[發明專利]一種多機器人協同的汽車零配件焊接最優路徑規劃方法

有效

• 申請號: 201710575883.2
• 申請日: 2017-07-14
• 公開（公告）號: CN107390684B
• 公開（公告）日: 2019-10-18
• 發明（設計）人: 陳立定;謝鵬程
• 申請（專利權）人: 華南理工大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種多機器人協同的汽車零配件焊接最優路徑規劃方法，包括步驟：焊點信息預處理步驟；基于協同進化的混合遺傳?粒子群優化算法的焊點路徑規劃步驟；焊點路徑規劃信息轉化為焊接機器人的運動路徑步驟。本發明方法將遺傳算法和粒子群優化算法相結合，基于遺傳算法的突變特點可以增加粒子群算法迭代過程中的粒子群多樣性和全局搜索能力，能夠解決汽車零配件生產過程中焊接路徑最優規劃問題。

技術領域

本發明涉及焊接路徑規劃技術領域，特別涉及一種多機器人協同的汽車零配件焊接最優路徑規劃方法。

背景技術

我國是汽車生產和銷量的大國，汽車零配件是汽車行業中最具突破能力的行業，研究汽車零配件行業的生產裝備問題具有廣泛的應用前景。

焊接機器人是汽車零配件焊接生產線的關鍵執行結構，在獲得焊接件的類型、焊接點布局和焊接點尺寸等信息后，由機器人選擇合適的超聲波焊接頭完成焊接工作。焊接機器人合理的軌跡規劃、機器人精準的定位技術是實現高精度汽車零配件超聲焊接的關鍵技術難題。迫切需要針對機械手臂規劃最優焊接策略，實現多機器人協同的多任務和高精度柔性焊接。

汽車零配件生產通常是由不同的飾件裝配焊接而成。如附圖1所示，以某汽車零配件前門內飾為例，一般由前門上本體總成、前門上本體加強件、前門下本體、前門地圖袋、前門儲物盒、前門內開手柄盒、前門吸能塊等通過裝配焊接而成。因此，焊接機器人需要在不同的曲面上進行焊接。由于不同的汽車零配件裝配的飾件數量不同，往往需要進行加工焊接的焊點數目和種類很多，且焊點分布比較分散而無規律。在焊接生產線上，焊點數目多且焊點分布復雜導致焊接任務繁重，所以對汽車零配件生產過程中，焊接機器人焊接任務中的焊點進行合理規劃就很有必要。由于焊接任務繁重，若由單臺焊接機器人執行，往往不能滿足生產需求，存在生產周期長、效率低下等問題，因此，汽車零配件生產由多臺機器人協同完成焊接任務。一方面，多機器人協同焊接可以縮短生產周期，提高生產效率，另一方面，多臺機器人相互合作可以完成單臺焊接機器人無法實現的焊接任務。因此，提出一種多機器人協同的汽車零配件最優焊接路徑對提高總體的生產效率以及經濟效益有著重要的意義。

以往大多數都是通過技術人員依靠經驗進行路徑規劃。路徑規劃根據焊接機器人、焊點數量及分布情況，結合生產工藝流程，依靠經驗法則規劃出焊接路徑，并對焊接機器人進行現場示教，最終得出最優路徑。依賴技術人員經驗而得出的方法缺乏一定的科學性，且規劃周期長，難以保證效率，缺乏柔性和適應性，規劃出的路徑往往不一定是最優路徑。采用傳統的方法雖然可以解決焊點數量較少且焊點布局簡單的焊接任務，但是對于焊點數量很多且分布復雜的焊接任務，采用傳統的方法不一定能獲得令人滿意的結果。對此，智能算法提供了一種有效的解決途徑。

遺傳算法和粒子群優化算法在路徑規劃問題方面有著廣泛的應用。遺傳算法(GA)是一類模擬生物進化過程的遺傳機制的全局搜索和最優化方法。它模擬自然選擇和自然遺傳過程中發生的繁殖、交叉和基因突變現象，在每次迭代中都保留一些候選解，并按某種指標從粒子群中選取較優的個體。利用遺傳算子，對這些個體進行遺傳操作，產生新一代的粒子群。重復此過程，直到滿足一定的收斂條件為止。遺傳算法的組成主要包括遺傳編碼、適應度函數、遺傳算子(選擇、交叉、變異)、運行參數。遺傳算法沒有能夠及時利用網絡的反饋信息，故算法的搜索速度比較慢。

基本粒子群優化算法(PSO)源于鳥類的捕食行為，是一種基于迭代的優化方法。PSO算法通過隨機初始化一定數量的粒子構成粒子群，然后通過迭代尋找最優解。在每次迭代過程中，粒子通過當前計算的個體最優位置(pbest)和全局最優位置(gbest)來更新自己的狀態。PSO算法具有快速搜尋能力，但是容易陷入局部最優解，且經過若干次迭代后粒子群會失去多樣性，造成“早熟收斂”現象，不能得到全局最優解。

發明內容