为了获得复杂环境下智能巡检机器人最优巡检路径,提升巡检效率,提出了基于改进遗传算法的巡检机器人路径规划算法。在种群初始化阶段使用混沌算法降低算法陷入局部最优的概率,使用自适应策略优化交叉算子与变异算子,进一步提升算法的收敛速度、执行性能和求解质量;针对遗传算法局部寻优能力差的问题,采用模拟退火算法强化其整体寻优能力。对比实验结果显示,提出的算法较经典遗传算法、蚁群算法等具有更好的表现力,规划的路径也更为合理。

该文研究了遗传算法模型针对遗传算法的特点在隔代映射遗传算法基础上引入自适应策略建立了自适应遗传算法数学模型给出了具体算法流程。通过自适应策略使IP_GA中的交叉、变异概率能够根据函数适应度大小自动调节提高了收敛速度及解的质量。通过该算法对液压压力系统传递函数进行参数求解建立了液压系统的开环模型。利用Matlab/Simulink工具对开环模型进行仿真并与实测输出曲线对比验证了遗传算法求解液压伺服系统参数的可行性。同时通过分析仿真结果找出了材料试验机比例压力控制系统与伺服压力控制系统在辨识方法上的差别。

在隔代映射遗传算法基础上引入自适应策略，使IP_GA中的交叉、变异概率根据适应度大小自动调节，提高了收敛速度及解的质量。通过该算法对液压压力系统传递函数进行参数求解，建立了系统的开环模型。通过Matlab／Simulink工具对开环模型进行仿真并与实测输出曲线对比，验证了遗传算法求解液压伺服系统参数的可行性。同时，通过分析仿真结果，找出了材料试验机比例压力控制系统与伺服压力控制系统在辨识方法上的差别。