基于改进的神经网络算法在装配过程中的应用

陆坤龙 王 一

(华北理工大学电气工程学院，河北 唐山063200)

在装配过程中，产品工件笨重且组装环节繁多，加上测量定位方面的精度问题，导致机器人装配效率和精度低下。[1-2]。应运而生的是多视觉信息融合技术应用在了机器人自动装配流程中解决机器人装配过程中的问题。利用多个视觉传感器对工件进行不同方位的定位，进而引导机器人执行相关动作，在这个过程中涉及到把各个传感器的有用信息融合到统一坐标系下的问题[3-5]。目前，一些改进的新算法实质上是主要通过各种不同的方法共同作用来实现相互加强的目的。例如，模糊神经网络方法不仅增强了神经网络的算法鲁棒性，还填补了模糊逻辑自适应能力的缺点[6]。虽然现在可以集成许多不同类型的传感器来进行信息综合，弥补单个传感器信息不足的问题，但是，融合过程却浪费了很多系统资源。文献[7]提出了一种改进的D-S 参数理论算法，该方法比原算法多了一个距离因子，这增强了传感器采集数据时的稳定性。文献[8]提出了基于任务的神经网络多传感器数据融合的新方法，该方法在全面比较和分析了遥控机器人执行不同任务过程中的效果后，进而优化了神经网络算法。结合本文研究内容特点，针对设计的视觉辅助系统采用改进型自适应BP 神经网络算法对多个视觉传感器采集到的视觉信息进行融合，从而为机器人提供视觉信息。

1 视觉辅助结构设计

本文主要对柔性装配系统的视觉感知部分进行了设计。……