论文部分内容阅读
焊接在制造业生产中特别在汽车行业是一道非常重要的工艺。随着现代工业的发展，汽车生产对焊接精度等工艺要求越来越高。同时因为焊接环境恶劣，人工成本高等原因，焊接机器人在工业生产中的应用越来越广泛。汽车制造业同样是焊接自动化程度最高的行业，大量的点焊和弧焊机器人应用在白车皮焊接生产线，使工人远离恶劣的焊接环境的同时提高了生产效率，节约了生产成本。焊接机器人是焊接自动化进程中一项伟大的革命，原本的焊接生产线是刚性的，无法跟着产品的变化而更改，因此只能应用于大批次的生产过程。但是焊接机器人的诞生实现了柔性焊接自动化，使焊接自动化也可以运用在中小批次商品的生产中，产品变更时只需要适当的改变外围设备，机器人可以灵活拆卸移动。 随着汽车工业的快速发展，焊接任务越来越复杂，比如白车皮上千的焊点，在生产之前对焊接机器人的示教编程是个漫长的过程，而且如此多的点位靠工程师经验很难示教出最优路径，因此对机器人路径规划的研究应运而生。智能优化算法的应用是目前一个重要的研究方向。 为解决焊接机器人大规模焊接的问题，本文将其简化为旅行商问题(TSP)并提出了一种基于莱维飞行的改进粒子群算法，用来解决焊接机器人单目标路径规划问题，优化目标为焊接路径长度。粒子群算法的优点是迭代计算公式简单，收敛速度快，缺点是是容易陷入局部最优。莱维飞行是一种大步长跳跃和小步长跳跃相结合的随机运动，引入莱维飞行有助于粒子跳出局部最优，从而增加粒子群算法种群多样性。本文还考虑了焊接机器人路径规划中的避障问题，考虑到工件模型相对于机器人及焊枪较小，因此只考虑焊枪与工件的避障，同时因为实际焊接过程中焊枪不会紧贴着工件进行避障，因此本文采用较为简单的几何法生成过渡点进行避障。 在实际的工厂生产过程中，焊接机器人的能耗问题也是不容忽视的。本文在对路径长度优化的同时考虑能耗的，对此本文基于一种聚类指导多目标粒子群算法(CG-MOPSO)，同时对其进行了离散化用于解决双目标优化问题。通过和另外两个多目标算法的比较，CG-MOPSO在分散性和收敛性方面都有较好的表现。