买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海理工大学

摘要：本发明提出一种适用于多工位多机器人光学测点任务分配的方法，该任务分配方法通过对遗传算法的改进，涉及浮点数编码、精英选择策略、二次进化等关键步骤，并结合机器人的可达性分析，统筹考虑了多工位多机器人任务分配中测点的工位、所属机器人以及测点排序这三个重要环节的协调关系。在满足生产要求的前提下，极大提高了光学测点任务分配的质量与检测的效率。

主权项：1.一种适用于多工位多机器人光学测点任务分配的方法，其特征在于，包括以下步骤：步骤1：确定初始化信息，包括工位机器人位置和结构参数，测点信息以及车身点云；步骤2：以生产线轴线为基准将测点分配到左、右侧两个检测任务集中，选取测点数较多的一侧先进行规划，然后结合先规划的一侧结果进行剩下一侧测点的任务规划；步骤3：针对步骤2中左、右检测任务集进行聚类，将具有相同特征的测点归为一组，并将完成分组的相同特征测点集存入元胞数组中，以确保相同特征的测点在同一工位上完成检测，从而满足工厂的检测任务；步骤4：基于机器人运动学理论确定不同机器人对各测点的可达性，构造可达性矩阵以及最佳可行检测角度集合；步骤5：进一步完善步骤2中测点的信息：补充编号索引、特征编号索引、可达信息及可达机器人的关节角信息，然后基于步骤4得出的可达性矩阵剔除不可达测点的信息；步骤6：基于相同特征测点集合与可达性矩阵，对要分配的测点集合执行浮点数编码操作：整数位表示测点的工位信息，十分位表示测点的机器人信息，百分位表示测点在当前集合中的被检测的顺序编号；步骤7：建立适应度函数作为评价指标，计算不同任务子集内测点的路径长度，检测时间以及不同任务子集间聚类中心的距离，选取一定的权重比例，以求和的形式作为对每次进化后种群适应度的评价指标，对种群中的染色体进行综合评价并排序；步骤8：使用改进遗传算法：精英选择策略、双交叉，双变异以及二次进化有效地实现了车身测点的分配任务；步骤9：针对步骤8的每次操作之后必须进行编码有效性检查以确保具有相同特征的测点基因片段的整数部分相同；依据可达性矩阵对测点基因片段的十分位进行约束，保证十分位的数字与该测点可达机器人编号一致；步骤10：在规定迭代次数内顺序执行步骤6~9完成测点的分配任务，对得到的各车次、各机器人所分配的最优检测任务集进行解码，得出各工位、各机器人所分配的最优的测点集；所述步骤7中所述的适应度函数为：;其中，表示检测线的工位数，表示工位索引，表示检测线中一个工位上的机器人数，表示机器人索引，表示第工位的任务集，表示第工位上第机器人的任务集，表示第工位上第机器人的按照一定序列排列的任务集，表示第工位上各相邻任务集中心点坐标的欧氏距离之和，表示第工位上第机器人的任务集的检测时间，表示第工位上第机器人的按照一定序列排列任务集的路径长度，分别权重系数，为负，为正；以下是的具体表达： ;其中，表示01变量，0表示第机器人和机器人不相邻，1表示第机器人和机器人相邻，，表示第工位上第机器人的任务集中所有测点的中心坐标； ;其中，表示机械臂从初始位姿移动到第一个测点的移动时间，表示机械臂从最后一个测点返回初始位姿的移动时间，分别代表第工位上第机器人的任务集中的两个不同测点，表示01变量，0表示两个测点不相邻，1表示两个测点相邻，表示从测点到测点的移动时间，表示第工位上第机器人的任务集中测点数目，表示单个测点的检测时间； ;其中，表示测点在第工位上第机器人的任务集中的索引；所述步骤8中精英选择是指选取当前种群评价值前10%的染色体作为精英层，保留至新一代的前10%；剩余90%的作为非精英层，从中随机选取作为下一代的前20%~70%；而下一代最后剩余的30%由随机编码取代；双交叉是指选取特定阶层的两条染色体，然后随机选取染色体上的交叉位置，最后分别针对个位、十分位、百分位执行交叉操作；双变异则与双交叉操作类似，分别针对整数位和小数位执行变异操作；二次进化是重点对精英阶层的测点重新排序。

全文数据：

权利要求：

百度查询： 上海理工大学 一种适用于多工位多机器人光学测点任务分配的方法