CN110802598A - 基于多蚁群迭代寻优算法的焊接机器人路径规划方法 - Google Patents
基于多蚁群迭代寻优算法的焊接机器人路径规划方法 Download PDFInfo
- Publication number
- CN110802598A CN110802598A CN201911172134.0A CN201911172134A CN110802598A CN 110802598 A CN110802598 A CN 110802598A CN 201911172134 A CN201911172134 A CN 201911172134A CN 110802598 A CN110802598 A CN 110802598A
- Authority
- CN
- China
- Prior art keywords
- welding
- ant
- path
- ants
- population
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K37/00—Auxiliary devices or processes, not specially adapted to a procedure covered by only one of the preceding main groups
- B23K37/02—Carriages for supporting the welding or cutting element
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1682—Dual arm manipulator; Coordination of several manipulators
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法,包括:对焊接构件建立三维坐标轴,并读取焊接构件上所有焊接任务点的个数Np以及各个焊接任务点的三维坐标;读取用户设置的多台焊接机器人的起点坐标;初始化多蚁群迭代寻优算法的初始参数;通过多蚁群迭代寻优算法对多台焊接机器人的焊接路径进行迭代寻优,将寻找到的距离最短的路径作为最优路径结果输出;对所述最优路径结果进行优化;将优化后的路径与多台焊接机器人的起点坐标相结合作为多台焊接机器人的焊接路径规划结果输出。通过本发明,能够实现焊接任务分配与路径规划过程的统一,不仅实现了焊接任务的自动化,同时还使得焊接机器人的焊接路径达到焊接效率最优。
Description
技术领域
本发明涉及路径规划技术领域,特别涉及一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法。
背景技术
随着现代工业技术的不断发展,焊接机器人已逐渐推广到各个行业中。例如在汽车制造业中,汽车白车身上的几千个焊接点都是通过焊接机器人自动完成的,实现这一功能的一个关键环节是对焊接机器人的焊接路径进行规划,如果能对焊接路径进行合理的规划,就可以减少机器人的工作时间,提高工作效率,降低生产成本。因此为了提高作业效率,大部分制造企业都是采用多焊接机器人协同作业的方式来完成同一个焊接任务。所以多焊接机器人的焊接路径规划技术已成为当前焊接机器人的技术研究重点之一。
目前的焊接路径规划大多数是基于人工进行手动规划。根据给定的焊接部件类型、焊点布局、焊点位置等信息,再结合车身数据模型的数据、生产工艺和流程、产品设计文档等,依靠技术人员自身的经验积累,规划出一条近似最优的焊接路径。但是在实践中发现,由于这种规划方式完全依靠专业技术人员的个人经验背景,且不同的技术人员规划出的路径方案往往存在差异性,因此这种人工规划的路径方案缺乏一定的科学性,且规划调试周期长,不能保证高效率,缺乏生产柔性与自适应性,规划出的路径不能确保是理想的最优路径,只能实现焊接任务的自动化,难以保证焊接机器人的焊接效率最优。
发明内容
本发明提供一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法,能够实现焊接任务分配与路径规划过程的统一,不仅实现了焊接任务的自动化,同时还使得焊接机器人的焊接路径达到焊接效率最优。
