基于优化 BP 算法的涂装机器人喷涂漆膜厚度成长模型的研究.pdfVIP

57 卷 第1 期（总第217 期） 中 国 造 船 Vol.57 No.1 （Serial No. 217） 2016 年 3 月 SHIPBUILDING OF CHINA Mar. 2016 文章编号：1000-4882 （2016 ）01-0 193-08 基于优化BP 算法的涂装机器人喷涂漆膜 厚度成长模型的研究 1,2 1 1 1 1 杨连生 ，李爱平 ，祁国栋 ，罗 曦 ，刘雪梅 （1. 同济大学，上海 201800；2. 上海外高桥造船有限公司，上海 200137 ） 摘 要 为了建立用于涂装机器人喷涂的船体漆膜厚度成长模型，搭建了专门的试验平台。根据正交试验方法设 计三因素五水平试验方案，运用BP 算法来训练已获取的数据，分别采用莱温伯格-麦夸特算法（LM-BP ）和 贝叶斯算法（BR-BP ）对训练函数进行优化，采用遗传算法（GA ）和粒子群算法（PSO ）对权值、阈值进行 优化。通过对比训练精度、验证精度、测试精度、运算时间以及迭代次数，确定采用 GA-LM 联合优化 BP 算法得出的涂装机器人喷涂漆膜厚度成长模型，以满足涂装机器人喷涂船体漆膜厚度控制的质量要求。 关 键 词：涂装机器人喷涂；漆膜厚度；BP 算法 中图分类号：U671.99 文献标识码：A 0 引 言 涂装机器人作为一种已经被认识的先进的船舶涂装生产装备，目前在船舶行业尚未得到有效的应 用，而且船舶涂装机器人喷涂船体漆膜厚度成长模型的专门研究也几乎没有开展。目前，造船涂装一 般应用高压无气喷涂方法，油漆在高压气体压力下，经过一定形状的喷嘴雾化，喷射到在涂装的船体 表面上。采用高压无气喷涂方法的作业中，当喷涂的物体为厚浆型、高固体组分含量的涂料时，影响 喷漆膜厚的主要因素包括压力、距离、喷枪移动速率、喷嘴孔径、喷嘴雾幅，喷涂的油漆固体份（涂 布率）、枪嘴与被喷物体的表面角度等。喷漆过程涉及流体雾化，因而油漆液滴沉积成膜则涉及溶剂挥 发、油漆各组分的物理化学反应等；因此，影响喷漆漆膜厚度的因素众多，作用机理复杂。 根据对喷涂漆膜厚度影响因素分析，喷漆漆膜厚度可用式（1）表示。 T(x, y, z) f ( p, d, v, w) （1） 式中，T(x ,y ,z)为点（x ,y ,z ）的漆膜厚度，p 为喷漆压力，d 为喷嘴到待喷表面的距离，v 为喷枪移动速 度，w 为喷漆的雾幅宽度。 Arikan[1]等研究了喷涂漆膜形状为圆形时的漆膜分布模型、涂料沉积模型以及漆膜重叠区域对漆膜 整体厚度分布的影响，但是对实际喷漆覆盖形状为椭圆时的漆膜分布指导意义有限；Goodman[2]提出了 闭环测量点列表技术，可用于精确测量平面上不同位置的漆膜累积厚度，避免了噪点的影响。在数学 收稿日期：2016-01-04 ；修改稿收稿日期：2016-02-18 基金项目：上海经信委资助项目 （No. CXY-2013-25 ）；上海科委资助项目 （No. 14111104400 ） 194 中 国 造 船 学术论文 [3] [4] 表达方法上，众多国内外学者也研究了多种漆膜厚度分布模型，如高斯分布模型 、β 分布模型 和椭 [5] 圆双β 分布模型 等。因此，研究人员为使这些模型成立而设立了一系列理想条件作为前提，如喷枪与 [6] 被喷涂物体表面绝对垂直、油漆密度分布均匀等 ；由于影响膜厚的