CN109159127A - 一种基于蚁群算法的双焊接机器人智能路径规划方法 - Google Patents

Abstract

本发明公开了一种基于蚁群算法的双焊接机器人智能路径规划方法，包括：根据总焊缝数量c和特殊焊缝数量x确定焊接顺序，设在所述焊接顺序下的焊接收益度函数为初始化蚁群参数，通过蚁群算法分别得到第一焊接机器人和第二焊接机器人的若干条较优路径；计算各第一焊接机器人和第二焊接机器人在各较优路径下的焊接收益度函数f(s)的数值；在满足焊接工艺合格率的前提下，取焊接收益度函数f(s)的最大值对应的较优路径为最优路径。本发明在蚁群算法的基础上提出一种应对大型三维复杂构件的双蚁群移动路径优化算法，该焊接机器人系统在面对大型三维复杂构件时，能为双焊接机器人寻找到合适的焊接路径和焊接顺序，很大程度上提高焊接速度、提升焊接速质量。

Description

一种基于蚁群算法的双焊接机器人智能路径规划方法

技术领域

本发明涉及路径规划技术领域，尤其涉及一种基于蚁群算法的双焊接机器人智能路径规划方法。

背景技术

随着科技和工业的不断发展，无论是军事上还是民用上，对大型设备需求都越来越大，在这些大型装备的生产过程中需要焊接技术以实现各设备的拼接。传统的焊接工艺大多是由人工来完成的，近年来，由于工业自动化技术不断提高，机器人被广泛用于焊接领域。焊接机器人的应用，不仅很大程度上提高了生产效率，而且使许多工人从繁重工作和恶劣的工作环境中解放出来。

焊接机器人的发展大致经历了三个发展阶段：从简单的第一代的“示教——再现”焊接机器人到第二代的“离线编程式”焊接机器人，再发展至第三代的“自主编程”焊接机器人。第一代焊接机器人虽然通过人为的进行焊缝示教就能完成焊接任务，但是只能进行一些简单、不需要环境模型焊缝的焊接；第二代焊接机器人可以通过给机器人导入CAD/CAM数据，将获取的环境信息和焊接构件结合，通过计算机图形处理技术能够实现焊缝的离线路径规划，但这种技术需要人工来设定焊接路径；第三代机器人是通过一些传感器来获取焊缝的位置并通过一些智能的算法自主的进行焊接路径规划，这种技术能实现机器人的智能焊接，因而成为了近几年的重点研究方向。

但在第三代焊接机器人自主编程过程中，不仅要考虑焊接效率，更要考虑焊接质量。合理的焊接顺序在大型三维复杂构件的焊接中是十分重要的工艺内容之一，也是保证焊接质量，减少焊接残余应力的主要措施之一。焊接残余应力是一种不稳定状态，在一定条件下会衰减而产生一定的形变，使构件尺寸不稳定，如果考虑不周到，残余应力会增加工件工作时的内应力，造成构件局部应力过大，导致构件结构和焊缝脆性断裂应，诱发应力腐蚀裂纹，同时也会造成构件结构产生大的形变，这样增加了其矫正的工作量。在进行大型三维构件的焊接时，为了保证焊接质量，减少焊接时的残余应力，焊缝在进行焊接时应考虑以下焊接约束；(1)板与板焊接顺序，先短焊缝，再长焊缝；(2)板与型材焊接顺序，先立角焊缝，再平角焊缝，平角焊缝从中间向两边焊接，对称分段焊接；(3)分段内角焊缝，先立角焊，再平角焊，由里及外，对称施焊(4)T型焊缝或者十字交叉对接焊缝，把其中一条焊缝的接头置于距交叉点150-200mm处，完成T型焊缝其他部分的焊接，再进行该交叉点的连接。

使用双机器人进行焊接，在满足上述焊接约束的条件下，尽量使每个机器人焊接路径长度近似且焊接时间最短，可以节约一半的焊接时间，但现有的双焊接机器人系统大多为简单示教机或者离线编程的焊接机器人，这些焊接机器人系统只能进行一些空间维度少、工艺简单、环境模型相对简单的构件进行焊接，很难应对大型三维复杂构件的焊接。在面对大型三维复杂构件的焊接时，为双焊接机器人寻找到合适的焊接路径和焊接顺序可以加快焊接速度，提高焊接质量。

