CN115122338B - 一种基于多目标优化的多机器人协作弧焊任务规划方法 - Google Patents
一种基于多目标优化的多机器人协作弧焊任务规划方法 Download PDFInfo
- Publication number
- CN115122338B CN115122338B CN202210995538.5A CN202210995538A CN115122338B CN 115122338 B CN115122338 B CN 115122338B CN 202210995538 A CN202210995538 A CN 202210995538A CN 115122338 B CN115122338 B CN 115122338B
- Authority
- CN
- China
- Prior art keywords
- welding
- robot
- weld
- robots
- individuals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003466 welding Methods 0.000 title claims abstract description 213
- 238000005457 optimization Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000001360 synchronised effect Effects 0.000 claims abstract description 26
- 230000002068 genetic effect Effects 0.000 claims abstract description 12
- 230000035772 mutation Effects 0.000 claims abstract description 7
- 230000002860 competitive effect Effects 0.000 claims description 12
- 108090000623 proteins and genes Proteins 0.000 claims description 7
- 239000011324 bead Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 229910000831 Steel Inorganic materials 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000010959 steel Substances 0.000 claims description 2
- 238000011160 research Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1682—Dual arm manipulator; Coordination of several manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/12—Automatic feeding or moving of electrodes or work for spot or seam welding or cutting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Manipulator (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于多目标优化的多机器人协作弧焊任务规划方法,具体为:对多机器人协作弧焊作业任务进行描述与分析,并对输入的焊缝信息进行处理,添加所属机器人、同步、异步以及焊接方向标签;选定决策变量和优化目标,设定约束条件,将多机器人焊接任务分配问题建模为一个多变量、多约束、多目标的优化问题;针对所建立的优化模型,设计新的交叉、变异算子,使用多目标遗传算法进行求解,得到各个机器人的焊接序列,完成任务分配。本发明有效的解决了多机器人在面向大型复杂构件焊接时,由于焊缝数量众多、实际焊接约束复杂以及多机器人***约束繁多等导致任务难以分配的问题,有效的提高了算法的求解效率和全局寻优能力,具有更加广阔的应用前景。
Description
技术领域
本发明属于面向大型复杂构件的多机器人协作焊接领域,特别涉及一种基于多目标优化的多机器人协作弧焊任务规划方法。
背景技术
随着机器人技术的发展,工业机器人已经被广泛应用于工业生产的各行各业,如焊接、搬运、打磨等领域。在大型复杂构件的制造过程中,存在着数量众多的焊缝,它们的尺寸一般较大,而且存在复杂的焊接工艺约束,对焊接质量要求较高。目前多采用人工手动焊接的方式进行焊接,效率较低并且焊接质量较差,另外,恶劣的工作环境也容易对工人身体造成损伤。因此,引入工业机器人代替人工焊接,是大型复杂构件制造的必然选择。现有的以独立工位工作的机器人可操作性和灵活性有限,无法满足众多大型复杂焊缝的焊接;两台或多台机器人组成的协作机器人***具有更强的作业能力、更灵活的***结构和更强的协作能力等,能够完成单个机器人无法或难以完成的工作,非常适合协作焊接大型复杂构件。因此,如何使用多机器人***实现大型复杂构件的自动化焊接,具有重要的研究意义和实用价值,而任务分配是多机器人***自动运行的前提和基础。
