针对现有建筑材料运输机器人避障中存在的全局寻优能力差,易与移动障碍物发生碰撞的不足,设计了一种蚁群势场算法;首先分析了蚁群算法下蚂蚁个体信息素浓度的累积过程,通过构建人工势场求解引力和斥力的合作,将其作为优选蚁群算法启发...针对现有建筑材料运输机器人避障中存在的全局寻优能力差,易与移动障碍物发生碰撞的不足,设计了一种蚁群势场算法;首先分析了蚁群算法下蚂蚁个体信息素浓度的累积过程,通过构建人工势场求解引力和斥力的合作,将其作为优选蚁群算法启发因子的重要约束条件;其次引入SA算法对蚁群势场算法做二次优化,将降温的过程视为一个全局优化的过程;最后在局部避碰方面构建了质量点模型,通过评估机器人当前位置、运行速度和障碍物位置等信息建立惩罚函数,并将惩罚函数值降至最低,避免出现与障碍物的碰撞;实验结果显示:提出算法有更高的迭代效率,复杂动态条件下最短行进距离为110.6 m, 4种传统算法的最短行进距离分别为135.5、137.6、137.2和130.4 m,而且在该算法控制下,未出现局部与其他移动机器人的碰撞情况。展开更多
文摘针对现有建筑材料运输机器人避障中存在的全局寻优能力差,易与移动障碍物发生碰撞的不足,设计了一种蚁群势场算法;首先分析了蚁群算法下蚂蚁个体信息素浓度的累积过程,通过构建人工势场求解引力和斥力的合作,将其作为优选蚁群算法启发因子的重要约束条件;其次引入SA算法对蚁群势场算法做二次优化,将降温的过程视为一个全局优化的过程;最后在局部避碰方面构建了质量点模型,通过评估机器人当前位置、运行速度和障碍物位置等信息建立惩罚函数,并将惩罚函数值降至最低,避免出现与障碍物的碰撞;实验结果显示:提出算法有更高的迭代效率,复杂动态条件下最短行进距离为110.6 m, 4种传统算法的最短行进距离分别为135.5、137.6、137.2和130.4 m,而且在该算法控制下,未出现局部与其他移动机器人的碰撞情况。