根据本发明的一个方面,提供了一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法,包括以下步骤:
对焊接构件建立三维坐标轴,并读取焊接构件上所有焊接任务点的个数Np以及各个焊接任务点的三维坐标;
读取用户设置的多台焊接机器人的起点坐标;
初始化多蚁群迭代寻优算法的初始参数;
通过多蚁群迭代寻优算法对多台焊接机器人的焊接路径进行迭代寻优,将寻找到的距离最短的路径作为最优路径结果输出;
对所述最优路径结果进行优化;
将优化后的路径与多台焊接机器人的起点坐标相结合作为多台焊接机器人的焊接路径规划结果输出。
优选地,所述多蚁群迭代寻优算法的初始参数包括蚂蚁种群数量mg、单个蚂蚁种群的蚂蚁数量ma、信息素重要程度因子α、启发函数重要程度因子β、信息素挥发因子ρ、信息素释放因子Q、最大迭代次数Nmax、启发函数ηij、信息初始素浓度
优选地,所述蚂蚁种群数量mg等于所述多台焊接机器人的个数;所述单个蚂蚁种群的蚂蚁数量ma等于单个焊接机器人的焊接任务点数量,当1≤Np≤100时,ma=40,当101≤Np≤300时,ma=50,当Np>300时,ma=60。
优选地,所述通过多蚁群迭代寻优算法对多台焊接机器人的焊接路径进行迭代寻优,将寻找到的距离最短的路径作为最优路径结果输出,包括以下步骤:
初始化多蚁群迭代寻优算法的迭代次数NC和列队蚂蚁编号K,令NC=1,K=1;
分别对mg个蚂蚁种群以及每个蚂蚁种群中的ma只蚂蚁进行编号;
从mg个蚂蚁种群中分别选出各个蚂蚁种群中编号为K的蚂蚁进行列队;
列队上的mg只蚂蚁根据蚂蚁种群的编号顺序轮流在焊接构件上随机选择一个未被选过的焊接任务点,并根据该焊接任务点的三维坐标移动到该焊接任务点上;
判断K是否大于等于ma;
如果否,则令K=K+1,并执行从mg个蚂蚁种群中分别选出各个蚂蚁种群中编号为K的蚂蚁进行列队的步骤;
如果是,则第NC次迭代中焊接路径寻优过程结束,记录列队上的每一只蚂蚁的移动路径,并按照蚂蚁编号顺序将每一个蚂蚁种群中蚂蚁的移动路径进行组合得到第NC次迭代寻优的焊接路径;
根据所述第NC次迭代寻优的焊接路径对信息素进行更新;
判断NC是否大于等于Nmax;
如果否,则令NC=NC+1,并执行分别对mg个蚂蚁种群以及每个蚂蚁种群中的ma只蚂蚁进行编号的步骤;
如果是,则迭代过程结束,将迭代过程中所找到的最优路径,作为寻优结果输出。
优选地,所述根据所述第NC次迭代寻优的焊接路径对信息素进行更新,包括以下步骤:
优选地,所述对所述最优路径结果进行优化,包括以下步骤:
对每一台焊接机器人的焊接路径进行组内2-opt优化;
对多台焊接机器人的焊接路径进行组间2-opt优化;
对多台焊接机器人的焊接路径上的焊接点进行组间1-opt优化。
与现有技术相比较,本发明的有益效果如下:
通过本发明,实现了多台焊接机器人任务分配过程和路径规划过程的统一,使得多台焊接机器人的任务分配更加合理,每一台焊接机器人的焊接路径都能达到最优,使多台焊接机器人协同作业的效率达到了最优;此外,采用了多种优化算子对焊接路径的寻优结果进一步优化,提高了多台焊接机器人协同作业的作业效率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。附图中:
图1是根据本发明实施例的一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法的流程图;
图2是根据本发明实施例一的另一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法的流程图;
图3是根据本发明实施例一中焊接路径迭代寻优的流程图;
图4是本发明组内2-opt优化的示意图;
图5是本发明组间2-opt优化示意图;
图6是本发明组间1-opt优化示意图。
具体实施方式
下面将结合本发明附图,对本发明技术方案进行描述,但所描述的实施例仅仅是本发明一部分实施例,基于本发明中的实施例,本领域普通技术人员在没有作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。
本发明实施例提供了一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法,图1是根据本发明实施例的基于多蚁群迭代寻优算法的焊接机器人路径规划方法的流程图,如图1所示,包括以下步骤:
步骤S101:对焊接构件建立三维坐标轴,并读取焊接构件上所有焊接任务点的个数Np以及各个焊接任务点的三维坐标;
步骤S102:读取用户设置的多台焊接机器人的起点坐标;
步骤S103:初始化多蚁群迭代寻优算法的初始参数;
步骤S104:通过多蚁群迭代寻优算法对多台焊接机器人的焊接路径进行迭代寻优,将寻找到的距离最短的路径作为最优路径结果输出;
步骤S105:对上述最优路径结果进行优化;
步骤S106:将优化后的路径与多台焊接机器人的起点坐标相结合作为多台焊接机器人的焊接路径规划结果输出。
在实施过程中,在步骤S103中,多蚁群迭代寻优算法的初始参数包括蚂蚁种群数量mg、单个蚂蚁种群的蚂蚁数量ma、信息素重要程度因子α、启发函数重要程度因子β、信息素挥发因子ρ、信息素释放因子Q、最大迭代次数Nmax、启发函数ηij、信息初始素浓度蚂蚁种群数量mg等于多台焊接机器人的个数;单个蚂蚁种群的蚂蚁数量ma等于单个焊接机器人的焊接任务点数量,当1≤Np≤100时,ma=40,当101≤Np≤300时,ma=50,当Np>300时,ma=60。
在步骤S104中,首先需要初始化多蚁群迭代寻优算法的迭代次数NC和列队蚂蚁编号K,令NC=1,K=1;再分别对mg个蚂蚁种群以及每个蚂蚁种群中的ma只蚂蚁进行编号;从mg个蚂蚁种群中分别选出各个蚂蚁种群中编号为K的蚂蚁进行列队;列队上的mg只蚂蚁根据蚂蚁种群的编号顺序轮流在焊接构件上随机选择一个未被选过的焊接任务点,并根据该焊接任务点的三维坐标移动到该焊接任务点上;判断K是否大于等于ma;如果否,则令K=K+1,并执行从mg个蚂蚁种群中分别选出各个蚂蚁种群中编号为K的蚂蚁进行列队的步骤;如果是,则第NC次迭代中焊接路径寻优过程结束,记录列队上的每一只蚂蚁的移动路径,并按照蚂蚁编号顺序将每一个蚂蚁种群中蚂蚁的移动路径进行组合得到第NC次迭代寻优的焊接路径;根据第NC次迭代寻优的焊接路径对信息素进行更新;判断NC是否大于等于Nmax;如果否,则令NC=NC+1,并执行分别对mg个蚂蚁种群以及每个蚂蚁种群中的ma只蚂蚁进行编号的步骤;如果是,则迭代过程结束,将迭代过程中所找到的最优路径,作为寻优结果输出。
更进一步的,根据第NC次迭代寻优的焊接路径对信息素进行更新,具体的实施方式为:根据第NC次迭代寻优的焊接路径,计算每一个蚂蚁种群留下的信息素总量式中表示第l个蚂蚁种群在路径i到j所留下的信息素总量,表示第l个蚂蚁种群的第k只蚂蚁在路径i到j所留下的信息素总量;通过公式对每一个蚂蚁种群的信息素进行更新;式中l表示编号为l的蚂蚁种群,γk表示竞争因子;通过公式对信息素挥发因子ρ进行更新。
在步骤S105中,首先对每一台焊接机器人的焊接路径进行组内2-opt优化;再对多台焊接机器人的焊接路径进行组间2-opt优化;最后对多台焊接机器人的焊接路径上的焊接点进行组间1-opt优化。
通过上述步骤,能够实现焊接任务分配与路径规划过程的统一,不仅实现了焊接任务的自动化,同时还使得焊接机器人的焊接路径达到焊接效率最优。
为了使本发明的技术方案和实现方法更加清楚,下面将结合优选的实施例对其实现过程进行详细描述。
实施例一
本实施例提供另一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法,如图2所示,图2是根据本发明实施例一的另一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法的流程图,包括以下步骤:
步骤S201:对焊接构件建立三维坐标轴,并读取焊接构件上所有焊接任务点的个数Np以及各个焊接任务点的三维坐标;
步骤S202:读取用户设置的多台焊接机器人的起点坐标;
步骤S203:初始化多蚁群迭代寻优算法的初始参数;
本发明实施例中,上述初始参数包括蚂蚁种群数量mg、单个蚂蚁种群的蚂蚁数量ma、信息素重要程度因子α、启发函数重要程度因子β、信息素挥发因子ρ、信息素释放因子Q、最大迭代次数Nmax、启发函数ηij、信息初始素浓度τilj(0);