因此，在双焊接机器人系统应用一些智能算法以实现大型三维复杂构件的焊接成为本领域技术人员亟需解决的问题。

发明内容

针对现有技术的不足，本发明提供一种基于蚁群算法的双焊接机器人智能路径规划方法，解决现有技术中的上述缺陷。

为实现上述目的，本发明提供以下的技术方案：

一种基于蚁群算法的双焊接机器人智能路径规划方法，应用于大型三维复杂构件，包括如下步骤：

获取焊缝的总焊缝数量c，统计须以特定焊接方式焊接的特殊焊缝数量x；根据总焊缝数量c和特殊焊缝数量x确定焊接顺序，设在所述焊接顺序下的焊接收益度函数为

初始化蚁群参数，通过蚁群算法分别得到第一焊接机器人和第二焊接机器人的若干条较优路径；

计算各第一焊接机器人和第二焊接机器人在各较优路径下的焊接收益度函数f(s)的数值；在满足焊接工艺合格率的前提下，取焊接收益度函数f(s)的最大值对应的较优路径为最优路径；

输出第一焊接机器人和第二焊接机器人的焊接顺序和对应的最优路径。

进一步地，所述特定焊接方式包括：

所述第一焊接机器人和第二焊接机器人同时从下往上焊接、所述第一焊接机器人和第二焊接机器人同时从焊缝中心分别朝向焊缝两端焊接、和所述第一焊接机器人和第二焊接机器人同时从焊缝两端分别朝向焊缝中心焊接，以及先焊接焊缝的交叉部分，再焊接焊缝的剩余部分。

进一步地，所述步骤：初始化蚁群参数，通过蚁群算法分别得到第一焊接机器人和第二焊接机器人的若干条较优路径，包括：

步骤1、初始化蚁群A和蚁群B的起始位置、种群数量和信息素浓度；

步骤2、确定最短焊接时t_min；

步骤3、构造信息素矩阵；

步骤4、对焊接轨迹上的信息浓度进行局部更新及全局更新；

步骤5、概率选择移动方向；

步骤6、预设觅食条件；若满足觅食条件，则取该焊缝轨迹为较优路径；若不满足觅食条件，则返回步骤4；

步骤7、判断是否满足结束条件，即觅食时间是否大于预设的觅食时间，若是，则进行步骤8；若否，则返回步骤3；

步骤8、输出所有较优路径。

进一步地，所述步骤1包括：

设定第一机器人的位置为蚁群A的起始位置，设定第二机器人的位置为蚁群B的起始位置；设蚁群A和蚁群B的种群数量为N；

设定所述大型三维复杂构件的初始信息素浓度为n表示该大型三维复杂构件焊缝的条数，的取值范围为L_m是由第一机器人/第二机器人最邻近的邻域启发产生的机器人焊枪移动路径长度。

进一步地，所述步骤2包括：

取所述大型三维复杂构件任一焊接轨迹，设所述焊缝轨迹首尾坐标为(x_l1,y_l1,z_l1)和(x_l2,y_l2,z_l2)，其焊接轨迹长度为||L_m||；当该段焊接轨迹为直线时焊接速度为v_s，对应的焊接时间为该段焊接轨迹曲线时焊接速度为v_e，对应的焊接时间为当该段焊接轨迹为空载时焊接速度为v_w，对应的焊接时间为蚁群A和蚁群B经过所述焊接轨迹总时间分别为：

若t_all1≥t_all2,则t_min＝t_all1，否则t_min＝t_all2。

进一步地，所述步骤3包括：

根据三维复杂构件和焊缝轨迹的坐标构造三维信息素矩阵T＝|W，M，Q|，并初始化得到的三维信息素矩阵；其中，W为空间位置、是否是焊缝轨迹和该位置当前的信息素浓度。

进一步地，所述步骤4包括：

在蚁群A和蚁群B寻找焊缝轨迹的过程中对最优的焊接轨迹上的信息浓度进行局部更新及全局更新；

局部更新如下：τ_ij(t+1)＝(1-ρ)τ_ij(t)+ετ₀；ρ为信息素挥发系数且0≤ρ≤1，ε为常数，τ₀为信息素初始浓度；

全局更新如下：τ_ij(t.t+1)＝τ_ij(t)(1-ρ)+ρΔτ_ij(t,t+1)；Δτ_ij是蚁群在路径(i，j)上全局信息素更新增量，L_m是当前迭代最短路径长度。

