-
题名动态SHO-ACO的焊接机器人路径规划
- 1
-
-
作者
任红格
宋雪琪
史涛
-
机构
华北理工大学电气工程学院
天津城建大学控制与机械工程学院
天津理工大学天津市电气与电子工程学院复杂系统控制理论与应用重点实验室
-
出处
《机械设计与制造》
北大核心
2024年第7期1-5,共5页
-
基金
国家自然科学基金项目(61203343)
河北省自然科学基金项目(F2018209289)。
-
文摘
移动焊接机器人在户外进行路径规划时的高效性和安全性尤为重要。针对蚁群算法(ACO)信息素以总长度为单个影响因子的缺陷,加入转向次数要素,建立环境适应度函数,从而改进轨迹上信息素增值状况;针对基本蚁群收敛速度慢的问题,借鉴自私羊群算法(SHO)的空间因素,改进启发函数;针对局部最优问题,将SHO的吸引力函数融入信息素变化中再结合环境适应度函数,动态指引蚁群朝向更加优良的轨迹前行;而且针对停滞僵局问题,提出撤离行动与预警行动,确保蚂蚁探路效率;针对传统轮转方法随机性问题,提出了评判拐弯机制以在有目的选择下一节点的同时,计算路径距离方法,降低了算法的复杂程度。SHO-ACO与势场蚁群和传统蚁群算法进行仿真对比实验,结果表明,SHO-ACO在简单环境与复杂环境中均具有优越性。
-
关键词
移动焊接机器人
路径规划
自私羊群优化算法
蚁群算法
环境适应度函数
信息素更新
评判拐弯机制
-
Keywords
Mobile Welding Robot
Path Planning
Selfish Herds Optimization Algorithm
Ant Colony Optimization
Environmental Fitness Function
Pheromone Update
Judging Turning Mechanism
-
分类号
TH16
[机械工程—机械制造及自动化]
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名北京地区主要河道洪水及输沙量预报研究
- 2
-
-
作者
杨峰
-
机构
北京金河水务建设集团有限公司
-
出处
《中国水能及电气化》
2024年第7期28-32,共5页
-
文摘
为构建北京地区主要河道洪水和输沙量的预测模型,文章基于白河、北运河、拒马河3条河道的长序列实测径流及输沙量数据,以双向长短期记忆神经网络模型(BiLSTM)为基础,分别采用羊群优化算法(SFMO)、鸽群优化算法(PIO)、灰狼优化算法(GWO),构建河道水沙含量最优估算模型,结果表明:SFMO-BiLSTM模型在所有模型中精度最高,可推荐用于估算河道水沙量。
-
关键词
河道水沙量
双向长短期记忆神经网络
羊群优化算法
-
Keywords
river water and sediment volume
Bidirectional Long Short-Term Memory neural network
Sheep Flock Movement Optimization algorithm
-
分类号
P333.4
[天文地球—水文科学]
-