可选的,上述蚂蚁种群数量mg等于所述多台焊接机器人的个数;上述单个蚂蚁种群的蚂蚁数量ma等于单个焊接机器人的焊接任务点数量,当1≤Np≤100时,ma=40,当101≤Np≤300时,ma=50,当Np>300时,ma=60;信息素重要程度因子α可以根据人工经验设定为1;启发函数重要程度因子β的具体取值方法为:当1≤Np≤100时,β=1.5;当101≤Np≤300时,β=2;当Np>300时,β=2.5;信息素挥发因子ρ的初始值设为0.1,信息素释放因子Q根据人工经验设定为2;最大迭代次数Nmax的具体取值方法为:当1≤Np≤200时,Nmax=500;当201≤Np≤500时,Nmax=1000;当Np>500时,Nmax=1500;启发函数ηij的计算公式为ηij=1/dij,(i=1,2,…,Np,j=1,2,…,Np),式中dij表示焊接任务点i到焊接任务点j的最短距离;信息初始素浓度初始时
步骤S204:初始化多蚁群迭代寻优算法的迭代次数NC和列队蚂蚁编号K,令NC=1,K=1;
步骤S205:分别对mg个蚂蚁种群以及每个蚂蚁种群中的ma只蚂蚁进行编号;
本发明实施例中,对蚂蚁种群进行编号是从1开始编号的,每次只叠加1,对每个蚂蚁种群中包含的蚂蚁进行编号也是从1开始编号,每次只叠加1;
步骤S206:从mg个蚂蚁种群中分别选出各个蚂蚁种群中编号为K的蚂蚁进行列队;
步骤S207:列队上的mg只蚂蚁根据蚂蚁种群的编号顺序轮流在焊接构件上随机选择一个未被选过的焊接任务点,并根据该焊接任务点的三维坐标移动到该焊接任务点上;
进一步的,蚂蚁在焊接构件上选择焊接任务点时应当选择还未被挑选过的焊接任务点,这样才不会产生重复的任务分配,简化焊接任务分配的过程;
步骤S208:判断K是否大于等于ma;如果否,则执行步骤S209;如果是,则执行步骤S210~步骤S212;
本发明实施例中,判断K是否等于ma可以用于判断单次寻优过程是否已经结束,如果K不等于ma,则说明单次寻优过程还未结束,即蚂蚁种群中的蚂蚁还没有全部都选择焊接任务点,因此需要在当前挑选出进行列队的蚂蚁编号上加1,在各个蚂蚁种群中挑选新的编号的蚂蚁进行列队挑选焊接任务点,直到将所有的焊接任务点全部挑选完毕;如果K等于ma,就说明单次寻优过程已经结束,就可以将该单次寻优过程中得到的各个蚂蚁种群中包含的各个蚂蚁选择的焊接任务点连接起来形成各个蚂蚁种群的焊接路径,各个蚂蚁种群的焊接路径就相当于各个焊接机器人的焊接路径;
步骤S209:令K=K+1,并执行从mg个蚂蚁种群中分别选出各个蚂蚁种群中编号为K的蚂蚁进行列队的步骤;
步骤S210:第NC次迭代中焊接路径寻优过程结束,记录列队上的每一只蚂蚁的移动路径,并按照蚂蚁编号顺序将每一个蚂蚁种群中蚂蚁的移动路径进行组合得到第NC次迭代寻优的焊接路径;
举例说明,假定mg=3,ma=3,现在给蚂蚁种群编号为1、2、3,给蚂蚁编号为1、2、3,在NC=1,即第一次迭代过程中,首先从1、2、3号蚂蚁种群中分别选出其中编号为1的蚂蚁组成列队,就是选出1-1、2-1、3-1三只蚂蚁组成列队,然后再按照蚂蚁种群的编号顺序依次选择焊接任务点,首先蚂蚁1-1先随机选择一个焊接任务点,并移动到该焊接任务点上,然后蚂蚁2-1再从剩下的焊接任务点中选择一个焊接任务点并移动到该焊接任务点上,接着蚂蚁3-1再继续从剩下的还没有被挑选过的焊接任务点中选择一个焊接任务点并移动到该焊接任务点上,此时列队中的3只蚂蚁已经全部选过了焊接任务点;通过判断目前列队的蚂蚁的编号是否等于ma来判断第一次迭代的单次寻优是否已经结束,如果否,就说明单次寻优还未结束,继续从1、2、3号蚂蚁种群中分别选出其中编号为2的蚂蚁组成列队,就是选出1-2、2-2、3-2三只蚂蚁组成列队,然后再按照蚂蚁种群的编号顺序依次选择焊接任务点,首先蚂蚁1-2先随机选择一个焊接任务点,并移动到该焊接任务点上,然后蚂蚁2-2再从剩下的焊接任务点中选择一个焊接任务点并移动到该焊接任务点上,接着蚂蚁3-2再继续从剩下的还没有被挑选过的焊接任务点中选择一个焊接任务点并移动到该焊接任务点上,此时列队中的3只蚂蚁已经全部选过了焊接任务点;通过判断目前列队的蚂蚁的编号是否等于ma来判断第一次迭代的单次寻优是否已经结束,如果否,就说明单次寻优还未结束,继续从1、2、3号蚂蚁种群中分别选出其中编号为3的蚂蚁组成列队,就是选出1-3、2-3、3-3三只蚂蚁组成列队,然后再按照蚂蚁种群的编号顺序依次选择焊接任务点,首先蚂蚁1-3先随机选择一个焊接任务点,并移动到该焊接任务点上,然后蚂蚁2-3再从剩下的焊接任务点中