遺傳演算法焊接機械人路徑規劃研究

摘要：本文針對汽車焊接機械人路徑規劃不合理的問題，採用遺傳演算法對焊接機械人二維路徑規劃問題進行了求解，最終找出了一條最短的焊接路徑，實現了減少機械人焊接工位的作業時間。

1 、汽車白車身焊接現狀

汽車白車身在裝焊過程中需要焊接4000~5000個焊點，面對如此多的焊點如何規劃好焊接機械人的焊接路徑成為汽車製造企業亟待解決的問題。

目前，國內的汽車焊接生產線上的點焊機械人的路徑規劃主要通過示教再現完成，因此在焊接過程中缺乏必要的柔性和適應性；另外此項工作會耗費大量時間，延長生產週期，影響汽車企業的生產。針對點焊機械人在路徑規劃方面的缺陷，採用遺傳演算法對點焊機械人的焊接路徑進行求解。

2、基於遺傳演算法的點焊機械人路徑規劃

2.1問題描述

因為汽車白車身焊接生產線焊接工位焊點多，焊接加工任務繁重，一般採用多台機械人協同作業，以此來提高焊接質量和縮短焊接作業時間。本文是在焊接機械人作業焊點已分配完成的前提下，對單台點焊機械人的焊接路徑進行規劃求解的。故本問題可以轉化為tsp問題。

tsp問題是指旅行商從起始點出發, 經過所有需要經過的點回到起始點，如何安排合理的路線使得走過的路程最短。點焊機械人的路徑規劃則指點焊機械人從焊鉗原點位置出發，如圖1所示，經過所有焊點位置，然後回到焊鉗原點位置，使得路程最短。

圖1 焊鉗原點位置

2.2建立數學模型

如果對焊點h= 的乙個訪問順序為t=，其中ti∈h，i=（1，2，3，…，n）, ti對應的空間座標為（xi，yi，zi），因此可建立如下數學模型：

3、遺傳演算法的基本思想

標準的遺傳演算法包括三個基本的操作：選擇、交叉和變異。其步驟描述如下

3.1 產生初始種群，並評價初始種群中每個個體的適應度值。

3.2 判斷收斂準則是否符合條件。若符合，則輸出相應的搜尋結果；否則執行以下步驟。

3.3 根據適應度大小按照一定方式執行選擇操作。

3.4 根據交叉概率pc執行相應的交叉操作。

3.5 根據變異概率pm執行相應的變異操作。

3.6 返回步驟（2）。

如圖2所示。

4、**求解

為了驗證選取方法的有效性，運用matlab7.0編寫遺傳演算法程式進行**求解。一般焊接機械人分配的焊點數為30~50，因此選取30為點焊機械人的作業焊點數（焊點位置如圖3）。

設定種群規模為80，終止代數為1000, 交叉概率取值為0.8，變異概率取值為0.005。

隨機求解10次，第3次得到最優解為819.4040，如圖4所示，最優解迭代記錄如圖5。

圖4圖5

5、結束語

通過遺傳演算法對點焊機械人三維路徑的規劃，可以有效地求解出點焊機械人的最短焊接路徑，並且這種方法求解出的結果更加符合實際要求，可以縮短點焊機械人工位的作業時間, 提高生產節拍，一般可以提高5~10s。