焊接機器人技術發展趨勢

      為了適應工業生產系統向大型、復雜、動態和開放方向發展的需要，發達國家都在加大力度，對機器人技術進行深入研究。從技術發展趨勢看，智能化路徑規劃算法將是焊接機器人技術發展的主要方向。
 

2.1 神經網絡路徑規劃算法

神經網絡路徑規劃算法是模擬人的神經網絡結構來規劃路徑的一種方法，是一種智能的路徑規劃算法。神經網絡算法系統適應性、魯棒性良好，它能夠處理時變、多因素、非線性等復雜焊接過程的控制問題[4]。神經網絡擁有非常好的自適應、自學習能力，還有容錯性好、信息存儲量大，能夠實現并行聯想搜索解空間和完成自適應推理，提高系統的智能水平、知識處理能力及強壯性。因此，使用神經網絡來規劃路徑是一種非常高效的方法，在機器人焊接路徑規劃中扮演著重要的作用。
 2.2 遺傳算法路徑規劃技術

      遺傳算法是模擬自然界中生物進化的一種方法。通過模擬生物進化過程來搜索優解的方法，遺傳算法過程是將代表問題可能存在的解集的一個種群開始的，然而一個種群由經過基因編碼的一定數目的個體組成。每個個體事實上是染色體帶有特征的實體。染色體作為遺傳物質的主要載體，即多個基因的集合，其內部表現是某種基因組合，它決定了個體的形狀的外部特征，如人的身高的特征是由染色體中控制這一特征的某種基因組合決定的。因此，首先我們需要實現編碼工作即從表現型到基因型的映射[5]。由于仿照基因編碼的工作很復雜，我們一般進行簡化，如二進制編碼，初代種群產生之后，依照優勝劣汰和適者生存的法則，逐代進化產生出越來越好的近似解，在每一代根據問題域中個體的適應性好壞選擇個體，并借助于自然遺傳學的遺傳算子進行組合交叉和變異，產生出新一代解集的種群。這個過程將促使種群像自然進化一樣的后代比前代種群更加適應于環境，后一代種群中的優個體經過解碼處理，可以將問題看成優解。
 

2.3 蟻群算法路徑規劃

      蟻群算法路徑規劃的基本原則是基于能量小、行走路徑短、運行時間少原理建立理論基礎。其主要目的是在機器人運動空間內規劃處一條能夠避開障礙物的相對來說優的路徑。蟻群算法是模仿螞蟻覓食過程，從中找到路徑短的行為過程設計的一種仿生算法[6]。使用蟻群算法求解路徑優化問題時，我們將路徑優化問題翻譯成與信息素相關的規范形式，然后每個個體獨立地根據局部的信息素來決策構造解，后根據解的優劣來代替周圍的信息素，這樣的過程反復的進行直到找到優解結束。