选择一个焊接任务点并移动到该焊接任务点上,接着蚂蚁3-3再继续从剩下的还没有被挑选过的焊接任务点中选择一个焊接任务点并移动到该焊接任务点上,此时列队中的3只蚂蚁已经全部选过了焊接任务点;通过判断目前列队的蚂蚁的编号是否等于ma来判断第一次迭代的单次寻优是否已经结束,由于此时列队中的蚂蚁编号是3,所以第一次迭代的单次寻优已经结束,记录1号种群中的3只蚂蚁选择的焊接任务点,并将3只蚂蚁选择的焊接任务点按照蚂蚁编号连接起来就组成了1号蚂蚁种群的焊接路径,记录2号种群中的3只蚂蚁选择的焊接任务点,并将3只蚂蚁选择的焊接任务点按照蚂蚁编号连接起来就组成了2号蚂蚁种群的焊接路径,记录3号种群中的3只蚂蚁选择的焊接任务点,并将3只蚂蚁选择的焊接任务点按照蚂蚁编号连接起来就组成了3号蚂蚁种群的焊接路径,3个蚂蚁种群的焊接路径就是3台焊接机器人的焊接路径;
步骤S211:根据第NC次迭代寻优的焊接路径对信息素进行更新;
作为一种可选的实施方式,上述步骤的具体实施方式为:
步骤S212:判断NC是否大于等于Nmax;如果否,则执行步骤S213;如果是,则执行步骤S214~步骤S218;
本发明实施例中,上述步骤判断NC是否等于Nmax实际上是为了判断迭代过程是否已经结束,如果NC小于Nmax,就说明迭代还未结束,需要对单次寻优过程进行再次进行迭代寻优,如果NC等于Nmax,就说明迭代过程已经结束,只需要将多次迭代过程中得到的焊接路径的距离进行比较,就可以得到最优焊接路径了;
步骤S213:令NC=NC+1,并执行分别对mg个蚂蚁种群以及每个蚂蚁种群中的ma只蚂蚁进行编号的步骤;
步骤S214:迭代过程结束,将迭代过程中所找到的最优路径作为寻优结果输出;
举例说明,假定Nmax=3,当第一次迭代完成之后,判断已经迭代的次数是否等于Nmax,如果否,就说明迭代还未结束,开始第二次迭代,重复进行上述的步骤,重新给蚂蚁种群和蚂蚁进行编号,并开始单次寻优的过程,单次寻优结束之后就说明第二次迭代过程结束,再继续判断已经迭代的次数是否等于Nmax,如果否,就说明迭代还未结束,开始第三次迭代,重复进行上述的步骤,重新给蚂蚁种群和蚂蚁进行编号,并开始单次寻优的过程,单次寻优结束之后就说明第三次迭代过程结束,再继续判断已经迭代的次数是否等于Nmax,此时迭代次数已经达到了迭代次数的上限,因此判断迭代结束,从三次迭代寻优产生的焊接路径结果中选出路径距离最短的一个作为迭代寻优的最优焊接路径结果输出;图3示出了本实施例的焊接路径迭代寻优的过程,图3为上述举例的焊接路径迭代寻优的流程图;
步骤S215:对每一台焊接机器人的焊接路径进行组内2-opt优化;
本发明实施例中,上述组内2-opt优化算子的优化原理是:假定一条焊接路径上有N个焊接点,焊接点i到i+1、和焊接点j到j+1都是路径上两个相连的焊接点,此时如果满足di,i+1+dj,j+1>di,j+di+1,j+1的条件,则可用边<i,j>,边<i+1,j+1>来替换原先的边<i,i+1>,边<j,j+1>的路径;如图4所示为组内2-opt优化的示意图;
步骤S216:对多台焊接机器人的焊接路径进行组间2-opt优化;
本发明实施例中,上述组间2-opt优化算子的优化原理是:假定两台焊接机器人的焊接路径分别为轨迹A和轨迹B,焊接点i-1、i和i+1是轨迹A上相连的焊接点,焊接点j-1、j和j+1是轨迹B上相连的焊接点。此时如果满足di-1,i+di,i+1+dj-1,j+dj,j+1>di-1,j+dj,i+1+dj-1,i+di,j+1的条件,则可以将焊接点i与焊接点j交换,交换后轨迹A变为i-1、j和i+1,轨迹B变为j-1、i、j+1;如图5所示为组间2-opt优化的示意图;
步骤S217:对多台焊接机器人的焊接路径上的焊接点进行组间1-opt优化;
本发明实施例中,上述组间1-opt优化算子的优化原理是:假定两台焊接机器人的焊接路径分别为轨迹A和轨迹B,焊接点i-1、i和i+1是轨迹A上相连的焊接点,焊接点j和j+1是轨迹B上相连的焊接点,此时如果满足di-1,i+di,i+1+dj,j+1>di-1,i+1+dj,i+di,j+1的条件,则可以将轨迹A上的焊接点i插入轨迹B的焊接点j和j+1之间;如图6所示为组间1-opt优化的示意图;
步骤S218:将优化后的路径与多台焊接机器人的起点坐标相结合作为多台焊接机器人的焊接路径规划结果输出。
