188宝金博页面版

信息与控制 2016 年 第 45 卷 第 6 期:713 ～721DOI:10．13976/j． cnki． xk．2016．0713 文章编号:1002 －0411(2016)－06 －0713 －09基于 DTC-MOPSO 算法的焊接机器人路径规划薛立卡，王学武，顾幸生华东理工大学化工过程先进控制和优化技术188宝金博页面版部重点实验室，上海 200237基金项目:上海市自然科学基金资助项目(14ZＲ1409900);上海市科委基础研究重点资助项目(12JC1403400)通信作者:王学武，wangxuew@ ecust． edu． cn 收稿/录用/修回:2015 －10 －19/2016 －02 －01/2016 －03 －01摘要点焊机器人在汽车白车身焊接中的应用大大提高了企业的生产效率，本文从焊接路径长度和能量两方面进行焊接机器人多目标路径规划． 为了很好地解决这个问题，本文对一种新型多目标粒子群算法(三态协调搜索多目标粒子群优化算法)进行改进，得到适合于求解离散多目标优化问题的离散化三态协调搜索多目标粒子群算法(DTC-MOPSO)． 通过和两个经典的优化算法比较，DTC-MOPSO 算法在分散性和收敛性方面都有很好的优化性能． 最后运用 Matlab 机器人工具箱对机器人的运动学、逆运动学以及逆动力学进行分析以求解机器人的路径长度和能耗，并将改进的算法应用于焊接机器人路径规划中，结果显示规划后的路径明显优于另外两种算法．关键词路径规划焊接机器人多目标粒子群优化算法中图分类号:TP241．2文献标识码:AWelding Ｒobot Path Planning Based on DTC-MOPSO AlgorithmXUE Lika，WANG Xuewu，GU XingshengKey Laboratory of Advanced Control and Optimization for Chemical Processes，Ministry of Education，East China University of Scienceand Technology，Shanghai 200237，ChinaAbstractThe application of spot welding robots to automobile body-in-white welding has greatly improved the produc-tion efficiency of automobiles． Multi-objective welding robot path planning focusing on path length and energyopti-mization is solved． To solve the problem，after a new multi-objective particle swarm optimization algorithm (multi-objective partical swarm optimization algorithm based on three status coordinating searching，TC-MOPSO)is im-proved，a discrete multi-objective particle swarm optimization algorithm based on three status coordinating searching(DTC-MOPSO)is presented to solve the discrete multi-objective optimization problem． Compared with two classi-cal multi-objective optimization algorithms，high competition in terms of convergence and diversity metrics of theDTC-MOPSO algorithm is proved． In addition，MATLAB toolbox robotics is used to analyze a robot's kinematics，inverse kinematics，and inverse dynamics to obtain the path length and energy consumption． The improved algo-rithm is used to optimize welding robot path planning，and the result is obviously superior to the other algorithms．Keywordspath planning;welding robot;multi-objective;particle swarm optimization(PSO)algorithm1 引言目前在实际生产中，焊接机器人的路径规划主要通过示教编程、多次的人工操作来优化路径，不仅示教过程效率低下，而且示教结果也很难保证焊接效率及焊接质量．当焊接任务的焊点较多时，路径规划的研究可以很大程度上提高焊接效率，国内外学者对路径长度的研究较多，Wang 人［1］ 提出了 GA-PSO 算法以解决双机器人路径问题，其优化目标为路径长度． Chettibi ［2］ 提出了一种轨迹规划器来处理机器臂的路径规划中的能耗问题． 文［3］提出了一种改进的 A*算法的动态路径规划算法能够使机器臂避开动态的障碍物． 文［4］用一种新的方案以解决 6 自由度工业机器人无奇异路径规划． Yang ［5］ 用一种新型的基于TSP(travelling salesman problem)的弹性网络和神经网络来解决点焊机器人路径规划中的变形问题． 而在实际应用中，需要同时考虑多个焊接影响因素，本文将路径长度及能耗作为优化目标对焊机机器人进行路径规划．当求解多目标组合优化问题时，群智能优化算法显示出了巨大的优点． 其中常用的群智能优化算法有遗传算法、粒子群算法、蚁群算法等． 粒子群算法因其收敛速度