改进灰狼优化算法的草坪修剪机器人路径规划

为解决传统灰狼算法(GWO)用于全覆盖路径规划草坪修剪作业时易陷入局部最优、收敛速度慢、迭代次数高、除草效率低等问题,提出了启发式混沌算子灰狼优化算法(CGWO)。通过对GWO算法融入启发式思想与Tent混沌映射后,加入自适应的参数调节策略,调节加速因子及不同控制参数以增加搜索过程中的随机性,帮助算法跳出局部最优解,获得更好的全局搜索能力。仿真分析发现:改进后的灰狼优化算法即CGWO算法比GWO、PSO(粒子群算法)算法的路径成本、迭代次数、耗时更优,且路径更平滑。在3种草坪环境下,进行实车试验。结果表明:CGWO算法提高了全覆盖效率和除草效率,试验结果优于GWO和PSO算法。

基于不同弯道曲率下智能小车运行的测试分析

针对不同弯道曲率对智能循迹小车运行状况的影响进行了试验研究。研究结果表明,小车在弯道处车身不稳定,且随着从出发点进入弯道距离的不同,小车在运行过程中能够达到的最大速度也不同;曲率的大小对车身的稳定性、循迹的准确性有较大影响,曲率越小,车身调整的频率越低,车身基本保持稳定运行,因此速度越快;随着曲率增加,速度逐渐降低,二者之间遵循指数函数关系。