进一步地，所述步骤5包括：

每只蚂蚁根据状态移动规则公式选择下一个位置点，当蚂蚁到达目标点时，记录该蚂蚁路径长度及其所包含路段信息，并初始化禁忌表；

所述状态移动规则公式如下：

其中，η_ij为节点a，b间的启发因子，η_ij＝1/2d(i,j)+1/2d(j,k)，d(i,j)为节点i，j间的距离，d(j,k)为下一节点j和目标节点k的距离；τ_ij为线段AB上的信息素浓度，α为信息激素物质的相对重要性；β为能见度的相对重要性，d_k为当前点A下一步待选节点的集合，该集合不包括机器人已经焊接的焊缝焊点。

进一步地，所述步骤6中，所述觅食条件为：

当蚁群A中的任一只蚂蚁与蚁群B中的任一只蚂蚁所走过的焊缝轨迹不相同，或当蚁群B中的任一只蚂蚁与蚁群A中的任一只蚂蚁所走过的焊缝轨迹不相同，且所述蚁群B中的任一只蚂蚁及蚁群A中的任一只蚂蚁走过的焊缝轨迹之和覆盖三维复杂构件所需焊接焊缝的轨迹时，且蚁群A中的任一只蚂蚁/蚁群B中的任一只蚂蚁在这条焊缝轨迹上所用时间大于所述t_min。

与现有技术相比，本发明具有以下有益效果：

本发明提供一种一种基于蚁群算法的双焊接机器人智能路径规划方法，在蚁群算法的基础上提出一种应对大型三维复杂构件的双蚁群移动路径优化算法，该焊接机器人系统在面对大型三维复杂构件时，能为双焊接机器人寻找到合适的焊接路径和焊接顺序，很大程度上提高焊接速度、提升焊接速质量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1示出了本发明实施例三维复杂构件的结构示意图；

图2示出了本发明提供的一种基于蚁群算法的双焊接机器人智能路径规划方法的流程图；

图3示出了本发明提供的一种基于蚁群算法的双焊接机器人智能路径规划方法中步骤S2的流程图。

具体实施方式

为使得本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

现有技术中主要通过以下方案来优化路径规划：

方案一：王学武，时应盼，丁冬燕的《Double global optimum geneticalgorithm:Particle swarm optimization-based welding robot path planning》根据焊点与机器人间的距离将全部焊点划分为两部分，并对划分好的焊点排序，使双机器人路径规划转换为两个机器人各自的焊接路径规划，最终达到路径长度最短的目标。

该方案需要根据大型三维复杂构建和机器人之间的距离将全部焊点划分为两部分，并对划分好的焊点排序，使双机器人路径规划转换为两个机器人各自的焊接路径规划。该方案把通过为机器人划分好焊点，使双机器人焊接问题转化为单机器人焊接问题，该方案应用具有一定的局限性，只能应对一些空间维度小，图形简单的焊缝，在面对大型三维复杂构件且在一定的焊接工艺约束条件时，很难根据距离给机器人合理的划分焊点。

方案二：王郑拓，冯振礼，叶国云的《基于人工蜂群算法的双焊接机器人路径规划分析》引入虚拟虚拟点将多旅行商问题转化为单旅行商问题，选用换位表达编码方式对车架焊缝编码，为避免机器人在焊接过程中发生干涉，将焊缝分成三组，第一组焊缝由右侧机器人焊接，第二组焊缝由左侧机器人焊接，第三组焊缝可由任意机器人焊接，然后采用基于状态转移策略的人工蜂群算法建立双机器人同步焊接数学模型，仿真求解全局最优焊接路径的较好近似解。该方案二中引入虚拟焊点将多旅行商问题转化为单旅行商问题，为避免机器人在焊接过程中发生干涉，将焊缝分成三组，第一组焊缝由右侧机器人焊接，第二组焊缝由左侧机器人焊接，第三组焊缝可由任意机器人焊接，该方案把把构件焊接区域划分为三部分，虽然在避免了机器人在焊接时的干涉问题，但由于每个机器人任务划分不均匀，会一定程度上增加焊接时间。

