基于改进蚁群算法的工业机械臂避障路径规划

Value Engineering1介绍在20世纪90年代，意大利学者提出了一种新的启发式算法-蚂蚁群体算法（ACA ），该算法模拟了天然蚂蚁的路由行为，具有以下优点：①具有良好的鲁棒性，只要稍加修改，它就可以用来解决其他问题；②分布式计算，基于总体结构具有并行性；③很容易与其他方法相结合，ACA 可以与其他启发式算法相结合，很容易地改变其性能。

虽然该算法大约在10年前才被提出，但在各种应用中都已经具有了一定的竞争力，但我们还没有清楚地认识到它的本质，对收敛性的分析和对算子和参数的设计都是非常不成熟的[1-2]。

近年来，一些学者提出了一种新的算法———蚁群优化（ACO ），为蚁群算法系统提供了新的研究方向。

2蚁群优化算法通过房照大自然中蚂蚁寻找食物的行为，衍生出来了一种智能仿生算法，就是蚁群算法。

蚁群算法的两个重要步骤分别是计算状态转移概率，以及信息素更新[3]。

2.1状态转换概率在蚁群算法中，网格i 中的蚂蚁k根据信息素的浓度在t 时刻选择网格j 的概率路线：（1）其中πij 表示路径中的信息素浓度；ηij 表示启发式信息强度；α和β分别表示信息素浓度的启发式因子和启发式因子的期望值；J k 表示蚂蚁k 的当前备选路径的集合。

2.2信息素更新规则在迭代过程中，需要更新路径中的信息素浓度。

方程（1）显示信息素浓度T ij 和启发式信息ηij 在蚂蚁如何选择路径上起着决定性的作用[4-5]。

其中，ηij 不随时间改变，只与蚂蚁k 的位置有关。

信息素Tij 的更新规则如下：（2）（3）式中ρ∈（0，1）为信息素蒸发因子，表示信息素随时间衰减的速度；ΔT ij （t ）是新增加的信息素的浓度值。

根据方程（3），ΔT ij （t ）与信息素强度因子Q 和路径长度Lk 有关。

3改进蚁群算法研究根据许多研究，蚁群算法中的过渡规则是寻找最短路径的关键[6-8]。

在本文中，我们通过分配刺激概率来帮助蚂蚁选择面向目标的安全网格，并基于全局启发式信息使其适应大规模转换；并建立了改进的信息素更新规则和新的动态蒸发策略，以提高全局搜索能力，加速收敛。

