本文選題：大梁自動(dòng)焊 + 障礙物預(yù)測(cè)��； 參考：《焊接學(xué)報(bào)》2017年01期

【摘要】：大梁自動(dòng)焊時(shí),必須自動(dòng)避開工件上的筋板、隔板和空洞等障礙物.但因產(chǎn)品的種類多,工件上障礙物的位置存在隨機(jī)性,難以通過單一的方法進(jìn)行障礙物預(yù)測(cè).針對(duì)該問題,利用超聲波傳感器采集障礙物信息,提出一種修正型果蠅算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)(AFOA-GRNN)的大梁自動(dòng)焊障礙物預(yù)測(cè)模型.該方法在傳統(tǒng)果蠅算法中引入信息素和靈敏度兩個(gè)因子,改進(jìn)了尋優(yōu)策略和果蠅位置的替換方式,對(duì)GRNN進(jìn)行參數(shù)優(yōu)化,進(jìn)行大梁自動(dòng)焊障礙物的預(yù)測(cè).結(jié)果表明,建立的修正型AFOA-GRNN預(yù)測(cè)模型相比于FOA-GRNN,訓(xùn)練速度更快,預(yù)測(cè)精度更高.
[Abstract]:When the beam is welded automatically, it must avoid obstacles such as steel plate, partition board and cavity on the workpiece.However, because of the variety of products and the randomness of the obstacle position on the workpiece, it is difficult to predict the obstacle by a single method.In order to solve this problem, a modified algorithm of Drosophila melanogaster is proposed to optimize the prediction model of beam automatic welding obstacles based on generalized regression neural network (AFOA-GRNNN) by using ultrasonic sensor to collect obstacle information.This method introduces pheromone and sensitivity into the traditional Drosophila algorithm, improves the optimization strategy and the replacement mode of the Drosophila position, optimizes the parameters of GRNN and predicts the obstacles of beam automatic welding.The results show that the modified AFOA-GRNN prediction model is faster in training speed and higher in prediction accuracy than that in FOA-GRNN.
【作者單位】： 湘潭大學(xué)焊接機(jī)器人及應(yīng)用湖南省重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51575468) 湖南省自然科學(xué)省市聯(lián)合基金資助項(xiàng)目(2015JJ5013)
【分類號(hào)】：TG409

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳大中;吳麗華;;基于改進(jìn)的GRNN的固體氧化物燃料電池辨識(shí)模型研究[J];能源研究與信息;2013年04期

2 胡大偉;卞新民;李思米;許泉;;基于GRNN網(wǎng)絡(luò)模型的土壤重金屬空間分布的研究[J];土壤通報(bào);2007年02期

3 蔣必辭;潘保芝;莊華;張海濤;楊小明;陳剛;;改進(jìn)GRNN網(wǎng)絡(luò)預(yù)測(cè)致密砂巖氣層壓裂產(chǎn)能[J];世界地質(zhì);2014年02期

4 李朝將;凡銀生;李強(qiáng);;基于GRNN的電火花線切割加工工藝預(yù)測(cè)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年S2期

5 丁磊;;油田測(cè)試工作中GRNN類神經(jīng)網(wǎng)絡(luò)應(yīng)用探討[J];中國石油和化工標(biāo)準(zhǔn)與質(zhì)量;2013年07期

6 張永勇;許國根;;基于GRNN模型的肼類化合物毒性參數(shù)構(gòu)效分析[J];化學(xué)推進(jìn)劑與高分子材料;2014年03期

7 張如意;王學(xué)雷;;基于GRNN的醬油種曲孢子數(shù)預(yù)測(cè)模型[J];中國調(diào)味品;2012年10期

8 ;ARTIFICIAL NEURAL NETWORKS-MODELING, PROGRAMMING AND APPLICATION IN MATERIAL HOT WORKING[J];Acta Metallurgica Sinica(English Letters);2000年02期

9 郭衛(wèi)東;倪開誠;孫旭東;張長(zhǎng)江;陳文榮;;基于CWT和GRNN的可見-近紅外漫反射光譜檢測(cè)櫻桃糖度的研究[J];食品科學(xué);2009年12期

