受环境影响,暴露在外的电气化铁路接触网绝缘子表面聚集沙尘、雾霾,致使其电气特性削弱,引发污闪事故,严重危及列车行驶安全。因此,接触网绝缘子清洗不可或缺。传统的清洗方式费时、费力,已不能够满足现代化铁路运输的需求,机器人自动清洗技术的研究势在必行。针对电气化铁路接触网的绝缘子自动清洗运动轨迹规划,是机器人研究的关键技术。蚁群算法(Ant Colony Optimization,ACO)是一种研究关联个体间策略相互影响的仿生智能算法,具有信息正反馈、分布式计算以及启发式搜索的特点,将其应用于路径规划算法成为了研究热点。但是,传统蚁群算法在搜索路径方面,容易出现迭代次数多,收敛速度慢的现象;且算法易发生停滞,从而陷入局部最优,无法找到全局最优解。针对上述问题,本文提出并设计了铁路接触网绝缘子清洗机器人运动轨迹规划改进算法。并通过仿真分析,论证了算法的合理性、高效性。基于计算机便于处理的栅格法对机器人的路径规划环境搭建模型。采用D-H法对六自由度清洗机器人的杆件结构进行模拟分析,并依据设定的D-H参数推导了清洗机器人的正运动学方程和逆运动学方程,对正逆运动学进行验证。引入了引导函数,加入权重影响因子,对蚂蚁状态转移策略进行改进,使蚂蚁个体在寻优过程中更具有导向性,使得算法快速找到最优路径,收敛至目标点。提出了一种自适应信息素挥发因子更新方法,并在蚂蚁的路径信息素更新上,采用最优或次优蚂蚁策略,对其经过的路径额外增加信息素,避免蚂蚁陷入局部最优解,使所提算法快速实现路径规划全局最优。对改进蚁群算法的参数进行了优化和选取,包括算法中的蚂蚁数量m,信息启发因子?,期望启发因子?,引导启发因子?,信息素强度系数Q。在matlab平台下对改进的蚁群算法的路径规划进行仿真和验证。在二维空间的简单、复杂环境模型下,分析了蚂蚁数量m,以及启发因子?、?、?对算法迭代次数和求解路径距离的影响。同时,在三维空间环境下,引入高度启发函数。仿真结果表明改进的蚁群算法明显优于基本蚁群算法。通过对比分析所提算法与传统算法的路径选择,证明了改进蚁群算法的高效性。