㊀第52卷第1期郑州大学学报(理学版)Vol.52No.1㊀2020年3月J.Zhengzhou Univ.(Nat.Sci.Ed.)Mar.2020收稿日期:2019-01-10基金项目:工信部智能制造综合标准化与新模式应用项目(2017ZNZX02)㊂作者简介:赵华东(1978 ),男,河南开封人,副教授,主要从事先进制造技术研究,E-mail:huadong @;通信作者:雷超帆(1994 ),男,河南许昌人,硕士研究生,主要从事工业机器人技术研究,E-mail:329641044@㊂基于改进蚁群算法的六自由度机械臂路径规划赵华东,㊀雷超帆,㊀江㊀南(郑州大学机械工程学院㊀河南郑州450001)摘要:针对空间六自由度机械臂路径规划问题,提出了一种基于改进蚁群算法的路径规划方法㊂以ABB1410型号的六自由度工业机械臂为研究对象,建立D-H 运动模型以求解正㊁逆运动学方程㊂设计了碰撞检测算法,使用改进后的蚁群算法进行路径规划,把机械臂末端的运动轨迹看作是依次经过规划路径的点的集合,求解机械臂运动的反解,得到相应的关节转角,实现了机械臂的路径规划㊂通过仿真实验验证了该方法实现六自由度机械臂路径规划的有效性及可行性㊂关键词:ABB1410型号机械臂;碰撞检测;蚁群算法;路径规划中图分类号:TP241㊀㊀㊀㊀㊀文献标志码:A㊀㊀㊀㊀㊀文章编号:1671-6841(2020)01-0120-07DOI :10.13705/j.issn.1671-6841.20190120㊀引言在工业4.0大背景下,工业机器人技术及产品已成为制造业中不可或缺的部分,同时也引发了国内外专家对相关技术的研究热潮㊂机械臂的路径规划问题是指在满足工作条件的基础上,寻找一条从初始点到目标点距离最短且能避开障碍的最优路径[1]㊂具有代表性的规划方法主要有自由空间法和人工势场法等[2]㊂文献[3]借助C 空间法的思想,构造障碍物映射至C 空间的转换关系,实现机械臂在线实时避障,但这种空间映射方法的计算量较大,尤其是对于关节数较多的机械臂而言,适用性较差㊂文献[4]通过构造引力场和斥力场,有效避免了碰撞的发生,很好地解决了机械臂在处理全局规划中的避障问题,但由于势场法的固有缺陷,该方法容易陷入局部最小处,规划效果欠佳㊂文献[5]提出了基于速度的C 空间法来实现动态环境中的路径规划,但该方法仅适用于移动机器人㊂文献[6]利用A ∗算法与动力学约束相结合,达到避免碰撞实现路径规划的目的,但是这种方式需要进行大量的动力学计算,且公式推导极其复杂,不适用于多关节型机械臂㊂本文以ABB1410型号机械臂为研究对象,使用D-H 法构建机械臂模型,进而推导出其正㊁逆运动学变换公式,实现末端执行器从空间坐标至关节角度的映射;通过合理的建模方式对机械臂和障碍物进行简化,设计碰撞检测方法;对蚁群算法进行了改进,以此实现机械臂在工作空间中的避障路径规划,并通过模拟机械臂的避障运动,对该方法的可行性进行了验证㊂1㊀机械臂运动学研究1.1㊀D-H 运动模型的建立D-H 法是由Denavit 和Hartenberg 于1955年设计的一种表示机械臂各连杆间运动关系的通用方法㊂其基本原理是在机械臂的关节处设定坐标系来表示相连刚体杆件的空间位姿,使相邻两连杆间的空间位置关系通过4∗4阶层的齐次坐标变换矩阵进行描述[7]㊂通过六连杆间依次变换,最终得到机械臂末端执行器相对于底座的位姿㊂以ABB1410型号机械臂为例,建立的D-H 运动模型如图1所示,连杆参数的数值如表1所示㊂㊀第1期赵华东,等:基于改进蚁群算法的六自由度机械臂路径规划图1㊀ABB1410型号机械臂的D-H 运动模型Figure 1㊀D-H motion model of ABB1410manipulator 表1㊀连杆参数的数值Table 1㊀Number of connecting rod parameters 连杆a i /mm αi /(ʎ)d i /mm θi 转角范围/(ʎ)147590150θ1-170~170260000θ2-70~653120900θ3-65~7040-90720θ4-150~15050900θ5-115~11560085θ6-300~3001.2㊀正运动学分析机械臂的正运动学是指在已知机械臂各个连杆的尺寸大小后,给定其关节处的转角㊁速度㊁加速度等参数,计算出末端执行器处的位姿和运动状态[8]㊂假设某时刻机械臂六个关节的转动角度分别为θ1㊁θ2㊁θ3㊁θ4㊁θ5㊁θ6,已知相邻两杆间表示位姿的齐次变换矩阵为T n =Rot (z ,θn )Trans (0,0,d n )Trans (αn ,0,0)Rot (x ,αn )=cos θn -sin θn cos αn ㊀sin θn sin αn αn cos θn sin θn ㊀cos θn cos αn -cos θn sin αn αn sin θn 0sin αn cos αn d n 0㊀0㊀00éëêêêêêêùûúúúúúú㊂㊀㊀根据表1中的连杆参数,可以得到ABB1410型号机械臂六个关节间的转换关系为0T 1=cθ1-sθ100sθ1㊀cθ1000㊀01d 10㊀001éëêêêêêêùûúúúúúú,1T 2=cθ2-sθ2㊀000㊀0-10sθ2㊀cθ2㊀000㊀0㊀01éëêêêêêêùûúúúúúú, ,5T 6=cθ6-sθ6000㊀0-1-d 6sθ6㊀cθ6000㊀001éëêêêêêêùûúúúúúú,式中:c ㊁s 分别表示余弦函数和正弦函数;n -1T n 表示相邻两关节间的坐标转换关系㊂在求出六个连杆间的转换关系后,不难求得末端执行器与基坐标系之间的转换公式为0T 6=0T 11T 22T 33T 44T 55T 6=r 11r 12r 13p x r 21r 22r 23p y r 31r 32r 33p z 0001éëêêêêêêùûúúúúúú,式中:[r 11r 12r 13]㊁[r 21r 22r 23]㊁[r 31r 32r 33]分别为执行器上坐标系方向在基坐标系方向上的投影;[p x p y p z ]T 表示执行器坐标系原点相对于机械臂的基坐标系的空间位置坐标㊂1.3㊀逆运动学分析逆运动学是指在已知机械臂末端执行器坐标系的位姿矩阵后,通过对正运动学变换矩阵的反向求解,得到机械臂各个关节处的旋转角度㊂采用矩阵逆乘的方法求解逆运动学解的过程为T =0T 11T 22T 33T 