基于GA-PSO算法焊接机器人路径规划研究

doi:10.3969/j.issn.1672-6952.2018.02.017

辽宁石油化工大学学报 ›› 2018, Vol. 38 ›› Issue (02): 85-89.DOI: 10.3969/j.issn.1672-6952.2018.02.017

基于GA-PSO算法焊接机器人路径规划研究

尤田,张威,葛琳琳

(辽宁石油化工大学计算机与通信工程学院，辽宁抚顺 113001)

收稿日期:2017-03-09 修回日期:2017-09-20 出版日期:2018-04-26 发布日期:2018-04-25
通讯作者: 张威（1972），男，博士，副教授，从事嵌入式应用技术研究和信息安全研究；Email:zhangwei2002@126.com。
作者简介:尤田（1995-），男，本科生，材料成型及控制工程专业，从事材料成型及控制工程的研究；E-mail:1041306845@qq.com。
基金资助:
抚顺市科学技术发展资金计划项目（FSKJHT201548）；辽宁省大学生创新创业项目（201410148060、201510148068）

Research on Path Planning of Welding Robot Based on GA-PSO Algorithm

You Tian， Zhang Wei， Ge Linlin

（School of Computer and Communication Engineering，Liaoning Shihua University，Fushun Liaoning 113001，China）

Received:2017-03-09 Revised:2017-09-20 Published:2018-04-26 Online:2018-04-25

摘要/Abstract

摘要： 焊接机器人在制造业中有广泛的应用。在焊接任务中通常有许多焊接接头，合理地规划焊接路径使其穿过这些焊接接头，对焊接效率的提高有积极的影响。传统的手工路径规划技术可以有效地处理少量焊接接头，但当焊接节点数目较大时，很难获得最优路径。传统的手工路径规划方法耗时长、效率低，不能保证最优。遗传粒子群优化算法（GA-PSO）基于遗传算法（GA）和粒子群优化算法（PSO）的优点来解决焊接机器人的路径规划问题。仿真结果表明，该算法具有较强的搜索能力和实用性，适用于焊接机器人路径规划。

关键词: 焊接机器人, 路径规划, 遗传算法, 粒子群优化算法, 全局最优

Abstract: Welding robots have a wide range of applications in manufacturing industries. There are usually many welded joints in the welding task, and a reasonable welding path passes through these welded joints has a significant impact on the welding efficiency. Traditional manual path planning techniques can handle a small number of welded joints effectively, but when the number of welded joints is large, it is difficult to obtain the optimal path. The traditional manual path planning method is also time consuming and inefficient, and cannot guarantee optimality. Genetic algorithmparticle swarm optimization (GA-PSO) is based on the advantages of genetic algorithm (GA) and particle swarm optimization (PSO) to solve the welding robot path planning problem. The simulation results indicate that the algorithm has strong searching ability and practicality and is suitable for welding robot path planning.

Key words: Welding Robot, Path planning, Genetic algorithm, Particle swarm optimization, Global optimum

尤田,张威,葛琳琳. 基于GA-PSO算法焊接机器人路径规划研究[J]. 辽宁石油化工大学学报, 2018, 38(02): 85-89.

You Tian， Zhang Wei， Ge Linlin. Research on Path Planning of Welding Robot Based on GA-PSO Algorithm[J]. Journal of Liaoning Petrochemical University, 2018, 38(02): 85-89.

[1]	杨静雯, 李涛, 杨欣, 冀明飞. 基于避障路径规划的无人直升机空地跟踪控制[J]. 辽宁石油化工大学学报, 2024, 44(1): 71-79.
[2]	叶豪杰, 李文娜. 基于PSO的管式加热炉热效率动态矩阵控制[J]. 辽宁石油化工大学学报, 2023, 43(3): 81-85.
[3]	姜楠, 罗林, 王乔, 侯维. 结构优化深度网络的高压断路器机械故障诊断[J]. 辽宁石油化工大学学报, 2023, 43(3): 91-96.
[4]	王伟明, 李文娜. 改进遗传算法优化多偏差控制加热炉支管平衡[J]. 辽宁石油化工大学学报, 2023, 43(1): 73-79.
[5]	赵士龙，李维军，石成江. 基于优化BP神经网络的铝箔封口检测研究[J]. 辽宁石油化工大学学报, 2019, 39(1): 97-100.
[6]	王文星, 赵新慧. 基于遗传算法的组卷技术研究与改进[J]. 辽宁石油化工大学学报, 2017, 37(6): 56-59.
[7]	方健飞，张威，葛琳琳. 基于避障切换控制的移动机器人路径规划[J]. 辽宁石油化工大学学报, 2017, 37(4): 65-69.
[8]	董明亮,刘培胜,潘振,文江波,李秉繁. 基于SVM-GA模型的城市天然气长期负荷预测[J]. 辽宁石油化工大学学报, 2017, 37(2): 31-36.
[9]	周怡,苏成利. 基于改进NSGA-Ⅱ算法的氯乙烯精馏过程多目标优化[J]. 辽宁石油化工大学学报, 2016, 36(2): 52-59.
[10]	潘斌,郭小明,陈明明,于晶贤,赵晓颖,陈为. 规则切割碎纸片的复原[J]. 辽宁石油化工大学学报, 2014, 34(5): 70-73,78.
[11]	王岳，付晓东. 基于遗传算法的成品油树状管网优化布置[J]. 辽宁石油化工大学学报, 2011, 31(4): 33-36.
[12]	毕浅雨,李艳杰,李飒. 一种使用遗传算法进行物流配送成本优化方法[J]. 辽宁石油化工大学学报, 2011, 31(2): 90-94.
[13]	陈岩,魏海平,孙殿哲. 基于元搜索的专业搜索引擎的设计[J]. 辽宁石油化工大学学报, 2010, 30(2): 42-45.
[14]	奚文. SLP在液压件厂平面布置中的应用[J]. 辽宁石油化工大学学报, 2010, 30(1): 55-59.
[15]	王杨. 基于自适应遗传算法的粗糙集属性约简方法[J]. 辽宁石油化工大学学报, 2008, 28(4): 73-77.

基于GA-PSO算法焊接机器人路径规划研究

Research on Path Planning of Welding Robot Based on GA-PSO Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics