基于改进OMP算法的喷涂机器人轨迹规划研究

为实现CAD模型未知情况下的喷涂机器人自动轨迹规划,提出了一种基于工件三维点云直接生成喷涂轨迹的方法,并使用改进的正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法进行轨迹优化.首先,将理想涂层厚度函数视作原始信号,通过引入信赖域反射算法解决了投影系数的约束问题,应用OMP算法进行涂层厚度重建,并求出每条喷涂轨迹的位置和喷枪速率.然后,对预处理后的点云模型应用轨迹生成算法得到工件表面的喷涂轨迹,通过坐标变换和姿态解算生成机器人喷涂轨迹.最后,对扫描获取的待喷涂曲面使用上述方法进行仿真.仿真结果显示,重建涂层厚度误差为4.28％,满足均匀性要求,喷涂时间显著缩短,表明所提出的轨迹规划和优化方法是可行的.     

基于机器学习的工业机器人多目标轨迹规划

为满足机器人工作轨迹的多样化需求,以时间、能量及冲击为优化目标提出了一种新的多目标麻雀搜索算法,用于寻找机器人的最优轨迹。首先,通过7次B样条插值方法构造关节空间轨迹,以此确立多目标综合最优轨迹规划模型。其次,采用违反约束度计算、非支配排序以及精英保留来改进麻雀搜索算法,使其能够处理机器人多目标轨迹规划问题。最后,用袋装树分类算法对随机种群内数据进行了筛选,并搭建5层BP神经网络来替代改进多目标麻雀搜索算法中适应度值的数值计算部分,从而提高算法求解效率。通过MATLAB仿真与实验证明了该算法优化所得轨迹的可行性及有效性。     

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。     

基于粒子群算法的双臂机器人运动轨迹优化研究

当前,双臂机器人末端执行器运动轨迹协调能力较差,导致执行器输出误差较大,不能很好地满足高精度场合的需要。对此,创建了双臂机器人简图模型,推导出机器人动力学方程式,采用运动学方程结合粒子群算法进行双臂机器人协调轨迹优化,引用B样条曲线对关节轨迹进行参数化设计。在满足特定目标和约束条件的情况下,采用自适应惯性权重约束粒子群算法求解关节轨迹的最优解,通过Matlab软件分析机器人末端执行器输出误差大小。结果显示:随着末端执行器角速度的增大,优化前的末端执行器输出最大误差就会增大,但是,优化后的末端执行器输出最大误差保持不变。采用粒子群算法优化双臂机器人协调轨迹,能够克服机器人动力学奇异性问题,提高机器人末端执行器运动精度,更好地执行高精度场合任务。     

倾角约束下的机器人喷涂效率优化方法研究

喷涂机器人在对工件进行喷涂加工时,常常会受到工作空间和障碍物干涉的限制,导致喷枪无法保持垂直于工件表面的姿态进行喷涂,因此建立了一种以描述喷枪姿态的RPY角为变量的倾角喷涂模型,并提出了涂层厚度约束条件下以喷涂效率为目标的喷涂轨迹优化方法。首先,用种子曲线法生成待加工面上的喷涂轨迹,以涂层厚度均匀性为优化目标,对喷涂轨迹上喷枪的RPY角进行优化,然后以最小涂层厚度为约束,在满足涂层要求的情况下对喷枪的移动速度进行优化,以提高喷涂效率。仿真实验验证了该优化方法的有效性。     

考虑振动抑制的多冗余度特种操作机器人轨迹优化方法

为了实现复杂曲管内曲面的自动化喷涂作业,设计多自由度的冗余度特种操作机器人。而多冗余度机器人系统刚度低,使得机器人在喷涂作业过程中出现振动,末端轨迹跟踪误差加大,降低了涂层质量。为此,通过分析冗余度机器人带有弹性变形影响的动力学方程,提出一种利用冗余自由度对机器人关节空间作业轨迹进行优化的新方法,实现了机器人在作业过程中的振动抑制,并且满足复杂三维工作空间约束。在试验中应用此方法,机器人在运动过程中既满足复杂的工作约束,同时减少了末端的振动,实现了振动抑制,证明了该优化方法的有效性。     

