径规划中能耗最低的要求，改进后的蚁群算法将原本为标量的信息素改进为有方向维度和能量维度的矢量信息素，提高了算法的收敛速度，使其更加适用于复杂地形。通过仿真及其结果分析表明，改进后的蚁群算法比未改进的蚁群算法收敛速度更快，且探索到的路径能耗更低。参考文献：[1]孟祥萍，片兆宇.基于方向信息素协调的蚁群算法[J].控制与决策，2013(5)：782-786.[2]尤海龙，鲁照权.参数α、β和ρ?

【参考文献】：
期刊论文
[1]参数α、β和ρ自适应调整的快速蚁群算法[J]. 尤海龙,鲁照权.  制造业自动化. 2018(06)
[2]基于方向信息素协调的蚁群算法[J]. 孟祥萍,片兆宇,沈中玉,苑全德.  控制与决策. 2013(05)
[3]基于改进蚁群算法的多机器人任务分配[J]. 曹宗华,吴斌,黄玉清,邓春艳.  组合机床与自动化加工技术. 2013(02)
[4]基于改进蚁群算法的三维空间机器人路径规划[J]. 胡荟,蔡秀珊.  计算机系统应用. 2011(11)
[5]一种移动机器人三维路径规划算法[J]. 禹建丽,程思雅,Kroumov Valeri.  中原工学院学报. 2008(02)
[6]蚁群算法的全局收敛性研究及改进[J]. 段海滨,王道波.  系统工程与电子技术. 2004(10)



本文编号：3268668