基于蟻群算法-粒子群算法的白車身側(cè)圍點焊機器人路徑規(guī)劃

侯仰強 王天琪 李亮玉 張志臣 趙 娜

1.天津工業(yè)大學(xué)天津市現(xiàn)代機電裝備技術(shù)重點實驗室，天津,3003872.天津市天鍛壓力機有限公司，天津,300142

基于蟻群算法-粒子群算法的白車身側(cè)圍點焊機器人路徑規(guī)劃

侯仰強1王天琪1李亮玉1張志臣1趙 娜2

1.天津工業(yè)大學(xué)天津市現(xiàn)代機電裝備技術(shù)重點實驗室，天津,3003872.天津市天鍛壓力機有限公司，天津,300142

針對白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接任務(wù)，對焊接路徑規(guī)劃算法進行了研究。提出了一種適用于該任務(wù)的蟻群粒子群混合算法，以實現(xiàn)多機器人焊點分配均勻和單機器人焊接路徑最優(yōu)的焊接要求。通過分析白車身側(cè)圍焊點分布特點及多機器人協(xié)調(diào)焊接要求，建立白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接任務(wù)數(shù)學(xué)模型。設(shè)計了基于蟻群粒子群混合算法的路徑規(guī)劃方案，在MATLAB中得到規(guī)劃結(jié)果。利用機器人離線編程軟件Robotstudio建立白車身側(cè)圍多機器人協(xié)調(diào)焊接工作站，對規(guī)劃結(jié)果進行仿真實驗。結(jié)果表明，該算法可實現(xiàn)焊點均勻分配，縮短焊接路徑，有效提高焊接效率。

白車身；點焊；蟻群算法；粒子群算法；路徑規(guī)劃

0 引言

汽車的更新?lián)Q代在很大程度上取決于車身技術(shù)的發(fā)展[1-2]。汽車白車身作為汽車其他零部件的載體，包括300～500個薄板沖壓零件、1700～2500個定位銷、4000～5000個焊點，因此白車身焊接質(zhì)量的優(yōu)劣以及焊接效率的高低對整車的制造起著決定性的作用[3]?，F(xiàn)如今，機器人焊接技術(shù)已被廣泛運用在白車身焊接中，不僅提高了車身生產(chǎn)的自動化水平和制造效率，而且相比于人工焊接，也極大地提高了焊接質(zhì)量。點焊機器人作為焊接生產(chǎn)線上重要的組成部分，主要用于車身側(cè)圍及車身總成的焊接[4-6]。傳統(tǒng)的點焊機器人路徑規(guī)劃方法大多數(shù)采用人工試教法或經(jīng)驗估值法，缺乏嚴(yán)格的數(shù)學(xué)論證，導(dǎo)致機器人路徑冗長、生產(chǎn)效率低下。如何對機器人焊接路徑進行合理的規(guī)劃，縮短生產(chǎn)時間，已成為研究的熱點。

目前常用的機器人焊接路徑規(guī)劃方法主要有A*算法、最速下降法、遺傳算法、禁忌搜索算法等。對于白車身多焊點焊接任務(wù)，需要考慮車身結(jié)構(gòu)、焊點分配、焊接順序以及機器人可達性等眾多因素，單一利用遺傳算法進行優(yōu)化求解時，容易陷入局部最優(yōu)。A*算法的計算量會隨著焊點數(shù)目的增加而急劇增大[7-9]。蟻群算法(ant colony optimization,ACO)和粒子群算法(particle swarm optimization,PSO)均為仿生算法，兩種算法對解決旅行商問題(travelling salesman problem,TSP)、指派問題、多背包問題以及路徑規(guī)劃問題等具有獨特的優(yōu)勢[10-12]。本文綜合考慮焊點分配、焊接路徑、機器人可達性及避免碰撞等因素，針對這種多目標(biāo)多約束的優(yōu)化問題，利用蟻群粒子群混合算法(ant colony optimization-particle swarm optimization,ACO-PSO)對白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接進行路徑規(guī)劃，以實現(xiàn)多機器人焊點任務(wù)均勻分配和單機器人焊接路徑最優(yōu)的焊接要求，提高生產(chǎn)效率。并在機器人離線編程軟件Robotstudio仿真平臺上建立了白車身側(cè)圍多機器人焊接工作站，對優(yōu)化路徑進行模擬仿真。結(jié)果表明，利用ACO-PSO得到的優(yōu)化路徑與傳統(tǒng)路徑相比，機器人工作時間大大縮短，多機器人之間未發(fā)生碰撞。