工业机器人的最优时间与最优能量轨迹规划

提出一种工业机器人的最优轨迹规划方法。将机器人的轨迹视为由机器人关节空间中一系列的关键点构成,关键点两两之间通过三次多项式曲线进行连接。通过使用加权系数法定义代价函数,从而使机器人运动过程中的总动作时间和消耗能量在某种程度上达到综合最优,同时考虑关节速度、加速度、二次加速度以及力或力矩等约束条件。在代价函数的设计中,采用一种新颖的罚函数排序形式来处理约束问题。提出基因环境双演化免疫克隆算法对所定义的代价函数进行优化。以上策略的采用,使算法具备一定的学习能力,增强算法的全局搜索能力,从而提高解的质量和算法效率。对斯坦福机器人的仿真结果表明了本文方法与现有方法相比,具有更高的搜索效率,能得到性能更良好的解。     

基于多目标遗传算法的电梯井道钻孔机器人轨迹规划

针对电梯导轨安装过程中繁多的钻孔操作，使用钻孔机器人代替人工作业。为提高钻孔机器人的作业效率和减少作业过程中的冲击振动，提出一种使用多目标遗传算法来优化钻孔机器人关节空间轨迹的方法。首先，使用七阶B样条曲线在钻孔机器人关节空间中进行插值；其次，以时间和冲击性能为优化目标，通过使用带约束处理的NSGA-Ⅱ算法对B样条的插值轨迹进行优化；最后，设计一种“综合比较算子”的轨迹方案选择标准来获取综合最优解。结果表明，使用带约束处理的NSGA-Ⅱ的轨迹优化方法获得的Pareto解集分布性和收敛性较好。与时间性能最优解和冲击性能最优解相比，综合最优解分别在冲击性能和时间性能上提升了66.7%和22.26%,表明使用综合比较算子获得的最优解在时间性能和冲击性能上都较为优良。     

多约束条件下的机器人时间最优轨迹规划

提出了一种工业机器人时间最优轨迹规划及控制的新方法。对于笛卡尔空间中给定路径上的离散路径点,通过运动学逆解求得与之对应的关节节点序列,采用三次样条插值方法构造各关节位移、速度、加速度均连续的轨迹。在考虑关节空间中速度、加速度、加加速度约束条件的同时,确保机器人在笛卡尔空间各离散路径点处满足由给定路径所决定的速度约束条件,减小机器人运动路径与给定路径之间的误差。采用序列二次规划法求解上述非线性约束优化问题,进而规划出沿特定曲线方程运动的机器人时间最优轨迹。最后将上述算法应用于剪带机器人,证明了该算法的有效性和可行性。     

喷漆机器人喷漆工艺分析及优化研究

根据现今汽车行业的质量标准,分析了汽车喷涂工艺过程中的实际工作条件,建立带约束条件的多目标优化问题的数学模型,并选取用时最短和漆膜厚度方差最小为目标函数,利用非劣排序遗传算法（NSGA-Ⅱ）的优化方法,得到pareto最优解集。结果表明该优化算法能有效地解决多目标非线性约束优化问题。     

智能优化算法在无功优化中的应用综述

对无功优化的研究现状进行了总结,对现有的无功优化算法进行了分类。重点介绍了智能优化算法在电力系统无功优化中的应用及其优缺点,在此基础上,概括了几种常用混合优化算法。最后指出了无功优化的发展趋势。     

多目标的装夹方案优化及变夹紧力优化

夹具布局和夹紧力大小影响切削变形的大小和分布.基于遗传算法和有限元方法,提出一种夹具布局和夹紧力优化设计方法.该方法将同步优化夹具布局和夹紧力大小以及施加变夹紧力相结合,首先以加工变形最小化和变形分布最均匀为目标同步优化夹具布局和夹紧力大小,然后在优化后的夹具布局的基础上求解使得加工变形最小的变夹紧力大小.使用该方法进行底座薄壁零件的夹具优化设计,结果表明优化得到的设计优于经验设计和多目标优化方法,该方法有效地降低了加工过程中工件的变形,提高变形均匀度.     

基于粒子群算法的双工位切削参数优化

本文研究了多工位专用机床的切削用量优化问题.以双工位同时工作的钢轨整形机为实例,建立了以进给速度和主轴转速为优化变量,以最低能耗为优化目标的数学模型,并使用粒子群算法进行优化求解,最后通过与现场使用经验参数的实际加工能耗对比,表明该优化方法获取的加工参数具有明显的节能效果.     