目前,在车间现场的机器人***,绝大多数是采用人工示教编程的方式将预设好的轨迹提供给机器人,这种方式的效率很低且必须已知预设轨迹,难以满足日益复杂的任务需求。面向大型复杂构件的多机器人协作焊接,存在数量众多的焊缝以及复杂的约束条件,需要设计特定的算法为每台机器人分配合理的焊接任务以及焊接轨迹。针对多机器人协作焊接的任务规划问题,目前的研究多将其建模为旅行商或多旅行商问题,选择焊接时间、焊接轨迹长度或者焊接均衡性等优化目标,采用遗传算法、粒子群算法、蚁群算法等智能优化算法进行求解。然而,现有的研究多针对点焊作业任务,对同步焊接、安全时间以及焊接方向等焊接工艺约束考虑较少,并且往往只关注其中一个优化目标或者将多个目标通过加权的方法合并为一个目标进行优化,缺乏对多个优化目标的综合考虑;另外,在求解大型复杂构件的焊接任务规划问题时,传统的智能优化算法求解效率较低,且容易陷入局部最优。
发明内容
为克服上述现有技术的不足,本发明提供一种基于多目标优化的多机器人协作弧焊任务规划方法。
本发明的一种基于多目标优化的多机器人协作弧焊任务规划方法,包括以下步骤:
步骤1:对多机器人协作弧焊作业任务进行描述与分析,并对输入的焊缝信息进行处理,添加所属机器人、同步、异步以及焊接方向标签。
步骤2:选定决策变量和优化目标,设定约束条件,将多机器人焊接任务分配问题建模为一个多变量、多约束、多目标的优化问题。
步骤3:针对所建立的优化模型,设计新的交叉、变异算子,使用多目标遗传算法进行求解,得到各个机器人的焊接序列,完成任务分配。
步骤1具体为:
S11:多机器人协作弧焊作业任务的描述与分析:
多机器人协作焊接任务分配问题的本质是在满足各种约束和焊接质量的前提下,高效有序的完成任务;定义机器人集合R=[r1,r2,...,rn],其中n为机器人数量,ri为第i台机器人,i=1,2,...,n;定义焊缝集合W=[w1,w2,...,wm],其中m为焊缝的数量,wj为第j条焊缝,j=1,2,...,m,机器人的焊接和空载速度分别为vm和vn;受初始位置和工作空间的限制,每台机器人只能焊接特定区域的部分焊缝,多机器人之间不可避免的要出现合作和竞争关系,因此,将集合W中的焊缝划分为每台机器人的专属焊缝以及多台机器人的竞争焊缝;定义机器人ri的专属焊缝集合为其中sk∈[1,m]且无重复元素,k∈[1,|ri|],|ri|为机器人ri拥有专属焊缝的数量;定义竞争焊缝集合为C=[c1,c2,...,cl],其中/>经过寻优后,每台机器人最终被分配的焊缝序列为
S12:为焊缝添加所属机器人、同步、异步以及焊接方向标签:
定义焊缝信息结构体Winf,其中Winf(i).w=wi为第i条焊缝,其起点和终点分别为Winf(i).start=[x1,y1,z1]和Winf(i).end=[x2,y2,z2],Winf(i).robot=rj表示该焊缝属于第j台机器人,Winf(i).l=l表示该焊缝的长度;Winf(i).syn=[1,rj]表示该焊缝和rj焊缝属于同步焊缝,需要同时开始且同时结束焊接,Winf(i).syn=0表示该焊缝不属于同步焊缝;Winf(i).asyn=[1,rj]表示该焊缝和rj焊缝属于异步焊缝,需要一条焊缝焊接结束才可进行另外一条焊缝的焊接,Winf(i).asyn=0表示该焊缝不属于异步焊缝;Winf(i).d=1表示该焊缝的焊接方向是从起点到终点,Winf(i).d=0表示该焊缝的焊接方向是从终点到起点。
步骤2具体为:
S21:决策变量的选择:
集合x=[x1,x2,...,xm]中的每个元素代表焊缝的ID,将其作为优化模型的决策变量,xm∈[1,m],取值要求均为整数且无缺失无重复。
S22:约束条件的选择:
(1)同步焊接约束Φ1:为保证焊接质量,某些焊缝需要同步焊接,即两条焊缝开始、结束时间以及焊接方向一致,对于两条同步焊缝wi和wj,需满足
tsi=tsj,tei=tej,di=dj,其中i,j∈[1,m]
tsi为焊缝wi的开始时间,tei为其结束时间,di为其焊接方向。
(2)异步焊接约束Φ2:为防止焊缝变形或机器人相互碰撞,某些焊缝需错开彼此的焊接时间,对于两条异步焊缝wi和wj,需满足
tei<tsj||tej<tsi,其中i,j∈[1,m]
(3)焊接方向约束Φ3:由于焊接工艺要求,某些焊缝需要按照特定的方向进行焊接,对于一条有焊接方向约束的焊缝wi,需满足
其中i∈[1,m]
(4)各机器人的空间可达性约束Φ4:对于任意一台机器人ri,分配给它的焊缝必须在它的可达空间内,否则无法完成焊接;设机器人rj的可达空间为Rj(qj),其中qj为机器人rj的关节向量范围,则有
wi(rj)∈Rj(qk),其中i∈[1,m],j∈[1,n]
(5)各机器人间的碰撞约束Φ5:设工件所占空间为Rw,机器人ri和rj此时位姿所占空间分别为Ri(qi)和Rj(qj),则有
其中i,j∈[1,n]
S23:目标函数的选择:
(1)机器人等待时间Tw:针对一组同步焊缝wi1和wj1,当一台机器人先到达其中一条焊缝wi1时,需等待时间Tw1后和wj1一起焊接;针对一组异步焊缝wi2和wj2,如果wi2先开始焊接,需等待时间Tw2后开始焊缝wj2的焊接,因此,