1 白車身側(cè)圍點焊任務(wù)描述

1.1 白車身側(cè)圍結(jié)構(gòu)

白車身側(cè)圍結(jié)構(gòu)如圖1所示，主要包括側(cè)圍內(nèi)板、側(cè)圍外板及中柱加強板等，圖1b為圖1a所標(biāo)注圓圈內(nèi)的局部放大圖，從圖中可明顯看出其上有眾多焊點且分布雜亂無序。

(a)白車身側(cè)圍結(jié)構(gòu)

(b)局部放大圖圖1 白車身側(cè)圍結(jié)構(gòu)示意圖Fig.1 Schematic of the lateral confining structure of BIW

1.2 焊接任務(wù)描述

針對白車身側(cè)圍點焊問題，為了滿足高效率、大批量生產(chǎn)的要求，通常采用多個機器人進行同步協(xié)調(diào)焊接。路徑規(guī)劃的任務(wù)主要有：①在滿足焊接工位約束的情況下，將車身雜亂分布的焊點以一定的規(guī)則分配給各個焊接機器人；②對于分配焊點之后的單個機器人，以焊接路徑最短為優(yōu)化目標(biāo)，進行路徑規(guī)劃，此類問題可以抽象為TSP優(yōu)化問題。在進行焊接時，多臺機器人分別從各自的初始位置出發(fā)，對所分配的焊點進行點焊，在完成一個焊點的焊接以后快速移動至下一焊點繼續(xù)作業(yè)，在完成所有焊接任務(wù)后回到初始位置。

2 基于ACO-PSO的焊接路徑規(guī)劃

2.1 白車身側(cè)圍點焊路徑規(guī)劃數(shù)學(xué)模型

本文針對的白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接系統(tǒng)中，焊接機器人的位置固定不動。在進行焊接任務(wù)時，機器人持焊鉗對裝夾在固定夾具上的白車身側(cè)圍進行焊接。將機器人看作多背包問題中的背包，將焊點看作多背包問題中待分配的物體，焊點分配問題就抽象成了多背包問題。假設(shè)有m(m1，m2，…,mm)臺機器人，白車身側(cè)圍有n(n1，n2，…,nn)個焊點，將n個焊點分配給m臺機器人，其模型描述如下：

(1)

s.t.

(2)

(3)

dij∈RjRj∈[Rrmin,Rrmax]

(4)

xij∈{0,1}

(5)

其中，Q表示焊點分配模型；dij為機器人j到焊點i的距離；xij用來判斷焊點ni是否屬于機器人mj，xij為1時表示焊點ni屬于機器人mj,xij為0時表示焊點ni不屬于機器人mj；式(2)表示每個焊點只能被一臺機器人焊接，避免重復(fù)焊接；式(3)表示分配到每臺機器人的焊點數(shù)量相對均衡，φj表示機器人j焊接的焊點總數(shù)目；式(4)表示焊點應(yīng)該在機器人的可達空間內(nèi)，Rj為機器人j的活動半徑，Rrmin、Rrmax分別為機器人可達空間的最小半徑、最大半徑。

對于分配焊點之后的單個機器人，以焊接路徑最短為優(yōu)化目標(biāo)進行路徑規(guī)劃，此類問題可以抽象為TSP優(yōu)化問題，其模型描述如下：

(6)

其中，R表示最短路徑模型；T∈α表示遍歷所有的焊點(且每個焊點不能重復(fù)焊接)最后再回到起點的所有回路的集合；di表示機器人到焊點i的距離；di+1表示機器人到焊點i+1的距離。

綜合考慮焊點分配、焊接路徑最短、白車身側(cè)圍結(jié)構(gòu)參數(shù)以及機器人可達性等因素，建立白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接系統(tǒng)的數(shù)學(xué)模型為

Γ={Q,R,Ψ}

(7)

Q={m,n,dij,xij,φj,Rj}

R={di,di+1}Ψ={Ψα,Ψβ}

(8)

式中，Γ為白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接系統(tǒng)數(shù)學(xué)模型；Q為焊點分配模型；R為最短路徑模型；Ψ為白車身側(cè)圍結(jié)構(gòu)約束模型，Ψα為1時表示車身上焊點位于外框，Ψα為 -1時表示車身上焊點位于內(nèi)框，Ψβ為1時表示車身上焊點近似線性排列，Ψβ為 -1時表示車身上焊點呈無序排列。

