智能優(yōu)化算法及其在焊接優(yōu)化設計領(lǐng)域的應用

電焊梭第41謄第6期Vol41 No.62011 年6月Electric Welding MachineJun. 2011智能優(yōu)化算法及其在焊接優(yōu)化設計領(lǐng)域的應用李廣軍',孫曉玲”,趙炯3(1.宜賓學(xué)院網(wǎng)管中心,四川宜賓644007;2.西南石油大學(xué)電信學(xué)院,四川成都610500;3.西南交通大學(xué)電氣學(xué)院,四川成都610031)摘要:在焊接工藝中,優(yōu)化設計已經(jīng)涉及到各個(gè)領(lǐng)域,但傳統的優(yōu)化算法往往優(yōu)化效果不佳,智能優(yōu)化.算法特別是遺傳算法已經(jīng)逐步地應用到焊接優(yōu)化領(lǐng)域,并成為一個(gè)重要的研究方向。在對焊接相關(guān)文獻進(jìn)行系統研究的基礎上,闡述了焊接優(yōu)化設計領(lǐng)域應用較為廣泛的遺傳算法、模擬退火算法和群集算法(蟻群算法和粒子群算法)等幾種智能優(yōu)化算法的基本原理,介紹了智能優(yōu)化算法在焊接領(lǐng)域組合優(yōu)化、自動(dòng)控制、生產(chǎn)調度和圖像處理等方面的應用情況。對智能優(yōu)化算法在焊接優(yōu)化設計領(lǐng)域應用的未來(lái)研究方向進(jìn)行了展望。關(guān)鍵詞:智能優(yōu)化算法;焊接;遺傳算法;模擬退火算法;群集算法(蟻群和粒子群)中圖分類(lèi)號:TC409文獻標識碼:C文章編號:1001-2303(2011)06-0067 -06Overview of itelligent optimization algorithm and its application in weldingoptimization designU Guang-jun' ,SUN Xiaoling' ,ZHAO Jiong'(1.Netware Centers, Yibin University , Yibin 644007 ,China ;2.School of ElectronicInformation Engineering ,SouthwestPetroleum University ,Chengdu 610500,China ;3.School of Electrical Engineeing Southwest Jiatong University,Chengdu 610031 ,China)Abtat:0ptimization design is involving all aspects of weiding technology ,but trditional optimization algrihms are often not well.Intelligent optimizaion algorithm ,especially Genetic Algorithm , is already used in weiding. which is a highlighted research direction,however,papers about the overview of this field are very few.Based on the Bystematic research on related literatures,the paperpresented the basic prineiple of several ielelient optimization algorithms widely used in Welding optimization design, includingGenetic Algoithm and Simulated Annealing Methods as well as Swarm Ineligence Agorithm(Ant Colony and Particle Swarm)-Then,the paper introduced applications of combinatorial optimization , production scheduling, automatic control and image processing inwelding with iteligent optimization algorithms.In the end . the paper discused the