机器人自动喷涂的工艺参数优化方法技术

本申请提供了一种机器人自动喷涂的工艺参数优化方法

【技术实现步骤摘要】
机器人自动喷涂的工艺参数优化方法、装置及介质


[0001]本申请涉及自动化涂覆领域，尤其涉及一种机器人自动喷涂的工艺参数优化方法
、
装置及介质
。

技术介绍

[0002]随着轨道交通技术的不断发展，在轨道交通车辆生产过程中，喷漆不仅对车辆起到装饰的作用，还对车辆车体的防腐蚀能力起到重要作用
。
[0003]但在现有技术当中，在轨道交通车辆宽为约
3.3m
，高约
3m
，长约
25m
的情况下配漆
、
喷漆工序往往需要由操作人员采用手动空气喷涂完成，使得配漆过程中容易受到人为因素的影响，并且人工喷涂质量一致性控制难度大，漆雾弥散导致作业环境条件恶劣，导致人力成本高昂
、
油漆浪费率较高
、
生产效率低
。

技术实现思路

[0004]本申请实施例的主要目的在于提出一种机器人自动喷涂的工艺参数优化方法
、
装置及介质，能够快速确定最优参数
。r/>[0005]为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种机器人自动喷涂的工艺参数优化方法，其特征在于，包括：获取原始喷涂工艺参数；将所述原始喷涂工艺参数通过单因素优选法进行过滤，得到第一优化喷涂工艺参数；根据所述第一优化喷涂工艺参数，通过正交试验法进行组合筛选，得到第二优化喷涂工艺参数；基于所述第二优化喷涂工艺参数对通过遗传算法优化得到的神经网络预测模型进行训练和验证，当训练后的所述神经网络预测模型验证通过时，得到第三优化喷涂工艺参数；将所述第一优化喷涂工艺参数
、
所述第二优化喷涂工艺参数和所述第三优化喷涂工艺参数进行对比分析，得到目标优化喷涂工艺参数
。2.
根据权利要求1所述的机器人自动喷涂的工艺参数优化方法，其特征在于，所述第二优化喷涂工艺参数包括优化喷涂工艺训练参数和优化喷涂工艺验证参数，所述基于所述第二优化喷涂工艺参数对通过遗传算法优化得到的神经网络预测模型进行训练和验证，当训练后的所述神经网络预测模型验证通过时，得到第三优化喷涂工艺参数，包括：初始化原始神经网络模型，通过遗传算法对所述原始神经网络模型进行优化；得到基于遗传算法的神经网络训练模型；根据所述优化喷涂工艺训练参数，对基于遗传算法的神经网络训练模型进行训练，得到训练后的所述神经网络预测模型；根据所述优化喷涂工艺验证参数，对训练后的所述神经网络预测模型进行验证，当训练后的所述神经网络预测模型验证通过时，得到第三优化喷涂工艺参数
。3.
根据权利要求2所述的机器人自动喷涂的工艺参数优化方法，其特征在于，所述通过遗传算法对所述原始神经网络模型进行优化，得到基于遗传算法的神经网络训练模型，包括：将所述原始神经网络模型的参数进行平铺，得到染色体数据；将所述染色体数据通过适应度函数进行计算，得到所述染色体数据的适应度参数；根据所述适应度参数，通过选择算法对所述染色体数据进行筛选，得到所述染色体数据的待处理参数；将所述待处理参数通过遗传算法进行训练更新，得到新一代染色体数据；根据所述新一代染色体数据，对所述原始神经网络模型进行迭代更新，直至训练过程的迭代次数大于预设迭代阈值则停止迭代，得到基于遗传算法的神经网络训练模型
。4.
根据权利要求3所述的机器人自动喷涂的工艺参数优化方法，其特征在于，所述将所述原始神经网络模型的参数进行平铺，得到染色体数据，包括：获取所述原始神经网络模型中连接输入层与隐藏层的第一权重矩阵
、
连接输入层与隐藏层的第一偏置矩阵
、
连接输出层与隐藏层的第二权重矩阵和连接输出层与隐藏层的第二偏置矩阵；将所述第一权重矩阵
、
所述第一偏置矩阵
、
所...

【专利技术属性】
技术研发人员：张国荣，杨德要，钟志豪，李健仪，李显扬，许雅雯，刘孟普，陈卫琛，祁钰翔，何鑫，叶君怡，
申请(专利权)人：中车广东轨道交通车辆有限公司，
类型：发明
国别省市：