综合上述,通过上述实施例,实现了多台焊接机器人任务分配过程和路径规划过程的统一,使得多台焊接机器人的任务分配更加合理,每一台焊接机器人的焊接路径都能达到最优,使多台焊接机器人协同作业的效率达到了最优;此外,采用了多种优化算子对焊接路径的寻优结果进一步优化,提高了多台焊接机器人协同作业的作业效率。
Claims (7)
1.一种基于多蚁群迭代寻优算法的焊接机器人路径规划方法,其特征在于,包括以下步骤:
对焊接构件建立三维坐标轴,并读取焊接构件上所有焊接任务点的个数Np以及各个焊接任务点的三维坐标;
读取用户设置的多台焊接机器人的起点坐标;
初始化多蚁群迭代寻优算法的初始参数;
通过多蚁群迭代寻优算法对多台焊接机器人的焊接路径进行迭代寻优,将寻找到的距离最短的路径作为最优路径结果输出;
对所述最优路径结果进行优化;
将优化后的路径与多台焊接机器人的起点坐标相结合作为多台焊接机器人的焊接路径规划结果输出。
3.根据权利要求2所述的方法,其特征在于,所述蚂蚁种群数量mg等于所述多台焊接机器人的个数;所述单个蚂蚁种群的蚂蚁数量ma等于单个焊接机器人的焊接任务点数量,当1≤Np≤100时,ma=40,当101≤Np≤300时,ma=50,当Np>300时,ma=60。
4.根据权利要求1所述的方法,其特征在于,所述通过多蚁群迭代寻优算法对多台焊接机器人的焊接路径进行迭代寻优,将寻找到的距离最短的路径作为最优路径结果输出,包括以下步骤:
初始化多蚁群迭代寻优算法的迭代次数NC和列队蚂蚁编号K,令NC=1,K=1;
分别对mg个蚂蚁种群以及每个蚂蚁种群中的ma只蚂蚁进行编号;
从mg个蚂蚁种群中分别选出各个蚂蚁种群中编号为K的蚂蚁进行列队;
列队上的mg只蚂蚁根据蚂蚁种群的编号顺序轮流在焊接构件上随机选择一个未被选过的焊接任务点,并根据该焊接任务点的三维坐标移动到该焊接任务点上;
判断K是否大于等于ma;
如果否,则令K=K+1,并执行从mg个蚂蚁种群中分别选出各个蚂蚁种群中编号为K的蚂蚁进行列队的步骤;
如果是,则第NC次迭代中焊接路径寻优过程结束,记录列队上的每一只蚂蚁的移动路径,并按照蚂蚁编号顺序将每一个蚂蚁种群中蚂蚁的移动路径进行组合得到第NC次迭代寻优的焊接路径;
根据所述第NC次迭代寻优的焊接路径对信息素进行更新;
判断NC是否大于等于Nmax;
如果否,则令NC=NC+1,并执行分别对mg个蚂蚁种群以及每个蚂蚁种群中的ma只蚂蚁进行编号的步骤;
如果是,则迭代过程结束,将迭代过程中所找到的最优路径,作为寻优结果输出。
7.根据权利要求1所述的方法,其特征在于,所述对所述最优路径结果进行优化,包括以下步骤:
对每一台焊接机器人的焊接路径进行组内2-opt优化;
对多台焊接机器人的焊接路径进行组间2-opt优化;
对多台焊接机器人的焊接路径上的焊接点进行组间1-opt优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911172134.0A CN110802598A (zh) | 2019-11-26 | 2019-11-26 | 基于多蚁群迭代寻优算法的焊接机器人路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911172134.0A CN110802598A (zh) | 2019-11-26 | 2019-11-26 | 基于多蚁群迭代寻优算法的焊接机器人路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110802598A true CN110802598A (zh) | 2020-02-18 |
Family
ID=69491280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911172134.0A Pending CN110802598A (zh) | 2019-11-26 | 2019-11-26 | 基于多蚁群迭代寻优算法的焊接机器人路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110802598A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111545955A (zh) * | 2020-04-20 | 2020-08-18 | 华南理工大学 | 一种门板焊点识别与焊接路径规划方法 |
