CSSA-DWNN算法的机器人焊接工艺参数优化研究_朱广明.pdf

第 卷 第 期 年 月：算法的机器人焊接工艺参数优化研究朱广明，华 亮，赵佳皓，羌予践（南通大学 电气工程学院，江苏 南通）摘 要：使用机器人进行焊接作业是提升工业生产效率的重要手段，合理的工艺参数是保障机器人焊接质量的关键。针对现有焊接工艺参数优化方法易陷入局部最小、训练时间长、拟合精度不高的问题，提出了一种混沌麻雀搜索算法优化双权值神经网络的新算法。该方法利用混沌麻雀搜索算法的全局搜索能力为双权值神经网络的方向权值、核心权值、幅值选取最优参数。提出了基于新算法的焊接工艺参数优化方法，建立焊接工艺参数与焊接质量之间的映射模型，获取最优焊接参数。分别采用模拟数据与实测激光焊接实验数据对所提方法进行测试，结果表明，混沌麻雀搜索算法优化的双权值神经网络迭代速度快、拟合精度高，较传统的双权值神经网络和径向基神经网络性能更优，适用于工业生产中焊接机器人工艺参数的高效设定。关键词：焊接机器人；双权值神经网络；混沌麻雀搜索算法；参数优化中图分类号：文献标志码：文章编号：（）收稿日期：基金项目：江苏省高等学校自然科学研究重大项目（）作者简介：朱广明（），男，江苏常州人，硕士生，研究方向为智能制造。：；：通信作者：羌予践（），男，江苏南通人，教授，研究方向为电机及控制、图像处理与模式识别。：；：，（，）：，：；第 期朱广明，等：算法的机器人焊接工艺参数优化研究 引 言使用机器人进行焊接作业具有焊接质量稳定、效率高、灵活性强等优点，焊接机器人被广泛应用于机械制造、汽车制造、电子设备制造等领域。受限于当前焊接机器人的智能化发展程度，大多焊接机器人的工艺参数仍需工作人员合理设定，依赖专家经验，当参数设置不准确时，会导致焊缝成形效果差，容易出现气孔、裂纹等缺陷，影响焊接质量。因此，亟须研究焊接工艺参数智能优化方法，保障工业生产质量。机器人的焊接质量受多种因素影响，导致焊接工艺参数与焊缝几何形状之间的数学模型难以建立，使得模型驱动的方法应用受限，而人工神经网络作为一种可以实现复杂非线性系统建模的数据驱动方法，受到了国内外学者的广泛关注。乌日根等采用人工神经网络建立起了焊接电流、电弧电压、焊接速度与焊缝强韧性之间的映射模型，验证了、及 神经网络用于焊缝强韧性预测的可行性。陈书翔等基于 神经网络建立激光熔覆焊工艺参数与熔覆层截面熔宽、余高之间的映射模型，表明 神经网络应用于熔覆层形貌预测时稳定性强、预测精度高。等基于 神经网络建立起激光焊接工艺参数与焊缝熔深之间的映射模型，验证了 神经网络在建立焊接工艺参数与焊缝几何形状映射模型上具有良好性能；等提出了基于模糊径向基神经网络的等离子弧焊质量监测方法，能够快速获取焊接工艺参数，解决了传统 神经网络训练时间长的问题。传统神经网络虽具有强大的联想能力、自适应及学习能力，但受限于各焊接工艺参数之间的高耦合性，往往导致训练时间长、收敛速度慢、易陷入局部最小。而双权值神经网络（，）具有函数逼近能力强、拟合精度高、学习速度快等优点，通过实验证明了双权值神经网络用于焊接参数优化的可行性，但需要多次训练获取最优权值，运算量偏高。针对上述问题，本文采用双权值神经网络构建焊接工艺参数和焊缝几何形状之间的映射模型，并引入混沌麻雀搜索算法（，），）对 神经网络的方向权值、核心权值、幅值进行优化，形成混沌麻雀搜索算法优化的双权值神经网络（）。通过三维指数余弦衰减函数拟合实验证明了 神经网络迭代速度快、拟合精度高，较传统的 神经网络与 神经网络具有更优数据拟合特性。根据激光焊接实验数据建立钢板厚度、焊接功率、焊接速度与焊缝熔宽之间的映射模型，证明了基于 的焊接机器人工艺参数优化方法的可行性与优越性。算法 双权值神经网络双权值神经网络的一般结构如图 所示，其连接权值既有相当于 神经网络的方向权值，也有相当于 神经网络的核心权值。