- 无标题文档
查看论文信息

中文题名:

 

专用汽车立柱类部件焊接运动规划研究

    

姓名:

 赵俊超    

学号:

 1049722002118    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 080200    

学科名称:

 工学 - 机械工程    

学生类型:

 硕士    

学校:

 武汉理工大学    

院系:

 机电工程学院    

专业:

 机械工程    

研究方向:

 制造系统集成与信息化技术    

第一导师姓名:

 丁毓峰    

第一导师院系:

 机电工程学院    

完成日期:

 2023-03-01    

答辩日期:

 2023-05-11    

中文关键词:

 

焊接机器人 ; 基座 ; 运动规划 ; 多目标优化 ; ROBOGUIDE

    

中文摘要:

随着工业化的快速发展,机器人被广泛应用到汽车、船舶以及军工等制造领域。专用汽车零部件的连接主要以焊接和铆接为主,而专用汽车的用途多样性导致了其零部件具有种类多、批量小的特点。目前专用汽车的焊接零部件主要还是以人工焊接为主。人工焊接存在效率低、良品率不稳定等缺点。将工业机器人应用到专用汽车的焊接工艺可以有效地克服人工焊接的缺点,具有重要的意义。在机器人自动化焊接系统中,焊接机器人不仅要能够完成焊接任务,还要在提升生产效率、降低能量消耗的同时保持运行平稳。因此,焊接机器人运动规划是实现高效、高质量自动化焊接的关键技术问题。

本文研究了焊接机器人的运动规划算法,采用ROBOGUIDE离线编程软件对焊接过程仿真,并进行了实验验证。主要内容包括:

(1)以随车起重机基座(简称基座)等立柱类部件作为研究对象,对基座的结构及生产过程进行分析,结合部件特征进行焊接制造单元的设计与选型。在参数化D-H模型的基础上建立机器人运动学模型,并对其进行运动学分析,完成正、逆运动学求解并进行仿真。

(2)使用蚁群算法对基座的焊接路径进行规划,将焊缝等效成节点,进而将弧焊问题转化成旅行商问题进行求解。通过仿真实验,确定了具有更好寻优能力的蚁群算法参数选取范围。由于算法中存在早熟收敛、停滞时间长以及易陷入局部最优等缺点,提出了结合信息素自适应更新策略和带随机扰动的最大最小蚁群系统的策略来改进传统蚁群算法。通过仿真实验对比,采用复合改进策略的蚁群优化算法在路径长度及收敛速度上均得到了提高。

(3)在确定焊接路径顺序的基础上,采用五次B样条曲线插值法对基座的焊接轨迹进行规划。建立时间-能耗-冲击的多目标焊接轨迹规划模型,采用非支配排序遗传算法求解焊接机器人的多目标优化轨迹。引入罚函数将多目标轨迹约束优化问题转化成无约束优化问题,仿真得到了Pareto解集并选取一组最优Pareto解来进行多目标轨迹仿真验证。

(4)使用ROBOGUIDE软件设计基座的焊接单元布局,进行离线编程并仿真,仿真结果显示在完成基座焊接过程中并未发生干涉现象。通过监控机器人各关节轴的热量和寿命,确保各参数设置合理。设计了基座焊接实验,在基座的焊接制造单元上完成焊接实验,实验表明能够按照要求完成基座的焊接,焊缝质量以及焊接效率均比人工焊接得到提高,与理论分析结果吻合。

参考文献:

[1]谈成成. 焊接机器人的应用现状与发展趋势[J]. 中国新技术新产品. 2017(20): 13-14.

[2]黄建鹏. 重型机械智能焊接应用现状及其发展趋势[J].金属加工(热加工). 2022(1): 18-21.

[3]王彩凤, 丁志远, 雷宁宁, 等. 焊接机器人在工程机械行业的应用现状及发展趋势[J]. 金属加工(热加工). 2020(06): 3-6.

[4]邹俊, 周正华. 智能制造与机器人焊接技术的集成与应用[J]. 电子技术与软件工程. 2019(16): 103-104.