44T 55T ,T 1-1T =1T 22T 33T 44T 55T ,T 1-11T 2-1T =2T 33T 44T 55T ,︙T 1-11T 2-12T 3-13T 4-1T =4T 55T 6㊂ìîíïïïïïïïï121郑州大学学报(理学版)第52卷㊀㊀由于推导过程烦琐,其具体过程就不在本文中展开叙述㊂根据Picper 准则可知,机械臂逆运动学的解并不具有唯一性㊂因此,在实际应用中,应根据机械臂具体的避障要求以及路径规划的运动轨迹来判断机械臂所对应的逆解㊂2㊀机械臂碰撞检测图2㊀机械臂简化模型Figure 2㊀Simplified model of the manipulator 2.1㊀机械臂与障碍物模型简化采用长方体包络法将机械臂与障碍物抽象简化㊂具体做法是将机械臂连杆和工作空间中需要规避的不规则形体的障碍物用最小体积的六面体包裹起来㊂为了简化运算,将包络机械臂连杆的长方体看作一条直线,而将连杆长方体的边长叠加到障碍物长方体中㊂机械臂简化模型如图2所示㊂最终,只需判断连杆直线与包络障碍物长方体的六个平面间的位置关系,即可完成碰撞检测㊂2.2㊀碰撞检测假设关节i 和i +1处的坐标分别为p 1(x 1,y 1,z 1)和p 2(x 2,y 2,z 2),那么连杆l i 所处直线的方向为H =(x 2-x 1,y 2-y 1,z 2-z 1)㊂长方体某一平面的四个顶点分别为s 1(x 1,y 1,z 1)㊁s 2(x 2,y 2,z 2)㊁s 3(x 3,y 3,z 3)㊁s 4(x 4,y 4,z 4),该平面S 的法向量为M (m 1,m 2,m 3)㊂运用空间几何学知识可知,当M ㊃H =0时,直线与平面平行;当M ㊃H ʂ0时,说明直线与平面相交,必定存在着某个交点p 0(x 0,y 0,z 0)㊂交点为碰撞点需要同时满足两个条件:其一,交点必须处于连杆线段上;其二,交点要在空间平面的内部㊂连杆线段i 若要与平面S 相交,需要满足以下条件:min(z 1,z 2)<z 0<max(z 1,z 2),min(x 3,x 4)<x 0<max(x 3,x 4),min(y 3,y 4)<y 0<max(y 3,y 4)㊂ìîíïïïï㊀㊀在完成连杆线段i 与平面S 的碰撞判断后,接下来用同样的方法判断连杆l i 与障碍物长方体的其他五个平面是否碰撞,对于机械臂另外五个连杆的判断也同样采用这种方法进行求解㊂图3㊀三维空间规划Figure 3㊀Three-dimensional space planning 3㊀三维空间建模三维空间建模的具体方法如下:沿坐标轴方向构造包含初始点㊁目标点及障碍物的三维空间立方体区域ABCD-EFGH ,该立方体区域即为作业空间的规划区域㊂在完成作业空间的规划后,采用等分法对空间进行划分,得到三维路径规划所需要的路径节点㊂首先沿AE 边线将空间ABCD-EFGH 进行等距划分,得到n 个平面Πi (i =1,2, ,n ),然后再沿AB 边线对这n 个平面进行m 等分,最后沿AD 边线进行m 等分,这样就将平面Πi (i =1,2, ,n )离散成m ˑm 个栅格,三维空间规划如图3所示㊂通过上述步骤,将三维规划空间离散为一系列三维空间点的集合㊂4㊀基于改进蚁群算法的路径规划4.1㊀基本蚁群算法蚁群算法是模拟蚁群觅食行为的启发式智能算法[9-10],该算法的实现步骤如下㊂221㊀第1期赵华东,等:基于改进蚁群算法的六自由度机械臂路径规划(1)初始化算法参数㊂在搜索之前,需要给蚁群算法的几个重要参数赋予初始值,初始值合理与否直接影响着算法搜索的性能[11],蚁群算法的重要参数包括蚂蚁数量㊁信息素启发值㊁适应度启发值及信息素衰减系数㊂(2)算法搜索过程㊂蚂蚁从当前点移动至下一路径点时,根据可视域内各个点的选择概率来决定移动目标,蚂蚁k在t时刻从i点移动至j点的概率可以表示为P k ij =[τij(t)]α㊃[δij(t)]βðjɪallowed[τij(t)]α㊃[δij(t)]β,jɪ{allowed},式中:集合{allowed}表示蚂蚁k下一步所能选择的路径节点的集合;τij(t)表示在t时刻从i点至j点路径上的残余信息素大小;δij(t)表示在t时刻从i点至j点路径上的能见度;α表示信息素启发值;β表示适应度启发值㊂(3)局部信息素更新㊂每当蚂蚁完成一次路径的搜索,就要按照局部信息素更新策略对经过路径上的信息素进行更新,更新公式为τij=(1-ξ)τij,其中:τij表示以点(i,j)为信息素载体的信息素浓度;ξ表示信息素衰减系数㊂(4)全局信息素更新㊂当一次迭代中的蚂蚁都完成从出发点到终点的搜索后,要进行全局信息素的更新,更新公式为τij(t+1)=(1-ρ)τij(t)+Δτij(t),其中:ρ表示信息素挥发系数㊂4.2㊀蚁群算法的改进4.2.1㊀建立可视域搜索空间㊀为降低搜索空间的复杂程度,将机械臂末端执行器的运动简化为沿x㊁y㊁z三个轴方向上的直线运动,其中沿x轴方向的最大移动距离为L x,max,沿y轴方向的最大移动距离为L y,max,沿z轴方向的最大移动距离为L z,max㊂这样,当蚂蚁对下一路径点进行搜索时,就会相对于当前位置形成一个可视域搜索空间㊂按照此种方法,将蚂蚁的搜索限制在一定区域内,简化了搜索空间,提高了蚁群算法的搜索效率㊂4.2.2㊀设置信息素浓度τij的上㊁下限㊀在蚁群算法的寻优过程中,路径上残余信息素浓度τij的大小严重影响着蚂蚁的判断,决定着收敛结果的质量㊂当信息素浓度过高时,蚂蚁搜索将会失去随机性,算法陷入局部最优;反之,当信息素浓度过低时,算法容易陷入早熟收敛㊂因此,通过对信息素浓度设置上㊁下限,避免算法的早熟和局部最优,增减算法的正反馈作用,公式如下:τij(t+1)=τmax,τij(t)ȡτmax,τx,τmin<τij(t)<τmax,τmin,τij(t)ɤτmin,ìîíïïïï式中:τx表示局部或全局更新计算所得到的信息素浓度大小㊂4.2.3㊀挥发系数ρ的自适应调节㊀挥发系数ρ反映了蚁群的全局搜索能力和算法收敛的速度㊂当ρ值较大时,信息素的浓度衰减较快,由正反馈机制占据主导地位,算法随机性较差;而当ρ值较小时,算法将陷入随机搜索,正反馈作用降低,进而导致收敛速度减慢㊂对ρ值采用自适应调节策略,公式如下:ρ(N+1)=ξρ(N),ξρ>ρmin,ρmin,其他, {式中:ξɪ(0,1);N表示算法的迭代次数㊂5㊀仿真结果与分析5.1㊀算法实现流程为了验证本文方法实现六自由度机械臂路径规划的可行性,对其进行了仿真验证㊂将机械臂工作空间抽象化,使用长方体包络法简化障碍物模型,通过蚁群算法在已知工作环境中寻找一条合适的规划路径,得到组成路径的节点坐标,再将该节点依次作为机械臂执行器的移动目标点,根据逆运动学计算公式求解每一目标点所对应的关节角度,可得到多组关节角度解的集合㊂任选一组解进行碰撞检测,若不发生碰撞,则该解满足路径规划需求,否则进行下一组解的碰撞检测㊂若所有的解均不满足规划需求,则将该路径节点视为障碍点,重新进行路径规划,直至所有路径节点均不发生碰撞㊂321郑州大学学报(理学版)第52卷图4㊀算法实现流程Figure 