基于遗传算法的焊接机器人路径规划应用研究

2013-04-29刘任平,陈赛清,刘梅

计算机时代 2013年6期

刘任平,陈赛清,刘梅

摘要：焊接机器人路径规划对于提高机器人的焊接效率至关重要。传统的机械臂焊接规划采用示教-再现方式，这种焊接模式难以达到高效率、低耗能的要求。对焊接机器人路径规划问题以及遗传算法进行研究，从时间最优角度重点对遗传编码方式、适应度函数、选择、交叉、变异等进行了分析，并采用VS2010对焊接机器人进行仿真，该遗传算法明显提高了焊接机器人的焊接效率。

关键词：焊机机器人；路径规划；遗传算法；交叉；变异

中图分类号：TP319 文献标志码：A 文章编号：1006-8228（2013）06-13-03

Application research of welding robot path planning based on genetic algorithm

Liu Renping， Chen Saiqing， Liu Mei

（North China University of Technology， Beijing 100144， China）

Abstract： Welding robot path-planning is essential in improving the efficiency of the robot welding. Traditional mechanical arm welding planning adopts the way of teaching-reproduction， which is hard to achieve the requirement of high efficiency and low energy exhausting. By researching the welding robot path-planning issues and related algorithm， the genetic encoding method， fitness function， selection， crossover and mutation are analyzed from the aspects of the optimal time， simulating the welding robot by using VS2010. The experiments show that genetic algorithm has obvious advantages for improving the efficiency of the robot welding.

Key words： welding robot； path-planning； genetic algorithm； crossover； mutation

0 引言

路径规划是指按照一定的性能指标，让机器人从所处的环境中搜索到一条从初始位置到目标位置的最优或次优路径。路径规划是机器人研究中的重要领域，国内外在机器人路径规划上已经做了大量的研究工作。传统的机械臂焊接规划采用示教-再现方式，这种一成不变的焊接方式难以达到高效率、低能耗的要求。本文基于遗传算法对机械臂焊接进行规划，使机械臂焊接路径得到优化，减少了焊接芯片的生产时间，提高了生产效率，降低生产成本。

1 焊接机器人模型

焊接机器人采用四轴联动机械手，它由底部基座、大臂、小臂和手组成，共三个自由度，各自由度之间有旋转关节连接，如图1所示。

图1 焊接机器人模型

焊机机器人的三个旋转关节，其轴线相互平行，在平面内进行定位和定向。另一个关节是移动关节，用于完成末端件在垂直于平面的运动，它以旋转关节的角位移和移动关节的位移来确定末端工作位置与姿态。每个动作都用一个直流伺服电机加以驱动，因此这个机器人驱动系统至少需要四个步进电机来实现其运动控制。

2 遗传算法

本文基于时间因素对焊接机器人进行研究。从起点到终点对焊点的焊接可以归结为求哈密尔顿回路问题。要使焊接芯片的时间缩短，则要找出一条最短的哈密尔顿回路，类似于TSP问题。我们采用遗传算法进行处理。

遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法，它模拟自然选择和自然遗传过程中发生的繁殖、交叉和基因突变现象，在每次迭代中都保留一些候选解，并按某种指标从结群中选取较优的个体，利用遗传算子（选择、交叉和变异）对这些个体进行组合，产生新一代的候选结群，重复此过程，知道满足某种收敛指标为止。遗传算法的组成主要包括遗传编码、适应度函数、遗传算子（选择、交叉、变异）、运行参数。

这里要解决的是，机械臂从待机位姿出发，焊接所有焊点，回到作业原点，求路程或时间最短。假设把机械臂所要焊接的点编号为1，2，3…，n。

2.1 遗传编码方式

用遗传算法来求解机械臂轨迹规划问题时，首先要确定问题解的编码。哈密尔顿问题的求解是一条回路。基于焊接芯片的特点，这里采用顺序表示[1]：

假定焊接芯片中所有的焊接点组成一个列表即为W，给每个焊接点分配一个1到n的序列，将这个序列记为W，即：

用编码串表示为：

T：1 2 3 4 5 6 7 … n

说明对焊接芯片的焊接顺序从焊接点v1开始，依此经过的焊接点为v2，v3，v4，v5，…，vn，然后在返回v1。

2.2 适应度函数

遗传算法对一个个体（解）的好坏用适应度函数值来评价，适应度函数值越大，解的质量越好。适应度函数是遗传算法进化过程的驱动力，也是进行自然选择的惟一标准，它的设计应结合求解问题本身的要求而定。根据机械臂焊接路径的特点，不同的路径机械臂耗能不一样，而机械臂耗能可以直接体现在机械臂转动的角度上，所有定义适应度函数的值是一次焊接完所有焊点机械臂转动角度的总和[2]。机器人机械臂焊接平面图如图2所示。

图2 机器人机械臂焊接的平面图模型

图2中实线部分OA1和A1B1分别代表机械臂的大臂和小臂，设∠A1OB1=θ1，∠A2OD=θ2，∠B1A1O=θ3，∠B2A2O=θ4，为了完成从B1到B2的焊接，大臂和小臂所转过的角度和为（θ2-θ1）+（θ4-θ3）。为了方便运算，假设A1B1=OA1，B1、B2分别为焊接芯片上两个相邻的焊点，从B1 到B2的焊接，由于A1B1、OA1和OB1的长度已知，求得∠CA1O1、∠B1OA1，从而求得θ3、θ1的值。同理由A2B2、OB2、OA2的长度求得θ4、θ2，最后计算出F（x）=（θ2-θ1）+（θ4-θ3）。

即适应度函数可以定义为：

2.3 遗传算子

⑴ 选择

选择就是从种群里挑选出适应性好的个体，同时淘汰适应性不好的个体。选择主要基于个体适应度，适应度越高的个体被选中的概率越大。把适应性好的个体直接遗传或间接交叉操作产生新的个体遗传到下一代。本论文采用了两种选择机制，轮盘赌选择机制和选取父代最优个体子代所有个体的选择机制。我们采用轮盘赌选择方法来选择。

⑵ 交叉

生物进化的核心作用是生物遗传基因的重组，相对应，遗传算法的核心操作是交叉算子，所谓交叉是指两个或两个以上的父代个体的部分结构加以替换重组而生成新个体的操作。

由于本文编码方式要求每一条路径的染色体编码中不允许出现重复的基因码，即每一个焊点必须并且只能访问一次[3]，所以遗传算法一般的交叉操作产生子个体的方法不适用这种编码方式，交叉算子也只能根据此编码方式进行设计，这里采用一致杂交的顺序交叉法（OX）[4]，具体操作步骤为：

① 从第一个双亲中随机选择一个子串（由一个随机数得到）；

② 将子串复制到一个空子串的相应位置，产生一个原始后代；

③ 删除第二双亲中已有的基因，得到原始后代需要的其他基因的排序；

④ 按照这个基因排序，从左到右将这些基因定位到后代的空缺位置上。

随机在串中选择一组随机数：