[5]陈艳艳. 自动化焊接技术在机械制造中的应用策略[J]. 数字技术与应用. 2022, 03(40): 20-22.

[6]Xiao W, Huan J, Dong S. A step-compliant industrial robot data model for robot off-line programming systems[J]. Robotics and Computer-Integrated Manufacturing. 2014, 30(2): 114-123.

[7]范祺, 蔡玉强, 贾思楠. 多种方法的工业机器人轨迹规划与仿真[J]. 华北理工大学学报(自然科学版). 2022, 44(04): 60-67.

[8]Wang X, Zhou X, Xia Z, et al. A survey of welding robot intelligent path optimization[J]. Journal of Manufacturing Processes. 2021, 63: 14-23.

[9]杨航, 刘凌, 倪骏康, 等. 双关节刚性机器人自适应BP神经网络算法[J]. 西安交通大学学报. 2018, 52(01): 129-135.

[10]Khaksar W, Hong T, Sahari K, et al. Sampling-based online motion planning for mobile robots: utilization of Tabu search and adaptive neuro-fuzzy inference system[J]. Neural Computing and Applications. 2017, 31(2): 1275-1289.

[11]Song B, Wang Z, Zou L. An improved PSO algorithm for smooth path planning of mobile robots using continuous high-degree Bezier curve[J]. Applied Soft Computing. 2021, 100(1): 1-11.

[12]Fernandes P B, Oliverira R, Fonseca N. Trajectory planning of autonomous mobile ro-bots applying a particle swarm optimization algorithm with peaks of diversity[J]. Applied Soft Computing. 2022(116): 1-17.

[13]Patle B K, Parhi D, Jagadeesh A, et al. Matrix-Binary codes based genetic algorithm for path planning of mobile robot[J]. Computers and Electrical Engineering. 2018, 67: 708-728.

[14]Qu H, Xing K, Alexander T. An improved genetic algorithm with co-evolutionary strategy for global path planning of multiple mobile robots[J]. Neurocomputing. 2013, 120(23): 509-517.

[15]Zhou Y, Li W, Wang X, et al. Adaptive gradient descent enabled ant colony optimiza-tion for routing problems[J]. Swarm and Evolutionary Computation. 2022, 70: 1-14.

[16]Miao C, Chen G, Yan C, et al. Path planning optimization of indoor mobile robot based on adaptive ant colony algorithm[J]. Computers & Industrial Engineering. 2021, 156: 1-10.

[17]Hou W, Xiong Z, Wang C, et al. Enhanced ant colony algorithm with communication mechanism for mobile robot path planning[J]. Robotics and Autonomous Systems. 2022, 148: 1-10.

[18]Guedria N B. Improved accelerated PSO algorithm for mechanical engineering optimi-zation problems[J]. Applied Soft Computing. 2016, 40: 455-467.

[19]Milad N, Esmaeel K, Samira D. Multi-objective multi-robot path planning in continuous environment using an enhanced genetic algorithm[J]. Expert Systems with Applications. 2019, 115: 106-120.

[20]Faiza G, Imran M, Deemah A, et al. Implementation of bio-inspired hybrid algorithm with mutation operator for robotic path planning[J]. Journal of Parallel and Distributed Computing. 2022, 169: 171-184.

[21]Hassan A M, Elias C M, Shehata O M, et al. A Global Integrated Artificial Potential Field/Virtual Obstacles Path Planning Algorithm for Multi-Robot System Applica-tions[J]. International Research Journal of Engineering and Technology (IRJET). 2017, 04(09): 1198-1204.

[22]李国奎, 刘永明. 基于改进蝗虫优化算法的车身焊接机器人路径规划[J]. 组合机床与自动化加工技术. 2022(8): 31-34.

[23]掌俊玮, 张礼华, 蒋雨洋, 等. 基于螺距约束和HPSOGA算法的六自由度焊接机器人路径规划[J]. 江苏科技大学学报(自然科学版). 2022, 36(04): 46-50.

[24]聂芬, 赵志华. 基于改进果蝇算法的焊接机器人路径规划[J]. 制造技术与机床. 2021(10): 21-25.

