本文選題：大梁自動焊 + 障礙物預測�。� 參考：《焊接學報》2017年01期

【摘要】：大梁自動焊時,必須自動避開工件上的筋板、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性,難以通過單一的方法進行障礙物預測.針對該問題,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(AFOA-GRNN)的大梁自動焊障礙物預測模型.該方法在傳統(tǒng)果蠅算法中引入信息素和靈敏度兩個因子,改進了尋優(yōu)策略和果蠅位置的替換方式,對GRNN進行參數(shù)優(yōu)化,進行大梁自動焊障礙物的預測.結果表明,建立的修正型AFOA-GRNN預測模型相比于FOA-GRNN,訓練速度更快,預測精度更高.
[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】： 湘潭大學焊接機器人及應用湖南省重點實驗室;
【基金】：國家自然科學基金資助項目(51575468) 湖南省自然科學省市聯(lián)合基金資助項目(2015JJ5013)
【分類號】：TG409

【相似文獻】

相關期刊論文 前10條

1 吳大中;吳麗華;;基于改進的GRNN的固體氧化物燃料電池辨識模型研究[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)絡模型的土壤重金屬空間分布的研究[J];土壤通報;2007年02期

3 蔣必辭;潘保芝;莊華;張海濤;楊小明;陳剛;;改進GRNN網(wǎng)絡預測致密砂巖氣層壓裂產(chǎn)能[J];世界地質;2014年02期

4 李朝將;凡銀生;李強;;基于GRNN的電火花線切割加工工藝預測[J];華中科技大學學報(自然科學版);2012年S2期

5 丁磊;;油田測試工作中GRNN類神經(jīng)網(wǎng)絡應用探討[J];中國石油和化工標準與質量;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)構效分析[J];化學推進劑與高分子材料;2014年03期

7 張如意;王學雷;;基于GRNN的醬油種曲孢子數(shù)預測模型[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;張長江;陳文榮;;基于CWT和GRNN的可見-近紅外漫反射光譜檢測櫻桃糖度的研究[J];食品科學;2009年12期

10 謝水英;黃芳;;基于GRNN神經(jīng)網(wǎng)絡的800H合金熱變形預測[J];熱加工工藝;2014年12期

相關會議論文 前10條

1 銀濤;俞集輝;;基于GRNN的電力系統(tǒng)短期負荷預測[A];第十屆全國電工數(shù)學學術年會論文集[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(GRNN)的設備可靠性預測[A];2011年全國機械行業(yè)可靠性技術學術交流會暨第四屆可靠性工程分會第三次全體委員大會論文集[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測[A];第六屆中國功能材料及其應用學術會議論文集（10）[C];2007年

6 王小輝;王琪潔;;基于廣義回歸神經(jīng)網(wǎng)絡的日長變化的高精度預報[A];中國天文學會2011年學術年會手冊[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）工程學術討論會論文集(上)[C];2011年

8 陳端;曹陽;梅一韜;仲云飛;吳邦彬;;GRNN神經(jīng)網(wǎng)絡在大壩滲流預測中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術交流會論文集[C];2012年

9 李慧英;李曉奇;;旅游需求預測分析——對比GRNN與多元回歸分析方法的應用[A];第四屆中國智能計算大會論文集[C];2010年

10 陳欣;肖建華;欒培賢;徐強;王洪斌;;基于BP與GRNN神經(jīng)網(wǎng)絡的PRRS預測模型的研究[A];中國畜牧獸醫(yī)學會信息技術分會2012年學術研討會論文集[C];2012年

相關碩士學位論文 前6條

1 趙煥;輕涂紙涂布量測定方法的實驗研究[D];天津科技大學;2013年

2 董江偉;風速相似性形態(tài)研究及其在短期風速預測中的應用[D];南京信息工程大學;2016年

3 陳曦;基于ARCH-因子分析-GRNN組合技術的中國跨國公司匯率風險預測模型構建[D];北京外國語大學;2016年

4 張宇;一種新型GRNN神經(jīng)網(wǎng)絡的制冷壓縮機銷售預測研究[D];上海交通大學;2015年

5 金帥軍;基于GRNN神經(jīng)網(wǎng)絡的農(nóng)作物蟲害量預測系統(tǒng)設計[D];內(nèi)蒙古工業(yè)大學;2013年

6 任茹香;基于GRNN的變權重組合預測模型在傳染病發(fā)病率預測中的應用[D];浙江大學;2011年

，

本文編號：1751334