孙振博,王明伟,李 姝,张文超

(大连工业大学机械工程与自动化学院,大连 116034)

0 引言

一辆普通汽车的白车身焊点约有4000～5000个,其中一半以上的焊点是由焊接机器人完成焊接任务的,而传统的机器人焊接路径通常是依靠人工经验获得,这就导致焊接路径长、焊接质量可靠性低等问题,因此对于焊接机器人路径自动规划算法的研究,是汽车智能制造技术重点研究方向[1-2]。针对焊接机器人路径规划问题,许多学者在智能优化算法方面进行了大量研究。蚁群算法(ant colony optimization,ACO)是一种基于蚂蚁在寻找食物时的行为策略的优化算法,在解决路径搜索问题中具有较好的性能,但对于解决复杂路径问题时,存在着容易陷入局部最优解等问题。

为解决蚁群算法存在的问题,圣文顺等[3]通过将蚁群算法与遗传算法融合的方式扩大了蚁群算法的解空间,同时引入贪心策略改进蚁群算法收敛速度。吕文壮等[4]提出利用粒子群算法对蚁群算法随机产生的解进行交叉与变异,扩大了蚁群算法的搜索空间,改善了算法的收敛准确度。秦东各等[5]提出一种改进的蚁群算法,通过2-opt算子对于蚁群算法中部分蚂蚁路径进行优化,提高收敛速度,并针对蚁群算法信息素挥发因子参数特性提出了一种动态调整信息素挥发因子策略,以避免算法过早收敛。

本文为提高了焊接机器人路径规划的效率和精度,针对ACO算法易陷入局部最优且收敛速度慢等问题提出一种改进的蚁群算法(DWAG),通过动态权重策略与排序因子策略改进了蚁群算法的信息素更新方式以改善算法的收敛性能,同时结合遗传算法中交叉与变异操作以提高算法搜索的广度与深度。……