应用适应性精英导向搜索的焊接机器人路径规划方法技术

技术编号:18423946 阅读:30 留言:0更新日期:2018-07-12 01:27
本发明专利技术公开了一种应用适应性精英导向搜索的焊接机器人路径规划方法。本发明专利技术将适应性精英导向策略融合到和声搜索算法中以实现焊接机器人的路径规划。在适应性精英导向搜索算法中,设计了适应性调整控制参数的机制,设计了基于精英导向个体信息的搜索策略来加快收敛速度,并在选择操作过程中根据所产生新个体的优劣来适应性地更新精英导向个体。本发明专利技术能够在一定程度上加快和声搜索算法的收敛速度,提高了焊接机器人路径规划的效率。

Path planning method for welding robot based on adaptive elitist search

The invention discloses a path planning method for welding robot based on adaptive Elite Search. The invention integrates adaptive elites strategy into harmony search algorithm to realize the path planning of welding robot. In the adaptive elite oriented search algorithm, the mechanism of adaptive adjustment control parameters is designed. A search strategy based on elite oriented individual information is designed to speed up the convergence speed, and the elite oriented individuals are updated adaptively in the selection operation process according to the advantages and disadvantages of the new individuals. The invention can speed up the convergence rate of the harmony search algorithm to a certain extent, and improve the efficiency of the path planning of the welding robot.

【技术实现步骤摘要】
应用适应性精英导向搜索的焊接机器人路径规划方法
本专利技术涉及机器人路径规划领域,尤其是涉及一种应用适应性精英导向搜索的焊接机器人路径规划方法。
技术介绍
焊接机器人广泛应用于现代工业生产过程中。焊接机器人能够长时间连续不间断地工作,不易受外界因素干扰,焊接稳定性较好。因此,焊接机器人在一定程度上解放了焊接工人的体力。人们在利用焊接机器人完成焊接任务时,经常需要针对大量的焊点为焊接机器人规划一条焊接路径,使得其从源焊点开始焊接,然后依次对每个焊点完成一次且仅一次的焊接。焊接路径规划的优劣在很大程度上会影响焊接机器人的工作效率。然而,焊接路径规划是一个NP完全性问题。传统确定性算法在焊点规模比较大时往往难以规划出较优的焊接路径。针对此问题,许多研究人员利用模拟自然规律的演化算法来实现焊接机器人的路径规划。例如,张春伟等利用遗传算法来实现白车身焊接的路径规划(张春伟,刘海江,姜冬冬.基于遗传算法的白车身机器人焊接路径规划[J].同济大学学报(自然科学版),2011,39(04):576-580+598.);侯仰强等将蚁群算法融合到粒子群算法中来实现白车身侧围焊接的路径规划(侯仰强,王天琪,李亮玉,张志臣,赵娜.基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划[J].中国机械工程,2017,28(24):2990-2994.)。演化算法在求解各种工程问题上具有很优越的性能。因此,研究人员提出了众多的演化算法。其中,和声搜索算法是一种模拟作曲家创作过程的演化算法,它在解决许多路径规划问题中获得了工程上较为满意的结果。然而,传统和声搜索算法在解决焊接机器人路径规划问题时容易出现收敛速度慢,规划效率不高的缺点。
技术实现思路
本专利技术的目的是提供一种应用适应性精英导向搜索的焊接机器人路径规划方法。它在一定程度上克服了传统和声搜索算法在解决焊接机器人路径规划问题时容易出现收敛速度慢,规划效率不高的缺点,本专利技术能够提高焊接机器人路径规划的效率。本专利技术的技术方案:一种应用适应性精英导向搜索的焊接机器人路径规划方法,包括以下步骤:步骤1,用户输入焊点的数量D,并输入D个焊点的坐标,然后用户输入和声库大小HMS,最大演化代数MaxIR;步骤2,令当前演化代数t=0,步长系数BWt=0.5,精英个体数量其中为向上取整符号;步骤3,随机生成和声库中的HMS个个体,并且每个个体存储了D个焊点的焊接顺序权值;步骤4,从和声库的前TB个优秀个体中随机选择出一个个体记为RPI,然后令精英导向个体EIt=RPI;步骤5,在[0,1]之间随机产生一个实数pcs,如果pcs小于0.1,则令当前步长系数NBW=BWt×0.5+NormRand(0.5,0.2)×0.5,否则令当前步长系数NBW=BWt,其中NormRand为高斯随机实数产生函数;步骤6,按公式(1)计算库取概率HMCR与调整概率PAR:其中cos为余弦函数,π为圆周率;步骤7,执行精英搜索算子产生一个新个体NVt,具体操作过程为:首先以HMCR的概率执行和声库选取操作,同时以1-HMCR的概率执行随机采样操作;在执行完和声库选取操作后,再以PAR的概率执行音频调整操作;所述和声库选取操作表示为公式(2):其中RK为[1,HMS]之间的随机正整数,正整数tj=1,2,...,D;为新个体在第tj维度上的值;为和声库中第RK个个体在第tj维度上的值;所述随机采样操作表示为公式(3):其中GM为高斯均值;GD为高斯标准差;rand为均匀分布随机实数产生函数;RI1和RI2以及RI3为[1,HMS]之间的随机正整数;为和声库中第RI1个个体在第tj维度上的值;为和声库中第RI2个个体在第tj维度上的值;为和声库中第RI3个个体在第tj维度上的值;XUtj为和声库中第tj维度上的最大值;XLtj为和声库中第tj维度上的最小值;权值RW为[0,1]之间的随机实数;所述音频调整操作表示为公式(4):其中RI5和RI6以及RI7为[1,HMS]之间的随机正整数;组合因子WK为[0,1]之间的随机实数;为精英导向个体在第tj维度上的值;为和声库中第RI5个个体在第tj维度上的值;为和声库中第RI6个个体在第tj维度上的值;为和声库中第RI7个个体在第tj维度上的值;步骤8,计算新个体NVt的适应值,然后找出和声库中的最差个体记为Worstt;步骤9,如果新个体NVt优于Worstt,则令BWt=NBW,否则保持BWt不变;步骤10,按公式(5)计算下一代精英导向个体EIt+1:其中RNI为从和声库的前TB个优秀个体中随机选择出来的一个个体;步骤11,更新和声库并保存和声库中的最优个体Bestt,然后令当前演化代数t=t+1;步骤12,重复步骤5至步骤11直至当前演化代数达到最大演化代数后结束,将执行过程中得到的最优个体Bestt解码成焊接机器人的焊接路径,即实现焊接机器人的路径规划。本专利技术将适应性精英导向策略融合到和声搜索算法中以实现焊接机器人的路径规划。在适应性精英导向搜索算法中,设计了适应性调整控制参数的机制,设计了基于精英导向个体信息的搜索策略来加快收敛速度,并在选择操作过程中根据所产生新个体的优劣来适应性地更新精英导向个体。本专利技术能够在一定程度上加快和声搜索算法的收敛速度,提高了焊接机器人路径规划的效率。附图说明图1为实施例中用于规划焊接机器人路径的焊点,图中每个星号表示一个焊点。具体实施方式下面通过实施例,并结合附图,对本专利技术的技术方案作进一步具体的说明。实施例:本实施例结合图1所示的焊点,本专利技术的具体实施步骤如下:步骤1,用户输入焊点的数量D=60,并输入如图1所示的D个焊点的坐标,然后用户输入和声库大小HMS=65,最大演化代数MaxIR=5000;步骤2,令当前演化代数t=0,步长系数BWt=0.5,精英个体数量其中为向上取整符号;步骤3,随机生成和声库中的HMS个个体,并且每个个体存储了D个焊点的焊接顺序权值;步骤4,从和声库的前TB个优秀个体中随机选择出一个个体记为RPI,然后令精英导向个体EIt=RPI;步骤5,在[0,1]之间随机产生一个实数pcs,如果pcs小于0.1,则令当前步长系数NBW=BWt×0.5+NormRand(0.5,0.2)×0.5,否则令当前步长系数NBW=BWt,其中NormRand为高斯随机实数产生函数;步骤6,按公式(1)计算库取概率HMCR与调整概率PAR:其中cos为余弦函数,π为圆周率;步骤7,执行精英搜索算子产生一个新个体NVt,具体操作过程为:首先以HMCR的概率执行和声库选取操作,同时以1-HMCR的概率执行随机采样操作;在执行完和声库选取操作后,再以PAR的概率执行音频调整操作;所述和声库选取操作表示为公式(2):其中RK为[1,HMS]之间的随机正整数,正整数tj=1,2,...,D;为新个体在第tj维度上的值;为和声库中第RK个个体在第tj维度上的值;所述随机采样操作表示为公式(3):其中GM为高斯均值;GD为高斯标准差;rand为均匀分布随机实数产生函数;RI1和RI2以及RI3为[1,HMS]之间的随机正整数;为和声库中第RI1个个体在第tj维度上的值;为和声库中第RI2个个体在第tj维度上的值;为和声库中第R本文档来自技高网
...

