基于混合粒子群算法的噴涂機器人噴槍軌跡組合優(yōu)化

黃俊

摘要：根據(jù)復雜工件曲面的拓撲結構以及幾何特性，對復雜曲面進行分片造型，在各面片上進行機器人噴涂路徑的規(guī)劃。將整個工件復雜曲面上的噴涂路徑優(yōu)化組合問題轉化為開環(huán)旅行商問題（OTSP），并采用哈密爾頓圖形法表示OTSP，再用免疫-粒子群算法進行求解。在免疫算法的基礎上，采用粒子群算法來對抗體群體進行優(yōu)化更新，避免粒子陷入局部搜索最優(yōu)，提高該算法的局部與全局搜索性能。最后仿真結果表明，混合粒子群優(yōu)化算法在工件復雜曲面上的噴霧路徑優(yōu)化方面具有明顯的優(yōu)勢。

關鍵詞：噴涂機器人；路徑規(guī)劃；路徑組合；免疫-粒子群算法

中圖分類號：TP242 文獻標識碼：A 文章編號：1007-9416（2017）01-0123-01

1 噴涂機器人噴槍路徑規(guī)劃方法

1.1 復雜曲面分片

使用常見的計算機輔助幾何設計方法中的曲面造型技術較難處理，利用表面切片處理的方法可以簡化問題。為了有效地生成復雜的工件噴涂路徑在第一三角CAD網(wǎng)格表面的復雜曲面，然后生成幾個大的斑塊，根據(jù)相鄰三角形之間的連接規(guī)則，每個連接點的單連通區(qū)域，可以近似為一個平面，最后包圍盒方法中的每個大補丁噴涂路徑生成邊界的使用。

每個三角形連接步驟如下：先指定閾值的角，然后指定初始三角形任意三角形；周圍所有的三角形的法線和初始三角形矢量角初始三角形的計算，如果角度小于閾值θ，三角形和初始三角形的搜索是不連接的三角形連接；最初的三角面片，重復步驟2，直到所有的三角形連接

1.2 每片上的噴涂路徑規(guī)劃

噴涂機器人噴涂模式通常有兩種：螺旋型路徑和Z字型路徑。螺旋型路徑在噴涂過程中容易出現(xiàn)斷點；路徑規(guī)劃方法比較簡單，但在噴涂后的邊界表面上的涂層厚度均勻性差。機器人噴涂作業(yè)的主要目的是使工件表面上的涂層厚度盡可能均勻。因此，工件表面上的涂層區(qū)域必須是部分重疊的。包圍盒的方法設計噴涂路徑，確定兩個行程噴涂寬度的重疊區(qū)域為油漆噴涂軌跡的生成的關鍵因素，噴涂后的模式和方向，可以選擇的涂層對工件表面厚度方差最小為優(yōu)化目標，采用黃金分割法解決最佳重疊層的值的寬度，在噴涂路徑生成每個補丁。

2 噴涂路徑的優(yōu)化組合

機器人噴涂作業(yè)的第二個優(yōu)化目標是使噴涂時間最短。復雜的表面補丁，補丁噴涂路徑相結合。為了簡化這個問題，路徑圖將被看作是邊緣上的一個補丁。真正的問題是噴槍噴涂路徑的組合，根據(jù)噴涂復雜的表面的序列由一個大數(shù)不同的方面，噴槍噴涂后的最短路徑。因此，噴霧路徑組合可以被視為一個旅行商問題。根據(jù)這一原則，如果一個非定向連接（P，L，R，L，Z +ω），其中P表示的頂點集和邊集RL說，我說的任何子集歐米茄說邊集L的任意邊的權重（實際噴涂路徑長度）。問題的問題是找到一個有最短距離的路徑，通過所有的邊，而不是重復的。作為機器人的噴涂路徑的組合并不需要形成一個回路，噴涂路徑組合問題都可以轉化為開環(huán)的旅行商問題。

設a {Dij}（i，j = 1，2，…n）是一個頂點I和頂點J之間的最短路徑的集合，它不是在同一個邊上，每個頂點之間的最短距離可以通過弗洛依德算法來解決。為了使問題更加簡化，這個問題是由漢密爾頓或哈密爾頓otsp圖解法為代表，它是由Kang等人提出的。

因此，該otsp問題轉化為如何找到在漢密爾頓或哈密爾頓圖的所有頂點的排列，使路徑的這樣的噴槍是最短的。

3 仿真實驗

根據(jù)前述噴涂軌跡組合規(guī)劃問題的描述可知，噴涂軌跡組合規(guī)劃問題的實質就是OTSP問題，因此可以用OTSP的數(shù)據(jù)進行仿真驗證免疫-粒子群算法的優(yōu)越性。引入30點的OTSP問題分別用粒子群算法和混合粒子群算法進行求解。

將粒子群算法的參數(shù)，以保證算法的精度，為Nmax = 100次循環(huán)的最大數(shù)量；確保顆粒不跳過最優(yōu)解可以全面搜索，以E = 1000；為了保證算法的準確性和減少計算量，粒子30數(shù)。C1和C2算法學習的因素使粒子自我總結和集團優(yōu)秀個人學習的能力，和他們的最佳點，在組內和歷史近的優(yōu)勢，C1和C2的這兩個參數(shù)對算法收斂性的影響不顯著，但兩參數(shù)的合理調整，可以加快收斂速度。通過調整C1和C2幾次兩參數(shù)，分析最優(yōu)適應值的影響，得出C1 = C2 = 2為OTSP問題更好的選擇。

相比粒子群算法，混合粒子群算法收斂速度提高了38.46%，所求的最優(yōu)軌跡長度提高了7.58%，表明混合粒子群算法具有更佳的局部和全局收斂性以及更優(yōu)的軌跡組合性能。

4 結語

針對復雜工件表面機器人路徑優(yōu)化問題的特點，采用混合算法求解問題，提高了粒子群優(yōu)化算法的全局搜索能力和局部搜索能力。仿真結果表明，優(yōu)化方法具有顯著的進步路徑免疫粒子群算法的基于改進效率的噴涂機器人的噴涂機器人，為機器人離線編程系統(tǒng)的建立奠定了理論基礎。

參考文獻

[1]劉關俊.基于粒子群算法的移動機器人路徑規(guī)劃研究[D].中南大學，2007.

[2]劉衍民.粒子群算法的研究及應用[D].山東師范大學，2011.

[3]舒萬能.人工免疫算法的優(yōu)化及其關鍵問題研究[D].武漢大學，2013.