本站小編為你精心準(zhǔn)備了淺談壓力容器檢測(cè)機(jī)器人智能結(jié)構(gòu)優(yōu)化參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

摘要：核壓力容器檢測(cè)機(jī)器人是一種專用機(jī)器人，能夠在高輻射重水環(huán)境下進(jìn)行大范圍檢測(cè)。當(dāng)前核壓力容器檢測(cè)機(jī)器人的尺寸結(jié)構(gòu)優(yōu)化基于傳統(tǒng)的人工經(jīng)驗(yàn)，存在檢測(cè)時(shí)間長(zhǎng)、效率低且優(yōu)化效果無法保障的挑戰(zhàn)。通過分析核反應(yīng)堆壓力容器檢測(cè)機(jī)器人本體特點(diǎn)，在進(jìn)行運(yùn)動(dòng)分析的基礎(chǔ)上，結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法和數(shù)學(xué)規(guī)劃法，設(shè)計(jì)并開發(fā)出適用于核反應(yīng)堆壓力容器檢測(cè)的機(jī)器人結(jié)構(gòu)優(yōu)化方法。最后從運(yùn)動(dòng)性能方面，與傳統(tǒng)經(jīng)驗(yàn)方法獲得的檢測(cè)機(jī)器人模型進(jìn)行對(duì)比分析，證明了提出的優(yōu)化方法具有較好可行性和可靠性。

關(guān)鍵詞：核反應(yīng)堆壓力容器，檢測(cè)機(jī)器人，結(jié)構(gòu)優(yōu)化，BP神經(jīng)網(wǎng)絡(luò)，數(shù)學(xué)規(guī)劃法

目前，國內(nèi)核電企業(yè)主要通過人工經(jīng)驗(yàn)選定與仿真驗(yàn)證結(jié)合的方法對(duì)檢測(cè)機(jī)器人進(jìn)行優(yōu)化，這種方法依賴人工經(jīng)驗(yàn)，優(yōu)化效率較低，延長(zhǎng)了核反應(yīng)堆壓力容器的檢測(cè)周期，檢測(cè)質(zhì)量的好壞決定核電站是否能安全運(yùn)行［1］。近年來，針對(duì)檢測(cè)機(jī)器人的智能創(chuàng)新結(jié)構(gòu)設(shè)計(jì)方法尚未見諸報(bào)道［2］。本文分析了核反應(yīng)堆壓力容器檢測(cè)機(jī)器人本體特點(diǎn)，對(duì)機(jī)器人進(jìn)行運(yùn)動(dòng)約束分析，結(jié)合BP神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)規(guī)劃法［3－4］，設(shè)計(jì)并開發(fā)出適用于核反應(yīng)堆壓力容器檢測(cè)的機(jī)器人結(jié)構(gòu)優(yōu)化方法。

1核壓力容器檢測(cè)機(jī)器人建模及運(yùn)動(dòng)學(xué)分析

核壓力容器是用于放置核反應(yīng)堆的高壓密閉容器。本文結(jié)合項(xiàng)目實(shí)際分析的是壓水堆壓力容器，其外形呈圓柱形，由頂蓋部分、筒體、接管端以及底部半球形封頭組成。頂蓋與筒體通過法蘭連接，并使用密封環(huán)進(jìn)行了防泄漏處理。底部封頭與筒體的連接是通過焊接的方式完成［5］。核反應(yīng)堆壓力容器的檢測(cè)主要通過超聲無損檢測(cè)完成，絕大部分的檢測(cè)工作都集中在四個(gè)進(jìn)水管、兩個(gè)出水管以及筒體的檢測(cè)。其主要檢測(cè)內(nèi)容如圖1所示，I處為安全端與管道的連接焊縫檢測(cè)、II處為接管內(nèi)側(cè)的連接焊縫檢測(cè)、III為接管與筒體的連接焊縫檢測(cè)，IV處筒體內(nèi)壁焊縫檢測(cè)。對(duì)核反應(yīng)堆壓力容器的檢測(cè)過程一般由遠(yuǎn)到近，即從安全端的檢測(cè)到筒體的檢測(cè)。不同的檢測(cè)位置需要不同的掃查器，只有借助大尺寸、高靈活度的機(jī)器人才能完成。

1．1檢測(cè)對(duì)象及機(jī)器人本體分析

本課題研究的檢測(cè)機(jī)器人如圖2所示，主要由腰關(guān)節(jié)、肩回轉(zhuǎn)關(guān)節(jié)、肩俯仰關(guān)節(jié)、肩回轉(zhuǎn)關(guān)節(jié)、肘關(guān)節(jié)、腕俯仰關(guān)節(jié)和腕回轉(zhuǎn)關(guān)節(jié)六個(gè)關(guān)節(jié)組成。其中根據(jù)可伸長(zhǎng)范圍將肩L2、大臂L3、小臂L4、法蘭盤L5稱為有效檢測(cè)集合，Ei∈（l2，l3，l4，l5）。

1．2機(jī)器人工作空間分析

考慮檢測(cè)機(jī)器人實(shí)際檢測(cè)只會(huì)在筒體的一側(cè)，可以畫出其檢測(cè)位工作空間輪廓（圖3）。在檢測(cè)位時(shí)檢測(cè)機(jī)器人的工作空間輪廓呈半球形，其大小位置與有效檢測(cè)集合有直接關(guān)系。桿2決定了工作空間位置的偏移，而桿3、桿4、桿5則決定了工作空間的大小，所以本文中機(jī)器人的結(jié)構(gòu)優(yōu)化重點(diǎn)針對(duì)桿2、桿3、桿4、桿5這四個(gè)桿件。

2核壓力容器檢測(cè)機(jī)器人結(jié)構(gòu)優(yōu)化設(shè)計(jì)