(2)机器人的空载距离Dn:第i台机器人ri分配的焊接路径为Pi=[wp1,wp2,...,wpri],其中pk∈Si∪Ci,因此,
S24:优化模型的建立:
综合以上决策变量、约束条件和目标函数,建立如下多约束、多目标优化模型:
步骤3具体为:
S31:初始化:
在使用多目标遗传算法进行优化之前,需要产生初始化种群;定义机器人ri的专属焊缝集合为其中sk∈[1,m]且无重复元素,k∈[1,|ri|],|ri|为机器人ri拥有专属焊缝的数量,m为焊缝总数;定义竞争焊缝集合为C=[c1,c2,...,cl],其中n为机器人数量;当起点固定时,定义starti为机器人ri的起点,将/>中的其他焊缝随机排列后组成/>对于一条竞争焊缝cl,当它处于多台机器人的工作空间内时,将它随机分配给其中一台机器人;当起点不固定时,将/>中的焊缝随机排列后组成/>同样,对于竞争焊缝cl,当它处于多台机器人的工作空间内时,将它随机分配给其中一台机器人;最后,得到初始化种群的一个个体P0(i)=[x1,x2,...,xn],直到得到大小为N初始化种群P0。
S32:适应度函数计算:
针对同时存在同步焊缝和异步焊缝的情况,计算多机器人***的总等待时间Tw和总空载距离Dn;对于种群Pt,采用快速非支配排序法将其中的个体进行帕累托分层,第f层的个体要优于第f+1层的个体;对于同一层的个体,根据目标函数Tw和Dn的值计算每个个体的拥挤度Cd(j),其中j∈[1,N],拥挤度值大的个体要优于拥挤度值小的个体;因此,选取帕累托层数f和个体拥挤度值Cd共同作为适应度函数值。
S33:选择操作:
为保留种群在进化过程中的优良特征,根据适应度函数,选择较好的N/2个体作为亲代种群parpop,用做后续的进化操作;对于不同帕累托面上的个体,优先选择层数较低的个体;对于同一帕累托面上的个体,优先选择拥挤度较大的个体,可以保证个体在帕累托面上的分布尽可能均匀,直到足够N/2个体。
S34:交叉操作:
为增加种群中个体的多样性,选取亲代种群中N/4个体作为父代,另外N/4作为母代;随机在父代和母代中各选取一个个体,随机生成交叉点后,交换重组父代和母代的基因片段,生成大小为N/2的子代种群kindspop1。
S35:变异操作:
首先在亲代中随机选择一个个体,然后随机选择其中两个基因片段进行交换,增加了个体多样性,生成子代种群kindspop2。
S36:精英个体保留策略:
为了不丢失进化过程中的优良特征,将亲代和子代合并后重新进行个体选择,即Pt'=parpop∪kindspop1∪kindspop2,非支配排序后选取新的种群Pt=Pt'(1:N),继续下一次迭代。
S37:终止条件:
当到达最大迭代次数或者目标函数最大计算次数时,种群停止迭代,输出当前帕累托近似最优解作为多机器人焊接任务近似最优分配方案。
本发明的有益技术效果为:
本发明通过将多机器人协同焊接问题建模为一个多变量、多约束、多目标的优化问题,然后使用一种改进的多目标遗传算法进行求解,有效的解决了多机器人在面向大型复杂构件焊接时,由于焊缝数量众多、实际焊接约束以及多机器人***自身约束复杂而导致任务难以分配的问题,相比于其他方法,有效的提高了算法的求解效率和全局寻优能力,具有更加广阔的应用前景。
附图说明
图1为本发明方法的主流程图;
图2为三台机器人焊接某大型复杂构件示意图;
图3为本发明多机器人协作焊接任务分配多目标优化模型建立方法流程图;
图4为本发明基于多目标遗传算法求解优化模型流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细说明。
本发明的一种基于多目标优化的多机器人协作弧焊任务规划方法流程如图1所示,具体为:
1、面向大型复杂构件焊接的多机器人任务分配问题描述。
本发明针对某大型复杂构件的多机器人协同焊接,如图2所示,该大型构件由3台机器人进行协同焊接。每台机器人可以沿导轨和支撑机构进行上下左右移动,增大了工作空间;根据每台机器人的工作空间和各类焊缝的工艺约束,将大型构件分为机器人1专属焊接区域、机器人1和2竞争焊接区域、机器人2专属焊接区域、机器人2和3竞争焊接区域以及机器人3专属焊接区域。定义待焊接焊缝集合W=[1,2,3,...,n],其中的数字为每条焊缝唯一的身份ID,共有n条焊缝;定义机器人1、2、3的专属焊缝集合分别为 和/>其中n1、n2和n3分别为3台机器人专属焊缝的数量;定义机器人1和2的竞争焊缝集合为/>机器人2和3的竞争焊缝集合为其中m1和m2分别为竞争焊缝的数量,可知n=n1+n2+n3+m1+m2;经过任务分配后,3台机器人最终分配得到的焊缝序列分别为/> 以及/>其中n=o1+o2+o3。
2、焊缝信息处理。
为了算法执行的统一性和便捷性,定义结构体Winf存储焊缝信息,其中Winf(i).w=i为第i条焊缝,其起点和终点分别为Winf(i).start=[x1,y1,z1]和Winf(i).end=[x2,y2,z2],Winf(i).robot=j(j=1,2,3)表示第i条焊缝属于第j台机器人,Winf(i).l=l表示该焊缝的长度;Winf(i).syn=[1,wj]表示该焊缝和wj焊缝属于同步焊缝,Winf(i).syn=0表示该焊缝不属于同步焊缝;Winf(i).asyn=[1,wj]表示该焊缝和wj焊缝属于异步焊缝,需要一条焊缝焊接结束才可以进行另一条焊缝的焊接,Winf(i).asyn=0表示该焊缝不属于异步焊缝;Winf(i).d=1表示该焊缝的焊接方向是从起点到终点,Winf(i).d=0表示该焊缝的焊接方向是从终点到起点。
