焊接机器人技术发展趋势

焊接机器人技术发展趋势

      为了适应工业生产系统向大型、复杂、动态和开放方向发展的需要，发达国家都在加大力度，对机器人技术进行深入研究。从技术发展趋势看，智能化路径规划算法将是焊接机器人技术发展的主要方向。
 

2.1 神经网络路径规划算法

神经网络路径规划算法是模拟人的神经网络结构来规划路径的一种方法，是一种智能的路径规划算法。神经网络算法系统适应性、鲁棒性良好，它能够处理时变、多因素、非线性等复杂焊接过程的控制问题[4]。神经网络拥有非常好的自适应、自学习能力，还有容错性好、信息存储量大，能够实现并行联想搜索解空间和完成自适应推理，提高系统的智能水平、知识处理能力及强壮性。因此，使用神经网络来规划路径是一种非常高效的方法，在机器人焊接路径规划中扮演着重要的作用。
 2.2 遗传算法路径规划技术

      遗传算法是模拟自然界中生物进化的一种方法。通过模拟生物进化过程来搜索优解的方法，遗传算法过程是将代表问题可能存在的解集的一个种群开始的，然而一个种群由经过基因编码的一定数目的个体组成。每个个体事实上是染色体带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现是某种基因组合，它决定了个体的形状的外部特征，如人的身高的特征是由染色体中控制这一特征的某种基因组合决定的。因此，首先我们需要实现编码工作即从表现型到基因型的映射[5]。由于仿照基因编码的工作很复杂，我们一般进行简化，如二进制编码，初代种群产生之后，依照优胜劣汰和适者生存的法则，逐代进化产生出越来越好的近似解，在每一代根据问题域中个体的适应性好坏选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出新一代解集的种群。这个过程将促使种群像自然进化一样的后代比前代种群更加适应于环境，后一代种群中的优个体经过解码处理，可以将问题看成优解。
 

2.3 蚁群算法路径规划

      蚁群算法路径规划的基本原则是基于能量小、行走路径短、运行时间少原理建立理论基础。其主要目的是在机器人运动空间内规划处一条能够避开障碍物的相对来说优的路径。蚁群算法是模仿蚂蚁觅食过程，从中找到路径短的行为过程设计的一种仿生算法[6]。使用蚁群算法求解路径优化问题时，我们将路径优化问题翻译成与信息素相关的规范形式，然后每个个体独立地根据局部的信息素来决策构造解，后根据解的优劣来代替周围的信息素，这样的过程反复的进行直到找到优解结束。