[25]孙振, 王涛, 薛智龙. 大型三维复杂构件双机器人协同焊接智能路径规划方法[J]. 机床与液压. 2020, 48(11): 13-20.

[26]Mutti S, Nicola G, Beschi M, et al. Towards optimal task positioning in multi-robot cells, using nested meta-heuristic swarm algorithms[J]. Robotics and Computer-Integrated Manufacturing. 2021, 71: 1-9.

[27]Escario J B, Jimenez J F, Giron-Sierra J M. Giron-Sierra JM. Ant colony extended: ex-periments on the travelling salesman problems[J]. Expert Systems with Applications. 2015, 1(42): 390-410.

[28]Lyridis D V. An improved ant colony optimization algorithm for unmanned surface vehicle local path planning with multi-modality constraints[J]. Ocean Engineering. 2021, 241: 1-7.

[29]Skackauskas J, Kalganova T, Dear I, et al. Dynamic impact for ant colony optimization algorithm[J]. Swarm and Evolutionary Computation. 2022, 69: 1-12.

[30]金嘉琦, 刘畅, 徐振伟. 基于改进蚁群算法的焊接机器人路径规划[J]. 重型机械. 2017(1): 44-46.

[31]王春华, 邱立鹏, 潘德文. 改进蚁群算法的机器人焊接路径规划[J]. 传感器与微系统. 2017, 2(36): 75-77.

[32]林哲骋, 许力. 一种应用于激光焊接轨迹规划的改进蚁群算法[J]. 焊接学报. 2018, 39(1): 107-110.

[33]张恒, 何丽, 袁亮, 等. 基于改进双层蚁群算法的移动机器人路径规划[J]. 控制与决策. 2022, 37(2): 303-313.

[34]李文振, 李富康, 蔡宗琰, 等. 基于改进蚁群算法的移动机器人路径规划[J]. 组合机床与自动化加工技术. 2021(04): 49-52.

[35]苏俊, 熊瑞平, 温记明, 等. 基于改进粒子群算法的六自由度工业机器人轨迹规划[J]. 制造技术与机床. 2022(10): 38-45.

[36]董理, 杨东, 鹿建森. 工业机器人轨迹规划方法综述[J]. 控制工程. 2022: 1-12.

[37]郭勇, 赖广. 工业机器人关节空间轨迹规划及优化研究综述[J]. 机械传动. 2020, 44(02): 154-165.

[38]李双双. 工业机器人建模、运动仿真与轨迹优化[D]. 内蒙古大学, 2012.

[39]Chiaravalli D, Califano F, Biagiotti L, et al. Physical-consistent behavior embodied in B-spline curves for robot path planning[J]. IFAC-PapersOnLine. 2018, 51(22): 306-311.

[40]Gasparetto A, Zanotto V. Optimal trajectory planning for industrial robots[J]. Advances in Engineering Software. 2010, 41(4): 548-556.

[41]岳晴晴, 林明, 林永才. 基于NURBS算法的工业机器人轨迹规划研究[J]. 2019, 47(09): 28-32.

[42]董甲甲, 王太勇, 董靖川, 等. 改进B样条曲线应用于6R机器人轨迹优化[J]. 2018, 29(02): 193-200.

[43]方建文, 晁永生, 袁逸萍. 改进B样条插值法的焊接机器人关节轨迹优化[J]. 机械设计与制造. 2021, 368(10): 1-4+10.

[44]Akira A. An effective trajectory planning method for simultaneously suppressing re-sidual vibration and energy consumption of flexible structures[J]. Case Studies in Me-chanical Systems and Signal Processing. 2016(4): 19-27.

[45]Xidias E K. Time-optimal trajectory planning for hyper-redundant manipulators in 3D workspaces[J]. Robotics and Computer-Integrated Manufacturing. 2018, 50: 286-298.

[46]Rubio F, Valero F, Sunyer J, et al. Optimal time trajectories for industrial robots with torque, power, jerk and energy consumed constraints[J]. The Industrial Robot. 2012, 1(39): 92-100.

