基于改进灰狼算法的自动导航小车控制策略

摘要：

针对灰狼算法(grey wolf optimizer,GWO)易陷入局部最优、后期收敛速度慢等问题,通过引入改进Tent混沌映射反向学习策略和非线性收敛因子,并加入差分进化的变异、交叉、选择操作,提出一种改进的差分灰狼优化算法(improved differential evolution grey wolf optimizer,IDE-GWO).将改进算法应用于优化自动导航小车(automated guided vehicle,A GV)的比例积分微分(proportion integration differentiation,PID)控制参数,并与其他几种算法进行对比.Simulink仿真实验结果表明:该改进算法优化PID参数的控制效果明显优于其他智能优化算法,能够有效地提升AGV轨迹跟踪性能,使得AGV实际轨迹能较好拟合目标轨迹.

关键词：Tent混沌映射反向学习策略、差分进化灰狼优化、非线性收敛因子、PID控制

所属期刊栏目：23

分类号：TP29(自动化技术及设备)

资助基金：国家自然科学基金62173049

在线出版日期：2023-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：9965-9972