約束條件為式(2)～式(5)及式(8)。

2.2 算法設(shè)計

蟻群算法利用信息素進行傳遞信息，而粒子群優(yōu)化算法則利用本身信息、個體極值信息和全局極值3個信息，來指導(dǎo)粒子下一步的迭代位置。蟻群算法利用正反饋原理與某種啟發(fā)式算法有機結(jié)合，容易出現(xiàn)早熟現(xiàn)象以及陷入局部最優(yōu)解[13-15]。文中采用的蟻群粒子群混合算法(ACO-PSO)可有效解決上述弊端，混合的思路可以讓螞蟻也具有“粒子”的特性，首先讓螞蟻按照蟻群算法完成一次遍歷，再讓螞蟻根據(jù)局部最優(yōu)解和全局最優(yōu)解進行調(diào)整。

本文提出的用于白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接路徑規(guī)劃的蟻群粒子群混合算法的流程如圖2所示。

(1)在t時刻螞蟻k由焊點i轉(zhuǎn)移到焊點j的概率

(9)

式中，ak為螞蟻下一步所允許選擇的焊點；τij(t)、ηij(t)分別為在t時刻路徑上的信息素量、期望信息素量；α、β分別為信息素啟發(fā)因子、期望信息素啟發(fā)因子。

圖2 蟻群粒子群混合算法流程圖Fig.2 The flow chart of ant colony mixed particle swarm algorithm

(2)信息素的更新按照下式進行：

τij(t+n)=ρτij(t)+Δτij

(3)設(shè)tk表示第k只螞蟻的禁忌表，為了避免將焊點重復(fù)分配給同一個機器人，將蟻群選擇過的路徑保存入tk中。

(4)算法終止條件為：當(dāng)算法得到的目標(biāo)值同下界之差小于給定的誤差值時，算法終止。

3 實例驗證

3.1 規(guī)劃結(jié)果

圖1所示的白車身側(cè)圍結(jié)構(gòu)，其上焊點共121個，采用4臺點焊機器人進行焊接。為了區(qū)分4臺機器人，對其進行編號，分別為1號、2號、3號以及4號機器人。按照2.2節(jié)設(shè)計的算法對其進行焊點分配和路徑規(guī)劃，結(jié)果見圖3、圖4。

焊接路徑如圖4所示，機器人從原始位置出發(fā)，按照箭頭方向?qū)更c依次焊接，然后再回到初始位置。優(yōu)化前得到的焊接路徑總長為2.03×104mm,優(yōu)化后得到的焊接路徑總長為1.68×104mm,可見優(yōu)化后的焊接路徑明顯縮短。

(a)優(yōu)化前焊點布局

(b)優(yōu)化后焊點布局圖3 焊點布局比較Fig.3 Comparison between the layout of welding spot

圖4 路徑規(guī)劃結(jié)果Fig.4 The result of path planning

3.2 仿真實驗

本文使用ABB公司的Robotstudio離線編程軟件建立了白車身側(cè)圍多機器人協(xié)調(diào)焊接工作站，如圖5所示。該工作站主要由4臺點焊接機器人、圖1中的白車身側(cè)圍結(jié)構(gòu)以及夾具等組成。將3.1節(jié)中規(guī)劃好的機器人點焊路徑信息轉(zhuǎn)化成RAPID語言,導(dǎo)入多機器人協(xié)調(diào)焊接工作站中，在虛擬環(huán)境下對上述規(guī)劃結(jié)果進行仿真實驗。

在同樣的仿真環(huán)境下，記錄4臺機器人完成整個白車身側(cè)圍點焊任務(wù)的仿真時間。在優(yōu)化前所需用時為2 min48 s，優(yōu)化后為1 min32 s。結(jié)果表明，利用蟻群粒子群混合算法對白車身側(cè)圍進行焊接路徑規(guī)劃可有效提高工作效率。利用軟件中的碰撞檢測功能對整個焊接過程進行實時監(jiān)測，以優(yōu)化前的路徑焊接時，3號、4號機器人之間有碰撞現(xiàn)象產(chǎn)生；以優(yōu)化后的路徑進行焊接時，未發(fā)生碰撞現(xiàn)象，可見優(yōu)化后可有效避免焊接機器人之間碰撞的產(chǎn)生。