3、多机器人任务分配问题优化模型的构建。
大型复杂构件具有数量众多的焊缝,它们之间具有多种复杂的焊接工艺约束,使用多机器人***进行焊接时,还会引入多种机器人相关的约束条件,因此,如何为机器人分配合理的焊接任务使其满足多个目标,可以建模为一个多目标优化问题,流程图如图3所示。
(1)决策变量的选择
集合x=[x1,x2,...,xn]中的每个元素代表焊缝的ID,将其作为优化模型的决策变量,xi∈[1,m],取值要求均为整数且无缺失无重复。
(2)约束条件的设定
(a)同步焊接约束Φ1:为保证焊接质量,某些焊缝需要同步焊接,即两条焊缝开始、结束时间以及焊接方向一致。对于两条同步焊缝wi和wj,需满足
tsi=tsj,tei=tej,di=dj,其中i,j∈[1,n]
tsi为焊缝wi的开始时间,tei为其结束时间,di为其焊接方向。
(b)异步焊接约束Φ2:为防止焊缝变形或机器人相互碰撞,某些焊缝需错开彼此的焊接时间。对于两条异步焊缝wi和wj,需满足
tei<tsj||tej<tsi,其中i,j∈[1,n]
(c)焊接方向约束Φ3:由于焊接工艺要求,某些焊缝需要按照特定的方向进行焊接,如立角焊缝必须从下往上进行焊接。对于一条有焊接方向约束的焊缝wi,需满足
(d)各机器人的空间可达性约束Φ4:对于任意一台机器人ri,分配给它的焊缝必须在它的可达空间内,否则无法完成焊接。设机器人rj的可达空间为Rj(qj),其中qj为机器人rj的关节向量范围,则有
wi(rj)∈Rj(qk),其中i∈[1,n],j∈[1,3]
(e)各机器人间的碰撞约束Φ5:设工件所占空间为Rw,机器人ri和rj此时位姿所占空间分别为Ri(qi)和Rj(qj),则有
(3)目标函数的构建
(a)机器人等待时间Tw:针对一组同步焊缝wi1和wj1,当一台机器人先到达其中一条焊缝wi1时,需等待时间Tw1后和wj1一起焊接;针对一组异步焊缝wi2和wj2,如果wi2先开始焊接,需等待时间Tw2后开始焊缝wj2的焊接。因此,
(b)机器人的空载距离Dn:第i台机器人分配的焊接路径为其中pk∈W,因此,
其中,oi为第i台机器人分配的焊缝数量,vn是机器人的空载运行速度。
综合以上决策变量、约束条件和目标函数,建立如下多约束、多目标优化模型:
4、基于改进的多目标遗传算法的求解。
多目标优化模型建立后,使用一种改进的多目标遗传算法进行求解,流程图如图4所示,具体步骤如下:
(1)初始化
在进行遗传算法的迭代优化之前,首先需生成初始化种群P0。机器人1、2、3的专属焊缝集合分别为和/>其中n1、n2和n3分别为3台机器人专属焊缝的数量;定义机器人1和2的竞争焊缝集合为机器人2和3的竞争焊缝集合为/>其中m1和m2分别为竞争焊缝的数量,可知n=n1+n2+n3+m1+m2。当每台机器人的焊接起点固定时,定义starti为机器人i的起点,W1'、W2'和W3'分别为W1、W2和W3的随机排列;对于一条随机焊缝s,将其随机分配给任意一台机器人,定义n’1、n’2和n’3分别为分配给3台机器人的焊缝数量,3台机器人的初始化焊缝序列分别为/>和/>最后,得到初始化种群的一个个体P0(i)=[P01,P02,P03],重复以上步骤后,得到大小为N初始化种群P0。
(2)适应度函数计算
针对同时存在同步焊缝和异步焊缝的情况,计算多机器人***的总等待时间Tw和总空载距离Dn。对于种群Pt,采用快速非支配排序法将其中的个体进行帕累托分层,第f层的个体要优于第f+1层的个体;对于同一层的个体,根据目标函数Tw和Dn的值计算每个个体的拥挤度Cd(j),其中j∈[1,N],拥挤度值大的个体要优于拥挤度值小的个体;因此,选取帕累托层数f和个体拥挤度值Cd共同作为适应度函数值。
(3)选择操作
为保留种群在进化过程中的优良特征,根据适应度函数,选择较好的N/2个体作为亲代种群parpop,用做后续的进化操作。对于不同帕累托面上的个体,优先选择层数较低的个体;对于同一帕累托面上的个体,优先选择拥挤度较大的个体,可以保证个体在帕累托面上的分布尽可能均匀,直到足够N/2个体。
(4)交叉操作
为增加种群中个体的多样性,选取亲代种群中N/4个体作为父代,另外N/4作为母代;随机在父代和母代中各选取一个个体,随机生成交叉点后,交换重组父代和母代的基因片段,生成大小为N/2的子代种群kindspop1。
(5)变异操作
交叉操作只能对两个个体同一位置的基因片段进行交换重组,在某些情况下依然可能无法跳出局部最优,因此需要在个体内部做出改变。不同于传统遗传算法,本专利中的变异操作首先在亲代中随机选择一个个体,然后随机选择其中两个基因片段进行交换,增加了个体多样性,生成子代种群kindspop2。
(6)精英个体保留策略
为了不丢失进化过程中的优良特征,将亲代和子代合并后重新进行个体选择,即Pt'=parpop∪kindspop1∪kindspop2,非支配排序后选取新的种群Pt=Pt'(1:N),继续下一次迭代。
(7)终止条件
