针对点焊机器人在C空间中的轨迹规划问题,提出一种基于蚁群算法的智能轨迹规划参数自适应蚁群算法(parameter adaptive ant colony algorithm,PAACA),以期改进蚁群算法易早熟、收敛速度慢的问题,在PAACA中构建一种复合线性适应度函数,...针对点焊机器人在C空间中的轨迹规划问题,提出一种基于蚁群算法的智能轨迹规划参数自适应蚁群算法(parameter adaptive ant colony algorithm,PAACA),以期改进蚁群算法易早熟、收敛速度慢的问题,在PAACA中构建一种复合线性适应度函数,此函数可以智能控制算法中信息素的作用强度,从而提高寻优能力。通过MATLAB进行仿真测试证明了PAACA的优越性,并将智能轨迹规划应用在工业机器人实体中,用KEBA控制器进行3D建模仿真示教和机器人本体运行,验证了C空间中的智能轨迹规划PAACA具有很强的实际应用价值。展开更多
文摘针对点焊机器人在C空间中的轨迹规划问题,提出一种基于蚁群算法的智能轨迹规划参数自适应蚁群算法(parameter adaptive ant colony algorithm,PAACA),以期改进蚁群算法易早熟、收敛速度慢的问题,在PAACA中构建一种复合线性适应度函数,此函数可以智能控制算法中信息素的作用强度,从而提高寻优能力。通过MATLAB进行仿真测试证明了PAACA的优越性,并将智能轨迹规划应用在工业机器人实体中,用KEBA控制器进行3D建模仿真示教和机器人本体运行,验证了C空间中的智能轨迹规划PAACA具有很强的实际应用价值。