development directions of itelligent optimizationalgorithm in welding optization design.Key words :ntelligentoptimization algorithm; welding;genetic algrithm;simulated annealing methods ;swamm itelligence algorithm(ant colony and particle swarm)0前言法多是單點(diǎn)優(yōu)化,效率低,容易陷人局部最優(yōu)點(diǎn),針焊接過(guò)程是復雜的非線(xiàn)性系統,存在多目標函對焊接過(guò)程優(yōu)化問(wèn)題的處理效果不佳。智能優(yōu)化算數和約束條件的復雜優(yōu)化、過(guò)程控制中多參數和變法tInelligent Opimization Algorithm)主要包括模擬量焊接圖像檢測等~系列優(yōu)化問(wèn)題。傳統的優(yōu)化算退火算法遺傳算法和群集算法(蟻群和粒子群算中國煤化工周示某些自然收稿日期:2011-02-22三思想和內容涉作者簡(jiǎn)介:李廣軍(1976- -).男,黑龍江佳木斯人,講師,碩士，主要從事智能控制和自動(dòng)控制方面的研究工作。及數MYH. CN M HG等學(xué)料。它不8lnois Whing Mholino_ . 67.焊接工藝電焊穢第41卷依賴(lài)梯度信息,具有全局、并行、高效的優(yōu)化性能，似算法一模擬退火算法Simulated Ammealing Methods,魯棒性和通用性強,為解決大規模非線(xiàn)性問(wèn)題提供簡(jiǎn)稱(chēng)SA)。SA來(lái)源于固體退火原理,只要模擬其過(guò)程了新的思路和手段",并在焊接優(yōu)化設計中得到了足夠充分,算法就可以概率1收斂到全局最優(yōu)解,在.廣泛的應用。因此,有必要對智能優(yōu)化算法的基本焊接優(yōu)化設計中也得到了應用5.網(wǎng)。原理加以介紹,并對其在焊接過(guò)程中的應用加以分模擬退火算法則"的核心在于模仿熱力學(xué)中液類(lèi)和綜述。體的凍結與結晶或金屬溶液的冷卻與退火過(guò)程,將固體加溫至充分高,再緩冷。加溫時(shí),固體內部粒子1遺傳算法隨溫升變?yōu)闊o(wú)序狀,內能增大,而冷卻時(shí)粒子漸趨遺傳算法(Genetic Algorithm, 簡(jiǎn)稱(chēng)CA)是近年有序,在每個(gè)溫度都達到平衡態(tài),最后在常溫時(shí)達迅速發(fā)展起來(lái)的一種全新的隨機搜索與優(yōu)化算法,到基態(tài),內能減為最小。該算法是由給定解開(kāi)始,從其基本思想是基于Danvin的進(jìn)化論和Mendel的遭鄰域中隨機產(chǎn)生另一個(gè)解,利用具有概率突跳性的傳學(xué)說(shuō)，,該算法由密歇根大學(xué)教授Holand及其學(xué)生Metropolis 抽樣策略在解空間中進(jìn)行隨機搜索,并于1975年創(chuàng )建。近年來(lái),遺傳算法已被成功地應用由一控制參數決定,其作用類(lèi)似于物理過(guò)程中的溫于許多領(lǐng)域,解決了許多問(wèn)題。例如可靠性?xún)?yōu)化、流度,對于控制參數的每一取值,算法持續進(jìn)行“產(chǎn)水車(chē)間調度、作業(yè)車(chē)間調度、機器調度、設備布局設生-判斷-接受或舍去”的迭代過(guò)程,對應著(zhù)固體計、圖像處理以及數據挖掘等,且在焊接優(yōu)化設計在某-恒定溫度下的趨于熱平衡的過(guò)程.當控制參中應用最為廣泛。數逐漸減小并趨于零時(shí),系統越來(lái)越趨于平衡態(tài),最遺傳算法是一種新近發(fā)展起來(lái)的收索最優(yōu)解后系統狀態(tài)對應于優(yōu)化問(wèn)題的全局最優(yōu)解。算法。該算法模擬生命進(jìn)化機制，即模擬了自然選3群集(群體)算法擇和遺傳進(jìn)化中發(fā)生的繁殖交配和突變現象,從一組隨機產(chǎn)生的初始解(稱(chēng)為群體)開(kāi)始搜索過(guò)程。群受社會(huì )性昆蟲(chóng)行為或者鳥(niǎo)類(lèi)行為的啟發(fā),計體中的每個(gè)個(gè)體是問(wèn)題的一個(gè)解,稱(chēng)為染色體。