[发明专利]多层SOM异构焊接机器人的任务分配与路径规划方法

说明书

本发明公开的多层SOM异构焊接机器人的任务分配与路径规划方法，属于机器人控制领域。本发明实现方法为：建立第一层SOM神经网络模型，对第一层SOM神经网络模型进行训练，完成异构焊接机器人系统的任务粗分配，输出各类型异构焊接机器人所需焊接的任务点，提高异构焊接机器人系统的鲁棒性和通用性。进行第二层并行SOM网络异构焊接机器人的路径规划，使得多台异构机器人可以自组织地合理完成系统的各个任务，同时考虑焊接顺序约束和焊接机器人干涉约束，达到路径代价最优，输出任务分配与路径规划结果。根据输出的任务分配与路径规划结果，各异构焊接机器人根据规划结果执行焊接任务，提高异构焊接机器人系统的效率，满足工程应用需求。

技术领域

本发明涉及一种多层SOM异构焊接机器人的任务分配与路径规划方法，属于机器人控制领域。

背景技术

箱梁、桁架等典型大型构件是港机制造中工作量最大的环节，但我国港机企业在其关键工序焊接、打磨和涂装上还完全依靠人工完成，存在效率低下、质量无法保证、作业环境恶劣等问题，而国外企业由于大量研发和使用了机器人等智能加工装备，在制造成本和周期上有较大优势。而异构焊接机器人系统作为其中的关键技术，目前研究焊接机器人系统主要集中在单任务焊接机器人系统的研究上，事实上异构焊接机器人系统更加贴近实际的工业环境，针对上述问题，本发明提出一种基于多层SOM异构焊接机器人系统的目标分配与路径规划方法，提高异构焊接机器人系统的自动化和智能化水平。

(1)异构焊接机器人系统

异构焊接机器人的任务分配和路径规划是指将不同类型的焊接任务分配给不同的焊接机器人，异构机器人根据系统的路径结果完成焊接任务，其中每个焊接机器人完成相应的焊接任务都会花费一定的时间或能量代价，异构焊接机器人系统的关键是在进行任务分配和路径规划时找到一种合理的方法，使得所有焊接任务被完成时系统所耗费的总代价最小。事实上焊接机器人系统比较主流的方法主要是蚁群算法、粒子群算法和遗传算法等群智能算法，而上述方法只考虑单一的焊接任务，主要聚焦在单一任务的分配和路径规划。

(2)SOM自组织神经网络

基于SOM自组织神经网络是神经网络的一种无监督的学习模型，主要由输入层和竞争层组成，该算法对于解决静态和动态环境中大量的目标任务和机器人有较好的鲁棒性。SOM神经网络方法基于结合竞争学习原理和拓扑神经元的结构，这些相邻神经元有类似权重向量的倾向。

发明内容

为解决现有技术中尚无异构焊接机器人的任务分配与路径规划方法，本发明公开的多层SOM异构焊接机器人的任务分配与路径规划方法要解决的技术问题是：提供一种基于多层SOM异构焊接机器人的任务分配与路径规划方法，使得多台异构机器人能够自组织地合理完成系统的各个任务，同时考虑焊接顺序约束和焊接机器人干涉约束，达到路径代价最优，且能够在有大量目标任务和机器人的静态或动态环境中有较好的鲁棒性。本发明还具有更好的通用性和可用性优点。

本发明的目的是通过下述技术方案实现的。

本发明公开的多层SOM异构焊接机器人的任务分配与路径规划方法，根据焊点的任务类型、焊点和焊接机器人的位置区域信息建立第一层SOM神经网络模型，对第一层SOM神经网络模型进行训练，完成异构焊接机器人系统的任务粗分配，输出各类型异构焊接机器人所需焊接的任务点，提高异构焊接机器人系统的鲁棒性和通用性。根据第一层SOM神经网络的任务粗分配结果，进行第二层并行SOM网络异构焊接机器人的路径规划，使得多台异构机器人可以自组织地合理完成系统的各个任务，同时考虑焊接顺序约束和焊接机器人干涉约束，达到路径代价最优，输出多层SOM异构焊接机器人的任务分配与路径规划结果。

根据输出的任务分配与路径规划结果，各异构焊接机器人根据规划结果执行焊接任务，提高异构焊接机器人系统的效率，满足工程应用需求。

本发明公开的多层SOM异构焊接机器人的任务分配与路径规划方法，包括如下步骤：