基于混合粒子群算法的喷涂机器人喷枪轨迹组合优化

摘要：根复杂工件曲面的拓扑结构以及几何特性，对复杂曲面进行分片造型，在各面片上进行机器人喷涂路径的规划。将整个工件复杂曲面上的喷涂路径优化组合问题转化为开环旅行商问题（OTSP），并采用哈密尔顿图形法表示OTSP，再用免疫-粒子群算法进行求解。在免疫算法的基础上，采用粒子群算法来对抗体群体进行优化更新，避免粒子陷入局部搜索最优，提高该算法的局部与全局搜索性能。最后仿真结果表明，混合粒子群优化算法在工件复杂曲面上的喷雾路径优化方面具有明显的优势。

关键词：喷涂机器人；路径规划；路径组合；免疫-粒子群算法

中图分类号：TP242 文献标识码：A 文章编号：1007-9416（2017）01-0123-01

1 喷涂机器人喷枪路径规划方法

1.1 复杂曲面分片

使用常见的计算机辅助几何设计方法中的曲面造型技术较难处理，利用表面切片处理的方法可以简化问题。为了有效地生成复杂的工件喷涂路径在第一三角CAD网格表面的复杂曲面，然后生成几个大的斑块，根据相邻三角形之间的连接规则，每个连接点的单连通区域，可以近似为一个平面，最后包围盒方法中的每个大补丁喷涂路径生成边界的使用。

每个三角形连接步骤如下：先指定阈值的角，然后指定初始三角形任意三角形；周围所有的三角形的法线和初始三角形矢量角初始三角形的计算，如果角度小于阈值θ，三角形和初始三角形的搜索是不连接的三角形连接；最初的三角面片，重复步骤2，直到所有的三角形连接

1.2 每片上的喷涂路径规划

喷涂机器人喷涂模式通常有两种：螺旋型路径和Z字型路径。螺旋型路径在喷涂过程中容易出现断点；路径规划方法比较简单，但在喷涂后的边界表面上的涂层厚度均匀性差。机器人喷涂作业的主要目的是使工件表面上的涂层厚度尽可能均匀。因此，工件表面上的涂层区域必须是部分重叠的。包围盒的方法设计喷涂路径，确定两个行程喷涂宽度的重叠区域为油漆喷涂轨迹的生成的关键因素，喷涂后的模式和方向，可以选择的涂层对工件表面厚度方差最小为优化目标，采用黄金分割法解决最佳重叠层的值的宽度，在喷涂路径生成每个补丁。

2 喷涂路径的优化组合

机器人喷涂作业的第二个优化目标是使喷涂时间最短。复杂的表面补丁，补丁喷涂路径相结合。为了简化这个问题，路径图将被看作是边缘上的一个补丁。真正的问题是喷枪喷涂路径的组合，根据喷涂复杂的表面的序列由一个大数不同的方面，喷枪喷涂后的最短路径。因此，喷雾路径组合可以被视为一个旅行商问题。根据这一原则，如果一个非定向连接（P，L，R，L，Z +ω），其中P表示的顶点集和边集RL说，我说的任何子集欧米茄说边集L的任意边的权重（实际喷涂路径长度）。问题的问题是找到一个有最短距离的路径，通过所有的边，而不是重复的。作为机器人的喷涂路径的组合并不需要形成一个回路，喷涂路径组合问题都可以转化为开环的旅行商问题。

设a {Dij}（i，j = 1，2，…n）是一个顶点I和顶点J之间的最短路径的集合，它不是在同一个边上，每个顶点之间的最短距离可以通过弗洛依德算法来解决。为了使问题更加简化，这个问题是由汉密尔顿或哈密尔顿otsp图解法为代表，它是由Kang等人提出的。

因此，该otsp问题转化为如何找到在汉密尔顿或哈密尔顿图的所有顶点的排列，使路径的这样的喷枪是最短的。

3 仿真实验

根据前述喷涂轨迹组合规划问题的描述可知，喷涂轨迹组合规划问题的实质就是OTSP问题，因此可以用OTSP的数据进行仿真验证免疫-粒子群算法的优越性。引入30点的OTSP问题分别用粒子群算法和混合粒子群算法进行求解。

将粒子群算法的参数，以保证算法的精度，为Nmax = 100次循环的最大数量；确保颗粒不跳过最优解可以全面搜索，以E = 1000；为了保证算法的准确性和减少计算量，粒子30数。C1和C2算法学习的因素使粒子自我总结和集团优秀个人学习的能力，和他们的最佳点，在组内和历史近的优势，C1和C2的这两个参数对算法收敛性的影响不显著，但两参数的合理调整，可以加快收敛速度。通过调整C1和C2几次两参数，分析最优适应值的影响，得出C1 = C2 = 2为OTSP问题更好的选择。

相比粒子群算法，混合粒子群算法收敛速度提高了38.46%，所求的最优轨迹长度提高了7.58%，表明混合粒子群算法具有更佳的局部和全局收敛性以及更优的轨迹组合性能。

4 结语

针对复杂工件表面机器人路径优化问题的特点，采用混合算法求解问题，提高了粒子群优化算法的全局搜索能力和局部搜索能力。仿真结果表明，优化方法具有显著的进步路径免疫粒子群算法的基于改进效率的喷涂机器人的喷涂机器人，为机器人离线编程系统的建立奠定了理论基础。

参考文献

[1]刘关俊.基于粒子群算法的移动机器人路径规划研究[D].中南大学，2007.

[2]刘衍民.粒子群算法的研究及应用[D].山东师范大学，2011.

[3]舒万能.人工免疫算法的优化及其关键问题研究[D].武汉大学，2013.