白车身焊接机器人加工路径优化和仿真

好地实现不同的系统之间共享和重用,而且可以借助智能化本体检索,实现虚拟样机模型搜索的能化,能够更好地辅助设计人员进行产品设计,从而快速地响应客户需求,在市场竞争中获取更大利益。

参考文献:

[1]Siv a-shanmug am K,V erma K.Speed-R:Semant ic

P2P Env iro nment fo r Div erse Web Serv ices R eg is-

tries[D].T err ell Hall A thens,G A:U niver sity o f

Geo rg ia,2002.

[2]Dumas M,O.Sulliv an J,Her avizadeh M,et al.T o-

war ds a Semantic F ramew ork for Serv ice Descrip-

tio n[C]//P ro c.o f the IF IP Conf.on Database Se-

mant ics.Amster dam:K luw er A cademic Publishers,

2001:277O291.

[3]吴健,李莹,邓水光,等.网络化制造环境中的Web

服务模糊匹配研究[J].浙江大学学报,2006,40(9):

1545O1549.[4]汪锦岭,金蓓弘,李京,等.基于本体的发布/订阅系

统的数据模型和匹配算法[J].软件学报,2005,16

(9):65O77.

[5]高鹏,林兰芬,蔡铭,等.基于本体映射的产品配置

模型自动获取[J].计算机集成制造系统一CIM S,

2005,99:810O816.

[6]Doshi P,G oo dw in R,A kkiraju R,et al.Par ameter-

ized Semant ic M atchmaking for W or kf low Compos-i

tio n[EB/O L].(2004O10O01)[2009O05O29].ht tp://

https://www.wendangku.net/doc/8d9747061.html,/pdoshi/r esear ch/RC23133.htm l. [7]谭伟,范玉顺.网络化制造环境下服务匹配与合成

问题研究[J].计算机集成制造系统)))CIM S,

2005,11(10):1408O1413.

(编辑袁兴玲)

作者简介:袁逸萍,女,1973年生。新疆大学机械工程学院副教授、博士。主要研究方向为网络化制造、工作流、CS CW等。发表论文20余篇。孙文磊,男,1962年生。新疆大学机械工程学院教授、博士研究生导师。朱颖,女,1964年生。新疆大学机械工程学院副教授。

白车身焊接机器人加工路径优化和仿真

晁永生刘海江

同济大学,上海,201804

摘要:为合理规划多焊接机器人的焊接路径,提出一种综合运用遗传算法和仿真分析的求解方法。对焊点焊接顺序进行分析,确定各个焊点的焊接优先关系,将各个焊点分配给各个机器人,以最短的工位时间为优化目标,采用自适应遗传算法进行焊接任务求解。在eM-pow er中建立焊接生产线三维模型,并对分配的焊接路径进行仿真,对发生干涉位置的点进行焊接顺序约束,最后寻找出可行的焊接路径。在虚拟环境下模拟机器人加工路径,大大缩短了多机器人焊接路径规划的时间。

关键词:白车身;路径仿真;遗传算法;焊接顺序约束

中图分类号:T G43文章编号:1004)132X(2010)04)0442)04

Welding Robot Path Optimization and Simulation for Body in White

Chao Yo ng sheng Liu H aijiang

To ng ji University,Shang hai,201804

Abstract:To balance the w orklo ad of multiple w elding robots,an approach of combining g enetic algorithm and simulation analysis w as pr opo sed.Based on the analyses of w elding point sequences, prior ities of w elding points w ere defined.Welding po ints w ere allocated to multiply robots and the objective w as to minim ize the w elding tim e of station.Adaptive g enetic alg orithm w as applied to seek the o ptimization so lution.T he three dimensional model o f w elding production line w as built in eM-pow er softw ar e.T he w elding ro bo t simulated the allocated w elding points,w hich settled the co llision betw een tw o r obo ts o r betw een robot and parts,and free co llision path w as selected finally.Welding path sim ulation can shorten the planning time sharply in virtual enviro nm ent.