在焊接领域，在对一些特殊空间和焊接工艺约束下大型三维复杂焊缝焊接时，为了减少焊接时应力的影响，有的焊缝需要从下往上焊接，有的焊缝需要左右对称焊接，有的焊缝需要从两侧同时焊接，有的焊缝需要先焊接一部分，间隔一段时间再进行焊接。针对该种焊缝传统的焊接方式大多有人工来完成，工人劳动强度大；现有的智能焊接方法也有很大的局限性，很难对焊点和焊接顺序进行合理的划分，往往会出现一台机器人完成了一条焊缝后，需要等待另一台机器人完成焊接后才能进行下一步作业，且现有的双焊接机器人系统应对这样的大型三维复杂焊缝时焊接质量差、效率低。因此，很有必要为双焊接机器人在该约束环境下寻找一种智能路径规划方法，为该双焊接机器人提供一个合适的焊接路径和焊接顺序。

蚁群算法作为一种新型的模拟进化算法被广泛应用于路径规划中。本发明在蚁群算法的基础上进行改进，提出一种应对大型三维复杂构件的双蚁群移动路径优化算法，该焊接机器人系统在面对大型三维复杂构件特殊环境约束时，能为双焊接机器人寻找到合适的焊接路径和焊接顺序，能够在很大程度上提高焊接速度、提升焊接速质量。

本发明所针对的是大型的三维复杂构件，由于其空间结构比较复杂、焊缝数量和焊缝种类较多，为了减少焊接时应力的影响，在焊接应力约束和其他焊接工艺的约束下有的焊缝需要从下往上焊接，有的焊缝需要左右对称焊接，有的焊缝需要从两侧同时焊接，有的焊缝焊接时需要先预留一部分再返回焊接。

针对上述特定工艺约束下的大型三维复杂构件，本发明旨在于提供一种智能的算法，为双机器人焊接系统寻找到一条最优的焊接路径和焊接顺序，使焊接时间最短。

下面结合附图对本发明的结构原理和工作原理作具体的描述：

如图1所示，为了便于说明本发明的原理，本发明实施例以图1中的三维复杂构件为例对本发明所提供的基于蚁群算法的双焊接机器人智能路径规划方法进行解释说明。可以理解的是，实际生产中的待加工件比图1中所示的构件更为复杂。

本发明实施例提供的基于蚁群算法的双焊接机器人智能路径规划方法，通过第一焊接机器人和第二焊接机器人实现三维复杂工件的焊接。

该方法包括如下步骤：

S1、获取总焊缝数量c、特殊焊缝数量x，设定焊接收益度函数为f(s)。

获取焊缝的总焊缝数量c，统计须以特定焊接方式焊接的特殊焊缝数量x；根据总焊缝数量c和特殊焊缝数量x确定焊接顺序，设在所述焊接顺序下的焊接收益度函数为

S2、通过蚁群算法得到若干条较优路径。

初始化蚁群参数，通过蚁群算法分别得到第一焊接机器人和第二焊接机器人的若干条较优路径。

S3、从各较优路径中选取最优路径。

计算各第一焊接机器人和第二焊接机器人在各较优路径下的焊接收益度函数f(s)的数值；在满足焊接工艺合格率的前提下，取焊接收益度函数f(s)的最大值对应的较优路径为最优路径。

S4、输出第一焊接机器人和第二焊接机器人的焊接顺序和对应的最优路径。

具体地，在步骤S1中，为了便于区分各种类型焊缝，同时也便于划分针对各种焊缝所对应的焊接方式，在本实施例中先对焊缝进行标注。

请参阅图1，针对直线焊缝采用{o₁,o₂,o₃...}进行焊缝的两端顺序标注，针对曲线焊缝采用{p₁,p₂,p₃...}进行焊缝的两端顺序标注。

需要注意的是，在图1中标注的数字只表示实际焊接优先级，标注数字相同的焊缝应尽量保持同时焊接，如图中的四个标注为①的立脚焊缝，在焊接的时候应尽量保持同时焊接，且焊接方向为从下往上；图中标注为②焊缝在焊接时两个机器人应该从中间向两端同时焊接；且在①和②的接头处，在焊接时应当在交叉点处预留一定的长度，在焊接完交叉点处后，在对预留的位置进行焊接。在本实施例中，在交叉点处的预留长度为150-200mm。

复杂构件中的任一焊接以及虚拟焊点的引入，大型三维复杂构件双焊接机器人的路径规划的的问题就由单旅行商问题就转化为多旅行商问题，两台机器人在焊接过程中移动的路径长度分别为：

其中，i，j是如：1，2；3，4；5，6...的有序数对，该有序数标注在焊缝的两端；O_iO_j表示直线焊缝的长度，p_ip_j表示曲线焊缝长度；c，d是如：2，3，4，5，6，，7，...的有序数对；则表示空载部分。

