CN109272104A - 一种白车身焊点分配方法 - Google Patents

Abstract

本发明公开一种白车身焊点分配方法。所述分配方法包括：获取白车身焊点和焊接机器人的三维坐标、所述焊接机器人的工作时长、工作移动速度、迭代次数、种群大小、交叉概率和变异概率；判断循环次数是否达到迭代次数，如果是，计算第三代种群中最优个体得到最优结果，否则，继续根据所述第三代种群的非支配集和个体的聚集距离，通过二元锦标赛选择法选择种群中的个体进入第四代种群。通过获取白车身焊点的三维坐标、工作速度、工作时间和焊接机器人的三维坐标，建立焊点与机器人的距离矩阵。本发明将部分约束条件转化为一个目标能帮助算法得到全局最优解。

Description

一种白车身焊点分配方法

技术领域

本发明涉及焊点分配规划领域，特别是涉及一种白车身焊点分配方法。

背景技术

轿车车身是轿车的重要组成部分，使整个轿车零部件的载体，制造成本约占整车的40％～60％，生产时，焊点多达4000～5000个。为了能够制造出高质、高效和低成本的车身，车身制造中广泛采用多机器人焊接技术，为减少节拍所需时间，优化配置机器人资源，提高白车身制造的效率和质量，必须对机器人焊接任务尽心规划，将诸多焊点合理分配给各焊接机器人。传统的焊点分配原则是给焊接机器人划定工作空间，焊接机器人只焊接本区域内的焊点。但在多台机器人共同工作的焊装工位，常常有焊点处于多台机器人工作空间的重合区。在这样的情况下，通过简单的按区域划分是不能有效解决。

现有技术中的区域划分方法无法优化配置机器人的资源，降低了白车身制造的效率和质量。

发明内容

本发明的目的是提供一种能够优化配置机器人资源的白车身焊点分配方法。

为实现上述目的，本发明提供了如下方案：

一种白车身焊点分配方法，所述分配方法包括：

获取白车身焊点和焊接机器人的三维坐标、所述焊接机器人的工作时长、工作移动速度、迭代次数、种群大小、交叉概率和变异概率；

根据所述三维坐标，建立所述白车身焊点与所述焊接机器人的距离关联矩阵；

根据所述距离关联矩阵计算所述白车身的焊点数和所述焊接机器人的个数，计算目标函数的平衡常数B，获得初始种群；

根据所述平衡常数B计算所述初始种群中每个个体的目标函数值；

根据所述初始种群中每个个体的目标函数值构造所述初始种群的非支配集和每个个体的聚集距离；

根据所述初始种群的非支配集和所述聚集距离，采用二元锦标赛选择法选择种群中的个体作为第二代种群；

获取所述第二代种群中的个体基因，将所述第二代种群中的个体基因进行交叉，将所述第二代种群中的个体基因进行变异，使所述第二代种群得到进化；

根据所述目标函数的平衡常数，计算所述第二代种群中每个个体的目标函数；

将所述初始种群和所述第二代种群合为第二种群，根据所述第二代种群中每个个体的目标函数构造所述第二种群的非支配集和每个个体的聚集距离；

根据所述第二种群的非支配集和聚集距离，建立偏序关系，根据所述偏序关系选择所述第二种群中的个体形成满足种群大小的种群，所述满足种群大小的种群为第三代种群；

判断循环次数是否达到迭代次数，如果是，计算第三代种群中最优个体得到最优结果，否则，继续根据所述第三代种群的非支配集和个体的聚集距离，通过二元锦标赛选择法选择种群中的个体进入第四代种群。