4㊀Algorithm implementation flow chart 算法实现流程如图4所示㊂5.2㊀仿真结果分析利用仿真环境为Matlab 2014b,CPU 型号为Inter i5-6500,内存为8GB 的计算机分别对优化后的蚁群算法和普通蚁群算法进行仿真对比㊂机械臂工作空间为2m∗2m∗1m,离散点划分数量为20∗20∗10㊂初始点坐标为(6,5,2),目标点坐标为(13,6,10)㊂根据文献[11]中的实验结果设置算法参数,蚁群数量m 为50,迭代次数N 为100,信息素启发值α为1,适应度启发值β为5,挥发系数ρ为0.7,仿真结果对比如图5所示㊂观察仿真结果可知,在相同的参数条件下,改进蚁群算法搜索到的路径长度更短,且迭代速度更快㊂改进蚁群算法和普通蚁群算法的路径长度分别为1.941m 和2.119m,迭代次数分别为38次和65次,寻优时间分别为1.636s 和2.823s㊂图5㊀仿真结果对比Figure 5㊀Comparison of simulation results㊀㊀选择改进蚁群算法路径规划的结果作为机械臂的运动路径,机械臂在路径节点的位姿坐标和关节转角如表2所示㊂机械臂在沿规划路径运动的过程中,六个关节转角随时间的变化曲线如图6所示㊂表2和图6中关节转角的数据均为实际转角与π的比值㊂结果表明,每个关节角的变化都是平滑且连续的曲线,并未有突变情况发生,符合机械臂运动学规律,路径规划有效㊂根据上述路径规划结果,利用RobotStudio 软件模拟机械臂的避障运动过程,观察可知,机械臂机身及末端执行器均未与障碍物发生碰撞,证明碰撞检测算法有效㊂机械臂运动仿真过程如图7所示㊂结果表明,在采用本文的改进蚁群算法对空间六自由度机械臂进行避障路径规划时,能够快速㊁准确地搜寻到一条符合机421㊀第1期赵华东,等:基于改进蚁群算法的六自由度机械臂路径规划㊀㊀表2㊀路径节点的位姿坐标和关节转角Table 2㊀Pose coordinates and joint angles of the path nodes 节点(x ,y ,z )(R x ,R y ,R z )是否碰撞转角1转角2转角3转角4转角5转角61(6,5,2)(1,-1,-1)否0.6947-0.8960-0.1760 3.14160.85130.69472(8,5,4)(1,-1,-1)否0.5586-0.4870-0.4700 3.14160.61270.55863(9,4,6)(1,-1,-1)否0.4182-0.3360-0.3390 3.14160.89550.41824(9,2,7)(1,-1,-1)否0.2187-0.1650-0.3960 3.1416 1.00920.21875(9,0,7)(1,-1,-1)否0.0014-0.1300-0.4360 3.1416 1.00470.00156(9,-2,8)(1,-1,-1)否-0.2180-0.1110-0.3130 3.1416 1.1475-0.21807(9,-4,8)(1,-1,-1)否-0.4180-0.2130-0.1970 3.1416 1.1614-0.41808(11,-6,8)(1,-1,-1)否-0.4990-0.67600.4311 3.1416 1.3260-0.4990图6㊀关节转角随时间的变化曲线Figure 6㊀Joint angle curve changing withtime 图7㊀机械臂运动仿真过程Figure 7㊀Simulation process of manipulater motion械臂运动要求且避开碰撞的最优路径㊂6㊀结论本文以ABB1410型号的六自由度空间机械臂为研究对象,首先对其进行运动学分析,建立D-H 运动模型,推导正㊁逆运动学变换公式,得到从空间坐标到关节转角的转换关系㊂然后设计机械臂与障碍物碰撞检测算法,抽象化三维空间模型㊂对蚁群算法进行改进,使用改进后的蚁群算法完成了机械臂在工作空间的路径规划㊂仿真结果验证了该方法的可行性,为空间六自由度机械臂提供了快速㊁精确的路径规划方法㊂参考文献:[1]㊀马超.6R 串联机械臂复杂空间环境路径规划研究[D].济南:济南大学,2017.MA C.Research on path planning in complex space environment based on 6R serial manipulator[D].Jinan:University of Jinan,2017.[2]㊀王兆光.六自由度机械臂避障路径规划研究[D].成都:西南交通大学,2018.WANG Z G.Research on obstacle avoidance path planning for 6-DOF manipultor [D].Chengdu:Southwest Jiaotong Universi-521621郑州大学学报(理学版)第52卷ty,2018.[3]㊀刘领化.三维空间机械臂路径规划及减振运动控制[D].株洲:湖南工业大学,2013.LIU L H.Path planning and motion control of vibration reduction of three-dimensional space manipulator[D].Zhuzhou:Hunan University of Technology,2013.[4]㊀唐彪,何波.改进人工势场法的机械臂避障路径规划研究[J].