[发明专利]基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法

摘要

本发明涉及公开了一种基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法，该方法采用超声波传感器采集障碍物信息，并通过在传统果蝇算法中引入信息素和灵敏度两个因子，改进了寻优策略和果蝇位置的替换方式，修正了果蝇优化的全局寻优特性，对广义神经网络进行参数优化，由所采集的障碍物信息训练优化后的广义神经网络，建立最佳的大梁自动焊障碍物的预测模型，然后根据预测模型所给出的预测结果，实现大梁生产线焊枪的自动退枪与回枪。本发明通过采用修正型果蝇算法优化GRNN对大梁自动焊进行障碍物的预测，不但提高了对障碍物预测的速度和精确度，同时大大提高了大梁自动焊的生产效率，为企业节约生产成本，带来巨大经济效益。

主权项

基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法，其特征在于具体步骤如下：步骤1：采集集装箱大梁障碍物的信息，包括障碍物的尺寸，超声波传感测得值以及工件高度三个指标：其中障碍物尺寸因产品而异；步骤2：为对不同类型的样本进行统一分析，得到较好的预测效果，须对样本数据作如下归一化处理：Xk=Xk-XminXmax-Xmin,k=1,2,...,n]]>其中，Xk表示原始数据Xk经归一化后的输入样本，Xmin和xmax分别表示原始数据中的最小值和最大值；步骤3：采用修正型果蝇算法搜寻最佳的GRNN中的平滑因子σ，从而获得最优GRNN；步骤4：将归一化后的数据作为训练样本，用来训练最优GRNN，从而获得最佳的大梁自动焊障碍物的预测模型。