可选的，所述根据所述初始种群中每个个体的目标函数值构造所述初始种群的非支配集和每个个体的聚集距离具体包括：

构造所述初始种群的非支配集：

设两个向量{n_i}和{s_i}，其中i∈Pop，其中s_i为被个体i支配的个体集合，n_i为支配个体i的个体数，F_i为第i层非支配集的个体；

n_i＝|{k|kdo min atedi i,k∈Pop}|

s_i＝{j|ido min atedj i,j∈Pop}

建立第一层边界集，用二重循环遍历Pop种群，p表示外层循环的个体，q表示内层循环的个体；如果p支配q，则把q放入s_p中，如果q支配q，则n_P+1。内层循环每循环完毕一次就判断一次是否等于0，n_p＝0，把p放入F₁。直到外层循环结束得到第一层边界集；

设i＝1，建立二重循环，外层循环遍历F_i，内层循环遍历s_p，p为外层循环的个体，q为内层循环的个体，判断n_q是否等于零，若n_q＝0，把q放入F_i；循环到外层循环结束i+1，判断F_i是否为空，若F_i为空，完成构造非支配集，否则，继续建立二重循环；

计算初始种群个体之间的聚集距离：

设有r个子目标时个体i的聚集距离为

设有m个目标，种群大小为n，对每一个子目标排序，排序后遍历种群集合P[2:n-2]，计算每个个体的聚集距离，P[0]＝P[n-3]＝∞。

可选的，所述根据所述初始种群的非支配集和所述聚集距离，采用二元锦标赛选择法选择种群中的个体作为第二代种群具体包括：

在所述初始种群中随机选取两个个体，将非支配集层次小的个体选入所述第二代种群；

如果两个个体属于同一层，则判断聚集距离，所述聚集距离较小的个体进入到所述第二代种群，一直选择个体知道所述第二代种群的个体总数达到种群大小。

可选的，所述获取所述第二代种群中的个体基因，将所述第二代种群中的个体基因进行交叉，将所述第二代种群中的个体基因进行变异，使所述第二代种群得到进化具体包括：

将基因中的每一行看作一个基因点，染色体交叉时是整行交叉；

变异概率p_m＝0.5，当第i行第j列的基因点发生变异时需要先将第i行的每一列变为0，然后1减去这一点的基因编码。

可选的，所述根据所述第二种群的非支配集和聚集距离，建立偏序关系，根据所述偏序关系选择所述第二种群中的个体形成满足种群大小的种群，所述满足种群大小的种群为第三代种群具体包括：

根据所述第二种群的非支配集和聚集距离建立偏序关系；

将所述第二代种群中的个体通过所述偏序关系选择进入所述第二种群newP；

newP＝[],i＝0；判断所述第二种群newP是否已满；

如果所述第二种群未满，所述每一层边界集加入所述第二种群中；

否则，结束选择的操作。

根据本发明提供的具体实施例，本发明公开了以下技术效果：该方法通过获取白车身焊点的三维坐标、工作速度、工作时间和焊接机器人的三维坐标，建立焊点与机器人的距离矩阵。然后建立二维基因表完美的将问题转化为了数学字符。焊点分配问题里最理想的情况是均匀的将焊点分配给每一个机器人并没有冲突。本发明使用的NSGA-II算法最能解决这种多目标问题。本发明将部分约束条件转化为一个目标能帮助算法得到全局最优解。

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他的附图。

图1为本发明实施例白车身焊点分配方法的流程图；

图2为本发明实施例白车身焊点分配方案示意图；

图3为本发明对随机焊点进行分配得到的结果示意图；

图4为本发明染色体交叉过程的示意图；

图5为本发明基因点发生变异的示意图。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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他实施例，都属于本发明保护的范围。

本发明的目的是提供一种能够优化配置机器人资源的白车身焊点分配方法。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，一种白车身焊点分配方法，所述分配方法包括：

步骤100：获取白车身焊点和焊接机器人的三维坐标、所述焊接机器人的工作时长、工作移动速度、迭代次数、种群大小、交叉概率和变异概率；

如图2和图3所示，焊点的分布情况，获取白车身焊点(54个)和焊接机器人(2个)的三维坐标、焊接机器人的工作时长、工作移动速度、迭代次数(200)、种群大小(80)、交叉概率(0.8)和变异概率(0.5)，输入数据如表1和表2；