图 双权值神经网络 双权值神经元的计算公式如下：（）（）（）式中：（）为神经网络的输出；为隐含层第 个神经元的幅值；为第 个输入节点输入值，为输入样本的空间维数；为隐含层神经元的数目，；表示第 个输入端连接第 个神经元的方向权值；为第 个输入端连接第 个神经元的核心权值。神经网络采用最速下降法确定每一个神经元的参数，优先拟合样本数据中幅值最大的峰（或谷）。设初始样本数据集为（，），其中：为样本总数，（，）表示第 组样本数据的输入值，表示第 组样本数据的输出值。设第 个神经元构造前的样本数据为（，），构造后的样本数据为（，（），则有（）（）式中，为双权值神经网络隐含层第 个神经元输出，即 （）（）故第 个神经元拟合后的均方误差为（）（）（）()（）神经网络通过不断添加神经元来弥补单次迭代时陷入局部最小带来的影响，进而使均方误差随迭代次数和神经元数目的增加而逐步降低，最终达到目标要求。第 卷 麻雀搜索算法 算法是薛建凯等提出的一种新型群智能优化算法，具 有 操 作 简 单、鲁 棒 性 强、应 用 范 围 广 等优点。算法主要模拟了大自然中麻雀种群觅食和反捕食的过程。在麻雀种群寻找食物的过程中，根据寻找食物的能力强弱将其分为发现者和跟随者。种群中获取食物能力强的个体作为发现者，为整个麻雀种群寻找食物，种群中的剩余个体作为跟随者跟随发现者以获取食物，同时会随机抽取一部分麻雀个体作为警戒者来为整个种群侦查预警。当警戒者发现危险区域时，发现者会带领整个种群向安全区域转移。在 算法中，只麻雀组成的种群可表示为|（）式中：为待求解问题的空间维数；为种群中的麻雀数量。在麻雀种群觅食的过程中，将每只麻雀当前位置所获取的食物量作为待求解问题的适应度值，则个体对应的适应度值为（）（）（）|（）式中，表示适应度值。发现者承担为整个种群寻找食物的工作，拥有较高的适应度值。发现者在寻找食物的过程中，需要不断更新自身位置，其位置更新公式为()，（）式中：表示当前的迭代次数；为种群第 次迭代中第 只麻雀第 维的位置；是取值为（，的随机数；为最大迭代次数，为符合标准正态分布的随机数，其取值范围为，；为 的全一矩阵；是取值为（，）的随机数；为警戒阈值，其取值范围为，。当 时，表示种群处于安全区域，发现者可以在此区域捕食；当 时，表示警戒者发现危险，此时其他的麻雀将转移到其他安全区域。当发现者发现食物并向其位置移动时，跟随者将跟随发现者，并与其进行竞争食物。跟随者的位置更新公式为|，|（）式中：为种群中获取食物最差的位置，为当前迭代过程中获取食物最优的位置，为 的矩阵，矩阵中的元素随机设为 或，（）。当 时，表示此时跟随者的适应度值处于种群的后半部分，获取食物的能力较弱，无法同其他麻雀竞争食物，此时跟随者将远离此区域觅食；反之，跟随者将向当前全局最优位置随机移动一段距离。在种群觅食的过程中，一般有 的个体具备侦查预警的能力，称为警戒者。当警戒者发现危险时，所有麻雀将向安全区域转移。警戒者的位置更新公式为 ，|，|（）式中：为调整步长的系数，为符合正态分布的随机数；也是步长调整系数，属于，的一个均匀随机数；为防止分母为 的常数；为全局最佳位置；为当前麻雀的适应度值；是全局最差位置的适应度值；是全局最佳适应度值。当 时，表示警戒者处于种群边缘区域，需要向种群内部移动；当 时，表示警戒者处于当前最优位置，将逃离到自身附近的随机位置。混沌麻雀搜索算法原始 算法随机产生初始位置，导致麻雀种群多样性较差，影响全局搜索能力，导致算法收敛速度较慢。混沌映射算子作为一种常用算子，具有不可重复、不确定、不可预测、分布均匀等特点。在麻雀种群初始化的过程中采用 混沌映射算子，可以增强初始麻雀种群的多样性，避免陷入局部最优，增强算法的全局搜索能力。