Key words:body in w hite;w elding path simulation;g enetic algo rithm;w elding sequence restraint

0引言

焊接机器人已经被广泛地应用到白车身焊接

收稿日期:2009)01)12

基金项目:国家863高技术研究发展计划资助项目(2008A A04Z105)生产线上,它可以降低劳动强度和制造成本,缩短生产加工时间,提高焊接质量和生产率[1]。一个白车身通常由300~500个形状复杂的薄板冲压件组成,在装配过程中需要焊接的点有4000~ 6000个。如何快速而准确地完成全部焊点的加

442

工,即如何规划机器人焊接路径是目前汽车制造企业迫切需要解决的问题。

传统的机器人焊接路径规划方法是根据设计人员提供的工位上的焊点数量与焊接顺序,由工艺人员根据经验,设计加工工艺,编写程序输入到相应设备中,在实验室里预操作。不同的工作者技术背景不同,可能制订不同的焊接方案,这种路径规划方法缺乏严格的数学理论依据,制订出的焊接规划方案存在很大的随机性,经常发生机器人焊接作业顺序不合理、生产周期长的问题,影响整条生产线的生产。如果涉及多机器人协同加工,往往会出现机器人间或机器人和工件之间发生碰撞的现象,这就需要在实验室中采用步进式通进方法配合专家经验加以解决,以免发生碰撞而损坏设备。

近年来,模糊控制、神经网络和遗传算法等优化理论被广泛用于机器人的路径规划[2O3]。在实际的焊接过程中,影响机器人焊接路径的因素很多,在用上述算法求得优化的路径后,可最大限度地模拟实际的工作环境对其进行模拟仿真,这种仿真可以增加安全性,缩短机器人不工作时间和降低成本等[4]。

本文在对机器人焊接生产线进行研究的基础上,建立焊接路径数学模型,采用自适应性遗传算法求解,对作业顺序进行优化,并在eM-pow er平台上建立虚拟焊接生产线,模拟焊接机器人的焊接过程。

1焊点分配的约束分析及约束解决的准则

1.1约束分析

目前,国内许多汽车生产厂的车身装焊车间都采用流水线生产作业方式,为了获得较高的流水化程度,必须根据产品结构充分利用有效的车间生产场地,合理划分装焊工位,还要尽可能减少装夹的次数,一次装焊成形,保证装焊精度与整体刚性,减小变形量,提高尺寸精度。一次装焊存在以下几种约束:1焊接的顺序约束。不同的焊接顺序产生的焊接热变形对焊接质量的影响不同,为了减小变形量,必须选择合理的焊接顺序。o焊接的空间约束。焊接一般是多台机器人同时焊接,焊点的中心间距远小于焊枪所占的空间,在同时焊接时一定要考虑同时焊接的两个点的距离。?焊接的时间约束。在给多台机器人分配任务时,保证分配的任务均匀,基本能同时完成。

1.2约束解决准则

如果出现两台机器人发生干涉的情况,则分析在该点处两台机器人手臂前端3个自由度的活动空间,确定出各自焊枪的活动范围,选出非重合区时机器人的位姿,通过改变机器人位姿避免碰撞。如果两台机器人手臂在该点处活动空间重合过多,则为焊点分配优先权,使机器人在同一时刻在不同的位置进行焊接。并且将重合区的焊点分配给直线距离最短的机器人。没有该点优先权的机器人应该绕过该点选择其他的点,如果在该时刻必须通过此点,则在该点等待,待动态障碍过后,再沿各自预定轨迹移动。另外,在规划前也应先比较各机器人经过轨迹的重合情况,对于某两台机器人运动轨迹重合过多的情况,可从时间上加以错开或重新选取其中某台机器人的加工轨迹。

2白车身焊接顺序优化的数学模型

多机器人的焊点分配是一个多约束问题,在实际的焊点规划中,必须充分考虑各种约束条件,才能保证焊接的质量,并且在焊接过程中不发生碰撞,顺利完成焊接任务。在满足上述前提条件下,均衡各机器人的焊点任务,寻找最短的工位焊接时间。焊接作业分配可以表述为n个焊接机器人焊接m个焊点。已知机器人集P={p1,p2,,, p n},焊点集G={g1,g2,,,g m},焊点作业时间集T={t1,t2,,,t m},焊接顺序约束集E={e ij| i,j[m},其中,e i j表示焊点i是否在焊点j之前焊接:

e ij=

1不可以在焊点i之前焊接

0可以在焊点i之前焊接

焊接任务的数学模型可以表示为

T k=E m i=1E m j=1x k ij t j+E m i=1E m j=1e ij t d

x k ij=

1焊接机器人k经过路径(i,j)

