论文部分内容阅读
制造业是国之根本,随着社会的发展,人工成本逐渐增加,为提高生产效率与质量以及减少制造成本,利用机器人取代人工实现工厂的全自动化、智能化是一个有效的方法。本文通过利用焊点的智能识别算法及其焊点焊接路径的智能规划算法来实现汽车门板焊点的智能焊接,从而提高汽车门板焊点的焊接效率。在整个焊接流程中,焊点的识别与焊接路径规划是实现智能焊接的两个关键步骤,也是提升效率的根本。本文主要研究了基于深度学习算法来确定焊点的位置和类型以及基于群体智能算法来确定焊点焊接的路径。在焊点识别问题上,本文根据焊点识别在智能焊接上快速、精确、自适应性强的需求以及焊点小而多且存在圆孔的特点,选用基于卷积网络的YOLOv3算法来识别焊点。通过对门板焊点的特征分析,提出一种改进的YOLOv3算法。改进算法主要将YOLOv3网络结构上浅层特征下采样后与原YOLOv3结构中原始尺度26*26和原始尺度52*52的特征进行融合以增加形状特征的权重以此来增加焊点的识别精度。仿真实现发现每种类型焊点准确率平均高达80%以上且相对原YOLOv3算法也有所提高,验证了该算法的可行性和实用性。将改进YOLOv3算法识别的焊点位置记录下来并通过一定的比例转化为门板焊点实际位置坐标,以此来进行焊点焊接路径规划。在焊点焊接路径规划问题上,本文根据经典群体仿生算法的优缺点设计了一种新的改进蚁群混合算法。它以蚁群算法为基础,利用遗传算法早期收敛速度快的特点以它的初期解作为蚁群算法的初始信息素以提高蚁群算法初始搜索速度,利用模拟退火法以概率p来判断是否更新新解,容易跳出局部最优解的特点对局部信息素进行更新,避免蚁群算法陷入局部最优。通过对比仿真得到焊接的最优焊接路径规划轨迹,验证了该算法的可行性和先进性。其次把多机器人协同焊接规划问题转化为带有约束条件的焊点分配问题和单机器人焊接问题。并通过聚类划分算法k-means进行焊点分配方案设计实现,分别得到2、3、4个机器人的焊点分配方案,并以3个机器人为例结合单机器人路径焊接规划的蚁群混合算法得到多机器人焊接路径最优轨迹。