当到达最大迭代次数或者目标函数最大计算次数时,种群停止迭代,输出当前帕累托近似最优解P作为多机器人焊接任务近似最优分配方案,完成任务分配。
Claims (1)
1.一种基于多目标优化的多机器人协作弧焊任务规划方法,其特征在于,包括以下步骤:
步骤1:对多机器人协作弧焊作业任务进行描述与分析,并对输入的焊缝信息进行处理,添加所属机器人、同步、异步以及焊接方向标签;
S11:多机器人协作弧焊作业任务的描述与分析:
多机器人协作焊接任务分配问题的本质是在满足各种约束和焊接质量的前提下,高效有序的完成任务;定义机器人集合R=[r1,r2,...,rn],其中n为机器人数量,ri为第i台机器人,i=1,2,...,n;定义焊缝集合W=[w1,w2,...,wm],其中m为焊缝的数量,wj为第j条焊缝,j=1,2,...,m,机器人的焊接和空载速度分别为vm和vn;受初始位置和工作空间的限制,每台机器人只能焊接特定区域的部分焊缝,多机器人之间不可避免的要出现合作和竞争关系,因此,将集合W中的焊缝划分为每台机器人的专属焊缝以及多台机器人的竞争焊缝;定义机器人ri的专属焊缝集合为其中sk∈[1,m]且无重复元素,k∈[1,|ri|],|ri|为机器人ri拥有专属焊缝的数量;定义竞争焊缝集合为C=[c1,c2,...,cl],其中经过寻优后,每台机器人最终被分配的焊缝序列为/>
S12:为焊缝添加所属机器人、同步、异步以及焊接方向标签:
定义焊缝信息结构体Winf,其中Winf(i).w=wi为第i条焊缝,其起点和终点分别为Winf(i).start=[x1,y1,z1]和Winf(i).end=[x2,y2,z2],Winf(i).robot=rj表示该焊缝属于第j台机器人,Winf(i).l=l表示该焊缝的长度;Winf(i).syn=[1,rj]表示该焊缝和rj焊缝属于同步焊缝,需要同时开始且同时结束焊接,Winf(i).syn=0表示该焊缝不属于同步焊缝;Winf(i).asyn=[1,rj]表示该焊缝和rj焊缝属于异步焊缝,需要一条焊缝焊接结束才可进行另外一条焊缝的焊接,Winf(i).asyn=0表示该焊缝不属于异步焊缝;Winf(i).d=1表示该焊缝的焊接方向是从起点到终点,Winf(i).d=0表示该焊缝的焊接方向是从终点到起点;
步骤2:选定决策变量和优化目标,设定约束条件,将多机器人焊接任务分配问题建模为一个多变量、多约束、多目标的优化问题;
S21:决策变量的选择:
集合x=[x1,x2,...,xm]中的每个元素代表焊缝的ID,将其作为优化模型的决策变量,xm∈[1,m],取值要求均为整数且无缺失无重复;
S22:约束条件的选择:
(1)同步焊接约束Φ1:为保证焊接质量,某些焊缝需要同步焊接,即两条焊缝开始、结束时间以及焊接方向一致,对于两条同步焊缝wi和wj,需满足
tsi=tsj,tei=tej,di=dj,其中i,j∈[1,m]
tsi为焊缝wi的开始时间,tei为其结束时间,di为其焊接方向;
(2)异步焊接约束Φ2:为防止焊缝变形或机器人相互碰撞,某些焊缝需错开彼此的焊接时间,对于两条异步焊缝wi和wj,需满足
tei<tsj||tej<tsi,其中i,j∈[1,m]
(3)焊接方向约束Φ3:由于焊接工艺要求,某些焊缝需要按照特定的方向进行焊接,对于一条有焊接方向约束的焊缝wi,需满足
其中i∈[1,m]
(4)各机器人的空间可达性约束Φ4:对于任意一台机器人ri,分配给它的焊缝必须在它的可达空间内,否则无法完成焊接;设机器人rj的可达空间为Rj(qj),其中qj为机器人rj的关节向量范围,则有
wi(rj)∈Rj(qk),其中i∈[1,m],j∈[1,n]
(5)各机器人间的碰撞约束Φ5:设工件所占空间为Rw,机器人ri和rj此时位姿所占空间分别为Ri(qi)和Rj(qj),则有
其中i,j∈[1,n]
S23:目标函数的选择:
(1)机器人等待时间Tw:针对一组同步焊缝wi1和wj1,当一台机器人先到达其中一条焊缝wi1时,需等待时间Tw1后和wj1一起焊接;针对一组异步焊缝wi2和wj2,如果wi2先开始焊接,需等待时间Tw2后开始焊缝wj2的焊接,因此,
(2)机器人的空载距离Dn:第i台机器人ri分配的焊接路径为其中pk∈Si∪Ci,因此,
S24:优化模型的建立:
综合以上决策变量、约束条件和目标函数,建立如下多约束、多目标优化模型:
步骤3:针对所建立的优化模型,设计新的交叉、变异算子,使用多目标遗传算法进行求解,得到各个机器人的焊接序列,完成任务分配;
S31:初始化:
在使用多目标遗传算法进行优化之前,需要产生初始化种群;定义机器人ri的专属焊缝集合为其中sk∈[1,m]且无重复元素,k∈[1,|ri|],|ri|为机器人ri拥有专属焊缝的数量,m为焊缝总数;定义竞争焊缝集合为C=[c1,c2,...,cl],其中n为机器人数量;当起点固定时,定义starti为机器人ri的起点,将/>中的其他焊缝随机排列后组成/>对于一条竞争焊缝cl,当它处于多台机器人的工作空间内时,将它随机分配给其中一台机器人;当起点不固定时,将/>中的焊缝随机排列后组成/>同样,对于竞争焊缝cl,当它处于多台机器人的工作空间内时,将它随机分配给其中一台机器人;最后,得到初始化种群的一个个体P0(i)=[x1,x2,...,xn],直到得到大小为N初始化种群P0;
