留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

自适应蚁群算法在轮式机器人三维路径规划中的应用

周利坤 刘宏昭

周利坤, 刘宏昭. 自适应蚁群算法在轮式机器人三维路径规划中的应用[J]. 机械科学与技术, 2013, 32(1): 54-58.
引用本文: 周利坤, 刘宏昭. 自适应蚁群算法在轮式机器人三维路径规划中的应用[J]. 机械科学与技术, 2013, 32(1): 54-58.
Zhou Likun, Liu Hongzhao. The Application of Three-dimensional Path Planning of Wheeled Robot Based on Adaptive Ant Colony System Algorithm[J]. Mechanical Science and Technology for Aerospace Engineering, 2013, 32(1): 54-58.
Citation: Zhou Likun, Liu Hongzhao. The Application of Three-dimensional Path Planning of Wheeled Robot Based on Adaptive Ant Colony System Algorithm[J]. Mechanical Science and Technology for Aerospace Engineering, 2013, 32(1): 54-58.

自适应蚁群算法在轮式机器人三维路径规划中的应用

基金项目: 

陕西省重点学科建设专项资金项目(102-00X903)资助

详细信息
    作者简介:

    周利坤(1970-),副教授,博士研究生,研究方向为机械设计及理论和智能机器人,zhoulikun89@sohu.com;刘宏昭,教授,博士生导师,liuhongzhao@xaut.edu.cn

    周利坤(1970-),副教授,博士研究生,研究方向为机械设计及理论和智能机器人,zhoulikun89@sohu.com;刘宏昭,教授,博士生导师,liuhongzhao@xaut.edu.cn

The Application of Three-dimensional Path Planning of Wheeled Robot Based on Adaptive Ant Colony System Algorithm

  • 摘要: 为了优化轮式机器人三维路径,进行了特殊三维空间有效路径设计,提出了自适应蚁群算法(AACS)。并将该算法应用于三维空间机器人路径规划中,将轮式机器人所处位置与目的点之间的空间划分成带有坡度角的立体网格,定义其有效路径,形成TSP模式。自适应蚁群按TSP模式搜索从原点到目的点之间的最短路径。实验表明:自适应蚁群优化方法克服了传统蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,提高了收敛速度和精度,输出稳定性好,可以解决轮式机器人在三维实际工作环境中的路径优化问题。
  • [1] Yu J X,Cai Z X,Zou X B,et al. Research on the calibrationmethod for the heading errors of mobile robot based on evolutionaryneural network prediction[A]. International Symposium onNeural Networks[C],Chongqing: Springer,2005:265~270
    [2] 陈宜航,牛玉刚. 一种基于粒子群算法的轮式机器人路径规划[J]. 计算机仿真,2010,27(4):167~171
    [3] Faverjon B,Tournassound P. A local based approach for path plan-ning of manipulators with a high number of degrees of freedom[A].Proceedings of the IEEE International Conference on Roboticsand Automation[C],Raleigh,1987:1152~1159
    [4] 禹建丽,程思雅等. 一种移动机器人三维路径规划优化算法[J].中南大学学报(自然科学版),2009,40(2):471~477
    [5] 洪晔,房建成. 基于 HMDP 的无人机三维路径规划[J]. 北京航空航天大学学报,2009,35(1):100~103
    [6] 李霞,魏瑞轩,周军,李雪松,张冲. 基于改进遗传算法的无人飞行器三维路径规划[J]. 西北工业大学学报,2010,28(3):343~348
    [7] 刘作军,周立身,黄亚楼等. 基于电路地图的移动机器人三维路径规划方法[J]. 河北工业大学学报,2006,35(6):11~17
    [8] 郝晋,石立宝,周家启等. 基于蚁群优化算法的机组最优投入[J]. 电网技术,2002,26(11):26~31
    [9] 胡小兵,黄席樾. 基于蚁群算法的三维空间机器人路径规划[J].重庆大学学报,2004,28(8):132~135
    [10] Colorni A,Dorigo M,Maniezzo V. The ant system: optimizationby a colony of cooperating agents[J]. IEEE Transcations onSystems,1996,26(1):1~13
    [11] 钟娟,赵彦强,孙富康等. 基于混合蚁群算法的物流配送路径问题[J]. 合肥工业大学学报(自然科学版),2009,32(5):686~688
    [12] 叶强. 基于改进蚁群算法的一类单机调度问题研究[D]. 合肥工业大学,2008
    [13] 曹春红,卢奕南,李文辉. 改进的蚂蚁算法在几何约束求解中的应用[J]. 工程图学学报,2004,(4):46~50
    [14] 师彪,李郁侠,于新花等. 动态调整蚁群-BP 神经网络模型及在短期电力负荷预测中的应用[J]. 水力发电学报,2011,30(3):33~39
  • 加载中
计量
  • 文章访问数:  218
  • HTML全文浏览量:  56
  • PDF下载量:  7
  • 被引次数: 0
出版历程
  • 收稿日期:  2011-09-14

目录

    /

    返回文章
    返回