混沌映射函数的计算公式为，（），（）混沌映射函数可以用于，区间的均匀随机取值，但在迭代过程中存在生成不稳定周期点的可能性。为解决该问题，一般的解决方法是加入随机变量（，）到初始的 混沌映射函数中。混沌映射函数优化之后的计算公式为（，），（）（，），|（）利用优化后的 混沌映射函数初始化麻雀种群位置，形成基于混沌麻雀的搜索算法（）。第 期朱广明，等：算法的机器人焊接工艺参数优化研究 神经网络模型 算法求解效率高、稳定性好，能够减少双权值神经网络运算量，提升网络训练速度，本文基于 算法对 神经网络方向权值、核心权值、幅值进行优化，建立 神经网络模型。算法流程如图 所示。图 算法流程 神经网络实现步骤如下：（）初始化双权值神经网络，设置最大隐含层神经元个数，阈值精度 等。（）确定最终期望输出。当 时，则最终期望输出为初始样本数据的输出值，并对数据进行归一化处理；当 时，则最终期望输出为第 隐含层神经元的输出误差。（）通过 算法确定双权值神经网络的方向权值、核心权值 及幅值。按如下步骤进行：初始化 算法参数。确定种群规模大小、最大迭代次数、安全值、发现者比例系数、警戒者比例系数 等。通过 混沌映射函数初始化麻雀种群位置。根据适应度函数计算麻雀个体适应度，确定最优个体及最优位置。确定麻雀种群中发现者的数量，并根据式（）更新发现者的位置。确定麻雀种群中跟随现者的数量，并根据式（）更新跟随者的位置。确定麻雀种群中警戒者的数量，并根据式（）更新警戒者的位置。重新计算种群适应度值并与之前的最佳适应度值比较，更新最优个体与最优位置。判断 算法是否达到最大迭代次数，达到最大迭代次数则输出全局最优位置和全局最优适应度值；否则跳转至 继续执行。（）检测阈值精度 及，如果满足阈值精度要求或者达到最大隐含层神经元的个数，则结束算法，否则令 ，并跳转至步骤（）继续执行。算法的仿真验证为了验证 算法的优劣性，选取三维指数余弦衰减函数作为目标函数，其公式为（）（）（）在（，）（，）范围内随机取 个点作为数据集，其中 个点作为训练集，个点作为测试集。将数据集分别用于、及 神经网络的训练，对比各算法的拟合精度。种神经网络用于三维指数余弦衰减函数的拟合曲线如图 所示。图 三维指数余弦衰减函数的拟合曲线 由图 可知，神经网络的均方误差下降速度较快，从第二次迭代开始就远远优于 和 神经网络；神经网络的均方误差整体平缓下降，而 神经网络虽然在前 次迭代的下降速度优于 神经网络，但在第 次迭代后就已经收敛，均方误差最终收敛于 。对比 和 神经网络的训练效果，神经网络在第 次迭代就达到了 ，而 神经网络则需要 次迭代才能达到，表明 算法的拟合效果优于 神经网络，并且随着迭代次数与神经元数目的增加差距逐渐增大。表 为在 种不同网络模型训练下，实际值与预测值之间的绝对误差对比。第 卷表 种网络模型训练后的绝对误差对比序号 由表 可见，神经网络训练后的预测值与实际值之间的绝对误差较小，优于 和 神经网络，表明 神经网络训练效果良好，具有较高的预测精度和优异的数据拟合能力。基于 的焊接工艺参数优化 样本数据的获取实验采用库卡高精度焊接机器人搭配 光纤激光器组成激光焊接平台，如图 所示。焊接材料为 的高强度低碳合金钢板，焊接保护气体为。图 库卡高精度焊接机器人 文献中对焊接工艺参数与焊缝形貌参数之间的映射关系研究，选取钢板厚度、焊接功率、焊接速度 个工艺参数作为激光焊接工艺参数优化实验的输入，输出为焊缝的熔宽。焊接完成后，通过 工业相机获取焊缝图像，提取熔池轮廓并计算焊缝尺寸，获取的实验样本数据如表 所示。网络建模与分析分别将 神经网络、神经网络、神经网络应用于焊接工艺参数优化。神经网络的输入为焊接工艺参数，分别为钢板厚度、焊接功率、焊接速度；神经网络的输出为焊缝熔宽。