[发明专利]基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法

说明书

技术领域

本发明属于自动化焊接领域，具体涉及一种基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法。

背景技术

大梁作为一种焊接结构件广泛应用于桥梁、集装箱、起重机械等行业.常见为工字梁、H型梁、箱型等梁结构，在横梁和腹板之间一般存在筋板、隔板和空洞等障碍物.由于大梁的种类繁多，工件的装夹精度不高，工件的障碍物的位置存在较大的随机性，难以通过单一的方法进行障碍物预测。目前，大梁的焊接仍采用半手动半自动的焊接方法，当焊接过程中遇到障碍物时，只能通过手动按键的开关信号使焊枪退出，越过障碍物后再通过手动开关信号使焊枪回到焊接位置，重新开始焊接，这严重限制了大梁焊接的生产效率，制约了企业的发展，因此进行障碍物的预测研究，实现焊枪的自动退枪与回枪，对实现大梁自动化焊接意义重大。

发明内容

本发明旨在提高大梁自动焊中对障碍物预测的速度和精确度，从而提高了大梁自动焊的生产效率，为企业节约生产成本，提高经济效益。

本发明采用以下技术方案：一种基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法，具体步骤如下：

步骤1：采集集装箱大梁障碍物(筋板，流水槽以及辅助上翼板)的信息，包括障碍物的尺寸，超声波传感测得值以及工件高度三个指标：其中障碍物尺寸因产品而异。

步骤2：为对不同类型的样本进行统一分析，得到较好的预测效果，须对样本数据作如下归一化处理：

其中，X^k表示原始数据X_k经归一化后的输入样本，X_min和X_max分别表示原始数据中的最小值和最大值。

步骤3：采用修正型果蝇算法搜寻最佳的GRNN中的平滑因子σ，从而获得最优GRNN。

步骤4：将归一化后的数据作为训练样本，用来训练最优GRNN，从而获得最佳的大梁自动焊障碍物的预测模型。

步骤3中，所述的修正型果蝇算法是在传统的果蝇算法中引入信息素和灵敏度两个因子。

所述的修正型果蝇算法中的灵敏度和信息素定义如下：

首先找出味道浓度最佳的果蝇bestSmell，计算第i个果蝇个体的食物信息素P(i)；

保留果蝇个体位置(X(i),Y(i))和上一代的位置(Xo(i),Yo(i))，根据下式计算灵敏度判定因子Rx(i)的值(Ry(i)的计算公式同Rx(i))；

根据信息素与灵敏度的适应关系和果蝇个体的灵敏度判定因子，计算每个果蝇个体对应的灵敏度S(i)；

其中：S_min＝P_min,S_max＝P_max

找出信息素与灵敏度相匹配的果蝇，即满足P(i)≤S(i)，确定下一轮的搜寻起点：

其中：(X_best,Y_best)和(X_worst,Y_worst)分别为嗅觉功能好的果蝇中味道浓度最佳和最差的坐标。

所述的修正型果蝇算法的具体实施步骤如下：

步骤一：初始化

1)根据目标函数，设定搜寻初始值，种群规模Sizepop，最大迭代次数Maxgen；

2)随机初始化果蝇位置(X_axis,Y_axis)；

3)赋予果蝇个体随机方向与距离(X,Y)；

4)根据果蝇位置的随机坐标，计算与原点的距离(Dist)与味道浓度判定值(SM)；

5)根据目标函数(Function)计算果蝇个体所在位置的味道浓度(Smell)；

Smell(i)＝Function(SM(i)) (9)

6)根据式(1)-(3)产生果蝇初始信息素和灵敏度，并找出信息素与灵敏度相匹配的果蝇，保留其中浓度最高和最低个体的坐标；

步骤二：迭代寻优

7)根据式(4)和式(5)确定果蝇个体下一轮搜寻的起点；

8)重复4)和5)计算果蝇个体的味道浓度值；判断当前的最佳味道浓度是否优于前一迭代最佳味道浓度：若是，则进入下一步，否则执行步骤2)；

9)根据式(1)-(3)产生果蝇初始信息素和灵敏度，并找出信息素与灵敏度相匹配的果蝇，保留其中浓度最高和最低个体的坐标；