施釉机器人釉料厚度沉积率建模与系统实现

论文摘要

科学认识釉料沉积形成过程,建立釉料厚度沉积率模型是实现施釉机器人喷釉离线编程作业轨迹规划的基础和关键条件。通过一系列的试验及优化拟合方法,建立坯体上某点的釉料沉积模型。模型的建立可以对喷釉工艺及喷枪轨迹进行规划,实现指定厚度和精度指标,为离线编程提供理论基础和编程依据。进一步研究工具位向和材料流动率等对材料沉积图案的影响,建立相应的釉料沉积图案模型。基于空气喷枪喷釉沉积率的情况,进行平面工件喷釉试验,以沉积的釉膜厚度试验数据为基础,利用人工神经网络贝叶斯算法和LM优化算法两种方法构建釉料厚度沉积率的模型。在此基础上,为了模型的应用,基于MATLAB环境,采用实数编码的遗传算法对釉料沉积率进行拟合,构建具有具体表达式的釉料厚度沉积率模型。通过仿真与试验数据的对比分析,利用贝叶斯归一化算法及LM算法构建的釉料厚度沉积率的神经网络模型与实测数据基本吻合,较好的完成了复杂非线性釉料厚度沉积率模型的实际数据拟合,且模型具有较高的精度。通过验证表明,其最大误差在5μm范围之内,从而验证了釉料厚度沉积模型拟合的正确性和有效性。经过进一步对比分析,筛选出拟合性能更优的贝叶斯算法沉积模型。在此模型理论基础上,通过VC与MATLAB混合编程,开发了包含神经网络和遗传算法模型拟合向导和模型报表生成等功能在内的釉料厚度沉积率模型的拟合软件,从预测釉膜厚度与实际釉膜厚度的误差对比看出,开发的系统是有效的、符合工程实际。从而验证了釉料厚度沉积模型拟合的正确性和有效性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.1.1 卫生陶瓷施釉技术
• 1.1.2 机器人喷釉
• 1.1.3 喷釉机器人技术需解决的问题
• 1.2 喷釉机器人喷釉沉积率模型简介
• 1.2.1 空气喷枪结构及喷涂原理
• 1.2.2 空气喷釉沉积率模型基础
• 1.2.3 沉积率模型国内外研究现状
• 1.2.4 存在的问题
• 1.3 本文主要工作
• 2 釉料沉积率数学模型研究及验证试验设计
• 2.1 釉料沉积率数学模型简介
• 2.1.1 无限范围模型
• 2.1.2 有限范围模型
• 2.1.3 β分布模型
• 2.2 β分布模型存在的问题
• 2.3 椭圆双β分布釉料沉积率模型
• 2.4 试验过程
• 2.4.1 试验数据采集环境
• 2.4.2 试验测量结果
• 2.5 总结
• 3 人工神经网络的釉料厚度沉积率的建模
• 3.1 B-P 网络
• 3.1.1 B-P 网络简介
• 3.1.2 B-P 网络的优缺点
• 3.1.3 标准 BP 算法的改进
• 3.2 釉料厚度沉积率建模
• 3.2.1 贝叶斯归一化B-P 算法拟合模型
• 3.2.2 LM 优化算法拟合模型
• 3.3 试验结果分析
• 3.3.1 贝叶斯归一化B-P 算法的拟合模型试验结果
• 3.3.2 采用LM 优化算法拟合的模型试验结果
• 3.3.3 模型的筛选对比分析
• 3.4 结论
• 4 遗传算法的釉料厚度沉积率模型的拟合
• 4.1 遗传算法
• 4.1.1 遗传算法简介
• 4.1.2 遗传算法的主要运算过程
• 4.2 遗传算法建立模型
• 4.2.1 理论准备
• 4.2.2 遗传算法建立型
• 4.3 试验验证与仿真
• 4.3.1 采用遗传算法拟合釉膜厚度分布分析
• 4.3.2 遗传算法拟合与贝叶斯优化算法拟合模型对比分析
• 4.4 小结
• 5 沉积率模型软件模块的混合编程实现
• 5.1 喷釉机器人离线编程系统基本组成与结构
• 5.2 釉料厚度沉积率模型拟合软件模块设计
• 5.2.1 B-P 神经网络算法拟合逼近的MATLAB 实现
• 5.2.2 遗传算法拟合逼近的MATLAB 实现
• 5.3 小结
• 6 结论
• 致谢
• 参考文献
• 附录