個(gè)算機工作者通過(guò)對社會(huì )性昆蟲(chóng)的模擬產(chǎn)生了一系體用多維向量或矩陣來(lái)描述.組成矩陣和向量的列對于傳統問(wèn)題的新的解決方法,這些研究就是群參數相應于生物種組成染色體的基因,染色體用固集智能的研究。群集網(wǎng)智能(Swarm Ieligence)中的定長(cháng)度的二進(jìn)制串或者十進(jìn)制整數表述,這些染群集(Swarm)指的是“一組相互之間可以進(jìn)行直接色體在后續迭代中不斷進(jìn)化,稱(chēng)為遺傳。遺傳算通信或者間接通信(通過(guò)改變局部環(huán)境)的主體,這法主要通過(guò)交叉、變異、選擇運算實(shí)現。交叉或變異組主體能夠合作進(jìn)行分布問(wèn)題求解”?；谌褐悄艿倪\算生成下一代染色體,稱(chēng)為后代。染色體的好壞算法有兩種:蟻群算法(Ant Colony Opimization, 簡(jiǎn)用適應度來(lái)衡量。根據適應度的大小從上--代和后稱(chēng)ACO)和粒子群算法(Particle Swarm Opimization,代中選擇- -定數量的個(gè)體,作為下一代群體,再繼簡(jiǎn)稱(chēng)PS0)。續進(jìn)化,最后算法收斂于最適應環(huán)境的染色體,它.1 蟻群算法很可能就是問(wèn)題的最優(yōu)解或次優(yōu)解15-2切。遺傳算法受螞蟻覓食時(shí)的通信機制的啟發(fā),Dorigo提出中使用適應度這個(gè)概念來(lái)度量群體中的各個(gè)個(gè)體了蟻群算法,并應用于解決計算機算法學(xué)中經(jīng)典的的在優(yōu)化計算中有可能到達最優(yōu)解的優(yōu)良程度,度“貨郎擔問(wèn)題" ,已經(jīng)成功用于解決其他組合優(yōu)化問(wèn)量個(gè)體適應度的函數稱(chēng)為適應度函數,適應度函數題,在焊接優(yōu)化設計中應用也比較廣泛159。值較優(yōu)的點(diǎn)被保留,適應度函數值較差的點(diǎn)被淘汰。根據仿生學(xué)原理網(wǎng),螞蟻憑借路徑尋優(yōu)的能力適應度函數的定義一般與具體求解問(wèn)題有關(guān)。由于能夠找到蟻巢與食物之間的最短路徑,其原理在遺傳算法可以越過(guò)位壘,能跳出局部較優(yōu)點(diǎn),到達全于:螞蟻在所經(jīng)過(guò)的路徑上留下一種揮發(fā)性分泌物局最優(yōu)點(diǎn)。(Pheromone,以下稱(chēng)為信息素),信息素隨著(zhù)時(shí)間的二過(guò)程中能夠感知2模擬退火算法中國煤化工長(cháng)指導自己的運Kirkpatrick S等人將退火思想引人組合優(yōu)化YHCN M H G方向移動(dòng),即選領(lǐng)域,提出一種求解大規模組合優(yōu)化問(wèn)題的有效近擇該路徑的概率與當時(shí)這條路徑上該物質(zhì)的強度.68.8thbrio Wibing Molino.憚技工藝.李廣軍等:智能優(yōu)化算法及其在焊接優(yōu)化設計領(lǐng)域的應用第6期成正比。信息素強度越高的路徑,選撣它的螞蟻就化目標,采用自適應遺傳算法進(jìn)行焊接任務(wù)求解,越多,則在該路徑上留下的信息素的強度就更大，并在虛擬環(huán)境下模擬機器人加工路徑,大大縮短了而強度大的信息素又吸引更多的螞蟻,從而形成--多機器人焊接路徑規劃的時(shí)間。文獻[3]利用模擬退種正反饋。通過(guò)這種正反饋,螞蟻最終可以發(fā)現最火遺傳算法解決機器人弧焊應用中的機器人放置佳路徑,導致大部分的螞蟻都會(huì )走此路徑。問(wèn)題的方法,給出了優(yōu)化過(guò)程中的多運動(dòng)學(xué)目標準3.2粒子群算 法則以及目標函數的構造。最后對算法進(jìn)行了驗證,粒子群算法也是一種優(yōu)化算法,由Eberhart和結果良好。文獻[6]利用遺傳算法對9自由度工業(yè)用Kennedy發(fā)明。PSO是基于群集理論的優(yōu)化算法,通弧焊機器人與變位機協(xié)調運動(dòng)系統進(jìn)行了運動(dòng)學(xué)過(guò)群體中粒子的合作與競爭產(chǎn)生群體智能來(lái)指導.優(yōu)化控制,并針對空間復雜焊縫進(jìn)行了路徑自主規優(yōu)化收索。與傳統的進(jìn)化算法相比,PSO保留了基.劃實(shí)驗驗證,結果令人滿(mǎn)意。