基于MATLAB的移动机器人蚁群优化控制算法研究

目录2015.08机电一体化目录︱Contents综述•展望3自主移动机器人运动机制探析……………………………………………………申耀武11半导体设备微环境控制方法和前景…………………………………………毕昕沈锦华研究•开发16基于Mecanum轮的全方位运动机构研究………………………谢广庆张伟军袁建军吴诚駿19面向瞬态转矩品质提升的车用电机控制仿真……………………………………………余瑶于蓬章桐25基于PVT模式的Spline插值研究…………………………毛子明张伟军袁建军谢广庆28电推船能量管理系统中冗余控制的研究与实现‥………………………………………………沈路璐艾钢32基于ANSYS的改向滚筒轻量化计算…………………………………………………………李曼37螺杆空压机性能测试装复合油路设计计算………………………………王树胜姜慧茗毛京兵何明学术委员会主任杨华勇委员(按姓氏笔画排序）王立平清华大学王时龙重庆大学王树新天津大季朱向阳上海交通大学杨华勇浙江大学张宪民华南理工大学赵杰哈尔滨工业大学胡俊辉南京航空航天大学钱晋武上海大学梅雪松西安交通大学韩建达中国科学院沈阳自动化研究所焦宗夏北京航空航天大学熊蔡华华中科技大学编辑委员会主任熊振华委员(按姓氏笔画排序）王文君西安交通大学王兴松东南大学刘达北京航空航天大学刘延杰哈尔滨工业大学杨永天津大学吴学忠国防私技大学陈超南京航空航天大学罗均上海大学赵景山清华大学陶波华中科技大学梅德庆浙江大学曹华军重庆大学熊振华上海交通大学执行主编熊振华副主编盛强编辑部庄春刚市场部王杉刊名題字钱伟长美术编辑徐琍责任校对周燕儿出版人梅雪林目录2015.第八期Contents目录2015.08机电一体化主管单位上海图书馆上海科学技术情报研究所主办单位上海科学技术文献出版社协办单位上海交通大学机器人研究所合作单位上海市机器人协会编辑出版《机电一体化》编辑部法律顾问上海誉嘉律师事务所田原商瑜地址：上海市长乐路7464邮编：200040编辑部电话：[phone]市场部电话：[phone]传真:[phone]邮箱：[e-mail]国际标准刊号.ISSN1007_080X国内统一刊号：CN3U1714/TM邮发代号：4-565广吿许可证号：310104400067印刷：上海昌鑫龙印务有限公司地址：上海令沙江路1340号电话：[phone]四旋飞行器硬件在环仿真实验平台的设计与实验………………………吴桐盛鑫军董伟丁汉47高楼外墙清洁智能机器人的设计与实现……………………………………………………丁官元50PLC和变频器在牙轮钻机调速控制改造中的应用‥………………………………………满海波赵春秋55某型航空发动机喷口电磁阀测试系统的设计‥………………………………………赵道文任再青59土舱压力数据序列的混合降噪方法‥………………………………赵炯刘思江凌浩63性能仿真驱动的皮卡车空调出风口优化设计‥………………………傅珂王宵刘会霞苏占龙68基于CA614G车床数控化改造步进电机选型分析‥………………………………………武龙兴郭娇龙基于MATLAB的移动机器人的蚁群优化控制算法研究2015.08机电一体化-23-基于MATLAB的移动机器人蚁群优化控制算法研究StudyforAntColonyOptimizationControlAlgorithmofMobileRobotBasedonMATLAB李金彦1(宁夏工商职业技术学院机电工程系，银川750021)摘要:路径规划是移动机器人导航控制的关键技术。通过基本蚁群控制算法的原理，建立完整的数学模型;针对目前蚁群控制算法进行优化改进，并以MATLAB为工具进行仿真验证，实验表明优化后算法简单、有效，收敛速度快，具有良好的搜索功能。优化蚁群控制算法满足移动机器人路径规划中简短有效的要求。