CN114851184A (zh) * | 2021-01-20 | 2022-08-05 | 广东技术师范大学 | 一种面向工业机器人的强化学习奖励值计算方法 |
CN116135421A (zh) * | 2023-04-17 | 2023-05-19 | 深圳市利和兴股份有限公司 | 一种基于人工智能的焊接加工路径优化方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509749A (zh) * | 2016-01-04 | 2016-04-20 | 江苏理工学院 | 基于遗传蚁群算法的移动机器人路径规划方法及系统 |
CN106600049A (zh) * | 2016-12-09 | 2017-04-26 | 国网北京市电力公司 | 路径生成的方法及装置 |
CN107229287A (zh) * | 2017-06-28 | 2017-10-03 | 中国人民解放军海军工程大学 | 一种基于遗传蚂蚁算法的无人机全局路径规划方法 |
CN109164810A (zh) * | 2018-09-28 | 2019-01-08 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
CN109732252A (zh) * | 2019-01-31 | 2019-05-10 | 大族激光科技产业集团股份有限公司 | 一种机器人焊接路径的优化方法 |
CN110375759A (zh) * | 2019-07-15 | 2019-10-25 | 天津大学 | 基于蚁群算法的多机器人路径规划方法 |
CN110440822A (zh) * | 2019-08-12 | 2019-11-12 | 中国科学院长春光学精密机械与物理研究所 | 基于黏菌-蚁群融合算法的汽车焊点路径规划方法 |
-
2019
- 2019-11-26 CN CN201911172134.0A patent/CN110802598A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105509749A (zh) * | 2016-01-04 | 2016-04-20 | 江苏理工学院 | 基于遗传蚁群算法的移动机器人路径规划方法及系统 |
CN106600049A (zh) * | 2016-12-09 | 2017-04-26 | 国网北京市电力公司 | 路径生成的方法及装置 |
CN107229287A (zh) * | 2017-06-28 | 2017-10-03 | 中国人民解放军海军工程大学 | 一种基于遗传蚂蚁算法的无人机全局路径规划方法 |
CN109164810A (zh) * | 2018-09-28 | 2019-01-08 | 昆明理工大学 | 一种基于蚁群-聚类算法的机器人自适应动态路径规划方法 |
CN109732252A (zh) * | 2019-01-31 | 2019-05-10 | 大族激光科技产业集团股份有限公司 | 一种机器人焊接路径的优化方法 |
CN110375759A (zh) * | 2019-07-15 | 2019-10-25 | 天津大学 | 基于蚁群算法的多机器人路径规划方法 |
CN110440822A (zh) * | 2019-08-12 | 2019-11-12 | 中国科学院长春光学精密机械与物理研究所 | 基于黏菌-蚁群融合算法的汽车焊点路径规划方法 |
Non-Patent Citations (1)
Title |
---|
葛斯楠: "基于改进蚁群算法的多机器人任务分配", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111545955A (zh) * | 2020-04-20 | 2020-08-18 | 华南理工大学 | 一种门板焊点识别与焊接路径规划方法 |
CN114851184A (zh) * | 2021-01-20 | 2022-08-05 | 广东技术师范大学 | 一种面向工业机器人的强化学习奖励值计算方法 |