表1，焊点坐标数据

表2，焊接机器人坐标与属性

步骤200：根据所述三维坐标，建立所述白车身焊点与所述焊接机器人的距离关联矩阵；

根据所述白车身焊点和焊接机器人的三维坐标，运用空间距离公式

得到焊点与机器人的距离关联矩阵dt_ij；

表3，距离矩阵表

步骤300：根据所述距离关联矩阵计算所述白车身的焊点数和所述焊接机器人的个数，计算目标函数的平衡常数B，获得初始种群；

根据所述dt_ij运用公式得到平衡常数B；初始化80个个体的种群，个体的基因编码为52*2的二维基因表X_ij；

表4，基因编码

0	1
		0	1
1	0
		……	……

步骤400：根据所述平衡常数B计算所述初始种群中每个个体的目标函数值；

根据所述dt_ij、N(52)、M(2)、B、X_ij，计算第一目标函数F₁、第二目标函数F₂、第三目标函数F₃；

步骤500：根据所述初始种群中每个个体的目标函数值构造所述初始种群的非支配集和每个个体的聚集距离；

步骤600：根据所述初始种群的非支配集和所述聚集距离，采用二元锦标赛选择法选择种群中的个体作为第二代种群；

根据所述种群的非支配集和个体的聚集距离，通过二元锦标赛选择法选择种群中的个体进入下一代种群；比如随机挑选了两个个体A和B；若个体A在边界集中，B在边界集中，则A进入下一代种群；若个体A在边界集中，B在边界集中，则要比较A与B的聚集距离，如果A>B，则A进入下一代种群，反之B进入下一代种群；一直选择个体直到下一代个体总数达到80；

步骤700：获取所述第二代种群中的个体基因，将所述第二代种群中的个体基因进行交叉，将所述第二代种群中的个体基因进行变异，使所述第二代种群得到进化；

所述根据所述的新一代种群，对新种群里的个体基因进行交叉，使种群得到进化；这里交叉概率，这里把基因模型中每一行看作一个基因点，因此染色体进行交叉时只能是整行的交叉；比如基因的第一行交叉；

交叉过程如图4所示；

所述根据所述的新一代种群，对新种群里的个体基因进行变异，使种群得到进化；这里设变异概率p_m＝0.5，首先随机产生一个0～N*M的整数代表发生变异的基因点数。同样为了防止出现单个焊点分配给多个机器人情况，当第i行第j列基因点发生变异时需要先将第i行的每一列变为0，然后1减去这点的基因编码数；列如2行1列基因点发生变异如图5所示；

步骤800：根据所述目标函数的平衡常数，计算所述第二代种群中每个个体的目标函数；

步骤900：将所述初始种群和所述第二代种群合为第二种群，根据所述第二代种群中每个个体的目标函数构造所述第二种群的非支配集和每个个体的聚集距离；

将父代和子代种群合为一个种群R，根据所述的个体目标函数值，构造种群R的非支配集和每个个体的聚集距离；父代种群是交叉变异之前的种群，子代种群是交叉变异之后的种群；

步骤1000：根据所述第二种群的非支配集和聚集距离，建立偏序关系，根据所述偏序关系选择所述第二种群中的个体形成满足种群大小的种群，所述满足种群大小的种群为第三代种群；

步骤1100：判断循环次数是否达到迭代次数，如果是，计算第三代种群中最优个体得到最优结果，否则，继续步骤600：根据所述第三代种群的非支配集和个体的聚集距离，通过二元锦标赛选择法选择种群中的个体进入第四代种群。

根据迭代次数k判断程序是否结束，这里设迭代次数200，k≤200，回到步骤600继续执行，k＞200，判断此时种群中最优个体是否违反约束条件C_i，第三目标函数值F₃是否小于0；如果则输出结果，否则将迭代次数置为0并随机产生种群一半的个体替换此时种群中的一半个体(保持种群多样性)回到步骤400；