关键词：机器人蚁群控制算法路径规划信息量禁忌路线D0I：10.16413/j.cnki.issn.1007—080x.2015.08.005Abstract：Pathplanningisthekeytechnologyofnavigationandcontrolofmobilerobot.Inthispaper,acompletemathematicalmodelisestablishedbasedonthebasicantcolonyalgorithm,optimizedforthecurrentimprovedantcolonyalgorithmandMATLABastoolsforsimulationexperimentsshowthattheoptimizedalgorithmissimple,effective,fastconvergence,goodsearchfunction.AntcolonyoptimizationalgorithmtomeettheMobilerobotpathplanningbriefvalidrequests.Keywords：mobilerobotantcolonycontrolalgorithmpathplanningamountofinformationcontraindicationsroute1作者简介：李金彦1982年生，硕士，助教。主要研究方向为机电一体化及机器人控制技术。0引言随着移动机器人应用范围扩展，多机器人路径规成为执行复杂任务的关键。21世纪初国外发达国家将蚁群控制算法（antcolonyalgorithm，ACA)作为移动机器人最优路径求解的方法进行研究，取得了良好成果。我国部分高校将蚁群控制算法应用于移动人路径规划，也取得不小的进步。但蚁群控制算随机产生初始种群，导致搜索空间较大，删除冗余能力较差，大大影响了路径规划的速度。移动机对时间的要求极高，复杂环境机器人路径规划时制算法不能满足条件。为此本文提出优化的制算法以适应移动机器人在复杂环境下准确有效的控制。1蚁群控制算法基本原理生物学家经过研究发现，蚂蚁在行进的路上会分泌一种外激素（pheromone)，而蚂蚁则通过分辨路途中的外激素的浓度大小确定行程。单只妈蚁最初的行为是随机的，在蚂蚁间通过外激素传递信息。一只蚂蚁经过时会释放出外激素，此外激素的浓度会随时间的推移逐渐减弱；另一只蚂蚁在经过该路段时会根据此时的外激素浓度辨别方向，浓度大的方向被选中的概率会更大。显然蚂蚁群控制搜索食物的过程正是正反馈过程，据此蚂蚁也会按照此方法选择回到巢穴的最短路程。基于MATLAB的移动机器人的蚁群优化控制算法研究2015.08机电一体化-24-如图1所示为蚂蚁群控制搜索食物路线不意图。假设BCDE之间有障碍物，A为蚁穴，F为食物。如果蚂蚁能准确地找到食物F那么蚂蚁所经过的路径会有ABCEF和ABDEF两条路线，其中BC,CE的路径长度为2L，BD、DE的路径长度为L,那么蚂蚁通过BCE的路程会是BDE的2倍。假设此时有20只蚂蚁经过B点，由于之前没有外激素存在，所以经过两条线路的蚂蚁各10只，这只蚂蚁分别在两条线路上释放出相同浓度的外激素，外激素随着时间的推移不断地以相同的速率挥发，到达食物。由于BD£的路长只有的一半，因此线路上的外激素浓度将会是BCE的2倍，蚂蚁群在返回巢穴经过£点时通过分辨外激素浓度大小而选择前进方向，因此返回时将会有15只蚂蚁经过幻祕路线，5只经过路线。以此类推，在蚁群控制第二次、第三次等多次的往返过程，经过路径的蚂蚁将会越来越少，最终没有蚂蚁经过该路线，该路线的外激素也将全部挥发棹.蚁群将一直沿着最近的线路往返。2算法的改进方略将基本蚁群控制算法应用在多个移动机器人路径规划求解时，计算量大，求最优解所需的时间较长。而在许多问题中并不要求所有的机器人都能找到最优模板，而只需要一个机器人找到即可；如果要求所有的移动机器人都找到最优模板，反而影响了计算效率，故算法的改进优化是很有必要的。