摘要：本文針對汽車焊接機器人路徑規劃不合理的問題，采用遺傳算法對焊接機器人二維路徑規劃問題進行了求解，最終找出了一條最短的焊接路徑，實現了減少機器人焊接工位的作業時間。
1 、汽車白車身焊接現狀
汽車白車身在裝焊過程中需要焊接4000~5000個焊點，面對如此多的焊點如何規劃好焊接機器人的焊接路徑成為汽車制造企業亟待解決的問題。
目前，國內的汽車焊接生產線上的點焊機器人的路徑規劃主要通過示教再現完成，因此在焊接過程中缺乏必要的柔性和適應性；另外此項工作會耗費大量時間，延長生產周期，影響汽車企業的生產。針對點焊機器人在路徑規劃方面的缺陷，采用遺傳算法對點焊機器人的焊接路徑進行求解。
2、基于遺傳算法的點焊機器人路徑規劃
2.1問題描述
因為汽車白車身焊接生產線焊接工位焊點多，焊接加工任務繁重，一般采用多臺機器人協同作業，以此來提高焊接質量和縮短焊接作業時間。本文是在焊接機器人作業焊點已分配完成的前提下，對單臺點焊機器人的焊接路徑進行規劃求解的。故本問題可以轉化為TSP問題。
TSP問題是指旅行商從起始點出發, 經過所有需要經過的點回到起始點，如何安排合理的路線使得走過的路程最短。點焊機器人的路徑規劃則指點焊機器人從焊鉗原點位置出發，如圖1所示，經過所有焊點位置，然后回到焊鉗原點位置，使得路程最短。
圖1 焊鉗原點位置
2.2建立數學模型
如果對焊點H={h1，h2，h3，…，hn} 的一個訪問順序為T={t1，t2，t3，…，tn}，其中ti∈H，i=（1，2，3，…，n）, ti對應的空間坐標為（xi，yi，zi），因此可建立如下數學模型：
3、遺傳算法的基本思想
標準的遺傳算法包括三個基本的操作：選擇、交叉和變異。其步驟描述如下
3.1 產生初始種群，并評價初始種群中每個個體的適應度值。
3.2 判斷收斂準則是否符合條件。若符合，則輸出相應的搜索結果；否則執行以下步驟。
3.3 根據適應度大小按照一定方式執行選擇操作。
3.4 根據交叉概率Pc執行相應的交叉操作。
3.5 根據變異概率Pm執行相應的變異操作。
3.6 返回步驟（2）。
如圖2所示。
4、仿真求解
為了驗證選取方法的有效性，運用MATLAB7.0編寫遺傳算法程序進行仿真求解。一般焊接機器人分配的焊點數為30~50，因此選取30為點焊機器人的作業焊點數（焊點位置如圖3）。設置種群規模為80，終止代數為1000, 交叉概率取值為0.8，變異概率取值為0.005。隨機求解10次，第3次得到最優解為819.4040，如圖4所示，最優解迭代記錄如圖5。
圖4
圖5
5、結束語
通過遺傳算法對點焊機器人三維路徑的規劃，可以有效地求解出點焊機器人的最短焊接路徑，并且這種方法求解出的結果更加符合實際要求，可以縮短點焊機器人工位的作業時間, 提高生產節拍，一般可以提高5~10s。
參考文獻
[1] 林尚揚,陳善本,李成桐. 焊接機器人及其應用[M]. 北京: 機械工業出版社. 2000．
[2] 周明,孫樹棟. 遺傳算法原理及應用[M]. 北京: 國防工業出版社.1999.
[3] 孫樹棟,曲彥賓. 遺傳算法在機器人路徑規劃中的應用研究. 西北工業大學學報,1998.
[4] 吳曉濤,孫增圻. 用遺傳算法進行路徑規劃. 清
華大學學報, 1995.
作者簡介：魏安立（1985-），男，碩士研究生，主要研究方向先進材料焊接及其數值模擬。
