论文部分内容阅读
随着“中国制造2025”的战略实施,焊接成为制造生产行业最为重要的环节之一,实现焊接过程自动化、焊接装备智能化已成为焊接行业的发展趋势。目前,由于加工、装夹等误差导致焊接起始点定位和焊接区域内障碍物的识别难以实现自动化和智能化,大梁生产线的焊接目前还处于手工焊状态。针对以上提到的问题,在现有的条件下,本文基于斜面测距超声波传感器对大梁自动焊生产线进行了下列的研究。为实现大梁生产线焊接起始点的精确定位,基于dsPIC30f4012单片机研制出了一种可测斜面的超声波传感器,并通过试验验证了该传感器斜面测距的稳定性和精确性,为超声波非结构测距的研究提供了一种新的方法。针对生产线中因变位机的运动误差导致的大梁的位置和角度随机变化的问题,我们提出了一种基于斜面测距超声波传感器的焊接起始点的定位方法。通过建立超声波传感器运动平面的二维坐标系,利用传感器采集的特征点构建工件的特征直线,将焊接起始点的定位等效为求解几何平面中两特征直线的交点,从而实现焊接起始点的定位。经试验表明,该方法能适应正常范围内任意角焊缝偏转任意角度的大梁焊接起始点的定位,且方法简单、实用性强,也易于在其他相关领域推广。为解决特征点的分类问题,我们基于“累积均值替换法”对工件特征点进行了判断,实现了寻找焊接起始点的自动化和柔性化。此外,针对斜面测距超声波传感器的测量误差和动态误差,我们还提出了一种改进加权最小二乘法(AWLS),即通过循环使用加权最小二乘法,根据拟合结果修正特征点数据,从而获得最佳的拟合直线。这种方法提高了加权最小二乘法在工件特征直线拟合中的稳定性和拟合的精度,保障了焊接起始点的定位精度。针对大梁生产线中工件的焊接区域内障碍物因种类、尺寸和位置的随机变化难以进行障碍物类型预测的问题,提出了一种修正型果蝇算法优化广义回归神经网络(AFOA-GRNN)的大梁自动焊障碍物预测模型。该模型针对传统果蝇算法的寻优缺陷,通过引入灵敏度和信息素两个概念,对果蝇的寻优策略和位置替换的方式进行改进,提高了果蝇种群的多样性,修正了果蝇算法的全局寻优特性,优化了对GRNN网络中平滑因子的寻优过程。此外,我们以某集装箱公司的大梁工件为实例进行了对比试验,结果表明:与FOA-GRNN模型相比,AFOA-GRNN预测模型具有更快的训练速度和更高的预测精度,为大梁自动焊障碍物类型的预测提供了一条新的思路。