无线互联科技,2017(3):115-117.TANG B,HE B.Research on obstacle avoidance path planning of manipulator with improved artificial potential field method [J].Wireless internet technology,2017(3):115-117.[5]㊀FIORINI P,SHILLER Z.Motion planning in dynamic environments using the relative velocity paradigm[C]ʊIEEE Internation-al Conference on Robotics and Automation.Atlanta,1993:560-567.[6]㊀宗成星,陆亮,雷新宇,等.一种基于A∗算法的空间多自由度机械臂路径规划方法[J].合肥工业大学学报(自然科学版),2017,40(2):164-168.ZONG C X,LU L,LEI X Y,et al.A path planning approach for multi-DOF spatial manipulator via A∗algorithm[J].Journal of Hefei university of technology(natural science),2017,40(2):164-168.[7]㊀HARTENBERG R S.A kinematic notation for lower-pair mechanism based on matrices[J].J Appl Mech,1955,22:215-221.[8]㊀肖俊明,韩伟,王瑷珲,等.六自由度机械臂运动学分析与仿真研究[J].中原工学院学报,2018,29(4):77-83.XIAO J M,HAN W,WANG A H,et al.Simulation study and analysis of six degrees of freedom manipulator kinematics[J].Journal of Zhongyuan university of technology,2018,29(4):77-83.[9]㊀侯欣蕾,于莲芝.基于改进蚁群算法的移动机器人路径规划[J].软件导刊,2017,16(12):162-164.HOU X L,YU L Z.Mobile robot path planning based on improved ant colony algorithm[J].Software guide,2017,16(12): 162-164.[10]王书勤,黄茜.蚁群算法参数优化设置研究[J].信阳师范学院学报(自然科学版),2012,25(2):262-265.WANG S Q,HUANG Q.Studies on the parameters configuration for ant colony algorithm[J].Journal of Xinyang normal uni-versity(natural science edition),2012,25(2):262-265.[11]魏星,李燕.蚁群算法中参数优化及其仿真研究[J].制造业自动化,2015,37(5):33-35.WEI X,LI Y.Research on parameters optimization and simulation of the ant colony algorithm[J].Manufacturing automation, 2015,37(5):33-35.Six-degree-of-freedom Manipulator Path Planning Based onImproved Ant Colony AlgorithmZHAO Huadong,LEI Chaofan,JIANG Nan(School of Mechanical Engineering,Zhengzhou University,Zhengzhou450001,China) Abstract:Aiming to solve the path planning problem of space six-degree-of-freedom manipulator,a path planning method based on improved ant colony algorithm was proposed.The ABB1410industrial manipu-lator was taken as the research target,the D-H motion model of manipulator was built up in order to solve the forward and inverse kinematics equations.The collision detection algorithm was designed,and the improved ant colony algorithm was utilized to plan the path.The motion trajectory at the end of the ma-nipulator was regarded as the set of points that were sequentially routed through the planned path,and the inverse solution of the motion of the manipulator was obtained.Then the corresponding joint rotation angel was got,and the path plan of the space manipulator was realized.The method was effective and feasible to achieve the six-degree-of-freedom manipulator path planning through simulation experiments.Key words:ABB1410manipulator;collision detection;ant colony algorithm;path planning(责任编辑:孔㊀薇)。