例如，在该大型三维复杂构件中共有c条焊缝需要焊接，若有x条焊缝需要按照特定的顺序进行焊接，则该大型三维复杂构件的焊接收益度函数为：t_min为该大型三维复杂构件最短焊接时间。

可以理解的是，根据焊接工艺知识，当时，该大型三维复杂构件为合格的焊接产品，g表示焊接工艺合格率。

具体地，步骤S2具体包括：

S201、初始化蚁群A和蚁群B的起始位置、种群数量和信息素浓度。

在该步骤中，首先设定第一焊接机器人为蚁群A的起始位置，设定第二焊接机器人的位置为蚁群B的起始位置；设蚁群A和蚁群B的种群数量为N，在本实施例中，N＝300。

设定所述大型三维复杂构件的初始信息素浓度为n表示该大型三维复杂构件焊缝的条数，的取值范围为L_m是由焊接机器人最邻近的邻域启发产生的机器人焊枪移动路径长度。

S202、确定最短焊接时t_min。

在该步骤中，以焊接轨迹长度、以及蚁群A和蚁群B在不同的焊接轨迹类型上的运动速度为变量，分别计算第一焊接机器人的焊接时长和第二焊接机器人，并确定最短焊接时。

由于人为的为双焊接机器人系统的每个机器人分配焊缝轨迹且无空载情况，所分配的焊接轨迹为实际中的一半；而在蚁群算法中，蚂蚁行走的速度是相同的。但在实际的焊接过程中，焊接机器人在进行直线、曲线和空载时进行焊接时其焊接速度不同。

取所述大型三维复杂构件中的任一焊接轨迹，设所述焊缝轨迹首尾坐标为(x_l1,y_l1,z_l1)和(x_l2,y_l2,z_l2)，其焊接轨迹长度为||L_m||；当该段焊接轨迹为直线时焊接速度为v_s，对应的焊接时间为该段焊接轨迹曲线时焊接速度为v_e，对应的焊接时间为当该段焊接轨迹为空载时焊接速度为v_w，对应的焊接时间为第一焊接机器人和第二焊接机器人焊接总时间分别为：

计算分配好任务的两台机器人完成焊接任务时所用时间，取第一焊接机器人和第二焊接机器人所用时间最长的那台机器人焊接时所用时间为该大型三维复杂构件焊接完成所用最短焊接时t_min，即：若t_all1≥t_all2,则t_min＝t_all1，否则t_min＝t_all2。

S203、构造信息素矩阵。

通过机器视觉进行检测，得到复杂焊接构件和焊缝轨迹的空间三维坐标，根据复杂焊接构件和焊缝轨迹的坐标构造信息系矩阵并初始化得到的信息素矩阵T＝|W，M，Q|该矩阵是三维的信息素矩阵，它所存储的信息分别是：空间位置、是否是焊缝轨迹和该位置当前的信息素浓度。

S204、对焊接轨迹上的信息浓度进行局部更新及全局更新。

在该步骤中，在蚁群A和蚁群B寻找焊缝轨迹的过程中对焊接轨迹上的信息浓度进行局部更新及全局更新。

蚂蚁在寻找焊缝轨迹的过程中，会根据搜索路径上信息素浓度强度来决定下一步的移动方向，若该条路线上信息素浓度较大，这条路线的信息素会吸引更多的蚂蚁，从而使更多的蚂蚁朝着最优焊接轨迹靠近；同样的，在信息素较少的路线上，随着信息素的挥发，蚂蚁会越来越少，这条焊缝轨迹上的蚂蚁也会越来越少。在该算法中，蚂蚁根据信息素的这一通信信息进行焊缝轨迹的选择，最终的蚂蚁会聚集在最优的焊接轨迹。在机器人进行焊接的过程中若使用局部更新和全局更新的策略既可以避免由于焊接路径信息素浓度过大而导致的停滞问题，也可以增强算法全局搜索能力，信息素局部更新：

τ_ij(t+1)＝(1-ρ)τ_ij(t)+ετ₀

ρ为信息素挥发系数且0≤ρ≤1，ε为常数，τ₀为信息素初始浓度。

信息素全局更新：

τ_ij(t.t+1)＝τ_ij(t)(1-ρ)+ρΔτ_ij(t,t+1)

