基于ARES-MOEA的多机器人焊接系统规划研究

《JOURNAL OF MANUFACTURING SYSTEMS》：Research on system planning for multi-robot welding based on ARES-MOEA

　　

• •
  提出统一框架，联合优化任务调度与机器人位姿选择。
• •
  提出ARES-MOEA以改善解的收敛性和多样性。
• •
  自适应参考点策略可处理不规则且非均匀的帕累托前沿。
• •
  基于最小能量的选择机制平衡解的收敛性与多样性。
• •
  基准测试、消融实验与焊接案例研究验证了所提方法的有效性和适用性。

引言

工业机器人的广泛应用正在推动现代制造业的深刻变革。特别是在汽车焊接领域，工业机器人的引入不仅显著提升了生产效率[1]，还加速了从传统制造模式向智能制造模式的转变[2]。然而，随着机器人数量和焊接任务规模持续增加，多机器人协作操作中的决策复杂度日益严峻。尤其在协作焊接过程中，多个决策层面——包括任务分配、焊接顺序规划以及机器人位姿选择——高度耦合，这使得生成高效的焊接方案极具挑战性。因此，协调这些优化层面并获取高效可靠的多机器人协作焊接方案，已成为智能焊接系统中的关键问题。

在实际的汽车焊接生产线中，多机器人焊接方案通常由工程师根据工件结构、机器人工作空间以及焊枪干涉约束进行手动配置。在这些流程中，为各个焊点选择合适的机器人位姿是一项高度依赖经验的决策任务。由于单个焊点通常对应多个可行的机器人位姿，工程师需要综合考虑机器人可达性、避障以及焊接工艺要求，并反复调整机器人位置和焊枪姿态。随着焊点和机器人数量增加，手动位姿配置变得越来越耗时且劳动密集，同时也难以保证所生成焊接方案的整体协调性和优化性能。

现有研究主要聚焦于机器人任务分配和焊接顺序规划等决策问题，而对机器人位姿选择这一关键决策因素的重视程度不足。事实上，任务分配、顺序规划与位姿选择之间存在显著耦合关系，单独优化某一类决策变量无法充分捕捉不同决策过程之间的相互作用。因此，有必要将这些多层次决策变量纳入统一优化框架，并开发多机器人焊接系统的联合优化模型。所提出的模型在任务规划层面进行协作焊接方案优化，并为后续机器人轨迹规划与执行提供有效的任务配置和位姿约束。

由于存在多类离散决策变量和复杂约束，该联合优化问题具有强烈的组合优化特征。一方面，任务分配、焊接顺序规划和焊接位姿选择涉及大量离散变量，且不同决策变量之间的强相关性导致搜索空间随机器人和焊点数量的增加而急剧增长。另一方面，多机器人焊接系统通常需要同时优化多个相互冲突的性能目标，如生产周期时间、任务转移成本和机器人运动负担等。使用单一方案难以实现所有目标的全面优化。这些特征使得在复杂约束和冲突目标下获得具有良好收敛性和多样性的优化解极具挑战性，这仍然是多机器人焊接系统协作优化的关键难题。

为解决上述问题，本文提出了一种多机器人焊接系统的多目标优化模型，整体流程如图1所示。所提出的模型通过联合优化任务分配、焊接顺序规划和焊接位姿选择，实现协作焊接方案的综合设计。首先，以预估生产周期时间、潜在机器人任务转移成本和加权关节运动成本作为优化目标，建立多目标优化模型。随后，提出一种自适应参考能量驱动选择多目标进化算法（ARES-MOEA），该算法融合了自适应参考点策略和能量驱动选择机制，以提升复杂焊接场景下帕累托解集的搜索效率和质量。为进一步验证各组件的作用，本文通过消融实验分析了通用优化组件和问题特定策略对算法性能提升的贡献。最后，利用标准多目标优化基准问题和实际多机器人焊接案例进行实验验证。前者用于评估算法性能和各优化模块的有效性，后者则验证了所建立优化模型在不同焊接任务条件下的适用性和有效性。

本文的主要贡献总结如下：

• (1)
  为多机器人焊接系统建立了多目标联合优化模型，该模型同时优化机器人分配、焊接顺序规划和可行焊接位姿选择。与传统将位姿选择单独处理的方法不同，所提模型明确考虑了这些决策变量之间的相互作用及其对焊接性能的影响。
• (2)
  提出了一种自适应参考能量驱动选择多目标进化算法（ARES-MOEA），该算法融合了自适应参考点策略和能量驱动选择机制。所提算法还进一步引入了自适应搜索策略和最小能量机制，以增强求解复杂多目标焊接优化问题的探索和开发能力。
• (3)
  在标准多目标基准问题和实际多机器人焊接案例上进行了系统实验。基准测试结果表明ARES-MOEA在求解多目标优化问题上的有效性，消融实验展示了各组件的贡献。此外，实际焊接案例突出了所提优化框架处理复杂任务配置的能力。

章节摘要

多机器人焊接优化

早期研究主要关注单机器人焊接系统，尤其侧重于机器人运动性能和焊接质量优化。由于机器人焊接系统涉及复杂的运动约束和工艺要求，相关研究通常优化焊接路径、轨迹平滑度和任务完成时间，以延长机器人使用寿命并提升任务效率。Jiang等人[3]结合RRT-Connect与人工势场法以保证

问题描述与建模

本节描述了一家汽车制造企业中实际的多机器人系统，并针对多机器人协作系统建立了联合优化模型。

ARES-MOEA

本节主要介绍所提出的ARES-MOEA算法，包括编解码方案、种群初始化策略、双档案策略、环境选择策略以及局部搜索算子。算法流程图如图7所示。以下步骤将详细阐述。

数值实验与案例研究

本节对所提算法进行了系统实验评估，包括标准多目标基准问题、消融实验以及实际工业案例研究。基准问题用于评估ARES-MOEA的通用优化性能，消融实验则评估其各策略的有效性。工业案例研究进一步验证了所提优化模型在多机器人焊接

结论

本文提出了任务规划层面的多机器人焊接联合优化模型，在统一框架内集成了任务分配、焊接顺序规划和焊接位姿选择。所提模型考虑三个优化目标，即预估生产周期时间、潜在任务转移成本以及两台机器人的加权关节运动成本，从而实现多机器人焊接中多种决策变量的协调优化。为解决

CRediT作者贡献声明

高远梁：写作 – 审阅与编辑，写作 – 原稿撰写，可视化，软件，方法论，形式化分析，概念构思。王学武：写作 – 审阅与编辑，监督指导，项目管理，经费获取，概念构思。华毅：写作 – 审阅与编辑，方法论。张显诚：监督指导，项目管理，经费获取。

利益冲突声明

作者声明不存在任何已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

致谢

本研究得到上海探索者计划（基础研究资金，编号25TS1413000）和国家重点研发计划（2022YFB4602102）的支持。

高远梁 | 王学武 | 华毅 | 张显诚