Enhanced sequential optimization and reliability assessment for reliability-based design optimization

Reliability-based design optimization (RBDO) has been receiving increasing attention for achieving high safety and reliability in engineering design. Sequential optimization and reliability assessment (SORA), as one of the efficient single-loop methods, decouples an RBDO problem into sequential deterministic optimization and reliability analysis. An enhanced SORA (ESORA) method is proposed with the aim of further improving the computational efficiency for RBDO, considering both cases of constant and varying variances of random design inputs while keeping the single-loop framework. Vehicle side impact example is used to test and compare the efficiency of the proposed method with existing approaches.     

公差稳健优化设计的研究

为了解决产品加工成本与质量稳健的协调性问题,提出了一种新的公差稳健优化设计数学模型.依据公差稳健设计的思想,考虑产品质量的模糊性,以封闭环误差分布概率密度函数的方差和优质品概率之比为设计目标,建立了公差优化设计产品质量稳健性损失成本目标函数,并研究了优质品率和封闭环误差分布方差的确定方法.以加工成本和产品质量稳健性损失成本为目标,以模糊装配可靠度、可取公差极限范围为约束条件,建立了公差多目标优化数学模型.举例说明了文中所述的公差稳健优化设计方法的应用,采用遗传算法实现了公差的多目标优化设计.实例表明,该方法能够协调零件的加工成本和产品质量的稳健性损失成本,使优化指标的综合性能最佳.     

多峰函数优化的免疫云粒子群优化算法

为了尽可能寻找多峰函数的全部极值点及提高寻优精度,提出一种免疫云粒子群优化算法(PPSO)-融合云变异粒子群优化算法(CMPSO)的小波变异克隆选择算法(WMCSA)。PPSO混合算法设置了最大重复搜索代数M,以便尽可能搜索到全部极值点。在每一代重复搜索中,首先,通过引入基于云模型的云变异算子以提高种群的多样性,并使用云变异粒子群优化算法对可行域内的所有极值点进行全局搜索;然后,利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。针对复杂多峰函数的寻优测试表明:在保证收敛速度的同时,PPSO算法的收敛精度和搜索到的极值点数目均得到显著提高。离散混沌系统的应用实例也表明了PPSO算法的有效性。     

Ant colony optimization for assembly sequence planning based on parameters optimization

Frontiers of Mechanical Engineering - As an important part of product design and manufacturing, assembly sequence planning (ASP) has a considerable impact on product quality and manufacturing...     

Bi-level optimization of laminated composite structures using particle swarm optimization algorithm

This paper presents an efficient bi-level optimization technique to obtain the optimal stacking sequence for symmetric composite structures. The proposed approach involves two levels of modeling and optimization. The first level of the optimization procedure is used to minimize the weight of the composite structure. At this level, lamination parameters and the number of plies of specified angles (0, ±45 and 90 degree) are design variables, buckling load factor is treated as a constraint, and the weight of the structure is to be minimized using continuous-discrete particle swarm optimization algorithm. Next, at the second level the location of each ply orientation through the thickness (i.e. the layup of the panel) is found. At the second level, optimum stacking sequence is sought to maximize the load bearing capacity of the structure with respect to the buckling. The proposed methodology is applied to two test cases. Results show that the approach improves the buckling load factor of the structure without any weight penalty.     

应用混沌粒子群算法求解工程优化问题

针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法.CPSO算法利用混沌搜索的全局遍历性、随机性和规律性等特点,引导粒子在全局范围内搜索,从而克服了传统粒子群算法早熟收敛的缺点.该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据,并用惩罚函数法处理违法约束的粒子,当基本粒子群算法陷入早熟时,随机选择粒子群中的部分粒子实施混沌搜索,直至满足迭代收敛条件为止.CPSO算法能提高种群的多样性和粒子搜索的遍历性,从而有效提高了PSO算法的收敛速度和精度.两个工程约束优化实例的求解结果表明,该算法的优化结果最好,收敛速度也比较快.     

基于协同优化算法的平面连杆机构多学科设计优化

在传统的机构优化理论的基础上,结合机构设计的非线性、学科之间存在耦合性的特点,引入多学科设计优化的思想,进行平面连杆机构的设计优化.以平面四杆机构为例,首先按照学科分析模块分解平面连杆机构优化问题,然后采用改进的多学科设计优化的协同优化算法,实现平面连杆机构的机构学和控制两个学科的设计优化.研究结果表明,优化的机构不仅满足各个学科的约束,取得了各个目标函数的最优值,而且也获得了整体近似最优解.