【技术保护点】
1.一种应用适应性精英导向搜索的焊接机器人路径规划方法,其特征在于,包括以下步骤:步骤1,用户输入焊点的数量D,并输入D个焊点的坐标,然后用户输入和声库大小HMS,最大演化代数MaxIR;步骤2,令当前演化代数t=0,步长系数BW

【技术特征摘要】
1.一种应用适应性精英导向搜索的焊接机器人路径规划方法,其特征在于,包括以下步骤:步骤1,用户输入焊点的数量D,并输入D个焊点的坐标,然后用户输入和声库大小HMS,最大演化代数MaxIR;步骤2,令当前演化代数t=0,步长系数BWt=0.5,精英个体数量其中为向上取整符号;步骤3,随机生成和声库中的HMS个个体,并且每个个体存储了D个焊点的焊接顺序权值;步骤4,从和声库的前TB个优秀个体中随机选择出一个个体记为RPI,然后令精英导向个体EIt=RPI;步骤5,在[0,1]之间随机产生一个实数pcs,如果pcs小于0.1,则令当前步长系数NBW=BWt×0.5+NormRand(0.5,0.2)×0.5,否则令当前步长系数NBW=BWt,其中NormRand为高斯随机实数产生函数;步骤6,按公式(1)计算库取概率HMCR与调整概率PAR:其中cos为余弦函数,π为圆周率;步骤7,执行精英搜索算子产生一个新个体NVt,具体操作过程为:首先以HMCR的概率执行和声库选取操作,同时以1-HMCR的概率执行随机采样操作;在执行完和声库选取操作后,再以PAR的概率执行音频调整操作;所述和声库选取操作表示为公式(2):其中RK为[1,HMS]之间的随机正整数,正整数tj=1,2,...,D;为新个体在第tj维度上的值;为和声库中第RK个个体在第tj维度上的值;所述随机采样操作表示为公式(3):其中G...

【专利技术属性】
技术研发人员:郭肇禄尹宝勇张文生
申请(专利权)人:江西理工大学
类型:发明
国别省市:江西,36

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1