离散粒子群算法的焊接机器人路径规划 最初粒子群算法是用来求解连续优化问题的，比如连续函数的最值，是一种基于连续域的优化算法，其求得的往往是函数上的一个极值点。只能用于对连续域的问题，进行求解，并不适用于离散域问题的求解。因此，并不能直接用其来求解PR1400焊接机器人的路径优化问题，如果想运用其求解PR1400焊接机器人的路径，必须对其进行适当的变化，使其适用于离散域问题的求解。 为了将粒子群算法用于离散空间优化问题的求解，有关文献提出了离散粒子群算法用于求解组合优化问题，此研究中引入了交换子和交换序的概念，结合PR 1400焊接机器人路径优化问题，其具体定义如下。 1交换子与交换序 2求解PR1400焊接机器人路径规划问题的粒子速度位置更新公式 其中，其他参数与标准PSO算法中的定义保持一样。 3基于离散PSO算法PR1400焊接机器人路径规划流程 离散粒子群算法用于求解PR1400焊接机器人路径规则问题时，其算法的流程如下: 基于MATLAB的PR1400焊接机器人路径规划仿真 应用图2.1给出的每个焊点的坐标(研究选取30个焊接点，作为PR1400焊接机器人的焊接任务)，及上文的算法参数设置，重复测试50次，优化结果的数据统计如表2.1所示。 从表2.1可以看出粒子群算法在有限的迭代次数内找到PR1400焊接机器人的最优路径或近似最优路径，其路径的平均值为11.8829。说明粒子群算法每次运算搜索到的最优路径己经接近于实际的最优路径。最优值为10.3235。 迭代次数为400时PSO算法的最优路径的进化曲线，如图2.2所示。 迭代次数为400时PSO算法的最优路径，如图2.3所示。 从图2.3的最优路径可以看出，经过有限代的运算搜索到了满足PR1400焊接机器人焊接条件的一个最优路径或近似最优路径。并且从表2.1可以看出最优路径长度为10.3235，迭代次数为400时的平均运行时间为0.9801 s，可见粒子群算法运算速度很快。从图2.2的进化曲线可以看出，迭代次数超过120之后，进化曲线趋于水平，即在120代时己找到近似最优路径。进一步分析粒子群算法搜索速度快的原因可知，粒子群算法搜索速度较快是因为:①粒子群优化算法是利用个体在解空间中的随机速度来改变个体搜索方向的，计算比较简单;②粒子群算法中的粒子具有“记忆”的特性，可以通过“自我”学习和向“群体”学习，使其下一代的群体更优，从而找到最优解的时间较短;③粒子群算法中，信息属于单向流动，只有全局最优解的信息和个体最优解的信息传递给了其它的粒子，是跟随当前最优解的搜索过程，因而搜索的更快。 本章在粒子群算法分析的基础上，深入研究了影响粒子群算法性能的几个参数设置，并将适用于求解离散问题最优解的离散粒子群算法应用于求解PR1400焊接机器人最优焊接路径中来。通过MATLAB仿真获得可行的PR 1400焊接机器人最优规划路径，证明了粒子群算法在求解PR1400焊接机器人焊接路径问题中的可行性与有效性。

• 上一篇：焊接机器人应用粒子群算法求解行为参数分析
• 下一篇：未来人类有望研制具有真实意识智能机器人