[发明专利]一种多机器人协同的汽车零配件焊接最优路径规划方法

说明书

本发明公开了一种多机器人协同的汽车零配件焊接最优路径规划方法，包括步骤：焊点信息预处理步骤；基于协同进化的混合遗传‑粒子群优化算法的焊点路径规划步骤；焊点路径规划信息转化为焊接机器人的运动路径步骤。本发明方法将遗传算法和粒子群优化算法相结合，基于遗传算法的突变特点可以增加粒子群算法迭代过程中的粒子群多样性和全局搜索能力，能够解决汽车零配件生产过程中焊接路径最优规划问题。

技术领域

本发明涉及焊接路径规划技术领域，特别涉及一种多机器人协同的汽车零配件焊接最优路径规划方法。

背景技术

我国是汽车生产和销量的大国，汽车零配件是汽车行业中最具突破能力的行业，研究汽车零配件行业的生产装备问题具有广泛的应用前景。

焊接机器人是汽车零配件焊接生产线的关键执行结构，在获得焊接件的类型、焊接点布局和焊接点尺寸等信息后，由机器人选择合适的超声波焊接头完成焊接工作。焊接机器人合理的轨迹规划、机器人精准的定位技术是实现高精度汽车零配件超声焊接的关键技术难题。迫切需要针对机械手臂规划最优焊接策略，实现多机器人协同的多任务和高精度柔性焊接。

汽车零配件生产通常是由不同的饰件装配焊接而成。如附图1所示，以某汽车零配件前门内饰为例，一般由前门上本体总成、前门上本体加强件、前门下本体、前门地图袋、前门储物盒、前门内开手柄盒、前门吸能块等通过装配焊接而成。因此，焊接机器人需要在不同的曲面上进行焊接。由于不同的汽车零配件装配的饰件数量不同，往往需要进行加工焊接的焊点数目和种类很多，且焊点分布比较分散而无规律。在焊接生产线上，焊点数目多且焊点分布复杂导致焊接任务繁重，所以对汽车零配件生产过程中，焊接机器人焊接任务中的焊点进行合理规划就很有必要。由于焊接任务繁重，若由单台焊接机器人执行，往往不能满足生产需求，存在生产周期长、效率低下等问题，因此，汽车零配件生产由多台机器人协同完成焊接任务。一方面，多机器人协同焊接可以缩短生产周期，提高生产效率，另一方面，多台机器人相互合作可以完成单台焊接机器人无法实现的焊接任务。因此，提出一种多机器人协同的汽车零配件最优焊接路径对提高总体的生产效率以及经济效益有着重要的意义。

以往大多数都是通过技术人员依靠经验进行路径规划。路径规划根据焊接机器人、焊点数量及分布情况，结合生产工艺流程，依靠经验法则规划出焊接路径，并对焊接机器人进行现场示教，最终得出最优路径。依赖技术人员经验而得出的方法缺乏一定的科学性，且规划周期长，难以保证效率，缺乏柔性和适应性，规划出的路径往往不一定是最优路径。采用传统的方法虽然可以解决焊点数量较少且焊点布局简单的焊接任务，但是对于焊点数量很多且分布复杂的焊接任务，采用传统的方法不一定能获得令人满意的结果。对此，智能算法提供了一种有效的解决途径。

遗传算法和粒子群优化算法在路径规划问题方面有着广泛的应用。遗传算法(GA)是一类模拟生物进化过程的遗传机制的全局搜索和最优化方法。它模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留一些候选解，并按某种指标从粒子群中选取较优的个体。利用遗传算子，对这些个体进行遗传操作，产生新一代的粒子群。重复此过程，直到满足一定的收敛条件为止。遗传算法的组成主要包括遗传编码、适应度函数、遗传算子(选择、交叉、变异)、运行参数。遗传算法没有能够及时利用网络的反馈信息，故算法的搜索速度比较慢。

基本粒子群优化算法(PSO)源于鸟类的捕食行为，是一种基于迭代的优化方法。PSO算法通过随机初始化一定数量的粒子构成粒子群，然后通过迭代寻找最优解。在每次迭代过程中，粒子通过当前计算的个体最优位置(pbest)和全局最优位置(gbest)来更新自己的状态。PSO算法具有快速搜寻能力，但是容易陷入局部最优解，且经过若干次迭代后粒子群会失去多样性，造成“早熟收敛”现象，不能得到全局最优解。

发明内容