文獻([31]針對焊接機器于種群的全局收索策略,但其采用的是速度- -位移人路徑規劃缺乏理論依據的現狀,把路徑規劃問(wèn)題模型,避免了復雜的遺傳操作。目前已廣泛應用于函抽象成為T(mén)SP問(wèn)題,并應用蟻群算法求該問(wèn)題的近數優(yōu)化,神經(jīng)網(wǎng)絡(luò )訓練,模糊系統控制以及其他遺似解。Matlab仿真顯示,蟻群算法不僅有效,而且有傳算法的應用領(lǐng)域,同樣也被應用到焊接領(lǐng)域咖初。較快的計算速度。文獻[32]為了解決汽車(chē)白車(chē)身焊粒子群算法模擬鳥(niǎo)群的捕食行為。某區域里只接機器人路徑規劃不合理的問(wèn)題,將該蟻群算法應有-塊食物和鳥(niǎo)群,而所有的鳥(niǎo)都不知道食物在那用于求解該問(wèn)題,并采用Matlab語(yǔ)言對典型的機器里，鳥(niǎo)類(lèi)找到食物的最優(yōu)策略是搜尋目前離食物最人焊接路徑規劃實(shí)例進(jìn)行編程仿真,結果表明:不近的鳥(niǎo)的周?chē)鷧^域。PSO從這種模型中得到啟示并僅能夠克服早熟現象,而且能夠加快收斂速度,可用于解決優(yōu)化問(wèn)題。每一個(gè)優(yōu)化問(wèn)題的解看作搜索以有效快速解決焊接機器人路徑規劃問(wèn)題。因此，空間的一只鳥(niǎo),即“粒子”。首先生成初始種群叫再,智能優(yōu)化算法為焊接機器人的路徑規劃問(wèn)題提供即在可行解空間中隨機初始化- - 群粒子,每個(gè)粒子了一種有效的算法。都為優(yōu)化問(wèn)題的一個(gè)可行解,并由適應度函數為之4.2自動(dòng)控制確定一個(gè)適應度值。每個(gè)粒子都將在解空間中運在焊接自動(dòng)控制領(lǐng)域中有很多與優(yōu)化相關(guān)的動(dòng),并由運動(dòng)速度決定其飛行方向和距離。通常粒子問(wèn)題需要求解,智能優(yōu)化算法已在其中得到了初步將追隨當前的最優(yōu)粒子在解空間中搜索。在每-次的應用,效果良好。例如用智能優(yōu)化算法進(jìn)行焊接.控制參數的優(yōu)化焊接工藝的參數辨識、人工神經(jīng)是粒子本身找到的最優(yōu)解,另一個(gè)是整個(gè)種群目前網(wǎng)絡(luò )的結構優(yōu)化設計和權值學(xué)習等,都顯示出了智找到的最優(yōu)解,這個(gè)極值即全局極值。若不用整個(gè)種能優(yōu)化算法在這些領(lǐng)域中應用的可能性。例如,文群而只是用其中一部分最優(yōu)粒子的鄰居,那么在所獻[15]針對焊接過(guò)程中送絲控制系統均勻穩定的送有鄰居中的極值就是局部極值。絲這一-要求,設計了轉速、電流雙閉環(huán)調速系統。選4智能進(jìn)化算法在焊接優(yōu)化過(guò)程中的擇遺傳算法作為控制策略,并結合傳統PID控制，實(shí)現PID控制參數的在線(xiàn)整定。仿真結果表明,基應用于遺傳算法的PID整定明顯優(yōu)于常規PID算法，4.1組合優(yōu)化而且送絲控制系統滿(mǎn)足恒速要求。文獻[17]引人遺焊接機器人的路徑規劃問(wèn)題是典型的組合優(yōu)傳算法對基于45鋼交流閃光對焊焊接的實(shí)測溫度化問(wèn)題,對于該NP難度問(wèn)題,人們已意識到應將場(chǎng)的焊接熱影響區的奧氏體晶粒長(cháng)大演化過(guò)程進(jìn)主要精力放在尋求其滿(mǎn)意解上,智能優(yōu)化算法尤其行了建模。遺傳算法模擬結果表明了焊接熱循環(huán)過(guò)是遺傳算法,是尋求這種滿(mǎn)意解的最佳工具之- - ,并程中存在的溫度梯度,使得焊接熱影響區中的晶粒已經(jīng)被應用到該問(wèn)題的求解呀。例如,文獻[2]為合長(cháng)大平均半徑僅為整體加熱時(shí)晶粒平均半徑的理規劃多焊接機器人的焊接路徑,提出一種綜合運66.8%。智能優(yōu)化算法在焊接自動(dòng)控制中,應用最多用遺傳算法和仿真分析的求解方法。對焊點(diǎn)焊接順中國煤化工學(xué)習。例如,文序進(jìn)行分析,確定各個(gè)焊點(diǎn)的焊接優(yōu)先關(guān)系,將各問(wèn)題,提出了fY片個(gè)焊點(diǎn)分配給各個(gè)機器人，以最短的工位時(shí)間為優(yōu)BP|C N M H G究方法,利用遺8havisHsinp Moalins_ . 69.