S32:适应度函数计算:
针对同时存在同步焊缝和异步焊缝的情况,计算多机器人***的总等待时间Tw和总空载距离Dn;对于种群Pt,采用快速非支配排序法将其中的个体进行帕累托分层,第f层的个体要优于第f+1层的个体;对于同一层的个体,根据目标函数Tw和Dn的值计算每个个体的拥挤度Cd(j),其中j∈[1,N],拥挤度值大的个体要优于拥挤度值小的个体;因此,选取帕累托层数f和个体拥挤度值Cd共同作为适应度函数值;
S33:选择操作:
为保留种群在进化过程中的优良特征,根据适应度函数,选择较好的N/2个体作为亲代种群parpop,用做后续的进化操作;对于不同帕累托面上的个体,优先选择层数较低的个体;对于同一帕累托面上的个体,优先选择拥挤度较大的个体,可以保证个体在帕累托面上的分布尽可能均匀,直到足够N/2个体;
S34:交叉操作:
为增加种群中个体的多样性,选取亲代种群中N/4个体作为父代,另外N/4作为母代;随机在父代和母代中各选取一个个体,随机生成交叉点后,交换重组父代和母代的基因片段,生成大小为N/2的子代种群kindspop1;
S35:变异操作:
首先在亲代中随机选择一个个体,然后随机选择其中两个基因片段进行交换,增加了个体多样性,生成子代种群kindspop2;
S36:精英个体保留策略:
为了不丢失进化过程中的优良特征,将亲代和子代合并后重新进行个体选择,即Pt'=parpop∪kindspop1∪kindspop2,非支配排序后选取新的种群Pt=Pt'(1:N),继续下一次迭代;
S37:终止条件:
当到达最大迭代次数或者目标函数最大计算次数时,种群停止迭代,输出当前帕累托近似最优解作为多机器人焊接任务近似最优分配方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210995538.5A CN115122338B (zh) | 2022-08-15 | 2022-08-15 | 一种基于多目标优化的多机器人协作弧焊任务规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210995538.5A CN115122338B (zh) | 2022-08-15 | 2022-08-15 | 一种基于多目标优化的多机器人协作弧焊任务规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115122338A CN115122338A (zh) | 2022-09-30 |
CN115122338B true CN115122338B (zh) | 2024-05-31 |
Family
ID=83387699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210995538.5A Active CN115122338B (zh) | 2022-08-15 | 2022-08-15 | 一种基于多目标优化的多机器人协作弧焊任务规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115122338B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116551684B (zh) * | 2023-05-17 | 2024-05-24 | 南京航空航天大学 | 面向航天器大型舱体构件加工的多机器人协同规划方法 |
CN117841006B (zh) * | 2024-03-06 | 2024-05-28 | 中建三局集团有限公司 | 抓取机械手多优化目标的轨迹优化方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001273022A (ja) * | 2000-03-24 | 2001-10-05 | Nkk Corp | 制御装置及び制御方法 |
JP2005169489A (ja) * | 2003-12-15 | 2005-06-30 | Toyota Motor Corp | 斜動多関節ロボットを補助ロボットとして使用する溶接システム |
JP2005238294A (ja) * | 2004-02-26 | 2005-09-08 | Mitsubishi Heavy Ind Ltd | 溶接装置及び方法 |
WO2011121461A2 (en) * | 2010-03-30 | 2011-10-06 | Kimberly-Clark Worldwide, Inc. | Asynchronous control of machine motion |
CN105302062A (zh) * | 2015-10-15 | 2016-02-03 | 东南大学 | 一种基于任务解耦的多机器人协作焊接路径的生成方法 |
CN106393112A (zh) * | 2016-11-15 | 2017-02-15 | 上海燊星焊接科技有限公司 | 一种多机器人焊接方法及*** |
CN109159127A (zh) * | 2018-11-20 | 2019-01-08 | 广东工业大学 | 一种基于蚁群算法的双焊接机器人智能路径规划方法 |
