《浅谈压力容器检测机器人智能构造优化-精品文档.docx》由会员分享，可在线阅读，更多相关《浅谈压力容器检测机器人智能构造优化-精品文档.docx（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、浅谈压力容器检测机器人智能构造优化摘要：核压力容器检测机器人是一种专用机器人，能够在高辐射重水环境下进行大范围检测。当前核压力容器检测机器人的尺寸构造优化基于传统的人工经历，存在检测时间长、效率低且优化效果无法保障的挑战。通过分析核反响堆压力容器检测机器人本体特点，在进行运动分析的基础上，结合BP神经网络算法和数学规划法，设计并开发出适用于核反响堆压力容器检测的机器人构造优化方法。最后从运动性能方面，与传统经历方法获得的检测机器人模型进行比照分析，证实了提出的优化方法具有较好可行性和可靠性。关键词：核反响堆压力容器，检测机器人，构造优化，BP神经网络，数学规划法目前，国内核电企业主要通过人工经
2、历选定与仿真验证结合的方法对检测机器人进行优化，这种方法依靠人工经历，优化效率较低，延长了核反响堆压力容器的检测周期，检测质量的好坏决定核电站能否能安全运行1。近年来，针对检测机器人的智能创新构造设计方法尚未见诸报道2。本文分析了核反响堆压力容器检测机器人本体特点，对机器人进行运动约束分析，结合BP神经网络和数学规划法34，设计并开发出适用于核反响堆压力容器检测的机器人构造优化方法。1核压力容器检测机器人建模及运动学分析核压力容器是用于放置核反响堆的高压密闭容器。本文结合项目实际分析的是压水堆压力容器，其外形呈圆柱形，由顶盖部分、筒体、接管端以及底部半球形封头组成。顶盖与筒体通过法兰连接，并使
3、用密封环进行了防泄漏处理。底部封头与筒体的连接是通过焊接的方式完成5。核反响堆压力容器的检测主要通过超声无损检测完成，绝大部分的检测工作都集中在四个进水管、两个出水管以及筒体的检测。其主要检测内容如图1所示，I处为安全端与管道的连接焊缝检测、II处为接管内侧的连接焊缝检测、III为接管与筒体的连接焊缝检测，IV处筒体内壁焊缝检测。对核反响堆压力容器的检测经过一般由远到近，即从安全端的检测到筒体的检测。不同的检测位置需要不同的扫查器，只要借助大尺寸、高灵敏度的机器人才能完成。11检测对象及机器人本体分析本课题研究的检测机器人如图2所示，主要由腰关节、肩回转关节、肩俯仰关节、肩回转关节、肘关节、腕
4、俯仰关节和腕回转关节六个关节组成。其中根据可伸长范围将肩L2、大臂L3、小臂L4、法兰盘L5称为有效检测集合，Eil2，l3，l4，l5。12机器人工作空间分析考虑检测机器人实际检测只会在筒体的一侧，能够画出其检测位工作空间轮廓图3。在检测位时检测机器人的工作空间轮廓呈半球形，其大小位置与有效检测集合有直接关系。杆2决定了工作空间位置的偏移，而杆3、杆4、杆5则决定了工作空间的大小，所以本文中机器人的构造优化重点针对杆2、杆3、杆4、杆5这四个杆件。2核压力容器检测机器人构造优化设计本文提出了一种智能优化方法应用于核压力容器检测机器人的构造优化中，其详细流程如图4所示。优化流程主要分为三部分展
5、开：基于运动约束分析，对优化样本进行生成；基于ROBCAD的仿真和神经网络算法，对样本库进行预分类处理；基于数学规划法中的多目的优化，对分类出的可行样本进行计算排序，挑选出最佳杆长优化方案。21机器人的运动约束分析由于实际的各关节转角范围约束，如表1所示，任何一个杆长的变化都会使机器人的构造发生变化，理论上他们的组合是无穷多组。而本文研究的目的就是从这无穷中组合中寻找出最优的杆长组合，以到达构造优化的目的。本文中机器人构造模型的求解问题简化为求解杆长L2、L3、L4、L5的经过。对于L2、L3、L4、L5的求解本文采用蒙特?卡罗方法，能够保证样本的随机性，同时避免人为造成的样本局限性。利用Ma