(a)焊接工作站

(b)優(yōu)化后焊接路徑圖5 協(xié)調(diào)焊接工作站Fig.5 The workstation of coordination of welding

4 結(jié)論

(1) 利用蟻群粒子群混合算法(ACO-PSO)對白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接進行路徑規(guī)劃，可以實現(xiàn)焊點的合理分配，大大縮短焊接路徑。

(2) 利用Robotstudio機器人離線編程軟件對規(guī)劃結(jié)果進行了仿真實驗。結(jié)果顯示，經(jīng)過優(yōu)化后的焊接路徑可有效縮短焊接時間、提高焊接效率，有效避免碰撞，為白車身側(cè)圍點焊多機器人協(xié)調(diào)焊接路徑規(guī)劃提供了理論指導(dǎo)。

[1] 聶昕，郭志福，何智成. 基于時頻特征的汽車點焊質(zhì)量自動化超聲評價[J].中國機械工程，2016, 27(8)：1102-1106.

NIE Xin， GUO Zhifu， HE Zhicheng. Automatic Ultrasonic Evaluation of Vehicle Spot Welding Quality Based on Time-frequency Characteristics [J]. China Mechanical Engineering，2016，27(8) : 1102-1106.

[2] 劉海江，張春偉，徐君杰，等. 基于遺傳算法的白車身焊接機器人焊點分配[J].同濟大學(xué)學(xué)報(自然科學(xué)版)，2010，38( 5) : 725-729.

LIU Haijiang, ZHANG Chunwei, XU Junjie, et al.Assigning Welding Point of Car-body-in-white to Multi-robots Based on Genetic Algorithm[J]. Journal of Tongji University (Natural Science), 2010, 38( 5) : 725-729.

[3] 鄧乾旺，羅正平，張麗科，等. 點焊機器人軌跡能耗模型及其優(yōu)化算法研究[J].中國機械工程，2016, 27(1)：14-19.

DENG Qianwang， LUO Zhengping， ZHANG Like，et al. Study on Energy Consumption Model and Its Optimization Algorithm for Spot Welding Robot Trajectory [J]. China Mechanical Engineering，2016，27(1) : 14-19.

[4] 林巨廣，陳甦欣，戴淮初，等. 蟻群算法在白車身底板焊接路徑規(guī)劃中的應(yīng)用[J]. 焊接學(xué)報,2015, 36(1) : 5-9.

LIN Juguang, CHEN Suxin, DAI Huaichu , et al. Application of Ant Colony Algorithm to Process Planning of Welding Path in BIW [J]. Transactions of the China Welding Institution, 2015, 36(1) : 5-9.

[5] 趙欣，張延松，陳關(guān)龍，等. 基于神經(jīng)網(wǎng)絡(luò)優(yōu)化的車身鍍鋅板點焊性能預(yù)測[J]. 焊接學(xué)報，2006，27(12) : 77-80,84.

ZHAO Xin, ZHANG Yansong, CHEN Guanlong , et al. Performance Prediction in Spot Welding of Body Galvanized Steel Sheets Based on Artificial Neural Network and Its Optimization [J]. Transactions of The China Welding Institution, 2006，27(12) : 77-80, 84.

[6] 林忠欽，胡敏，米新民, 等. 轎車白車身點焊裝配過程有限元分析[J].焊接學(xué)報，2001，22(1) : 36-40.

LIN Zhongqin, HU Min, MI Xinmin, et al. FEM Analysis or Spot Welding Process in Autobody Manufacturing [J]. Transactions of the China Welding Institution, 2001，22(1) : 36-40.

[7] 陳波，潘海鵬，鄧志輝.基于PSO優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的反應(yīng)釜故障診斷[J].中國機械工程，2012, 23(18)：2204-2207.

CHEN Bo， PAN Haipeng， DENG Zhihui. Fault Diagnosis of RBF Neural Network Based on PSO [J]. China Mechanical Engineering，2012，23(18) : 2204-2207.

[8] BADR A, FAHMY A. A Proof of Convergence for Ant Algorithms [J]. Intenational Journal of Intelligent Conputing and Information, 2003, 3(1): 22-32.

[9] 李世勇. 蟻群算法及其應(yīng)用[M]. 哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2004.

LI Sinyong. Ant Colony Algorithms with Applications[M].Harbin: Harbin Institute of Technology Press,2004.

