[发明专利]基于混合离散教与学优化算法的焊接路径规划方法和系统

说明书

本发明公开了一种基于混合教与学算法的焊接路径规划方法，以提高机器人的焊接效率。所述方法首先对教与学算法进行改进，采用遗传算法离散化的方法将传统的教与学算法离散化，然后将原有的两个阶段的教学过程扩展优化为教师培训、教师教学、学生学习、学生自学、教师反向学习五个阶段。其次，将离散后的教与学优化算法和多种智能优化算法混合，结合教与学优化算法算子的集中性、模拟退火算法算子的多样性，从而增强了混合教与学算法的解的多样性，有效平衡了算法的局部搜索和全局搜索能力，提高了算法收敛速率，使得算法更快搜索到最佳路径。

技术领域

本发明属于焊机机器人控制技术领域，更具体地，尤其是一种基于混合离散教与学优化算法的焊接路径规划方法和系统。

背景技术

焊接机器人被广泛应用于自动化制造领域中，而合理的焊接路径规划有助于焊接效率的大幅度提升。因此，焊接机器人的焊接路径规划成为制造领域一类重要的优化问题，寻求高效的求解该问题的方法具有很高的应用价值。

现有的针对焊接机器人的焊接路径规划方法，主要是基于粒子群优化(ParticleSwarm Optimization,简称PSO)的焊接路径规划方法和基于遗传算法(即GeneticAlgorithm)的焊接路径规划方法。其中前者是采用神经网络训练碰撞罚函数，得到无碰撞路径，然后采用粒子群优化算法解决路径的最优问题，而后者是根据已有的高程数据得到三维地形，在此基础上用遗传算法规划路径，且设计了目标函数和插入算子。

然而，上述现有的焊接路径规划方法存在一些不可忽略的缺陷：第一，由于它们在迭代过程中种群多样性降低，导致算法容易“早熟”，并陷入局部最优；第二，由于它们的搜索能力不够，导致算法有效性较差，解的精度较低。第三，由于它们的搜索速度不快，导致算法收敛较慢，效率不高。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于混合教与学算法的焊接路径规划方法，其目的在于，解决现有焊接路径规划方法由于种群多样性降低导致其容易“早熟”、并陷入局部最优的技术问题，以及现有焊接路径规划方法由于搜索能力有限导致有效性较差、解的精度较低的技术问题，以及现有焊接路径规划方法由于搜索速度不快导致其收敛较慢、效率不高的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于混合离散教与学优化算法的焊接路径规划方法，包括以下步骤：

(1)获取多个焊点p1，p2，...，pN及其坐标，先后对获得的所有焊点进行M次随机化处理，以得到M个不同的焊点序列，并设置计数器i＝1，其中N表示获取的焊点总数；

(2)判断计数器i是否大于迭代总数，如果是则转入步骤(16)，否则转入步骤(3)；

(3)判断前一次迭代过程中获得的退火温度是否小于当前的退火温度如果是则将当前的退火温度更新为然后转入步骤(4)，否则将当前的退火温度更新为然后转入步骤(4)；

(4)从当前的M个焊点序列中选择焊接路径长度最短的一个焊接序列作为教师序列Route_t，剩余的所有焊接序列都是作为学生序列Route_s，从教师序列Route_t中随机选择两个焊点并交换其在该教师序列中的位置，以获得更新后的教师序列Route_t′，并判断教师序列Route_t对应的焊接路径长度是否大于更新后的教师序列Route_t′对应的焊接路径长度，如果是则将更新后的教师序列Route_t′赋值为教师序列Route_t，然后进入步骤(5)，否则直接进入步骤(5)；

(5)从教师序列Route_t中随机获取一个焊点，将该焊点插入该教师序列Route_t中随机选取、且不同于该焊点原来位置的一个位置，以获得另一个更新后的教师序列Route_t″，并判断教师序列Route_t对应的焊接路径长度是否大于更新后的教师序列Route_t″对应的焊接路径长度，如果是则将更新后的教师序列Route_t″赋值为教师序列Routet，然后进入步骤(6)，否则直接进入步骤(6)；