为进一步提高实验准确度，本文采取 折交叉验证进行神经网络训练与测试。折交叉验证是将原始数据集分为 个子集，每次选择其中一组子集作为测试 集，剩下 个子集作为训练集，进行次训表 实验样本数据序号钢板厚度焊接功率焊接速度（）熔宽 练。本文选择 折交叉验证对神经网络进行训练与测试。神经网络的相关参数设定：输入层的神经元数目为；隐含层神经元数目为；输出层为焊缝熔宽，阈值精度 为 。神经网络参数优化模型的参数设定为：麻雀种群规模为，最大迭代次数为 次，安全值 为，发现者比例 为，警戒者比例 为 。各网络训练时的均方误差性能曲线如图 所示。各网络训练下的预测值与实际值之间的绝对误差对比如表 所示。图 输出为熔宽时的均方误差性能曲线 由图 可知，随着迭代次数的增加，神经网络训练时的均方误差始终小于、神经网络，且下降速度更快。表明在相同条件下，采用 神经网络进行焊接工艺参数优化仅需较少的迭代次数就可达到良好的拟合精度。由表 可知，初始的 和 神经网络预测值与实际值之间的误差较大，最大相对误差为 和 ；而 神经网络预测值与实际值比较接近，其最大相对误差为 ，最小相对误差为 ，平均相对误差为 ，表明 网络模型 第 期朱广明，等：算法的机器人焊接工艺参数优化研究表 各网络训练下的预测值与实际值之间的绝对误差对比实际熔宽 不依赖大量的训练样本就可获取较高的拟合精度，能够较为准确的预测训练样本外的数据，网络性能更优。由此可见，神经网络在激光焊接机器人工艺参数优化方面比初始的 和 神经网络更具优势。结 语合理的工艺参数是保障机器人焊接质量的关键，针对当前焊接机器人的参数设定过程依赖专家经验，现有焊接工艺参数优化方法易陷入局部最小、训练时间长、拟合精度不高的问题，本文提出了一种混沌麻雀搜索算法优化双权值神经网络的新算法，通过函数拟合实验证明了所提算法具有较快迭代速度与较高拟合精度。提出基于混沌麻雀搜索算法优化双权值神经网络的焊接机器人工艺参数优化方法，基于激光焊接实验数据，建立了钢板厚度、焊接功率、焊接速度与焊缝熔宽之间的映射模型，证明了 神经网络应用于焊接机器人工艺参数优化环节的可行性与优越性，为解决机器人焊接工艺参数优化难题提供了新思路。参考文献（）：乌日根，王玉荣 基于 人工神经网络的机器人焊缝成形质量预测 焊接技术，（）：郭岩宝，王 斌，王德国，等 焊接机器人的研究进展与发展趋势 现代制造工程，（）：李宪政 国内焊接机器人应用的快速发展及认识误区 焊接，（）：吴月玉，张 弓，林群煦，等 机器人 焊接的焊缝形貌遗传神经网络预测 制造业自动化，（）：林惠乐，黄振峰，毛汉领 基于遗传神经网络的机器人焊接工艺参数优化 组合机床与自动化加工技术，（）：乌日根，维力斯，王玉荣 基于人工神经网络的 焊缝强韧性预测 焊接，（）：陈书翔，李洪玉，陈辉 激光熔覆镍基熔覆层截面形貌预测 焊接，（）：，（）：，：，：曹 宇，赵星涛 一种新型双权值人工神经元网络的数据拟合研究 电子学报，（）：，：，：李 楠，薛建凯，舒慧生 基于自适应 分布变异麻雀搜索算法的无人机航迹规划 东华大学学报（自然科学版），（）：严浩洲，刘旺盛，蔡振亮，等 改进麻雀搜索算法及其应用研究 东莞理工学院学报，（）：陈宝奇，周再祥，张 强 基于混沌麻雀搜索算法优化 神经网络的短期风电功率预测 工业仪表与自动化装置，（）：左亚辉，谢 源，邹定江，等 基于混沌麻雀搜索算法的 直接转矩控制 组合机床与自 动化 加工技 术，（）：吴月玉，张 弓，林群煦，等 焊接机器人特征参数预测方法的研究综述与展望 机床与液压，（）：汪学清，刘 爽，李秋燕，等 基于 折交叉验证的 隧道围岩分级判别 矿冶工程，（）：（上接第 页），“”，：，（），：，（），：，：，：李文坡，郝江瑜，杨 欣，等（）电极储能动力学实验设计 实验技术与管理，（）：，：