[发明专利]一种基于隶属云模型蚁群算法的桥梁支座自动喷涂轨迹

说明书

本发明提供了一种隶属云模型蚁群算法来实现橡胶桥梁支座表面自动喷涂轨迹的生成与优化问题。传统蚁群算法的轨迹优化，基本蚁群算法的Q和ρ通常保持初值恒定不变，这样会使得某路径上残留信息素太大或者太小，最终导致全局搜索时算法停止不前或者不收敛，即在整个蚁群中表现出许多蚂蚁停滞或扩散现象。基于隶属云蚁群算法的桥梁支座自动喷涂轨迹优化，采用U条件隶属云生成Q(t)和ρ(t)，同时限定路径上信息素浓度的范围，从而避免算法停滞不前，使得算法收敛速度加快。

技术领域

本发明涉及桥梁支座所谓自动喷涂领域，应用人工智能领域、机器人路径规划技术、智能算法优化领域，结合了桥梁支座自动喷涂的实际要求，提供了一种具有现实意义的自动喷涂桥梁等物件的喷涂路径选取方法。

背景技术

桥梁支座在桥梁的承重系统中起到关键作用，桥梁支座的恶劣工作环境使得桥梁支座的金属部件极易因为生锈缩短寿命，针对这一技术问题，需要对桥梁支座喷涂防腐蚀涂料，传统人工喷涂浪费时长，喷涂不均匀，因此迫切需要研究一种能够代替人工作业的高效的机器人喷涂方法来满足桥梁支座自动喷涂最优路径的设计要求。

传统蚁群算法极易陷入局部最优，本专利提出一种针对桥梁支座的应用隶属云蚁群算法的喷涂路径优化，根据桥梁支座的工艺要求和它的外形特点，主要要完成的目标是寻找到一条最优路径使得喷涂效率高，用料较少。

发明内容

本发明主要是研究桥梁支座最优喷涂路径问题，针对桥梁支座的工作环境，提出一种基于隶属云蚁群算法的桥梁支座喷涂。

蚁群算法最大的缺点是蚁群算法的随机性使得计算过程中有较大可能会产生很大的信息素浓度，从而使得该路径有更大的概率被整个蚁群种群选择为此次迭代的种群中最优路径，这将导致在迭代初期就有可能达到局部最优解，此时还有大部分空间并未被搜索到，极易错失全局最优解。

针对蚁群算法初始化时信息素浓度一致性的问题，我们可以采用隶属云算法来获得Q(t)与ρ(t)；控制信息素浓度范围，从而改变蚁群算法停滞不前，容易陷入局部最优的问题。

本发明提出如下内容来实现隶属云模型蚁群算法在喷涂机器人路径规划中的应用。

首先建立一个二维空间模型，用以在之后的步骤测试算法的可行性与收敛性。

下一步进行参数初始化，分别对蚁群算法和隶属云算法的一系列参数进行初始化，并且设定信息素浓度阈值。

最后利用公式将信息素按照隶属云的结果进行分配。

进行蚁群算法的蚂蚁路径的选取，利用轮盘赌的概率算法进行道路迭代。

利用全新的信息素更新规则对蚁群算法中的每一代路径进行更新。

判断是否终止，并输出最优解。

本发明提供了一种基于隶属云蚁群算法来实现桥梁支座表面自动喷涂轨迹的生成与优化问题。隶属云模型蚁群算法主要包含以下几个方面：

(1)利用隶属云U条件隶属云生成Q(t)与ρ(t)；

(2)给定每条路径上的信息素浓度的范围；

(3)改变信息素更新规则，优先更新每一代最优路径上的信息素浓度；

附图说明

图1是本发明流程图；

图2是传统蚁群算法的仿真结果图；

图3是传统模型蚁群算法迭代次数；

图4是隶属云模型蚁群算法的仿真结果图；

图5是隶属云模型蚁群算法迭代次数；

具体实施方式