焊接工藝電焊橫第41卷傳算法全局最優(yōu)值的搜索功能,不斷地進(jìn)行焊接參優(yōu)化方法求解雙目標優(yōu)化問(wèn)題。通過(guò)實(shí)例仿真,結果數的全局尋優(yōu),結果表明該方法準確、高效,適用于證實(shí)修改后的算法是有效的,并能夠找到Pareto前焊接工藝參數的研究。文獻[16]基于建立BP神經(jīng)網(wǎng)沿解。這樣,智能優(yōu)化算法巳為焊接生產(chǎn)調度問(wèn)題提絡(luò )焊接接頭力學(xué)性能預測模型,并綜合運用遺傳算供了一種良好的解決方法。法來(lái)優(yōu)化BP神經(jīng)網(wǎng)絡(luò )連接權的方法,對模型預測.4 圄像處理性能進(jìn)行了有效的改進(jìn),提高了神經(jīng)網(wǎng)絡(luò )模型的預圖像處理技術(shù)是焊縫跟蹤系統的軟件核心,將測精度和泛化能力。舒服華等人提出了一種神經(jīng)網(wǎng)視覺(jué)傳感器所采集的圖像信息進(jìn)行加工處理,提取絡(luò )與蟻群算法相結合的08Al鋼板電阻點(diǎn)焊工藝參焊縫的特征信息,通過(guò)一定的算法得到焊炬與焊縫數優(yōu)化方法。以試驗數據為樣本,通過(guò)神經(jīng)網(wǎng)絡(luò )建立的偏差信號。圖像處理過(guò)程一般包括量化、圖像預處焊接工藝參數與焊接性能關(guān)系之間的復雜模型,利理圖像分割和圖像邊緣提取等步驟,智能優(yōu)化方用蟻群算法對焊接工藝參數進(jìn)行優(yōu)化,充分發(fā)揮蟻法也逐步被應用到焊接圖像處理中241。例如,文群算法全局尋優(yōu)能力,仿真試驗顯示了方法的有效獻[23}]基于釬焊電觸頭焊接質(zhì)量超聲成像無(wú)損檢測性和優(yōu)越性。文獻[36]利用人工神經(jīng)網(wǎng)絡(luò )來(lái)得到焊縫的原理,針對超聲圖像分割過(guò)程中閡值難以確定的是否熔透的判斷結果,在對網(wǎng)絡(luò )權值的訓練中采用問(wèn)題,利用遺傳算法尋優(yōu)的高效性,搜索到能使分了隨機變異粒子群算法,大大提高了訓練速度和精割質(zhì)量達到最優(yōu)的分割參數圖像分割閾值,據此闞度,實(shí)驗結果表明該系統應用于焊接過(guò)程的實(shí)時(shí)質(zhì)值可以區分出超聲圖像中的缺陷部分與焊合區域，量監測是可行的。上面的分析表明,智能優(yōu)化算法對因此對于后續的焊接缺陷識別具有重要的意義。實(shí)于焊接自動(dòng)控制過(guò)程的優(yōu)化非常重要。驗結果表明,該算法分割切實(shí)可行,有效地縮短了.3 生產(chǎn)調度尋找閾值的時(shí)間。文獻[24]針對前置放大器電路焊焊接生產(chǎn)調度問(wèn)題在很多情況下通過(guò)建立數接點(diǎn)的合格檢測問(wèn)題,利用遺傳算法可以自適應的學(xué)模型難以精確求解,即使經(jīng)過(guò)一些簡(jiǎn)化之后可以找到最優(yōu)濾波器以增強檢測系統的精度。結果表明:進(jìn)行求解,也會(huì )因簡(jiǎn)化得太多而使得求解結果與實(shí)該方法設計的系統的精度要明顯高于傳統濾波器際相差甚遠。以前在現實(shí)生產(chǎn)中主要是靠- -些經(jīng)驗系統,其檢測速度也比人工檢測快的多。朱杰雄等來(lái)進(jìn)行調度,而現在智能優(yōu)化算法已成為解決復雜人為了 更有效地提取鋁合金TIG焊熔池邊緣,提出調度問(wèn)題的有效工具92。例如,文獻[20]基于遺傳基于蚊群算法(ACA)的熔池圖像處理程序。并針對算法原理,建立了箱型結構熱機耦合非線(xiàn)性三維優(yōu)鋁合金TIG焊的特性,對蟻群算法進(jìn)行了改進(jìn),同.化仿真模型,以焊接變形為目標函數,進(jìn)行了焊接時(shí)與基于Soble算子,Prewitt算子,Krisch算子熔池順序數值仿真優(yōu)化。對于給定的焊接條件,通過(guò)選邊緣提取結果進(jìn)行比較。實(shí)驗結果表明,基于蟻群擇合適的目標函數,采用遺傳算法可以確定最優(yōu)焊算法的熔池圖像處理程序對熔池邊緣提取的效接順序。這為針對工程具體問(wèn)題設計焊接工藝提供果最佳。所以,智能優(yōu)化方法大大促進(jìn)了焊接圖像了可靠的依據。文獻[2]利用回歸正交設計建立了處理過(guò)程。高纖維素焊條藥皮組分與其焊接工藝性之間的數學(xué)模型,并分析了各個(gè)組分對工藝性的影響規律,5未來(lái)發(fā)展方向并結合遺傳算法優(yōu)化出了綜合性能優(yōu)良的焊條配.