CN114851184B (zh) * | 2021-01-20 | 2023-05-09 | 广东技术师范大学 | 一种面向工业机器人的强化学习奖励值计算方法 |
CN116135421A (zh) * | 2023-04-17 | 2023-05-19 | 深圳市利和兴股份有限公司 | 一种基于人工智能的焊接加工路径优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110802598A (zh) | 基于多蚁群迭代寻优算法的焊接机器人路径规划方法 | |
Mishra et al. | Assembly sequence optimization using a flower pollination algorithm-based approach | |
CN108416488B (zh) | 一种面向动态任务的多智能机器人任务分配方法 | |
CN103530702B (zh) | 一种基于瓶颈设备分解的大规模作业车间调度方法 | |
CN109271320B (zh) | 一种上位多目标测试用例优先级排序方法 | |
Hassanzadeh et al. | Minimizing total resource consumption and total tardiness penalty in a resource allocation supply chain scheduling and vehicle routing problem | |
CN113011612B (zh) | 基于改进灰狼算法的生产与维修调度方法及系统 | |
CN110053052B (zh) | 多层som异构焊接机器人的任务分配与路径规划方法 | |
CN112686474B (zh) | 一种基于改进的水波优化算法的可并行装配线平衡方法 | |
CN113570112B (zh) | 求解考虑合作的带时间窗的车辆路径问题的优化算法 | |
CN108267954B (zh) | 一种带硬时间窗的刀具准时配送路径规划算法 | |
CN108413963A (zh) | 基于自学习蚁群算法的条形机器人路径规划方法 | |
CN110802601A (zh) | 一种基于果蝇优化算法的机器人路径规划方法 | |
CN110315258A (zh) | 一种基于强化学习和蚁群算法的焊接方法 | |
Keller et al. | Model-based quality-diversity search for efficient robot learning | |
Jin et al. | Inverse reinforcement learning via deep gaussian process | |
CN116227874B (zh) | 一种基于遗传算法的柔性作业车间调度方法和装置 | |
CN114648232A (zh) | 基于改进黑猩猩优化算法的云端化资源柔性作业调度方法 | |
CN115169798A (zh) | 一种带准备时间分布式柔性作业车间调度方法及系统 | |
CN111580488B (zh) | 基于改进遗传算法的wbs缓冲区车辆排序调度方法 | |
CN116579586B (zh) | 资源调度方法、装置以及系统 | |
Yusof et al. | Constraint-chromosome genetic algorithm for flexible manufacturing system machine-loading problem | |
CN115494840B (zh) | 一种基于蒙特卡洛因子的mc-iaco的焊接机器人路径规划方法 | |
Hara et al. | Cartesian ant programming | |
CN108243426A (zh) | 一种确定无线基站需求点的方法及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200218 |
|
RJ01 | Rejection of invention patent application after publication |