6、tlab软件编程实现样本的自动生成，图5为生成的部分样本组合图。22基于BP神经网络的分类优化基于上文所生成的杆长组合样本库，本文采用有监督的BP神经网络进行训练。BP神经网络拓扑构造图如图6所示。1输入层设计。本文为了解决机器人的机构优化问题，选取的是对机器人性能影响最大的有效检测集合L2，L3，L4，L5为输入特征，输入节点为4个。2隐含层和隐含层节点设计。本文设定的隐含层层数为2，以到达更好的分类效果，第一层隐含层节点设置为12个，第二层隐含层节点设置为10个。3输出层设计。由于本文采用的是监督学习形式，输出结点数为2，其中能完成检测任务的输出1，另一种输出0。将上述样本库导入神经网络中
7、进行训练，训练结果如图7所示。经过十一代后，网络验证误差到达最小为00096608；之后六代都不再下降，网络停止训练。误差主要分布在004235之间。误差矩阵图表明了网络的训练分类情况，错误分类的样本比例为987，网络分类效果良好。表2为预测结果及验证结果，20组样本的预测分类结果都在正确类别内，网络具有较好的可靠性和泛化性，适用于本文研究的优化问题。通过神经网络算法对样本库进行初步的分类优化，将能知足工作任务要求和不能知足工作任务的样本分类，以到达对样本初步优化的效果，为数学规划法优化提供所需的优化对象。23基于数学规划法的方案挑选为了减轻目的函数寻优的复杂度，提高核压力容器检测机器人的构造
8、优化效率，本文利用数学规划法从已知样本中寻找知足优化目的的最优解，主要针对各个关节角变量。为了优化检测机器人的运动能耗，需要求解获得机器人从初始位置到检测起点的各个关节变化量，如图8所示，分别为检测机器人初始状态位置与到达检测起点位置。在确定机器人关节变量之后，就能够进行多目的优化模型的求解，详细的步骤如下：1基于Matlab的机器人逆运动学求解程序，对不同样本的检测起点姿态进行求解，即获取；2根据神经网络模型分类结果，提取知足任务要求样本的尺寸长度，即获取；3代入多目的优化函数中即可获得相应的函数值。然后根据函数值对杆长组合方案进行排序，就能够挑选出最佳杆长组合。3机器人优化模型验证及系统实
9、现为了提高检测机器人的优化效率，基于Matlab、VisualStudio、ROBCAD三大软件平台，本文将构建检测机器人构造优化系统。通过将优化后的模型与传统经历优化产生的模型进行比照分析，验证优化方法的可行性。为了评估优化效果，本文优化的机器人模型将比照根据经历选定的模型，验证本文优化方法的可行性和可靠性。31机器人优化模型有效性验证利用本文的构造优化方法，对所建立的杆长组合样本库进行优化挑选。表3为杆长组合样本库中950组样本的优化结果由于数量较多，中间部分省略。通过优化结果中最佳杆件尺寸组合为L2289mm、L31223mm、L4917mm、L5252mm，其优化结果值为23065。3
10、2运动性能比照分析机器人的运动性能最主要的评价指标是在无干预碰撞状态下，完成指定工作任务所需的时间。对于核电检测来讲，除去循环单调的扫查工作以外，最耗时的工作就是入管待检的经过。通过运动ROBCAD仿真模块，对两种优化机器人模型进行运动学仿真建模，然后以一样速度和标准入管方式进行途径仿真，同时记录下每个模型所花费的时间如图9所示。仿真结果证实相比经历优化模型，本文优化方法生成的机器人模型，不仅能在安全无碰撞的情况完成任务，并且完成工作时间至少缩短了20。由于每完成一次检测都要回到零位进行标定，因而累计节省的时间也将至少到达20。4结束语基于核反响堆压力容器在核电生产的重要性，以及目前我国核电检测自主化能力较弱、大量设备需要通过国外引进的现状，本文针对现有核反响堆压力容器检测机器人的构造优化进行了研究。将本文优化方法获得的检测机器人与经历方法获得的检测机器人进行比照分析，证实了本文优化方法具有较高的可行性和可靠性。