隨著(zhù)智能優(yōu)化算法的理論研究的不斷深人和方。文獻[34]研究了柔性機器人焊接系統中的作業(yè)優(yōu)焊接工業(yè)自動(dòng)化、智能化的不斷發(fā)展,智能優(yōu)化理.化調度問(wèn)題,采用蟻群優(yōu)化算法求解機器人焊接系論在焊機中的應用將日益廣泛,并將朝以下幾個(gè)方統的作業(yè)問(wèn)題,并通過(guò)算例驗證了該算法的有效性。向發(fā)展。文獻[37]研究了基于粒子群算法的焊接企業(yè)車(chē)間調(1)智能算法本身不斷改進(jìn)。例如.文獻[2]采用了度問(wèn)題進(jìn)行研究。首先,對m位工人加工n個(gè)結構件自適應遺傳算法,來(lái)解決遺傳算法的早熟問(wèn)題,取得的隨機調度問(wèn)題建立數學(xué)模型,并以最小化最大的良好的代化加果牛木雄箋A棋出了改進(jìn)的蟻群算加工完成時(shí)間的期望與方差為優(yōu)化目標。為求解該好中國煤化工提取了,取得良模型,對二進(jìn)制粒子群算法(BPS0)進(jìn)行改進(jìn),并采!YHCNM H G算法進(jìn)行了改用動(dòng)態(tài)領(lǐng)域策略、新的粒子個(gè)體極值選擇以及一維進(jìn),來(lái)對焊接車(chē)間生產(chǎn)調度問(wèn)題進(jìn)行優(yōu)化。. 70.8lastrio Hling Molins焊接工藝李廣軍等:智能優(yōu)化算法及其在焊接優(yōu)化設計領(lǐng)域的應用.第6期(2)智能優(yōu)化算法混合應用。由于各種智能算法徑[小機械設計與研究.2004,20(2):57-59.本身的缺點(diǎn),可以把幾種智能優(yōu)化方法結合起來(lái)適9] 高勝,常玉連,張瑞杰,等.基于自由漂浮空間機器人用,從而提高效果。例如，文獻[4]針對經(jīng)典遺傳算法的空間焊縫跟蹤[]焊接學(xué)報,2008 29(11):65-68.的缺陷,在貪婪遺傳算法的基礎上引人了基因植入.[10]葉建雄,張晨曙焊接工藝參數中的BP神經(jīng)網(wǎng)絡(luò )與遺傳算法結合創(chuàng )小上海交通大學(xué)學(xué)報,00842):57-59.操作,并應用到多關(guān)節機器人多點(diǎn)焊接的全局序列[11]李小英.基于模擬退火遺傳算法的高頻焊接輸出功率優(yōu)規劃中,實(shí)現了在不增加種群規模、不增加運算量化控制J機電工程,2008 ,5():65- 67.的條件下增大搜索范圍、改善收斂效果的目的。文[12]余圣甫,李志遠,劉順洪等基于人工神經(jīng)網(wǎng)絡(luò )的藥焊接獻[5]把模擬退火算法和遺傳算法結合起來(lái),提出了頭韌性?xún)?yōu)化[小華中理工大學(xué)學(xué)報, 1998 ,26(2):60-62.基于遺傳模擬退火算法用于弧焊機器人與變位機(13]任蕓丹,芮延年,林杰基于遺傳 灰色液氯儲罐焊摟質(zhì)協(xié)調路徑規劃,取得了很好的效果。協(xié)調路徑規劃量可靠性評價(jià)方法的研究J.機械設計與制造,006,11);精確地保證焊縫的最佳焊接位置與最佳的焊槍姿41-42.態(tài),并能找到柔順的焊接路徑,提高了機器人焊接[14]雷玉成.張成,程曉農 ,等.基于遺傳算法的棋糊神經(jīng)網(wǎng)絡(luò )控制器在GTAW中的應那]，焊接學(xué)報,2003 244):的質(zhì)量和效率。47-50.(3)與其他智能算法結合使用。焊接是復雜的非[15]李春善.王經(jīng),劉桂方 ,等.基于遺傳算法焊接送絲控線(xiàn)性過(guò)程,智能優(yōu)化算法必須與其他智能算法結合制系統的設計與仿真]信息技術(shù),20107);110-112起來(lái)使用,來(lái)結合焊接過(guò)程中的各種問(wèn)題。例如,文[16]董志波,魏艷紅,占小紅,等遺傳算法與神經(jīng)網(wǎng)絡(luò )結合獻[13]利用遺傳灰色系統理論和方法對液氯儲罐焊優(yōu)化焊接接頭力學(xué)性能預測模型0焊接學(xué)報,2007,28接質(zhì)量進(jìn)行評價(jià),即用灰色理論建立評價(jià)模型,利(12):69-72.用遺傳算法優(yōu)化此模型,提高評價(jià)精度,節約人力[17]張根元,徐邁里,田松亞,等.45鋼交流閃光對焊焊接熱和物力。