基于智能算法的白车身侧围焊接机器人路径规划研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 选题背景 | 第8-9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 本论文研究内容 | 第12-13页 |
| 第二章 路径规划影响因素分析 | 第13-28页 |
| 2.1 白车身侧围结构 | 第13-14页 |
| 2.2 侧围焊接工艺流程 | 第14-16页 |
| 2.2.1 侧围点焊工艺的研究 | 第14-15页 |
| 2.2.2 点焊工艺优缺点 | 第15页 |
| 2.2.3 焊接参数影响 | 第15-16页 |
| 2.3 焊点 | 第16-17页 |
| 2.4 焊枪 | 第17-18页 |
| 2.5 装焊夹具 | 第18-19页 |
| 2.6 机器人 | 第19-22页 |
| 2.6.1 机器人结构 | 第19-20页 |
| 2.6.2 焊接机器人运动特性 | 第20-21页 |
| 2.6.3 机器人碰撞 | 第21-22页 |
| 2.7 机器人运动学研究 | 第22-27页 |
| 2.7.1 坐标变换 | 第22-24页 |
| 2.7.2 机器人D-H参数的建立 | 第24-25页 |
| 2.7.3 机器人正运动学 | 第25-27页 |
| 2.7.4 机器人逆运动学研究 | 第27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 单台机器人三维路径优化研究 | 第28-44页 |
| 3.1 路径优化的任务 | 第28-29页 |
| 3.2 路径规划模型的建立及技术方案的提出 | 第29-30页 |
| 3.3 单台机器人三维路径优化数学模型的构建 | 第30-31页 |
| 3.4 算法的选择 | 第31-35页 |
| 3.4.1 遗传算法原理及其应用简介 | 第31-32页 |
| 3.4.2 粒子群算法原理及优化算法模型 | 第32-34页 |
| 3.4.3 混合粒子群算法的提出 | 第34-35页 |
| 3.5 新算法在三维路径优化中的应用 | 第35-38页 |
| 3.5.1 编码方式选择 | 第35页 |
| 3.5.2 初始种群生成 | 第35-36页 |
| 3.5.3 适应度函数的设计 | 第36页 |
| 3.5.4 交叉算子的设计 | 第36页 |
| 3.5.5 变异算子设计 | 第36-37页 |
| 3.5.6 终止条件设计 | 第37页 |
| 3.5.7 算法流程 | 第37-38页 |
| 3.6 单台机器人路径优化及仿真结果分析 | 第38-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 多机器人焊接三维路径规划研究 | 第44-63页 |
| 4.1 多机器人焊接过程描述 | 第44页 |
| 4.2 路径优化原则与约束 | 第44-45页 |
| 4.3 路径规划模型的建立 | 第45-50页 |
| 4.3.1 焊点分配数学模型的建立 | 第46页 |
| 4.3.2 机器人防碰撞模型的建立 | 第46-48页 |
| 4.3.3 单台机器人路径优化模型 | 第48页 |
| 4.3.4 多机器人路径优化模型的建立 | 第48-50页 |
| 4.4 多种群遗传算法 | 第50-53页 |
| 4.4.1 多种群遗传算法求解过程 | 第51-52页 |
| 4.4.2 多种群遗传算法流程图 | 第52-53页 |
| 4.5 多机器人路径规划实例仿真结果分析 | 第53-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 结论与展望 | 第63-65页 |
| 5.1 结论 | 第63页 |
| 5.2 本文主要创新点及日后研究展望 | 第63-65页 |
| 5.2.1 本文主要创新点 | 第63-64页 |
| 5.2.2 日后研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录1 攻读硕士学位期间的研究成果 | 第70-71页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第71页 |
