基于自适应模糊神经网络的机器人焊接焊缝外形预测方法

TP274; 为提高机器人焊接焊缝外形预测的准确性,提出一种基于直觉模糊C均值聚类和自适应惯性权重粒子群算法(IFCM-APSO)相融合的模糊神经网络焊缝外形预测方法.该方法以T型焊缝的焊脚宽度和焊高高度作为评价标准,选择影响焊接质量的焊接速率、激光功率、送丝速率和保护气体流量这4种变量作为输入参数,对自适应模糊神经网络中隶属函数的中心值和宽度进行优化,以保证机器人焊接的输入和输出参数具有较好的拟合性.最后,经过仿真和实验表明,所提出焊缝外形预测方法能较好地对机器人焊接的输入和输出参数进行非线性拟合,提高了其全局搜索能力和收敛速度,解决了传统模糊神经网络训练过程中容易陷入局部极小点的问题....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 28; no. 11; pp. 3643 - 3651
Main Authors 陶永, 兰江波, 任帆, 王田苗, 江山, 高赫, 温宇方
Format Journal Article
LanguageChinese
Published 北京航空航天大学 机械工程及自动化学院,北京 100083 30.11.2022
Subjects
自适应模糊神经网络
机器人焊接
惯性权重粒子群算法
焊缝外形预测
直觉模糊C均值聚类
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2022.11.026

Cover

More Information
Summary:TP274; 为提高机器人焊接焊缝外形预测的准确性,提出一种基于直觉模糊C均值聚类和自适应惯性权重粒子群算法(IFCM-APSO)相融合的模糊神经网络焊缝外形预测方法.该方法以T型焊缝的焊脚宽度和焊高高度作为评价标准,选择影响焊接质量的焊接速率、激光功率、送丝速率和保护气体流量这4种变量作为输入参数,对自适应模糊神经网络中隶属函数的中心值和宽度进行优化,以保证机器人焊接的输入和输出参数具有较好的拟合性.最后,经过仿真和实验表明,所提出焊缝外形预测方法能较好地对机器人焊接的输入和输出参数进行非线性拟合,提高了其全局搜索能力和收敛速度,解决了传统模糊神经网络训练过程中容易陷入局部极小点的问题.
ISSN:1006-5911
DOI:10.13196/j.cims.2022.11.026