其中：C_i为焊接点i被分配给焊接机器人的次数；

表5，详细焊点分配结果

可选的，所述根据所述初始种群中每个个体的目标函数值构造所述初始种群的非支配集和每个个体的聚集距离具体包括：

构造所述初始种群的非支配集：

设两个向量{n_i}和{s_i}，其中i∈Pop，其中s_i为被个体i支配的个体集合，n_i为支配个体i的个体数，F_i为第i层非支配集的个体；

n_i＝|{k|kdo min atedi i,k∈Pop}|

s_i＝{j|ido min atedj i,j∈Pop}

建立第一层边界集，用二重循环遍历Pop种群，p表示外层循环的个体，q表示内层循环的个体；如果p支配q，则把q放入s_p中，如果q支配q，则nP+1。内层循环每循环完毕一次就判断一次是否等于0，n_p＝0，把p放入F₁。直到外层循环结束得到第一层边界集；

设i＝1，建立二重循环，外层循环遍历F_i，内层循环遍历s_p，p为外层循环的个体，q为内层循环的个体，判断n_q是否等于零，若n_q＝0，把q放入F_i；循环到外层循环结束i+1，判断F_i是否为空，若F_i为空，完成构造非支配集，否则，继续建立二重循环；

计算初始种群个体之间的聚集距离：

设有r个子目标时个体i的聚集距离为

设有m个目标，种群大小为n，对每一个子目标排序，排序后遍历种群集合P[2:n-2]，计算每个个体的聚集距离，P[0]＝P[n-3]＝∞。

可选的，所述根据所述初始种群的非支配集和所述聚集距离，采用二元锦标赛选择法选择种群中的个体作为第二代种群具体包括：

在所述初始种群中随机选取两个个体，将非支配集层次小的个体选入所述第二代种群；

如果两个个体属于同一层，则判断聚集距离，所述聚集距离较小的个体进入到所述第二代种群，一直选择个体知道所述第二代种群的个体总数达到种群大小。

可选的，所述获取所述第二代种群中的个体基因，将所述第二代种群中的个体基因进行交叉，将所述第二代种群中的个体基因进行变异，使所述第二代种群得到进化具体包括：

将基因中的每一行看作一个基因点，染色体交叉时是整行交叉；

变异概率p_m＝0.5，当第i行第j列的基因点发生变异时需要先将第i行的每一列变为0，然后1减去这一点的基因编码。

可选的，所述根据所述第二种群的非支配集和聚集距离，建立偏序关系，根据所述偏序关系选择所述第二种群中的个体形成满足种群大小的种群，所述满足种群大小的种群为第三代种群具体包括：

根据所述第二种群的非支配集和聚集距离建立偏序关系；

将所述第二代种群中的个体通过所述偏序关系选择进入所述第二种群newP；

newP＝[],i＝0；判断所述第二种群newP是否已满；

如果所述第二种群未满，所述每一层边界集加入所述第二种群中；

否则，结束选择的操作。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种白车身焊点分配方法，其特征在于，所述分配方法包括：