基于改进蚁群算法的AGV路径规划研究在现代制造业中，自动化引导车辆（AGV）扮演着重要的角色。

它们如同工厂中的“勤劳小蜜蜂”，在生产线间穿梭，搬运物料，确保生产流程的顺畅进行。

然而，如何让这些“小蜜蜂”更加高效地工作，避免拥堵和碰撞，成为了一个亟待解决的问题。

传统上，AGV的路径规划依赖于静态地图和固定路线，但这种方法缺乏灵活性，难以应对复杂多变的生产环境。

于是，研究人员开始探索新的路径规划方法，其中，基于蚁群算法的路径规划因其独特的优势而备受关注。

蚁群算法，顾名思义，是模拟蚂蚁觅食行为的一种算法。

蚂蚁在寻找食物时会释放信息素，其他蚂蚁通过感知信息素的浓度来选择路径。

这种看似简单的行为却蕴含着强大的智慧：随着时间的推移，最短的路径上的信息素会越来越浓，从而吸引更多的蚂蚁选择这条路径。

这就是所谓的“正反馈机制”。

将蚁群算法应用于AGV路径规划中，意味着让每辆AGV都像一只蚂蚁一样，通过不断尝试和学习来找到最优路径。

然而，传统的蚁群算法也存在一些不足，比如收敛速度慢、容易陷入局部最优解等。

因此，研究人员提出了改进蚁群算法，以期解决这些问题。

首先，改进蚁群算法引入了动态调整信息素挥发率的策略。

在传统算法中，信息素的挥发率是固定的，这可能导致某些路径上的信息素过早消失，从而使算法陷入局部最优解。

而动态调整策略则根据当前搜索情况实时调整挥发率，使算法更加灵活地适应环境变化。

其次，改进蚁群算法还采用了多目标优化的思想。

在实际应用中，AGV的路径规划不仅需要考虑距离最短，还要考虑时间最短、能耗最低等多个目标。

因此，改进算法通过引入多目标函数来平衡这些因素，从而得到更加全面和实用的解决方案。

最后，改进蚁群算法还结合了机器学习技术。

通过训练大量的数据样本，算法可以学会识别不同场景下的最优路径特征，从而提高路径规划的准确性和效率。

经过改进后的蚁群算法在AGV路径规划中的应用取得了显著成效。

它不仅提高了路径规划的效率和准确性，还增强了系统的灵活性和鲁棒性。

专利名称：一种基于改进蚁群算法的机器人路径规划方法专利类型：发明专利
发明人：张艳,谭覃,刘树东
申请号：CN201610250829.6
申请日：20160422
公开号：CN105929843A
公开日：
20160907
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于改进蚁群算法的机器人路径规划方法，所述基于改进蚁群算法的机器人路径规划方法包括以下步骤：(1)引入预规划路径；(2)添加拐点参数；(3)建立“死锁”禁忌表，提高搜索效率，有效避免“死锁”问题。

申请人：天津城建大学
地址：300384 天津市西青区津静路26号
国籍：CN
更多信息请下载全文后查看。

机械臂轨迹规划及避障算法研究近年来，机械臂技术得到了长足的发展和应用。

机械臂的运动轨迹规划和避障算法是实现其灵活性和自主性的关键。

本文将探讨机械臂轨迹规划及避障算法的研究进展。

一、机械臂轨迹规划的重要性机械臂的轨迹规划是为了使机械臂能够按照既定的路径进行精确的运动。

这对许多领域的应用都非常关键，比如工业制造、医疗手术等。

良好的轨迹规划可以提高机械臂的工作效率和精度，减少能源消耗和损耗，提高生产速度和质量。

目前，机械臂轨迹规划主要有两种方法：基于几何和基于搜索。

二、基于几何的机械臂轨迹规划算法基于几何的机械臂轨迹规划算法是根据机械臂的几何结构和关节运动空间进行规划的。

常用的算法有反向运动学和运动插值等。

反向运动学是一种常用的机械臂轨迹规划算法，通过将目标位置和姿态转换为各个关节的角度，实现机械臂的精确定位。

运动插值则是通过定义一系列路径点，然后插值计算机械臂在这些点之间的运动轨迹，达到平滑移动的效果。

然而，基于几何的机械臂轨迹规划算法在面对复杂环境时存在困难，比如存在多个障碍物或者局部特殊约束。

因此，基于搜索的机械臂轨迹规划算法也逐渐引起了人们的注意。

三、基于搜索的机械臂轨迹规划算法基于搜索的机械臂轨迹规划算法常用的有遗传算法、粒子群算法和蚁群算法等。

这些算法通过搜索问题的解空间来寻找最优的运动轨迹。

遗传算法是一种模拟生物进化的方法，通过对候选解进行评估和选择交叉、变异等操作，不断进化出更好的解。

粒子群算法则是模拟鸟群寻找食物的行为，通过个体之间的合作和信息共享来寻找最优解。

蚁群算法则是模拟蚂蚁找食物的行为，通过信息素的释放和感知来寻找路径。

这些基于搜索的机械臂轨迹规划算法可以在复杂环境中较好地解决运动规划问题，但是计算复杂度较高，需要更多的计算资源和时间。

四、机械臂避障算法研究机械臂避障算法主要是解决机械臂在运动过程中如何避开障碍物、规避碰撞的问题。

常用的机械臂避障算法有基于传感器的方法和基于视觉的方法。

基于蚁群算法的机器人路径规划李克东，刘国栋，任华(江南大学 通信与控制工程学院, 江苏 无锡 214122)摘要：针对移动机器人规避障碍和寻找最优路径问题，提出了在复杂环境下移动机器人的一种路径规划方法。

