蚁群算法应用于路径规划时,算法前期信息素分布均匀,只依赖启发信息搜索最优路径,因此存在盲目搜索和收敛慢的问题;蚁群算法后期由于信息素的正反馈作用,使蚁群算法陷入局部最优时无法跳出。为了解决这些问题,提出了改进人工势场法引导蚁群算法的路径规划方法。介绍了栅格环境建模法;以人工势场法为基础,给出了路径中间点选择方法,取消了障碍物斥力而只保留目标点引力,在目标引力下实现路径规划;以改进人工势场法规划路径启发蚁群算法,减少前期路径规划盲目性,实现加快收敛的目的;改进信息素更新方法,使信息素遗留因子随路径优劣自适应变化。由仿真结果可以看出,相比于蚁群算法和文献[10]势场蚁群算法,这里算法规划路径最短、平均迭代次数最少、算法平均耗时最少。

针对当前汽车载重量测量精度低的问题,;提出了基于BP神经网络信息融合算法的汽车载重测量方案。首先分析了现有的两种载重测量方法,即叠板弹簧形变量测量法和胎压变化量测量法,并分别建立了汽车载重量与叠板弹簧变化量、轮胎气压变化量的数学模型;然后提出了使用BP神经网络算法将这两种测量方法的测量信息进行融合;通过样本数据的训练,确立了BP神经网络三层网络拓扑结构和参数。设计了10组载重试验对此算法进行验证,结果表明基于BP神经网络信息融合的汽车载重测量方法可以有效地测量汽车载重,最大测量误差为0.91%。