0不经过焊接路径(i,j)

式中,x k ij为决策变量;T k为机器人k所用的焊接时间;t d 为等待时间。

完成一个工位的最短焊接时间为

T min=max{T1,T2,,,T n}

3自适应遗传算法设计

3.1编码方法

设有m个焊点待分配给n个焊接机器人作业,基因编码为一串长为m的数字串,每一个基因座的序号对应一个焊点序号,基因座的基因值为分配该点的相应机器人的编号,图1表示了10个焊点分配给3个机器人的一个基因编码串。机器人1负责焊接点2、3、9、10,焊接的顺序是2y 3y9y10。机器人2负责焊接点1、5、6。机器

443

12345678910

2113223311

图1基因串编码

人3负责焊接点4、7、8。

3.2选择和遗传操作

(1)适应度函数。在遗传算法中,适应度函数必须取正值。目标函数是求焊接的最短时间,适应度函数为时间的倒数,即f=1/T min。

(2)算子的选择。把优化的个体(或解)直接遗传到下一代或配对交叉产生新个体再遗传到下一代。在遗传算法中,有好几种算子选择方法,本文采用轮盘赌选择的方法。在该方法中,个体的选择概率和其适应度成比例。个体适应度越大,其被选择的概率就越高。选择概率的公式为

P i=f i/E m j=1f j,其中,m为种群大小,f i为第i个个体的适应度。

(3)交叉。从选择出的个体中随机选择两个个体,交叉概率取P c。本文采用常规两点交叉。

(4)变异。将一个个体的基因序列打乱重新排列,变异概率取P m。本文中是通过取两个不同的随机数,并对这两个数确定的基因区间进行随机排序来实现变异的。

3.3自适应性的交叉、变异参数选择

传统遗传算法的交叉概率和变异概率是固定的,在搜索过程早期容易陷入局部最优,在搜索的后期又不易收敛在最优解[5]。本文采用自适应算法,该算法具有以下优点:1在进化初期有较强的全局搜索能力和较弱的局部搜索能力,防止/早熟0现象,o在进化后期全局搜索能力减弱,局部搜索能力增强,保证找到最优的个体。交叉概率和遗传概率的计算公式如下:

P c=P c_ma x-

P c_max-P c_min

n max

n er f c>f av g

P c_ma x f c[f av g

(1)

P m=P m_min+

P m_max-P m_min

n max

n er f>f avg

P m_min f[f avg

(2)

式中,P c_max为最大的交叉概率;P c_max为最小交叉概率; n max为最大代数;n er为当前的代数;f a

vg

为种群平均适应度;f c为交叉的两个个体中较大的适应度值;f为要变异的个体适应度值。

4优化程序开发与仿真

4.1焊接路径生成

确定好遗传算法的各个步骤以后,可以得到基于遗传算法的白车身焊点规划流程图,见图2

,利用V isual C++开发单文档应用程序,输入焊点坐标、焊接条件约束矩阵、待分配的机器人数。输入迭代次数、种群数目、最大交叉概率、最小交叉概率、最大变异概率、最小变异概率,搜索结束后会在对话框中显示最短的焊接路径和焊接路径距离。

图2焊点规划流程图

4.2实例仿真验证

eM-pow er数字化规划系统是按照虚拟制造原则开发的系统,它可为企业规划制造的数字化提供了从设计、工艺、制造、装配到分析等全过程的仿真分析,是企业实现虚拟制造的强有力的工具。在eM平台下进行仿真的具体流程如图3所示。

图3焊接工位仿真流程

在eM平台下验证上述求解的机器人焊点的分配方案。焊接仿真的基础是建立焊接生产线三维模型。为有效进行焊装生产线工艺布局,我们提出,在二维视图环境下进行布局,在三维视图环境下进行浏览与查看,以便及时修改工艺布局中的不妥当之处,消除各个制造资源之间的干涉问题。