CN111230267A (zh) * | 2020-02-11 | 2020-06-05 | 长春华翔轿车***有限责任公司 | 一种双工位协作混焊焊接生产线 |
CN111266762A (zh) * | 2018-12-05 | 2020-06-12 | 广州中国科学院先进技术研究所 | 一种基于多个机器人协同焊接方法及*** |
CN114669916A (zh) * | 2022-03-18 | 2022-06-28 | 西南交通大学 | 一种基于改进遗传算法的双机器人协同焊接任务规划方法 |
CN114692677A (zh) * | 2022-03-07 | 2022-07-01 | 电子科技大学 | 一种基于多目标特征选择的焊接缺陷识别方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110153080A1 (en) * | 2009-12-22 | 2011-06-23 | Siemens Product Lifecycle Management Software Inc. | Method and apparatus for industrial robotic pathscycle time optimization using fly by |
US10814474B2 (en) * | 2018-12-20 | 2020-10-27 | Autonomous Roadway Intelligence, Llc | Identification and localization of mobile robots |
-
2022
- 2022-08-15 CN CN202210995538.5A patent/CN115122338B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001273022A (ja) * | 2000-03-24 | 2001-10-05 | Nkk Corp | 制御装置及び制御方法 |
JP2005169489A (ja) * | 2003-12-15 | 2005-06-30 | Toyota Motor Corp | 斜動多関節ロボットを補助ロボットとして使用する溶接システム |
JP2005238294A (ja) * | 2004-02-26 | 2005-09-08 | Mitsubishi Heavy Ind Ltd | 溶接装置及び方法 |
WO2011121461A2 (en) * | 2010-03-30 | 2011-10-06 | Kimberly-Clark Worldwide, Inc. | Asynchronous control of machine motion |
CN105302062A (zh) * | 2015-10-15 | 2016-02-03 | 东南大学 | 一种基于任务解耦的多机器人协作焊接路径的生成方法 |
CN106393112A (zh) * | 2016-11-15 | 2017-02-15 | 上海燊星焊接科技有限公司 | 一种多机器人焊接方法及*** |
CN109159127A (zh) * | 2018-11-20 | 2019-01-08 | 广东工业大学 | 一种基于蚁群算法的双焊接机器人智能路径规划方法 |
CN111266762A (zh) * | 2018-12-05 | 2020-06-12 | 广州中国科学院先进技术研究所 | 一种基于多个机器人协同焊接方法及*** |
CN111230267A (zh) * | 2020-02-11 | 2020-06-05 | 长春华翔轿车***有限责任公司 | 一种双工位协作混焊焊接生产线 |
CN114692677A (zh) * | 2022-03-07 | 2022-07-01 | 电子科技大学 | 一种基于多目标特征选择的焊接缺陷识别方法 |
CN114669916A (zh) * | 2022-03-18 | 2022-06-28 | 西南交通大学 | 一种基于改进遗传算法的双机器人协同焊接任务规划方法 |
Non-Patent Citations (3)
Title |
---|
Jesus Romero ; Toledo-Ramirez Gengis ; Saha Baidya.Deformation and Residual Stress Based Multi-Objective Genetic Algorithm for Welding Sequence Optimization.《2016 Fifteenth Mexican International Conference on Artificial Intelligence (MICAI)》.2018,全文. * |
Qingyi Wang ; Yongkui Sun ; Qichao Tang ; Lei Ma ; Jianping Yang ; Jian Xu.An Arc Welding Task Planning Method Based on Improved Non-dominated Sorting Genetic Algorithm.《2023 42nd Chinese Control Conference (CCC)》.2023, * |