文獻[14]將遺傳算法、模糊理論和神經(jīng)網(wǎng)絡(luò )影響區晶粒長(cháng)大的遺傳算法[].焊接學(xué)報2009 ,30(6):79-82.三者有機地結合起來(lái),在模糊神經(jīng)網(wǎng)絡(luò )控制器的基[18]陶 軍,李冬青,范成磊.等模擬一測量結合反演焊接礎上利用了改進(jìn)的遺傳算法,協(xié)調利用三者的優(yōu)勢條件下材料熱導事J.機械工程學(xué)報,2005 ,41(12):141-設計了一種新型的模糊控制器,并使之用于脈沖鎢極氣體保護電弧焊仿真中,結果證明了該新型模糊[19]劉海江,張春偉,徐君杰,等基于遺傳算法的白車(chē)身焊神經(jīng)網(wǎng)絡(luò )控制器比傳統的模糊控制器具有一定的接機器人焊點(diǎn)分配四同濟大學(xué)學(xué)報(自然科學(xué)版),2010,優(yōu)越性。.3815):725-728.[20]崔曉芳,馬君,趙海燕,等基于遺傳算法的箱 型結構參考文獻:焊接順序優(yōu)化[]，焊接學(xué)報,2006,27(8):6-8.[1] 黃友銳智能優(yōu)化算法及其應用[M].北京:國防工業(yè)出版[21]朱文峰.來(lái)新民,王皓,等計入焊接熱效應影響的車(chē)杜,008.身門(mén)董件匹配優(yōu)化方法[I.機械工程學(xué)報,2005 ,411);2] 晁永生,劉海江白車(chē)身焊接機器人加工路徑優(yōu)化和仿80-83.真[J中國機械工程2010,21(4):442 445.[2劉瞿.姚潤鋼,吳倫發(fā),等高纖維素焊條工藝性的優(yōu)3] 何廣忠,高洪明,張廣軍,等弧焊機器人放置規劃問(wèn)題的化設計[D.材料開(kāi)發(fā)與應用,2010(6):4-6.研究[]機器人,2006, 28(3):249 -254.[23]陳懷東,曹宗杰,張柯柯，等.基于遺傳算法的超聲檢測4] 何谷慧,周保定,孫立功,等基因植入遺傳算法在焊接機圖像分割識別方法[J西安交通大學(xué)學(xué)報,2003 ,37(1):器人序列規劃中的應用[J.河南科技大學(xué)學(xué)報(自然科學(xué)22-24版),2008 ,95);33. -36.[24]屈小川自動(dòng)視覺(jué)檢測中基于遺傳算法的新的邊緣檢測5] 陳志翔,殷樹(shù)言,盧振洋,等基于遺傳模擬退火算法的弧技術(shù)測繪科技情報2002(1):8 -14.焊機器人系統協(xié)調路徑規劃[J.機械工程學(xué)報,2005 ,41[25]吉根林遺傳算法研究綜述[J計算機應用與軟件,2004,、(2);194-198.21(2):69-71.6)崔鯤,吳林,陳善本.遺傳算法在冗余度弧焊機器人26]楊淑瑩.模式識別與智能計算- -Matlab技術(shù)實(shí)現[M.北路徑規劃中的應用[J.19989 ,20(5):362 367.京:電子工業(yè)出版社.2008.[7]師文慶.振鏡掃描式激光點(diǎn)焊 技術(shù)中掃描路徑的優(yōu)化[中國煤化工算法及其在飛行應用激光200824(-)331-335.上報,009,306);8] 楊虎,邵華，利用遺傳算法求解最小變形的焊接路YHCNMHG_8havi KWling .Medino__ . 71 :焊技工藝電焊榔第41卷[28]張慧VC++ 環(huán)境下的BP神經(jīng)網(wǎng)絡(luò )建模和模擬退火算法[小電焊機,009, 39(4):90-92.優(yōu)化研究[]電腦與信息技術(shù),2008, 16(2):31-33.[34]胡中華,趙敏.一種求解 機器人作業(yè)調度的智能優(yōu)化[29]武飛周,薛源智 能算法綜述[幾.工程地質(zhì)計算機應用，算法[小電焊機2009,3911):45-48.2005(2):9-14[35]陳京力奇,孟正大基于蟻群算法的弧焊作業(yè)任務(wù)規劃小(30]馬軍建，董增川,王春霞,等.蟻群算法研究進(jìn)展J]河海華中科技大學(xué)學(xué)報(自然科學(xué)版) 2008(36):317-340.大學(xué)學(xué)報(自然科學(xué)版),2005 ,(2):139-142[36]張樸,王振飛,孔 力,等激光深熔焊接 過(guò)程實(shí)時(shí)監[31]王家海,王毅基于蟻群算法的白車(chē)身焊接機器人路測系統設計J.儀表技術(shù)與傳感器2087):83-858.徑優(yōu)化研究[J.