[47]丁阳, 顾寄南. 基于QPSO算法的机器人时间最优轨迹规划[J]. 自动化与仪器仪表. 2020(1): 16-19.

[48]汪婷, 罗欣. 一种六轴机械臂时间最优轨迹规划方法[J]. 工业控制计算机. 2021, 34(4): 66-69.

[49]Sezimária F P, Valder S J. Optimal trajectory planning of robot manipulators in the presence of moving obstacles[J]. Mechanism and Machine Theory. 2000, 8(35): 1079-1094.

[50]Liu X, Qiu C, Zeng Q, et al. Time-energy Optimal Trajectory Planning for Collaborative Welding Robot with Multiple Manipulators[J]. Procedia Manufacturing. 2020, 43: 527-534.

[51]Chen D, Li S, Wang J, et al. A multi-objective trajectory planning method based on the improved immune clonal selection algorithm[J]. Robotics and Computer-Integrated Manufacturing. 2019, 59: 431-442.

[52]浦玉学, 舒鹏飞, 蒋祺, 等. 工业机器人时间-能量最优轨迹规划[J]. 计算机工程与应用. 2019, 55(22): 86-90.

[53]李琴, 贾英崎, 黄玉峰, 等. 一种工业机器人多目标轨迹优化算法[J]. 工程设计学报. 2022, 29(2): 187-195.

[54]侯仰强, 王天琪, 李亮玉, 等. 摆焊参数对焊缝成形的影响分析[J].焊接. 2017(03): 26-30.

[55]戴建明, 韩沛文, 蒋林. 基于弧焊智能化的探索[J]. 电焊机. 2021, 51(2): 99-103.

[56]彭云春, 曾钰. 一种弧焊机器人对圆弧轨迹的摆焊方法[J]. 机电工程技术. 2021, 50(09): 170-173.

[57]上海发那科机器人有限公司.小型智能机器人[EB/OL]. https://www.shanghai-fanuc.com.cn, 2021.

[58]朱庆浩, 臧强, 岳华, 等. 6R工业机器人的运动学分析与仿真[J]. 中国科技论文. 2020, 15(08): 953-958.

[59]吉阳珍, 侯力, 罗岚, 等. 基于组合优化算法的6R机器人逆运动学求解[J]. 中国机械工程. 2021, 32(10): 1222-1232.

[60]张海南, 游晓明, 刘升. 动态进化与交互学习机制融合的蚁群算法[J]. 信息与控制. 2020, 49(03): 297-305.

[61]高遵海, 陈倬. 图的路径运算矩阵与哈密顿回路等路径问题[J]. 华中科技大学学报(自然科学版). 2021, 49(02): 32-36.

[62]郝晋, 石立宝, 周家启. 求解复杂TSP问题的随机扰动蚁群算法[J]. 系统工程理论与实践. 2002(09): 88-91.

[63]Wang Z, Li Y, Sun P, et al. A multi-objective approach for the trajectory planning of a 7-DOF serial-parallel hybrid humanoid arm[J]. Mechanism and Machine Theory. 2021, 165: 1-22.

[64]施祥玲, 方红根. 工业机器人时间-能量-脉动最优轨迹规划[J]. 机械设计与制造. 2018(06): 254-257.

[65]张思达. 基于ROS系统的机械臂轨迹规划与抓取[D]. 大连理工大学, 2021.

[66]龙樟, 李显涛, 帅涛, 等. 工业机器人轨迹规划研究现状综述[J]. 机械科学与技术. 2021, 40(6): 853-862.

[67]郑夏, 马良. 一种多目标非线性优化的NSGA-II改进算法[J]. 微电子学与计算机. 2020, 37(07): 47-53.

[68]张明文, 封家诚, 王鑫. 工业机器人离线编程与仿真[M]. 北京: 人民邮电出版社, 2019.

[69]刘淑晶, 卓岚, 陈亚, 等. 铁轨S型支脚焊接机器人工作站系统设计[J]. 机械设计与制造. 2022, 377(07): 130-134.

中图分类号:

 TP242    

条码号:

 002000070710    

馆藏号:

 TD10058071    

馆藏位置:

 403    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式