采用了栅格法建立了机器人工作平面的坐标系，整个系统由全局路径规划和局部避碰规划两部分组成。

在全局路径规划中，用改进蚁群算法规划出初步全局优化路径；局部避碰规划是在跟踪全局优化路径的过程中，通过基于滚动窗口的环境探测和碰撞预测，对动态障碍物实施有效的局部避碰策略，从而使机器人能够安全顺利的到达目标点。

仿真实验的结果表明了所述方法能在较短时间内找到最佳路径并规避障碍。

关键词：机器人路径规划；蚁群算法；全局路径规划；局部避碰策略中图分类号：TP202 文献标识码：APath Planning for Robots Based on Ant Colony AlgorithmLI Ke-dong ,LIU Guo-dong, REN Hua(College of Communication and Control Engineering ,JiangNan University ,Wuxi,214122,China) Abstract: The problems of obstacle avoidance and path planning of mobile robot are discussed.This paper presents a new approach to robot path planning under complex environment.Grid method is used to model the workspace.The whole system includes two parts:the global path planning and the local planning for obstacle avoidance.In the global path planning,an optimal route to the goal is found by ant colony algorithms;in the local planning for obstacle avoidance,while following the global path,several collision,free strategies for different situations are used after the environment detection and collision prediction based on rolling windows in order that the robot reaches the goal safely.The results of the simulation experiment indicate that the mobile robot can find the goal within the shortest path without the collision.Key words: robot path planning;ant colony algorithm;global path planning;local planning for obstacle avoidance1 引 言移动机器人路径规划问题是指在有障碍物的工作环境中，寻找一条从给定起始点到终止点的较优的运动路径，使机器人在运动过程中能安全、无碰撞地绕过所有障碍物，且所走路径最短。

基于改进蚁群算法的机器人路径规划方案研究作者：孙海洋夏庆锋杨冠男来源：《软件导刊》2018年第09期摘要：蚁群算法是机器人路径规划中的经典算法之一，在二维静态环境中，传统蚁群算法在机器人路径规划中还存在一些缺点，如算法收敛较慢、容易陷入局部最优并可能导致算法停滞等。

针对这些缺陷，对传统蚁群算法提出相应改进，引入自适应启发式因子、拐点个数等参数，并采用不同启发式因子对随机概率进行更新。

使用Matlab对改进前后算法的收敛速度、避障寻径和最短路径长度等进行对比分析。

结果显示，改进后的算法较传统算法不仅可以使机器人有效避开所有障碍物，而且能够高效寻找到最短路径，在很大程度上避免了算法陷入局部最优。

关键词：路径规划；蚁群算法；最优路径；拐点个数；启发式因子DOIDOI：10.11907/rjdk.182144中图分类号：TP303文献标识码：A文章编号文章编号：16727800（2018）009002203英文标题Research on Robot Path Planning Based on Improved Ant Colony Algorithm——副标题英文作者SUN Haiyang，XIA Qingfeng，YANG Guannan，GUO Lili英文作者单位（School of Information Science and Engineering，Jinling College of Nanjing University， Nanjing 210000，China）英文摘要Abstract：Ant colony algorithm is one of the classical algorithms in robot path planning.The traditional ant colony algorithm still has some shortcomings in robot path planning. For example， the algorithm converges slowly， it is easy to fall into local optimum， and it may cause the algorithm to stagnate. For these defects， the traditional ant colony algorithm is proposed to improve accordingly， adaptive heuristic factors and parameters such as the number of inflection points are introduced， and different heuristic factors are used to update the random probability.Matlab simulation is used to compare the convergence speed， obstacle avoidance path and the shortest path length of the improved algorithm. The results show that compared with the traditional algorithm， the improved algorithm can not only make the robot avoid all obstacles efficiently， but also can find the shortest path efficiently， and it also avoids the defect of falling into local optimum to a large extent.英文关键词Key Words：route plan；ant colony algorithm；optimal path；the number of inflection points；heuristic factor0引言蚁群算法由意大利学者Dorigo、Maniezzo等于20世纪90年代首次提出，是来自大自然的随机搜索寻优算法，现已陆续应用到组合优化、通讯等各个领域，具有很好的适应性[13]。

基于蚁群算法的多移动机器人避障路径规划方法DOI :10.19557/ki.1001-9944.2021.01.009丁艳1,毕杨2(1.汉中职业技术学院机电工程系,汉中723000;2.西安航空学院电子工程学院,西安710077)摘要:为提高多移动机器人避障路径的规划能力,提出基于蚁群算法的多移动机器人避障路径规划方法。

结合小扰动解析方法构建多移动机器人运动学模型,根据运动学特征建立避障路径分布约束参数;通过自适应蒙特卡洛定位法进行故障定位;根据定位信息,结合蚁群算法进行多移动机器人避障路径规划寻优控制。