[10] 袁彬，韓江，吳路路，等. 基于粒子群算法的滾削齒面綜合輪廓誤差預(yù)測模型與試驗研究[J]. 中國機械工程，2016, 27(20)：2705-2710.

YUAN Bin， HAN Jiang， WU Lulu，et al. A Prediction Model and Experimental Study of Gear Hobbing Profile Errors Based on Particle Swarm Optimization [J]. China Mechanical Engineering，2016，27(20) : 2705-2710.

[11] 李榮鈞，劉小龍. 基于微生物行為機制的粒子群優(yōu)化算法[M]. 廣州：華南理工大學(xué)出版社, 2015.

LI Rongjun, LIU Xiaolong. Particle Swarm Optimization Algorithm Based on Microbiological Behavior Mechanism[M].Guangzhou: South China University of Technology Press,2015.

[12] 晁永生，劉海江.白車身焊接機器人加工路徑優(yōu)化和仿真[J].中國機械工程，2010，21(4) : 442-445.

CHAO Yongsheng， LIU Haijiang. Welding Robot Path Optimization for Body in White [J].China Mechanical Engineering，2010，21(4) : 442-445.

[13] 喬良,宋小欣,謝延敏,等.基于PSO-RBF代理模型的板料成形本構(gòu)參數(shù)反求優(yōu)化研究[J]. 中國機械工程，2014, 25(19)：2680-2685.

QIAO Liang， SONG Xiaoxin， XIE Yanmin，et al. Study on the Optimization of Constitutive Parameters of Sheet Metal Forming Based on PSO-RBF Proxy Model [J]. China Mechanical Engineering，2014，25 (19) : 2680-2685.

[14] TIMAC G，BRAUT S，ZIGULI R. Comparative Analysis of PSO Algorithms for PID Controller Tuning [J]. Journal of Mechanical Engineering，2014,27(5)：928-936.

[15] 康浩博. 基于改進蟻群算法的機器人雙臂無碰撞路徑規(guī)劃[D]. 沈陽：東北大學(xué), 2010.

KANG Haobo. Double Arm Collision-free Path Planning of Robot Based on Improved Ant Colony Algorithm[D].Shenyang: Northeastern University,2010.

PathPlanningofSpotWeldingRobotsinSidesofBIWBasedonACO-PSO

HOU Yangqiang1WANG Tianqi1LI Lianyu1ZHANG Zhichen1ZHAO Na2

1.Advanced Mechatronics Equipment Technology Tianjin Area Laboratory,Tianjin Polytechnic University,Tianjin，300387 2.Tianjin Tianduan Press Co.，Ltd.,Tianjin，300142

A welding path planning algorithm was studied based on the tasks of multi-robot spot welding coordination in sides of BIW. An ant colony particle swarm hybrid algorithm was proposed for the tasks, to achieve the average distribution of multi-robot welding points and the optimal soldering path of single robot. Based on the analyses of the distribution characteristics of the sides of BIW welding points and the requirements of multi-robot coordination welding, a mathematical model of multi-robot coordination welding for the sides of BIW welding was established. A path planning scheme was designed based on ant colony particle swarm hybrid algorithm, and the planning results were obtained in MATLAB. Robot offline programming software ‘Robotstudio’ was used to build a multi-robot coordination welding workstations for the sides of BIW welding, and simulation tests were carried out on the planning results. The results show that the algorithm may realize the average distribution of welding points, shorten the welding paths and improve the welding efficiency effectively.

body in white(BIW); spot welding; ant colony optimization(ACO); particle swarm optimization(PSO); path planning

2016-12-21

國家自然科學(xué)基金資助項目(U1333128)；天津市科技支撐計劃資助項目(14ZCDZGX00802，15ZCZDGX00300)

TH181;TG409

10.3969/j.issn.1004-132X.2017.24.015

(編輯王艷麗)

侯仰強，男，1991年生。天津工業(yè)大學(xué)機械工程學(xué)院碩士研究生。研究方向為焊接機器人。發(fā)表論文5篇。E-mail:houyq2016@163.com。王天琪，男，1981年生。天津工業(yè)大學(xué)機械工程學(xué)院講師、博士。李亮玉，男，1965年生。天津工業(yè)大學(xué)機械工程學(xué)院教授、博士研究生導(dǎo)師。張志臣，男，1962年生。天津工業(yè)大學(xué)機械工程學(xué)院副教授、博士。趙娜，女，1989年生。天津市天鍛壓力機有限公司工程師。