当机器人在运动过程中的t时刻，从节点i转移到节点j转释放的信息量大小为。p表示信息量系数，1-p表示不信息残留因子。为了防止信息的无线积累，p的取值范围为。如果让4机器完成-次循环，各路径上信息量大小要根据其中)(1tTnkkij表示本次循环中经过路径上所有机器人释放的信息量总和。nkkijijijijijtTtTtTtTntT1)()()()()1()(。(1)全程信息量更新的目的是在最短路线上注入额外的信息，即只有属于最短路线弧上的信息才能得到加强，这是一个正反馈的过程，也是一个强化机器人路径信息的过程。伴随着信息量的变化，全局最短路线上各弧的信息值得到增加；每当机器人经过一个节点时，就会记录当前的相应的信息，整个机器人群所有的记录信息汇成禁忌表tabu*。机器人K由点向点i向y移动按照路径转移概率计算式（2)选择下点0)()()()()(kallsisisijijkijtttttp如果j=all*否则all*={0，1，…，n-1}-tabut表示机器人k所能选择的下一点的合集，机器人k下一步允许选择的下一点。a为信息启发式因子，表示路径的相对重要性，反映了机器人在运动过程中所积累的信息在机器人运动时所起的作用，其值越大，则该机器人越倾向于选择其他机器人经过的路径，机器人之间协作越强。为期望启发式因子，表示能见度的相对重要性，反映了机器人在运动过程中启发信息在机器人选择路k中的受重视程度，其值越大，则该状态转移概率越接近贪心规则。)(tij为启发函数。表1路径概率关系比较%路径迭带次数路径概率关系第一次第二次第三次第四次第五次基于MATLAB的移动机器人的蚁群优化控制算法研究2015.08机电一体化-25-BCE5033.32011.15.6禁止BDE5066.78019.994.4以上算法的改进能保证只要有—个机器人在一次寻优过程中选择了全局最优路径，就可以使算法找到全局最优解;但如果所有的机器人均未选择最优路径，，以上算賊无，寻找到最优解。为减少这种情况发当的运行时刻判断算法是否正在向局部最;如果是，则清除局部最优解路径上的信息值助收人的选路概率，使算法以更大的概率搜索寻找最值。由于应用基本蚁群控制算法时，机器人探寻最优解的过程中，介于机器人在一些已经探寻过的路径上，没有继续探寻的必要，因此可对大小进行筛选，筛选出概率小于一个特定的值的路径，避免部分机器人在以后的往返过程中重复探寻无用的解，使所有机器人在最短的=结束探寻，在最优化的路径之间让移动机器人在图1所示路径往返，计算机器人在几次往返时机器人选择路径的概率大小，每次住返注入新的信息量、两条路上的信息量都得到不同程度加强。机器人选择路径概率越大的路径被选择的机会越来越大，无限趋近于100%，但始终不会达到100%;反之，被选择概率小的路径其被选择概率会越来越小，无限趋近于0,但始终达不到0。在运用移动机器人数量较大的情况下，多次往返后仍有少部分移动机器人选择较远的路径前行，这样不但达不到预期的控制效果，而且浪费资源，因此采用禁忌路线法。在机器人往返时，如果某条路径被选择的概率低于10%，那么该路线就会被列入禁忌路线，使所有机器人禁止选择该路线前行，使每个机器人都达到最大程度的利用。如表1所示:基本蚁群控制算法在第5次往返时选择路径概率为5.6%，达到禁忌路线要求，因此禁止移动机器人继续选择该路线前进；而在信息量加强后，在第4次往返选择路径概率就达到8.8%，达到禁忌路线要求。可以看出在信息量加强前后，选择路径概率有了明显的改变。如表2所示。和林基于基本蚁群控制算法的改进，采用信息量加强禁忌路线，使得移动机器人在利用蚁群控制算法时更快更准确地到达预定目标点。3.MAVTLAB仿真基于MAVTLAB的改进型基本蚁群控制算法具有简单，容易实现等特点，利用改进蚁群控制算法随机求解n个节点的行程问题如下。首先初始化0cN设迭代次数为0cN。初始化0cN，各)(ij初始化。改进