仿真结果表明,采用该方法进行多移动机器人避障路径规划的自适应寻优能力较好,机器人定位精度较高,提高了多移动机器人避障能力。

关键词:多移动机器人;避障;蚁群算法;路径规划;定位中图分类号:TP242文献标志码:A文章编号:1001⁃9944(2021)01⁃0036⁃05Obstacle Avoidance Path Planning Method for Multi ⁃mobile Robots Based on Ant Colony AlgorithmDING Yan 1,BI Yang 2(1.Department of Mechanical and Electrical Engineering ,Hanzhong Vocational and Technical College ,Hanzhong 723000,China ;2.School of Electronic Engineering ,Xi ’an Aeronautical University ,Xi ’an 710077,China )Abstract :In order to improve the obstacle avoidance path planning ability of multiple mobile robots ,an ant colony algorithm based path planning method for multi mobile robots is bined with small disturbance analysis method ,the kinematics model of multiple mobile robots is constructed ,and the distribution constraint parameters of obstacle avoidance path are established according to the kinematic characteristics.The fault location is carried out by adaptive Monte Carlo localization method.According to the location information ,combined with ant colony algorithm ,the obstacle avoidance path planning optimization control of multiple mobile robots is carried out.The simulation re ⁃sults show that the adaptive optimization ability of the method is better ,the robot positioning accuracy is higher ,andthe obstacle avoidance ability of multi mobile robots is improved.Key words :multi ⁃mobile robot ;obstacle avoidance ;ant colony algorithm ;path planning ;positioning收稿日期:2020-09-07;修订日期:2020-10-26基金项目:西安市科技计划科技创新引导项目(201805032YD10CG16(2));航空科学基金项目(201809T7001)作者简介:丁艳(1983—),女,硕士,讲师,研究方向为机器人控制理论;毕杨(1981—),女,博士,副教授,研究方向为信号与信息处理。

基于改进蚁群算法的机械手三维操作路径规划伊华伟【摘要】提出一种改进的蚁群算法，实现机械手在三维栅格模型中进行最优操作路径规划。

利用该蚁群算法模拟蚂蚁的觅食过程，使蚂蚁在初始点和目标点之间采用“惯性原则”和最大信息素启发策略完成最优操作路径的搜索。

仿真实验验证了该方法在机械手操作路径规划应用中的有效性。

即使在复杂的操作环境中，该方法也可以迅速地规划出最优操作路径。

%An improved ant colony algorithm is proposed in the paper to realise the optimal operation path planning of the manipulator in three-dimensional grid model.The ant colony algorithm is used to simulate the foraging process of ants,and makes the ants complete the search of optimal operation path between the initial point and the target point by using "inertia"principle and maximum pheromone inspiring strategy.Simulation experiments verify the effectiveness of the improved method in manipulator operation path planning application,even in complicated operating environment,this method can also quickly plan the optimal operation path.【期刊名称】《计算机应用与软件》【年(卷),期】2014(000)004【总页数】4页(P302-304,307)【关键词】三维操作空间;三维栅格模型;改进的蚁群算法;惯性原则【作者】伊华伟【作者单位】辽宁工业大学计算中心辽宁锦州 121001【正文语种】中文【中图分类】TP24机器人的路径规划是机器人研究领域中的一个重要分支，而路径规划又分为两个部分[1,2]：机器人的二维行走路径规划和机械手的三维操作路径规划。

基于改进蚁群算法的机器人路径规划DOI :10.19557/ki.1001-9944.2020.11.009李静,高俊钗(西安工业大学电子信息工程学院,西安710000)摘要:在机器人路径规划过程中,针对传统蚁群算法易陷入局部最优、搜索时间过长等问题,该文提出了一种改进的蚁群算法。

用栅格法建立环境模型,引入概率选择函数,降低死锁概率,增加路径平滑度;用Logistic 模型的混沌扰动改进信息素的更新方式,提高路径规划的全局搜索能力及收敛速度。

仿真结果表明,改进后的蚁群算法减少了路径长度,提高了全局搜索能力且减少了搜索时间。

关键词:路径规划;蚁群算法;Logistic 模型;ROS 中图分类号:TN91文献标志码:A文章编号:1001⁃9944(2020)11⁃0039⁃05Robot Path Planning Based on Improved Ant Colony AlgorithmLI Jing ,GAO Jun ⁃chai(College of Electronic and Information Engineering ,Xi ’an Technological University ,Xi ’an 710000,China )Abstract :In the process of robot path planning ,in view of the traditional ant colony algorithm is easy to fall into lo ⁃cal optimum ,the problem such as the search time is too long ,this paper proposes an improved ant colony algorithm.Environment model is established with grid method ,and the introduction of probability choice function ,reduce the probability of a deadlock ,increasing path smoothness ;Using the Logistic model of chaotic disturbance improvedpheromone update methods ,improve the global search ability and convergence speed of path planning.The simulation results show that the improved ant colony algorithm reduces the path length ,improves the global search ability and reduces the search time.Key words :path planning ;ant colony algorithm ;Logistic model ;ROS收稿日期:2020-08-05;修订日期:2020-10-10基金项目:陕西省重点研发计划项目(2018GY ⁃184)作者简介:李静(1995—),女,在读硕士研究生,研究方向为电子与通信工程;高俊钗(1971—),女,博士,副教授,研究方向为电子信息工程。