10 謝水英;黃芳;;基于GRNN神經(jīng)網(wǎng)絡(luò)的800H合金熱變形預(yù)測(cè)[J];熱加工工藝;2014年12期

相關(guān)會(huì)議論文 前10條

1 銀濤;俞集輝;;基于GRNN的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)[A];第十屆全國電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

2 Ziwen Leng;Junwei Gao;Yong Qin;Xin Liu;Jing Yin;;Short-term Forecasting Model of Traffic Flow Based on GRNN[A];第25屆中國控制與決策會(huì)議論文集[C];2013年

3 陳其紅;闞樹林;秦臻;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的設(shè)備可靠性預(yù)測(cè)[A];2011年全國機(jī)械行業(yè)可靠性技術(shù)學(xué)術(shù)交流會(huì)暨第四屆可靠性工程分會(huì)第三次全體委員大會(huì)論文集[C];2011年

4 柴毅;凌睿;;基于參數(shù)優(yōu)化與GRNN逼近的非線性PID控制[A];第二十六屆中國控制會(huì)議論文集[C];2007年

5 徐中;張敬瑩;趙小波;;基于GRNN的粘彈材料阻尼性能的預(yù)測(cè)[A];第六屆中國功能材料及其應(yīng)用學(xué)術(shù)會(huì)議論文集（10）[C];2007年

6 王小輝;王琪潔;;基于廣義回歸神經(jīng)網(wǎng)絡(luò)的日長(zhǎng)變化的高精度預(yù)報(bào)[A];中國天文學(xué)會(huì)2011年學(xué)術(shù)年會(huì)手冊(cè)[C];2011年

7 馬珊;龐永杰;張鐵棟;;基于GRNN的聲圖像特征研究[A];第十五屆中國海洋（岸）工程學(xué)術(shù)討論會(huì)論文集(上)[C];2011年

8 陳端;曹陽;梅一韜;仲云飛;吳邦彬;;GRNN神經(jīng)網(wǎng)絡(luò)在大壩滲流預(yù)測(cè)中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

9 李慧英;李曉奇;;旅游需求預(yù)測(cè)分析——對(duì)比GRNN與多元回歸分析方法的應(yīng)用[A];第四屆中國智能計(jì)算大會(huì)論文集[C];2010年

10 陳欣;肖建華;欒培賢;徐強(qiáng);王洪斌;;基于BP與GRNN神經(jīng)網(wǎng)絡(luò)的PRRS預(yù)測(cè)模型的研究[A];中國畜牧獸醫(yī)學(xué)會(huì)信息技術(shù)分會(huì)2012年學(xué)術(shù)研討會(huì)論文集[C];2012年

相關(guān)碩士學(xué)位論文 前6條

1 趙煥;輕涂紙涂布量測(cè)定方法的實(shí)驗(yàn)研究[D];天津科技大學(xué);2013年

2 董江偉;風(fēng)速相似性形態(tài)研究及其在短期風(fēng)速預(yù)測(cè)中的應(yīng)用[D];南京信息工程大學(xué);2016年

3 陳曦;基于ARCH-因子分析-GRNN組合技術(shù)的中國跨國公司匯率風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建[D];北京外國語大學(xué);2016年

4 張宇;一種新型GRNN神經(jīng)網(wǎng)絡(luò)的制冷壓縮機(jī)銷售預(yù)測(cè)研究[D];上海交通大學(xué);2015年

5 金帥軍;基于GRNN神經(jīng)網(wǎng)絡(luò)的農(nóng)作物蟲害量預(yù)測(cè)系統(tǒng)設(shè)計(jì)[D];內(nèi)蒙古工業(yè)大學(xué);2013年

6 任茹香;基于GRNN的變權(quán)重組合預(yù)測(cè)模型在傳染病發(fā)病率預(yù)測(cè)中的應(yīng)用[D];浙江大學(xué);2011年

，

本文編號(hào)：1751334