制造業(yè)自動(dòng)化,2008 305);16-17.[37樊 坤,張人千,夏國平隨機雙目標焊接車(chē)間調度建模[32]吳明亮,李妍,黃健康,等.基于蟻群算法的鋁合金 MIG與仿真[J}系統仿真學(xué)報20.21013):3106 3099.焊熔池邊緣檢測[D.電焊機208,385);19 -21.[38]倪慶劍,邢漢承,張志政,等粒子群優(yōu)化算法研究進(jìn)展辦[3]趙敏, 胡中華.一種求解機器人路徑規劃的智能優(yōu)化模式識別與人工智能,2007 20(3):249 _253.Page81百SMAW通常工作于小電流區間。流反接,即使熔深可能較淺。.在陰極區,由于電極為冷陰極材料,因此其導電機構與GMAW反接時(shí)的陰極區導電機構相同,3結論以電場(chǎng)發(fā)射為主(見(jiàn)圖1),熱發(fā)射為輔。因此正電場(chǎng).(1)由于熱陰極(W、C)和冷陰極(Fe、Al、Cu等)的強度E很高,陰極壓降Uk也很高。電子發(fā)射方式不同,以及陽(yáng)極區中性粒子的電離方在陽(yáng)極區,由于電流較小,加之焊條直徑較粗,式不同,在陰、陽(yáng)極區將可能形成正、負電場(chǎng),導致電流密度更小，溫度較低,熱電離不能提供足夠的U(或陰極產(chǎn)熱P)、UA(或陽(yáng)極產(chǎn)熱P)不一致。為了電子。來(lái)自陰極的過(guò)剩的電子便在陽(yáng)極區前沿堆積，”獲取較大的熔深,通 常都是將產(chǎn)熱較大的一-極接至形成電場(chǎng)強度很強的負電場(chǎng)(見(jiàn)圖2),通過(guò)電場(chǎng)電工件。離提供所需要的正離子。(2)對于GMAW和SAW焊,陰極壓降Uk遠遠.綜上可知,陰極區的電場(chǎng)強度和陽(yáng)極區的電場(chǎng)大于陽(yáng)極壓降U(近似為0),導致陰極產(chǎn)熱遠大于強度都很大,大體處于同一數量級。但由于陽(yáng)極區長(cháng)陽(yáng)極產(chǎn)熱,因此,GMAW通常采用直流反接。度(約10+ cm)大于陰極區長(cháng)度(約10 cm),導致陽(yáng)(3)對于TIG焊,陽(yáng)極壓降U大于陰極壓降Uk, .極壓降U大于陰極壓降Uk,因此陽(yáng)極產(chǎn)熱Px=(UA+從而陽(yáng)極產(chǎn)熱P.大于陰極產(chǎn)熱P,因此,TIC大多U)大于陰極產(chǎn)熱P=l(U,-U)。實(shí)驗證明,陽(yáng)極溫度采用直流正接。比陰極溫度高約200 C間。(4)對于SMAW焊.酸性焊條時(shí),陽(yáng)極壓降U(2)直流反接。大于陰極壓降Uk,陽(yáng)極產(chǎn)熱P.大于陰極產(chǎn)熱R,采使用堿性焊條時(shí),通常使用直流反接,其原因用直流正接;堿性焊條時(shí),由于氟的存在,導致焊接為:堿性藥皮中含有CaF2,它在電弧作用下分解出工藝性差,通常采用直流反接。氟,氟的電離電位很高,不易電離,而氟最外層有七個(gè)電子,不可能失去電子成為正離子,而且氟的電參考文獻:子親和能很大,容易獲得電子成為負離子。如果采用[1]區智明,孫曉明,夏勝全.改善 MIG/MAG短路過(guò)渡焊接直流正接,在陰極區(焊條端部),大量電子被氟奪電弧工藝性能的方卻小電焊機,2009 ,91)77-82.走,而電子運動(dòng)是電弧導電的主要力量,這就會(huì )造[2] 常云龍,楊旭.外加縱向磁場(chǎng)作用 下的TG焊接電弧[]焊接學(xué)報,2010,414):49-52.成電弧導電困難,電弧穩定性下降;另一方面,大量[3] 馬春偉,徐培全.微束等離子焊接電弧光學(xué)特征的試驗研的氟離子在電場(chǎng)作用下加速飛向陽(yáng)極(熔池),這樣究[)上海交通大學(xué)學(xué)報20.42011):149-151會(huì )增加飛濺;再加上陰極斑點(diǎn)壓力也阻礙熔滴的過(guò)[4] 安藤弘平, 長(cháng)谷川光雄.焊接電弧現象[M]}施雨湘譯北渡,導致難以施焊。如果采用直流反接,氟原子處于京:機械工業(yè)出版社,1985.陽(yáng)極(焊條端部)區,而大量的自由電子遠在陰極(工[5]中國煤化工業(yè)出版社.1998件)區,氟原子便失去了奪取大量自由電子的機會(huì )。60HCNMHG書(shū)3版)M北京:因此為改善堿性焊條的焊接工藝性能,盡量采用直.72.8ldhio gKidin .Mbolins