焊接生产线布局方案如图4所示,首先在eM 平台上建立资源树,资源树包括在焊接仿真中要

444

使用的各种零件和资源,资源树的每一个节点对应着这些零件的三维和二维模型;其次借助功能模块实现零件或资源的二维图形与三维图形的关联,这样,在二维视图环境下改变零件的位置时,计算机系统将自动在三维视图环境下相应改变同一零件的位置,而且在产品零件树或资源树的综合标签内更改零件或资源的垂直方向上的坐标时,

这种改变也会在三维视图环境下表现出来。

图4 焊接生产线布局方案

利用三维工艺布局可以对焊接工艺进行仿真分析,以确保生产线实际工作时,不会出现不可焊点或焊接时有干涉发生。输入各个机器人要加工

的焊接点,右击要进行仿真的工位就可进行仿真。如发现机器人焊接该焊点时,焊枪和零件有干涉现象(图5),我们可以通过调整焊点的优先级来改变焊枪进入轨迹(即可以将焊接的点分配给别的机器人,或者改变此机器人的焊接顺序,不通过与零件干涉位置来进行下个点的焊接),从而实现正常焊接。调整后焊枪和零件不再干涉,如图6所示。如果调整焊点优先级还不能解决干涉问题,可以调节零件的装夹位置。但是如果装夹位置发生变化,整个焊点的坐标也会相应地发生变化,需要重新配置参数进行优化,需要的时间会长一点。其中一个机器人的路径优化过程如图7所示。应用该系统对多机器人焊接任务进行优化并仿真,焊接工位时间由原来的120s 缩短到现在的100s,

并且提高了焊接的可靠性。

图5 焊枪与零件干涉图6 焊枪与零件不再干涉

5 结论

本文在描述一种方便可行的多机器人焊装加

工路径优化算法的同时,用自适应性遗传算法求解焊接路径。在eM -po wer 平台上建立虚拟仿真生产线模型,对优化的路径进行模拟,

如果在仿

(a)初始路径

(b)优化后路径

图7 其中一个机器人的焊接优化路径图

真中发生干涉,可调整焊点优先顺序、调整焊点分配和机器人路径,直至焊接全过程均不发生干涉。

这种方法大大缩短了路径规划的时间,同时也避免了在实际加工环境中因机器人与设备发生碰撞而损坏设备的情况发生。焊接机器人的虚拟仿真分析也增加了焊接系统的柔性。

虽然本文在一定程度上解决了多台机器人焊点分配问题和焊接路径优化的问题,但仍存在很多难点有待研究。在焊接优化过程中,影响因素很多,尤其是设备布局对机器人焊接路径优化的影响尤为突出,因为各台机器人固定不动,只是机械手臂连带焊枪运动,因此,对夹持的零件位置稍微改变,都将对整个焊枪的行进路径产生重大影响。所以,对于车身焊装工位机器人加工轨迹的优化问题,在进一步优化算法的同时,也应兼顾设备的合理布局。

参考文献:

[1] 杨握铨.汽车装焊技术及夹具设计[M ].北京:北京

理工大学出版社,1996.

[2] R einhar t G,M unzert U ,Vo gl W.A Pr og ramming

System fo r R obot -based Remote -laser -welding w ith Convent ional O pt ics[J].M anufactur ing T ech -no lo gy ,2008,57:37O 40.

[3] 胡世亮,席欲庚.一种通用的移动机器人路径规划

仿真系统[J].系统仿真学报,2004,16(8):1714O 1720.

[4] 郑笑红,唐道武.工业机器人技术及应用[M ].北京:

煤炭工业出版社,2004.

[5] 黄友锐.智能优化算法及其应用[M ].北京:国防工

业出版社,2008.

(编辑 袁兴玲)

作者简介:晁永生,男,1976年生。同济大学机械工程学院博士研究生。主要研究方向为数字化制造技术、汽车车身工艺规划系统。发表论文3篇。刘海江,男,1967年生。同济大学机械工程学院教授、博士研究生导师。

445