焊接機(jī)器人技術(shù)發(fā)展趨勢(shì)
為了適應(yīng)工業(yè)生產(chǎn)系統(tǒng)向大型、復(fù)雜、動(dòng)態(tài)和開放方向發(fā)展的需要，發(fā)達(dá)國家都在加大力度，對(duì)機(jī)器人技術(shù)進(jìn)行深入研究。從技術(shù)發(fā)展趨勢(shì)看，智能化路徑規(guī)劃算法將是焊接機(jī)器人技術(shù)發(fā)展的主要方向。
1. 神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃算法
神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃算法是模擬人的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來規(guī)劃路徑的一種方法，是一種智能的路徑規(guī)劃算法。神經(jīng)網(wǎng)絡(luò)算法系統(tǒng)適應(yīng)性、魯棒性良好，它能夠處理時(shí)變、多因素、非線性等復(fù)雜焊接過程的控制問題。神經(jīng)網(wǎng)絡(luò)擁有非常好的自適應(yīng)、自學(xué)習(xí)能力，還有容錯(cuò)性好、信息存儲(chǔ)量大，能夠?qū)崿F(xiàn)并行聯(lián)想搜索解空間和完成自適應(yīng)推理，提高系統(tǒng)的智能水平、知識(shí)處理能力及強(qiáng)壯性。因此，使用神經(jīng)網(wǎng)絡(luò)來規(guī)劃路徑是一種非常高效的方法，在機(jī)器人焊接路徑規(guī)劃中扮演著重要的作用。
遺傳算法是模擬自然界中生物進(jìn)化的一種方法。通過模擬生物進(jìn)化過程來搜索最 優(yōu)解的方法，遺傳算法過程是將代表問題可能存在的解集的一個(gè)種群開始的，然而一個(gè)種群由經(jīng)過基因編碼的一定數(shù)目的個(gè)體組成。每個(gè)個(gè)體事實(shí)上是染色體帶有特征的實(shí)體。染色體作為遺傳物質(zhì)的主要載體，即多個(gè)基因的集合，其內(nèi)部表現(xiàn)是某種基因組合，它決定了個(gè)體的形狀的外部特征，如人的身高的特征是由染色體中控制這一特征的某種基因組合決定的。因此，首先我們需要實(shí)現(xiàn)編碼工作即從表現(xiàn)型到基因型的映射。由于仿照基因編碼的工作很復(fù)雜，我們一般進(jìn)行簡化，如二進(jìn)制編碼，初代種群產(chǎn)生之后，依照優(yōu)勝劣汰和適者生存的法則，逐代進(jìn)化產(chǎn)生出越來越好的近似解，在每一代根據(jù)問題域中個(gè)體的適應(yīng)性好壞選擇個(gè)體，并借助于自然遺傳學(xué)的遺傳算子進(jìn)行組合交叉和變異，產(chǎn)生出新一代解集的種群。這個(gè)過程將促使種群像自然進(jìn)化一樣的后代比前代種群更加適應(yīng)于環(huán)境，最后一代種群中的最 優(yōu)個(gè)體經(jīng)過解碼處理，可以將問題看成最 優(yōu)解。
為了適應(yīng)工業(yè)生產(chǎn)系統(tǒng)向大型、復(fù)雜、動(dòng)態(tài)和開放方向發(fā)展的需要，發(fā)達(dá)國家都在加大力度，對(duì)機(jī)器人技術(shù)進(jìn)行深入研究。從技術(shù)發(fā)展趨勢(shì)看，智能化路徑規(guī)劃算法將是焊接機(jī)器人技術(shù)發(fā)展的主要方向。
1. 神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃算法
神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃算法是模擬人的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來規(guī)劃路徑的一種方法，是一種智能的路徑規(guī)劃算法。神經(jīng)網(wǎng)絡(luò)算法系統(tǒng)適應(yīng)性、魯棒性良好，它能夠處理時(shí)變、多因素、非線性等復(fù)雜焊接過程的控制問題。神經(jīng)網(wǎng)絡(luò)擁有非常好的自適應(yīng)、自學(xué)習(xí)能力，還有容錯(cuò)性好、信息存儲(chǔ)量大，能夠?qū)崿F(xiàn)并行聯(lián)想搜索解空間和完成自適應(yīng)推理，提高系統(tǒng)的智能水平、知識(shí)處理能力及強(qiáng)壯性。因此，使用神經(jīng)網(wǎng)絡(luò)來規(guī)劃路徑是一種非常高效的方法，在機(jī)器人焊接路徑規(guī)劃中扮演著重要的作用。
2. 遺傳算法路徑規(guī)劃技術(shù)
遺傳算法是模擬自然界中生物進(jìn)化的一種方法。通過模擬生物進(jìn)化過程來搜索最 優(yōu)解的方法，遺傳算法過程是將代表問題可能存在的解集的一個(gè)種群開始的，然而一個(gè)種群由經(jīng)過基因編碼的一定數(shù)目的個(gè)體組成。每個(gè)個(gè)體事實(shí)上是染色體帶有特征的實(shí)體。染色體作為遺傳物質(zhì)的主要載體，即多個(gè)基因的集合，其內(nèi)部表現(xiàn)是某種基因組合，它決定了個(gè)體的形狀的外部特征，如人的身高的特征是由染色體中控制這一特征的某種基因組合決定的。因此，首先我們需要實(shí)現(xiàn)編碼工作即從表現(xiàn)型到基因型的映射。由于仿照基因編碼的工作很復(fù)雜，我們一般進(jìn)行簡化，如二進(jìn)制編碼，初代種群產(chǎn)生之后，依照優(yōu)勝劣汰和適者生存的法則，逐代進(jìn)化產(chǎn)生出越來越好的近似解，在每一代根據(jù)問題域中個(gè)體的適應(yīng)性好壞選擇個(gè)體，并借助于自然遺傳學(xué)的遺傳算子進(jìn)行組合交叉和變異，產(chǎn)生出新一代解集的種群。這個(gè)過程將促使種群像自然進(jìn)化一樣的后代比前代種群更加適應(yīng)于環(huán)境，最后一代種群中的最 優(yōu)個(gè)體經(jīng)過解碼處理，可以將問題看成最 優(yōu)解。
3.蟻群算法路徑規(guī)劃
蟻群算法路徑規(guī)劃的基本原則是基于能量最 小、行走路徑最短、運(yùn)行時(shí)間最少原理建立理論基礎(chǔ)。其主要目的是在機(jī)器人運(yùn)動(dòng)空間內(nèi)規(guī)劃處一條能夠避開障礙物的相對(duì)來說最 優(yōu)的路徑。蟻群算法是模仿螞蟻覓食過程，從中找到路徑最短的行為過程設(shè)計(jì)的一種仿生算法。使用蟻群算法求解路徑優(yōu)化問題時(shí)，我們將路徑優(yōu)化問題翻譯成與信息素相關(guān)的規(guī)范形式，然后每個(gè)個(gè)體獨(dú)立地根據(jù)局部的信息素來決策構(gòu)造解，最后根據(jù)解的優(yōu)劣來代替周圍的信息素，這樣的過程反復(fù)的進(jìn)行直到找到最 優(yōu)解結(jié)束。
本文網(wǎng)址：http://dzaac.cn/news_view_579_160.html
掃一掃，查看手機(jī)站 