式中，Δτ_ij是蚁群在路径(i，j)上全局信息素更新增量，L_m是当前迭代最短路径长度。

S205、概率选择移动方向。

每只蚂蚁根据状态移动规则公式选择下一个位置点，当蚂蚁到达目标点时，记录该蚂蚁路径长度及其所包含路段信息，并初始化禁忌表。

首先，蚂蚁概率移动选择方向存在一定的规则：蚂蚁在焊接轨迹上搜索时会遵循一定的移动规则，刚开始时每只蚂蚁在n条焊缝路径中等概率选择一条作为移动路径。当焊缝轨迹中出现同个蚁群的信息素时则提升走向该路径的移动概率，反之则降低走向该焊缝路径的移动概率。在t时刻，设蚂蚁k在点P处，该节点P不属于任何已经焊接过的节点；焊接过的节点全部放入禁忌表中，t时刻蚂蚁由位置P转移到p₁或者p₂的概率为:

该公式即为状态移动规则公式；式中η_ij为节点a，b间的启发因子，η_ij＝1/2d(i,j)+1/2d(j,k)，d(i,j)为节点i，j间的距离，d(j,k)为下一节点j和目标节点k的距离。τ_ij为线段AB上的信息素浓度，α为信息激素物质的相对重要性；β为能见度的相对重要性，d_k为当前点A下一步待选节点的集合，该集合不包括机器人已经焊接的焊缝焊点。

该启发因子η_ij不仅考虑了当前节点和下一节点的距离，还考虑了下一节点与目标节点的距离；这样在实际焊接中，焊接机器人在路径搜索的过程既不会存在较大偏差，也不会出现搜索的盲目性。

S206、预设觅食条件；若满足觅食条件，则取该焊缝轨迹为较优路径；若不满足觅食条件，则返回步骤S205。

其中，觅食条件具体为：只有当蚁群A中的某一只蚂蚁与蚁群B中的某一只蚂蚁所走过的焊缝轨迹不相同，两者之和覆盖双焊接机器人所需焊接焊缝的轨迹时，且在这条路径上所用时间大于所计算的机器人最短焊接时间，即在这条路径上所用时间大于所计算的机器人最短焊接时间。

S207、判断是否满足结束条件，即判断是否大于预设的觅食时间；若是，则进行下一步；若否，则返回步骤S204。

在该步骤中，可预设一个觅食时间，该预设时间为所有蚂蚁都完成觅食的临界条件。若蚂蚁觅食的时间大于该觅食时间，即可判断为所有蚂蚁都完成觅食，以确保能够输出所有得到的较优路径。

S208、输出所有较优路径。

以上，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种基于蚁群算法的双焊接机器人智能路径规划方法，应用于大型三维复杂构件，其特征在于，包括如下步骤：

获取焊缝的总焊缝数量c，统计须以特定焊接方式焊接的特殊焊缝数量x；根据总焊缝数量c和特殊焊缝数量x确定焊接顺序，设在所述焊接顺序下的焊接收益度函数为

初始化蚁群参数，通过蚁群算法分别得到第一焊接机器人和第二焊接机器人的若干条较优路径；

计算各第一焊接机器人和第二焊接机器人在各较优路径下的焊接收益度函数f(s)的数值；在满足焊接工艺合格率的前提下，取焊接收益度函数f(s)的最大值对应的较优路径为最优路径；

输出第一焊接机器人和第二焊接机器人的焊接顺序和对应的最优路径。

2.根据权利要求1所述的基于蚁群算法的双焊接机器人智能路径规划方法，其特征在于，所述特定焊接方式包括：

所述第一焊接机器人和第二焊接机器人同时从下往上焊接、所述第一焊接机器人和第二焊接机器人同时从焊缝中心分别朝向焊缝两端焊接、和所述第一焊接机器人和第二焊接机器人同时从焊缝两端分别朝向焊缝中心焊接，以及先焊接焊缝的交叉部分，再焊接焊缝的剩余部分。

3.根据权利要求1所述的基于蚁群算法的双焊接机器人智能路径规划方法，其特征在于，所述步骤：初始化蚁群参数，通过蚁群算法分别得到第一焊接机器人和第二焊接机器人的若干条较优路径，包括：