获取白车身焊点和焊接机器人的三维坐标、所述焊接机器人的工作时长、工作移动速度、迭代次数、种群大小、交叉概率和变异概率；

根据所述三维坐标，建立所述白车身焊点与所述焊接机器人的距离关联矩阵；

根据所述距离关联矩阵计算所述白车身的焊点数和所述焊接机器人的个数，计算目标函数的平衡常数B，获得初始种群；

根据所述平衡常数B计算所述初始种群中每个个体的目标函数值；

根据所述初始种群中每个个体的目标函数值构造所述初始种群的非支配集和每个个体的聚集距离；

根据所述初始种群的非支配集和所述聚集距离，采用二元锦标赛选择法选择种群中的个体作为第二代种群；

获取所述第二代种群中的个体基因，将所述第二代种群中的个体基因进行交叉，将所述第二代种群中的个体基因进行变异，使所述第二代种群得到进化；

根据所述目标函数的平衡常数，计算所述第二代种群中每个个体的目标函数；

将所述初始种群和所述第二代种群合为第二种群，根据所述第二代种群中每个个体的目标函数构造所述第二种群的非支配集和每个个体的聚集距离；

根据所述第二种群的非支配集和聚集距离，建立偏序关系，根据所述偏序关系选择所述第二种群中的个体形成满足种群大小的种群，所述满足种群大小的种群为第三代种群；

判断循环次数是否达到迭代次数，如果是，计算第三代种群中最优个体得到最优结果，否则，继续根据所述第三代种群的非支配集和个体的聚集距离，通过二元锦标赛选择法选择种群中的个体进入第四代种群。

2.根据权利要求1所述的一种白车身焊点分配方法，其特征在于，所述根据所述初始种群中每个个体的目标函数值构造所述初始种群的非支配集和每个个体的聚集距离具体包括：

构造所述初始种群的非支配集：

设两个向量{n_i}和{s_i}，其中i∈Pop，其中s_i为被个体i支配的个体集合，n_i为支配个体i的个体数，F_i为第i层非支配集的个体；

n_i＝|{k|kdo min atedi i,k∈Pop}|

s_i＝{j|ido min atedj i,j∈Pop}

建立第一层边界集，用二重循环遍历Pop种群，p表示外层循环的个体，q表示内层循环的个体；如果p支配q，则把q放入s_p中，如果q支配q，则n_P+1。内层循环每循环完毕一次就判断一次是否等于0，n_p＝0，把p放入F₁。直到外层循环结束得到第一层边界集；

设i＝1，建立二重循环，外层循环遍历F_i，内层循环遍历s_p，p为外层循环的个体，q为内层循环的个体，判断n_q是否等于零，若n_q＝0，把q放入F_i；循环到外层循环结束i+1，判断F_i是否为空，若F_i为空，完成构造非支配集，否则，继续建立二重循环；

计算初始种群个体之间的聚集距离：

设有r个子目标时个体i的聚集距离为

设有m个目标，种群大小为n，对每一个子目标排序，排序后遍历种群集合P[2:n-2]，计算每个个体的聚集距离，P[0]＝P[n-3]＝∞。

3.根据权利要求1所述的一种白车身焊点分配方法，其特征在于，所述根据所述初始种群的非支配集和所述聚集距离，采用二元锦标赛选择法选择种群中的个体作为第二代种群具体包括：

在所述初始种群中随机选取两个个体，将非支配集层次小的个体选入所述第二代种群；

如果两个个体属于同一层，则判断聚集距离，所述聚集距离较小的个体进入到所述第二代种群，一直选择个体知道所述第二代种群的个体总数达到种群大小。

4.根据权利要求1所述的一种白车身焊点分配方法，其特征在于，所述获取所述第二代种群中的个体基因，将所述第二代种群中的个体基因进行交叉，将所述第二代种群中的个体基因进行变异，使所述第二代种群得到进化具体包括：

将基因中的每一行看作一个基因点，染色体交叉时是整行交叉；

变异概率p_m＝0.5，当第i行第j列的基因点发生变异时需要先将第i行的每一列变为0，然后1减去这一点的基因编码。

5.根据权利要求1所述的一种白车身焊点分配方法，其特征在于，所述根据所述第二种群的非支配集和聚集距离，建立偏序关系，根据所述偏序关系选择所述第二种群中的个体形成满足种群大小的种群，所述满足种群大小的种群为第三代种群具体包括：

根据所述第二种群的非支配集和聚集距离建立偏序关系；

将所述第二代种群中的个体通过所述偏序关系选择进入所述第二种群newP；

newP＝[],i＝0；判断所述第二种群newP是否已满；

如果所述第二种群未满，所述每一层边界集加入所述第二种群中；

否则，结束选择的操作。