通过研究桥式起重机路径规划问题,提出一种改进的蚁群路径规划算法。针对传统蚁群算法收敛速度慢,容易陷入局部最优的缺点,借鉴A*算法和狼群分配原则改进自适应启发函数、信息素更新机制。根据桥式起重机的运行特征,通过运动学动力学分析抽象出两个仿真因子路径长度和节点数量,提出以路径长度、运行时间和稳定性等性能参数为代价的新的评价标准。栅格环境下的桥式起重机路径规划仿真结果表明,改进的蚁群算法提高算法的收敛速度,避免搜索陷入局部最优,可以得到较优的工程应用路径。

以作业车间为研究对象,针对加工时间不确定这一扰动因素,主要采用周期驱动来制定相应的滚动调度策略。辅以事件驱动来保证车间运行整体情况的平衡。设计加工时间偏差容忍(LDT)来避免不必要的重调度。考虑车间的资源约束,重新定义状态转移规则,克服了长蚂蚁路径搜索容易停滞的缺点。通过仿真,获得了所需的合适滚动调度策略参数,进一步实验结果显示了改进的蚁群算法性能,针对调度方案所做的改进在计算时间和计算结果上均取得较优效果。

针对降低物流配送过程中产生的配送总成本和碳排放量这一研究目标,在带软时间窗和容量限制的车辆路径优化问题上,综合考虑了车辆载重、行驶速度和行驶距离等因素,提出了一种以配送总成本最低、碳排放量最少的多目标车辆路径优化模型。并对该模型设计了改进蚁群算法来求解,算法首先在初始信息素的生成和路径转移规则等环节进行了改进,然后引入新的信息素更新公式和混沌扰动机制来更新路径上的信息素,最后利用研究算例对模型和算法进行测试,结果表明多目标模型能更好的兼顾物流配送中的配送总成本和碳排放量,与经典蚁群算法相比,改进蚁群算法在配送总成本上平均节省了6.5%、碳排放量上平均节省了3.5%,验证了所提方法的有效性。

针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。

阀控摆动液压缸工作时需要协调快、稳定性强的特点,但现有的控制系统还缺少针对性的研究方法,存在着隶属度函数参数不确定、Fuzzy规则库和隶属函数无法更新,缺乏自适应性以及精度不高等问题。针对上述问题利用改进后的蚁群算法对阀控摆动液压缸模糊PID的误差变化e、误差变化率ec、比例△Kp、积分△Ki、微分△Kd五个参数进行优化,确定出合适的伸缩因子,通过仿真和实验实现对其模糊PID控制器的完善,达到预期的控制效果。实验证明：改进后的蚁群算法优化后的模糊PID控制系统其相对误差明显减小,对于恒定转速,其误差在5.48%,对于线性转速,其误差在6.52%。

VACA是变尺度算法融入蚁群优化算法中而形成的一种混合算法。针对电液比例系统PID 控制参数整定问题，提出了基于改进蚁群算法的 PID 参数优化方案，并给出了具体的实现步骤：建立臂架电液控制系统的数学模型，利用Simulink工具箱建立了电液比例控制系统的VACA-PID的仿真模型，进行了仿真和验证。结果表明：VACA-PID 控制器具有良好的静、动态性能，完全能达到电液比例控制系统的要求。