«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第46卷

期数:

2018年第23期

页码:

253-258

栏目:

农业工程与信息技术

出版日期:

2018-12-05

文章信息/Info

Title:

Application of improved ant colony algorithm in path planning of fruit and vegetable picking robot

作者:

李晓静;  余东满

河南工业职业技术学院/河南省柔性制造重点实验室，河南南阳 473009

Author(s):

Li Xiaojing; et al

关键词:

传统蚁群算法; 改进蚁群算法; 果蔬采摘机器人; 路径规划

Keywords:

-

分类号:

TP225

DOI:

-

文献标志码:

A

摘要:

果蔬采摘机器人如何在复杂多变作业环境中，特别是多丘等特殊地理面貌中，能够快速选择最佳路径实现安全避障完成作业任务，就涉及到果蔬采摘机器人路径规划问题。针对基本蚁群算法(Traditional Ant Colony Algorithm，TACO)搜索效率低、易陷入局部最优及易出现早熟收敛等缺陷，提出一种基于改进蚁群算法(Improved Ant Colony Algorithm，IACO)的果蔬采摘机器人路径规划方法。首先，采用栅格法建立4种不同规格环境模型；其次，为缩减路径搜索初期时间消耗、加快搜索速度和扩大全局寻优能力，综合考虑搜索路径上当前节点、下一节点和目标节点间的几何关系，设计新的启发函数因子，并在此基础上对状态转移规则进行改进；为保留每次循环最优路径的信息优势，增加路径选择多样性和改善算法收敛性能，通过引入精英策略和信息素局部与全局相结合的更新策略对信息素更新规则进行改进。最后，通过与其他算法仿真试验结果比对分析，证实改进算法在解决复杂特殊地理环境下果蔬采摘机器人最优避障路径规划具有有效性和优越性。

Abstract:

-

参考文献/References:

［1］Bechar A，Vigneault C. Agricultural robots for field operations：concepts and components［J］. Biosystems Engineering，2016，149：94-111.
［2］Jiang T，Wang J Z. Study on path planning method for mobile robot based on fruit fly optimization algorithm［J］. Applied Mechanics and Materials，2014，536：970-973.
［3］Guo J C，Gao Y，Cui G Z. The path planning for mobile robot based on bat algorithm［J］. International Journal of Automation and Control，2015，9(1)：50-60.
［4］Li G S，Chou W S. Path planning for mobile robot using self-adaptive learning particle swarm optimization［J］. Science China Information Sciences，2018，61(5)：1-18.
［5］Zhang H M，Li M L. Rapid path planning algorithm for mobile robot in dynamic environment［J］. Advances in Mechanical Engineering，2017，9(12)：1-12.
［6］Han Z L，Wang D Q，Liu F，et al. Multi-AGV path planning with double-path constraints by using an improved genetic algorithm［J］. PLoS One，2017，12(7)：1-16.
［7］Chen Y B，Mei Y S，Yu J Q，et al. Three-dimensional unmanned aerial vehicle path planning using modified wolf pack search algorithm［J］. Neurocomputing，2017，266：445-457.
［8］刘二辉，姚锡凡. 基于改进遗传算法的自动导引小车路径规划及其实现平台［J］. 计算机集成制造系统，2017，23(3)：465-472.
［9］周凌云，丁立新，邹桢苹. 多启发式信息蚁群优化算法求解取样送检路径规划问题［J］. 武汉大学学报(理学版)，2017，63(5)：439-447.
［10］Li P F，Wang H B，Li X G. Improved ant colony algorithm for global path planning［C］//Liu L，Yang C，Ke J. AIP Conference Proceedings. NY，USA：Amer Inst Physics，2017：1-5.
［11］游晓明，刘升，吕金秋. 一种动态搜索策略的蚁群算法及其在机器人路径规划中的应用［J］. 控制与决策，2017，32(3)：552-556.
［12］Yu L J，Wei Z H，Wang H，et al. Path planning for mobile robot based on fast convergence ant colony algorithm［C］//IEEE. ICMA. NJ(USA)：IEEE，2017：1493-1497.
［13］饶楚锋，韩华亭，瞿珏，等. 多策略蚁群算法求解诱导维修路径规划［J］. 火力与指挥控制，2017，42(10)：82-86.
［14］康冰，王曦辉，刘富. 基于改进蚁群算法的搜索机器人路径规划［J］. 吉林大学学报(工学版)，2014，44(4)：1062-1068.
［15］万晓凤，胡伟，方武义，等. 基于改进蚁群算法的机器人路径规划研究［J］. 计算机工程与应用，2014，50(18)：63-66.
［16］王辉，朱龙彪，王景良，等. 基于Dijkstra-蚁群算法的泊车系统路径规划研究［J］. 工程设计学报，2016，23(5)：489-496.
［17］Liu J H，Yang J G，Liu H P，et al. An improved ant colony algorithm for robot path planning［J］. Soft Computing，2017，21(19)：5829-5839.
［18］Yang J Y，Ding R F，Zhang Y，et al. An improved ant colony optimization (I-ACO) method for the quasi travelling salesman problem (Quasi-TSP)［J］. International Journal of Geographical Information Science，2015，29(9)：1534-1551.
［19］谭覃，刘树东，张艳. 移动机器人路径规划仿真研究［J］. 计算机仿真，2016，33(8)：354-358.
［20］江杰，张怀超. 关于移动机器人路径最优规划研究［J］. 计算机仿真，2016，33(9)：329-334.
［21］王钦钊，程金勇，李小龙. 复杂环境下机器人路径规划方法研究［J］. 计算机仿真，2017，34(10)：296-300.
［22］董晔，吴丽娟. 基于混合人工势场-蚁群算法的机器人避障［J］. 辽宁科技大学学报，2015，38(3)：212-216.

相似文献/References:

[1]龚瑞昆,吴天华.基于改进蚁群算法的联合收割机调度路径优化[J].江苏农业科学,2019,47(04):197.
　Gong Ruikun,et al.Optimization of dispatching path of combine harvester based on improved ant colony algorithm[J].Jiangsu Agricultural Sciences,2019,47(23):197.

备注/Memo

备注/Memo:

收稿日期：2018-03-14
基金项目：河南省青年骨干教师资助计划(编号：2012GGJS-248)。
作者简介：李晓静(1980—)，女，河南南阳人，硕士，主要从事机械设计研究。E-mail：hnpilxj@126.com。
通信作者：余东满，博士，副教授，主要从事机构设计、仿真分析等研究。E-mail：yudongman@126.com。

常用功能

更新日期/Last Update: 2018-12-05