摘要：目的为了提高码垛机器人的工作效率，减小能量损耗，优化机器人末端抓手的工作轨迹。方法建立机器人路径规划的数学模型，在此基础上对传统的蚁群算法进行改进，将环境中局部的机器人路径信息引入蚁群信息素的初始化和路径选择概率中，提高蚁群算法的收敛速度，并防止算法早熟，避免算法陷入局部最优。结果仿真结果表明，改进后的蚁群算法收敛速度更快，能够在较短时间内规划出最佳路径。结论所提方法能够明显提高码垛机器人最佳路径搜索能力，对于提升机器人运行效率具有重要指导意义。

关键词：码垛机器人；路径规划；蚁群算法；局部最优

路径规划是码垛机器人运动学领域中一个重要的研究方向，路径规划的目的是在充满障碍物的环境中寻找到一条从起始点以最短路径或最低能耗等为目标，在避开障碍物的前提下到达目标点的最佳路径。根据已知的环境条件不同，码垛机器人路径规划通常分为已知所有环境信息的全局路径规划和已知局部或完全未知环境信息的局部路径规划。目前国内外学者针对机器人的路径规划进行了大量的研究，主要有网格法、人工势场法以及神经网络规划法等。网格法主要适用于机器人运动空间较小时，当空间较大时需要的硬件存储空间增大，机器人规划速度大大下降。人工势场法在轨迹寻找过程中，容易陷入局部最优，从而形成死锁。神经网络规划法虽然自适应性较强，但随着障碍物的不断增加，导致神经网络结构过于庞大，算法实现较为复杂。

蚁群算法是根据蚂蚁在行走路线中留下一定量信息素，蚂蚁会根据路进行上遗留信息素多少寻找到一条最优行进路线。史恩秀等提出了一种算法参数相匹配的蚁群算法，通过对不同算法参数进行仿真得到了最佳匹配参数组，进而提高了路径规划效率。刘建华等在传统蚁群算法基础上引入了势场，以势场引力和斥力的合力方向为信息素扩散方向，降低对算法参数的依赖性，降低了这些参数的耦合强度。

文中为了使码垛机器人能够寻找到一条最优路径，提出了一种智能蚁群算法的包装码垛机器人轨迹优化方法。仿真结果表明：改进后的蚁群搜索方法能够大大提高码垛机器人最佳路径搜索能力，显著提高了机器人运动效率。

1 包装码垛机器人运动学模型

包装码垛机器人是一种基于平衡四杆机构的码垛机器人本体机构，结构简图见图1。该机器人机械本体主要包括基座、机械臂和腕部机构三大部分，其中机械臂采用具有缩放功能的平行四杆机构，在满足机械臂平稳动作的同时，增大机器人末端执行器的作业空间。该机器人在不包括气动夹手的张合情况下，存在4 个独立的自由度，分别为整体机构绕基座的转动，机械臂平行四杆机构的水平与竖直方向的运动及末端执行器绕腕部的转动，且机器人4 个自由度分别由4 台交流伺服电机驱动。

图1 码垛机器人本体结构

2 码垛机器人规划数学模型

3 码垛机器人蚁群路径规划

在t 时刻，蚂蚁由位置i 运动到位置j 的概率为

4 仿真分析

为了验证该算法对于码垛机器人路径规划的有效性，进行了相关的仿真实验。假设机器人运动路径上的障碍均分布在20×20 的正方形环境中。算法参数设置为：蚂蚁数量k=20，信息启发算子α=1，期望启发算子β=4；信息素残留算子ρ=0.7。基于以上参数设置分别采用传统蚁群算法和改进后的蚁群算法进行机器人路径仿真分析。仿真结果见图2 和图3。

图2 传统蚁群算法寻优路径

图3 改进蚁群算法寻优路径

由图2 和图3 对比可以看出，改进蚁群算法下的机器人路径规划相比于传统蚁群算法具有更强的寻优能力，找到的路径更短，大大提高了机器人运行效率；改进蚁群算法的迭代图中具有更多的“锯齿”，在同样的路径长度下迭代次数相比传统蚁群算法大大减小，从而说明改进蚁群算法具有更强的全局搜索能力；当算法陷入局部最优解时，改进蚁群算法能够迅速跳出局部最优，并继续搜索全局最优解，相比于传统算法，改进蚁群算法能够显著提高搜索效率和收敛速度，具有较强的适应性。

5 结语

将蚁群算法应用于包装码垛机器人的路径规划中，并针对传统蚁群算法易陷入局部最优等问题，提出了一种新型蚁群路径规划方法，在路径寻优过程中让部分最优路径中的信息量增加，从而可以使机器人能够根据路径中的激素信息进行自适应调整，从而有效避免了路径上信息量的过于集中，从而提高了算法的收敛速度并避免算法过快的陷入局部最优。仿真结果表明改进后的蚁群算法能够在很短时间内寻找到一条满足多个约束条件的最优路径，大大提升了蚁群算法收敛速度，并能保证机器人末端执行器在复杂的工作环境中有效避开障碍物达到目标位置。