多机器人协作焊接***的算法研究与仿真实现;张曦;《中国优秀硕士学位论文全文数据库信息科技辑》;20160815(第8期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115122338A (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115122338B (zh) | 一种基于多目标优化的多机器人协作弧焊任务规划方法 | |
CN111113409B (zh) | 一种基于分步优化的多机器人多工位协作点焊规划方法 | |
Wang et al. | A survey of welding robot intelligent path optimization | |
Wang et al. | Spot welding robot path planning using intelligent algorithm | |
Zhou et al. | Multi-robot multi-station cooperative spot welding task allocation based on stepwise optimization: An industrial case study | |
Baizid et al. | Time scheduling and optimization of industrial robotized tasks based on genetic algorithms | |
Xin et al. | A time-space network model for collision-free routing of planar motions in a multirobot station | |
CN110053052B (zh) | 多层som异构焊接机器人的任务分配与路径规划方法 | |
CN112692826A (zh) | 一种基于改进遗传算法的工业机器人轨迹优化方法 | |
CN110488810B (zh) | 基于改进型粒子群算法的焊接机器人最优路径规划方法 | |
CN111745653B (zh) | 基于双机械臂的船体外板曲面成形协同加工的规划方法 | |
CN113325799B (zh) | 一种曲面工件的点焊机器人操作空间平滑路径规划方法 | |
Wang et al. | Intelligent welding robot path optimization based on discrete elite PSO | |
CN115481897A (zh) | 一种agv无人仓库设备优化配置方法 | |
Wang et al. | Autonomous intelligent planning method for welding path of complex ship components | |
Sugimura et al. | Integrated process planning and scheduling in holonic manufacturing systems-Optimization based on shop time and machining cost | |
Guangbao et al. | Multi-station and multi-robot welding path planning based on greedy interception algorithm | |
CN116604244A (zh) | 一种分步优化的白车身多机器人点焊作业路径规划方法 | |
Wang et al. | A dual-robot cooperative welding path planning algorithm based on improved ant colony optimization | |
Tang et al. | A Dual-Robot Cooperative Arc Welding Path Planning Algorithm based on Multi-Objective Optimization | |
CN108469746B (zh) | 一种用于机器人仿真***的工件放置规划方法 | |
CN114290335A (zh) | 一种机器人轨迹规划方法 | |
Kim et al. | Heuristics for single-pass welding task sequencing | |
Khodabakhshi et al. | A novel method for achieving minimum distance collision-free tool path for drilling | |
Björkenstam et al. | Efficient sequencing of industrial robots through optimal control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |