申请/专利权人：安徽工程大学;芜湖柯埔智能装备有限公司

申请日：2022-08-20

公开（公告）日：2024-04-12

公开（公告）号：CN115494840B

主分类号：G05D1/43

分类号：G05D1/43;G05D1/246;G05D1/633;G05D1/644;G05D1/648;G05D109/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.01.03#实质审查的生效;2022.12.20#公开

摘要：一种基于蒙特卡洛因子的MC‑IACO的改进蚁群算法的焊接机器人路径规划方法，包括：S1、栅格法创建机器人工作环境地图；S2、初始化节点的蒙特卡洛算法参数；S3、算法迭代开始：S3.1、将m只蚂蚁放至起点开始寻路；S3.2、按传统蚁群算法流程更新信息素浓度矩阵；S3.3、初始化蒙特卡洛指数增量矩阵mc_delta；S3.4、遍历当前代最优路径的节点，更新mc_delta中节点对应的蒙特卡洛指数增量mij_delta＝0.1；S3.5、依据mc_matrix＝mc_matrix+mc_delta更新蒙特卡洛指数矩阵；S3.6、若当前迭代次数小于最大迭代次数，则执行S3.1；否则执行S4；S4、循环T代后输出全局最优解。本发明解决焊接机器人路径规划问题上的效果进步明显，整体性能优于基本蚁群算法和改进蚁群算法的性能。

主权项：1.一种基于蒙特卡洛因子的MC-IACO的改进蚁群算法的焊接机器人路径规划方法，包括以下步骤：S1、采用栅格法创建机器人工作环境地图，定义起始点与目标点；S2、初始化节点的蒙特卡洛指数矩阵mc_matrix为一零矩阵，以及距离启发因子α，信息素启发因子β，蚂蚁数量m，迭代次数T以及挥发系数e等其它算法参数；S3、算法迭代开始：S3.1、将m只蚂蚁放至起点开始寻路，依靠蚂蚁的节点概率选择公式4， 其中Mij为蒙特卡洛因子，计算公式如公式5，mij为蒙特卡洛指数， 记录所有的寻路结果，保存路径节点信息与路径长度信息；S3.2、按照传统蚁群算法相关流程更新信息素浓度矩阵；S3.3、初始化蒙特卡洛指数增量矩阵mc_delta，该矩阵大小同mc_matrix，所有元素的值为-0.1；S3.4、遍历当前代最优路径的节点，更新mc_delta中节点对应的蒙特卡洛指数增量mij_delta＝0.1；S3.5、更新蒙特卡洛指数矩阵，依据公式6：mc_matrix＝mc_matrix+mc_delta6S3.6、若当前迭代次数小于最大迭代次数，则执行S3.1；否则，执行S4；S4、循环T代后结束循环，输出全局最优解。

全文数据：

权利要求：

百度查询： 安徽工程大学;芜湖柯埔智能装备有限公司 一种基于蒙特卡洛因子的MC-IACO的焊接机器人路径规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD