基于遺傳算法的機器人自動化體系設計研究

譚 智

（湖南科技職業學院，湖南 長沙 410118）

隨著我國社會經濟與科學技術的不斷發展，我國的電力行業得到了快速的更新和進步，其中以機器人技術的發展革新尤為突出[1]。我國電力行業在機器人的應用上己經基本上完成由感應式的傳統機械式機器人向更為自動化的機器人的轉變[2]。目前，我國自動化機器人的生產模式仍然以傳統勞動密集型的生產模式為主，自動化程度不高，生產效率低，故障率高的問題制約著企業的發展，因此，企業迫切需要更先進的生產模式和生產技術來改變目前的生產現狀，幫助企業提高制造效率，節約生產成本[3]。國內大多數制造企業正在努力減少生產庫存，按及時生產的企業管理模式，因此，對于生產線的自動化程度和柔性化程度就提出了更高的要求，基于遺傳算法的機器人自動化體系設計進行研究，對于滿足多變化的生產需求尤為重要[4]。

1 設計機器人自動化轉動軸

機器人自動化生產線中所用到的機器人為六軸工業機器人，為了對該生產線中六軸工業機器人的轉動軸進行設計，首先針對轉動軸的運動模型及其運作路徑進行設計。六軸工業機器人通常具有6 個自由轉動的軸，由6 個獨立的伺服電機作為動力源驅動[5]。六軸工業機器人的各關節都是由回轉關節構成，根據運動學分析理論對機器人自動化轉動軸進行設計如圖1 所示。

圖1 機器人自動化轉動軸

運用D-H 法對六軸工業機器人進行分析時，第一步建立機器人的基礎坐標系然后在機器人的各個軸建立相應的軸坐標系并且一個軸坐標系以前一軸坐標系為參考。依據齊次法則，得到機器人軸坐標系之間相互轉換的矩陣，工業機器人從其底座到機器人第一軸，從機器人第一軸再到機器人第二軸按照其次法則，得到工業機器人總坐標轉換矩陣，六軸工業機器人各個軸的位置對應到機器人的第六軸的位置是一一對應的獨立關系，所以己知六個關節角變量后利用矩陣運算就能確定工機器人位移發生后的末端位置。

2 設計機器自檢系統電路

雙軌輸送系統以及定位擋停裝置完成自檢系統電路的輸送和定位，視覺檢測系統電能表到位后，自動上電裝置中上電插針模組平移使插針接觸電路板強弱電端子為自檢系統上電，氣缸按壓編程鍵。檢測信號輸送給工控機，檢測完成后插針模組縮回，擋停定位機構放行，自檢系統電路流至下一工位，自動檢測系統的電路如圖2 所示。

圖2 機器自檢系統電路圖

通過在基于遺傳算法的機器人自動化體系中，加入自檢系統裝置，設計自動化體系的工作流程，首先在機器人自動化輸送故障檢測信息的時候，加入探針模組壓接，通過敏感探針測量自檢系統的壓力，再繼續給檢測電路上電，按照預定程序進行編程，將經過整理完全的系統進行檢測，通過自檢系統的測驗，由人工進行檢查產品外觀。

3 基于遺傳算法實現機器人自動化響應

在遺傳算法中，通過交叉和變異的運算機制進行整合，從而使得SBX 算法應用于機器人自動化。根據SBX 方法生成子個體:交叉運算。從而得到機器人自動化響應的遺傳算法的運算流程如圖3 所示。

圖3 基于遺傳算法的機器人自動化響應的運算流程

考慮到機器人在實際生產過程中，有五個關鍵工序所對應的時間初始化種群，并且均存在對應的取值范圍。然而在實際生產過程中個計算適應度的取值相互之間存在關聯，通過設定大小不一的取值范圍，采用遺傳算法的具體參數為:每代種群為100，代數為100 代，得到交叉概率為0.9。

4 仿真實驗

4.1 實驗準備

首先運用三維建模軟件建立機器人自動化生產線的三維數模，然后將三維數模導入仿真軟件中，該模型能夠直觀地展示出機器人自動化生產線的整體布局以及生產設備、操作人員、工業機器人的位置關系。將設計出的遺傳算法自動化響應系統導入，在生產線的三維數模導入仿真軟件，過程中需要注意的是，由于機器人自動化生產線的零配件種類很多，并且大多數零配件的尺寸數據不常用，若將全部的產品數據直接導入到最終的仿真分析系統，會占據過多計算機資源。在這里，把需要進行裝配的零配件以及其他需要用到尺寸數據的零配件模型保存為格式文件，而將剩下不用的產品模型保存為結構樹中的產品結構樹，將其他工藝結構樹進行資源整合，得到其他對應的信息，建立更高效、更便于管理的裝配約束關系，得到仿真生產線中的仿真流程如圖4 所示。

圖4 機器人自動化仿真生產線流程圖

根據機器人自動化生產線設計方案和現有訂單對生產線的要求，并針對機器人自動化生產線各零部件的運動方式和運動軌跡添加仿真運動，然后在圖4 中設定好每個動作的持續時間，將各個生產單元運動部分的運動的優先建立起來，之后再將各生產單元的運動進行聯合，從而獲得整條生產線的仿真運動。

4.2 對生產線優化結果驗證

選擇十組設備，分別按照遺傳算法和兩種不同的傳統方法，對設計出的機器人自動化體系進行生產操作，得到機器人自動化生產產品的完成率和時間，整理數據如表1 所示。

表1 機器人自動化生產完成情況統計

通過實驗得知，基于遺傳算法設計的自動化體系完成率普遍在79%以上，需要人工復檢的難度偏低，對于機器的利用率大大提升。而傳統方法1 的對于產品的完成率偏低，都在80%以下。傳統方法2 在產品的完成率測量值并不穩定，且普遍偏低。選擇相同的十組設備，按照遺傳算法和兩種傳統方法進行生產操作，得到生產產品的完成時間，整理數據如表2 所示。

表2 機器人自動化生產完成時間統計

通過表中數據分析，基于遺傳算法的機器人自動化生產完成時間偏低，都在22s 以下。而傳統方法1 生產完成時間普遍在19s 以上，且用時最長達到30s。傳統方法2 完成生產的用時偏長，在26s 以上。相比較之下，基于遺傳算法的機器人自動化體系，在生產過程中能達到更加優良的效果。

5 結語

可以看出遺傳算法的導入，提高了機器人自動化體系的精確度，讓生產的完成率得到了提升，同時也降低了人工復檢的難度。目前制造業的發展趨勢必然是信息化、數字化，隨著行業的競爭越來越激烈、市場越來越多變以及消費者的需求越來越高，制造企業本身就迫切需要進行轉型升級，因此未來的研究方向，應該著重落在如何降低制造成本、提高企業生產的自動化程度、縮減產品研發周期、提高產品生產效率與質量等方面。