步骤1、初始化蚁群A和蚁群B的起始位置、种群数量和信息素浓度；

步骤2、确定最短焊接时t_min；

步骤3、构造信息素矩阵；

步骤4、对焊接轨迹上的信息浓度进行局部更新及全局更新；

步骤5、概率选择移动方向；

步骤6、预设觅食条件；若满足觅食条件，则取该焊缝轨迹为较优路径；若不满足觅食条件，则返回步骤4；

步骤7、判断是否满足结束条件，即觅食时间是否大于预设的觅食时间，若是，则进行步骤8；若否，则返回步骤3；

步骤8、输出所有较优路径。

4.根据权利要求3所述的基于蚁群算法的双焊接机器人智能路径规划方法，其特征在于，所述步骤1包括：

设定第一机器人的位置为蚁群A的起始位置，设定第二机器人的位置为蚁群B的起始位置；设蚁群A和蚁群B的种群数量为N；

设定所述大型三维复杂构件的初始信息素浓度为n表示该大型三维复杂构件焊缝的条数，的取值范围为L_m是由第一机器人/第二机器人最邻近的邻域启发产生的机器人焊枪移动路径长度。

5.根据权利要求4所述的基于蚁群算法的双焊接机器人智能路径规划方法，其特征在于，所述步骤2包括：

取所述大型三维复杂构件任一焊接轨迹，设所述焊缝轨迹首尾坐标为(x_l1,y_l1,z_l1)和(x_l2,y_l2,z_l2)，其焊接轨迹长度为||L_m||；当该段焊接轨迹为直线时焊接速度为v_s，对应的焊接时间为该段焊接轨迹曲线时焊接速度为v_e，对应的焊接时间为当该段焊接轨迹为空载时焊接速度为v_w，对应的焊接时间为蚁群A和蚁群B经过所述焊接轨迹总时间分别为：

若t_all1≥t_all2,则t_min＝t_all1，否则t_min＝t_all2。

6.根据权利要求5所述的基于蚁群算法的双焊接机器人智能路径规划方法，其特征在于，所述步骤3包括：

根据三维复杂构件和焊缝轨迹的坐标构造三维信息素矩阵T＝|W，M，Q|，并初始化得到的三维信息素矩阵；其中，W为空间位置、是否是焊缝轨迹和该位置当前的信息素浓度。

7.根据权利要求6所述的基于蚁群算法的双焊接机器人智能路径规划方法，其特征在于，所述步骤4包括：

在蚁群A和蚁群B寻找焊缝轨迹的过程中对最优的焊接轨迹上的信息浓度进行局部更新及全局更新；

局部更新如下：τ_ij(t+1)＝(1-ρ)τ_ij(t)+ετ₀；ρ为信息素挥发系数且0≤ρ≤1，ε为常数，τ₀为信息素初始浓度；

全局更新如下：τ_ij(t.t+1)＝τ_ij(t)(1-ρ)+ρΔτ_ij(t,t+1)；

Δτ_ij是蚁群在路径(i，j)上全局信息素更新增量，L_m是当前迭代最短路径长度。

8.根据权利要求7所述的基于蚁群算法的双焊接机器人智能路径规划方法，其特征在于，所述步骤5包括：

每只蚂蚁根据状态移动规则公式选择下一个位置点，当蚂蚁到达目标点时，记录该蚂蚁路径长度及其所包含路段信息，并初始化禁忌表；

所述状态移动规则公式如下：

其中，η_ij为节点a，b间的启发因子，η_ij＝1/2d(i,j)+1/2d(j,k)，d(i,j)为节点i，j间的距离，d(j,k)为下一节点j和目标节点k的距离；τi_j为线段AB上的信息素浓度，α为信息激素物质的相对重要性；β为能见度的相对重要性，d_k为当前点A下一步待选节点的集合，该集合不包括机器人已经焊接的焊缝焊点。

9.根据权利要求8所述的基于蚁群算法的双焊接机器人智能路径规划方法，其特征在于，所述步骤6中，所述觅食条件为：

当蚁群A中的任一只蚂蚁与蚁群B中的任一只蚂蚁所走过的焊缝轨迹不相同，或当蚁群B中的任一只蚂蚁与蚁群A中的任一只蚂蚁所走过的焊缝轨迹不相同，且所述蚁群B中的任一只蚂蚁及蚁群A中的任一只蚂蚁走过的焊缝轨迹之和覆盖三维复杂构件所需焊接焊缝的轨迹时，且蚁群A中的任一只蚂蚁/蚁群B中的任一只蚂蚁在这条焊缝轨迹上所用时间大于所述t_min。