本文提出了一種智能優(yōu)化方法應(yīng)用于核壓力容器檢測(cè)機(jī)器人的結(jié)構(gòu)優(yōu)化中，其具體流程如圖4所示。優(yōu)化流程主要分為三部分展開：①基于運(yùn)動(dòng)約束分析，對(duì)優(yōu)化樣本進(jìn)行生成；②基于ROBCAD的仿真和神經(jīng)網(wǎng)絡(luò)算法，對(duì)樣本庫進(jìn)行預(yù)分類處理；③基于數(shù)學(xué)規(guī)劃法中的多目標(biāo)優(yōu)化，對(duì)分類出的可行樣本進(jìn)行計(jì)算排序，篩選出最佳桿長(zhǎng)優(yōu)化方案。

2．1機(jī)器人的運(yùn)動(dòng)約束分析

由于實(shí)際的各關(guān)節(jié)轉(zhuǎn)角范圍約束，如表1所示，任何一個(gè)桿長(zhǎng)的變化都會(huì)使機(jī)器人的結(jié)構(gòu)發(fā)生變化，理論上他們的組合是無窮多組。而本文研究的目的就是從這無窮中組合中尋找出最優(yōu)的桿長(zhǎng)組合，以達(dá)到結(jié)構(gòu)優(yōu)化的目的。本文中機(jī)器人結(jié)構(gòu)模型的求解問題簡(jiǎn)化為求解桿長(zhǎng)L2、L3、L4、L5的過程。對(duì)于L2、L3、L4、L5的求解本文采用蒙特?卡羅方法，可以保證樣本的隨機(jī)性，同時(shí)避免人為造成的樣本局限性。利用Matlab軟件編程實(shí)現(xiàn)樣本的自動(dòng)生成，圖5為生成的部分樣本組合圖。

2．2基于BP神經(jīng)網(wǎng)絡(luò)的分類優(yōu)化

基于上文所生成的桿長(zhǎng)組合樣本庫，本文采用有監(jiān)督的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖如圖6所示。1）輸入層設(shè)計(jì)。本文為了解決機(jī)器人的機(jī)構(gòu)優(yōu)化問題，選取的是對(duì)機(jī)器人性能影響最大的有效檢測(cè)集合（L2，L3，L4，L5）為輸入特征，輸入節(jié)點(diǎn)為4個(gè)。2）隱含層和隱含層節(jié)點(diǎn)設(shè)計(jì)。本文設(shè)定的隱含層層數(shù)為2，以達(dá)到更好的分類效果，第一層隱含層節(jié)點(diǎn)設(shè)置為12個(gè)，第二層隱含層節(jié)點(diǎn)設(shè)置為10個(gè)。3）輸出層設(shè)計(jì)。由于本文采用的是監(jiān)督學(xué)習(xí)形式，輸出結(jié)點(diǎn)數(shù)為2，其中能完成檢測(cè)任務(wù)的輸出1，另一種輸出0。將上述樣本庫導(dǎo)入神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果如圖7所示。經(jīng)過十一代后，網(wǎng)絡(luò)驗(yàn)證誤差達(dá)到最小為0．0096608；之后六代都不再下降，網(wǎng)絡(luò)停止訓(xùn)練。誤差主要分布在±0．04235之間。誤差矩陣圖表明了網(wǎng)絡(luò)的訓(xùn)練分類情況，錯(cuò)誤分類的樣本比例為98．7％，網(wǎng)絡(luò)分類效果良好。表2為預(yù)測(cè)結(jié)果及驗(yàn)證結(jié)果，20組樣本的預(yù)測(cè)分類結(jié)果都在正確類別內(nèi)，網(wǎng)絡(luò)具有較好的可靠性和泛化性，適用于本文研究的優(yōu)化問題。通過神經(jīng)網(wǎng)絡(luò)算法對(duì)樣本庫進(jìn)行初步的分類優(yōu)化，將能滿足工作任務(wù)要求和不能滿足工作任務(wù)的樣本分類，以達(dá)到對(duì)樣本初步優(yōu)化的效果，為數(shù)學(xué)規(guī)劃法優(yōu)化提供所需的優(yōu)化對(duì)象。

2．3基于數(shù)學(xué)規(guī)劃法的方案篩選

為了減輕目標(biāo)函數(shù)尋優(yōu)的復(fù)雜度，提高核壓力容器檢測(cè)機(jī)器人的結(jié)構(gòu)優(yōu)化效率，本文利用數(shù)學(xué)規(guī)劃法從已知樣本中尋找滿足優(yōu)化目標(biāo)的最優(yōu)解，主要針對(duì)各個(gè)關(guān)節(jié)角變量。為了優(yōu)化檢測(cè)機(jī)器人的運(yùn)動(dòng)能耗，需要求解獲得機(jī)器人從初始位置到檢測(cè)起點(diǎn)的各個(gè)關(guān)節(jié)變化量，如圖8所示，分別為檢測(cè)機(jī)器人初始狀態(tài)位置與到達(dá)檢測(cè)起點(diǎn)位置。在確定機(jī)器人關(guān)節(jié)變量之后，就可以進(jìn)行多目標(biāo)優(yōu)化模型的求解，具體的步驟如下：1）基于Matlab的機(jī)器人逆運(yùn)動(dòng)學(xué)求解程序，對(duì)不同樣本的檢測(cè)起點(diǎn)姿態(tài)進(jìn)行求解，即獲??；2）根據(jù)神經(jīng)網(wǎng)絡(luò)模型分類結(jié)果，提取滿足任務(wù)要求樣本的尺寸長(zhǎng)度，即獲取；3）代入多目標(biāo)優(yōu)化函數(shù)中即可獲得相應(yīng)的函數(shù)值。然后根據(jù)函數(shù)值對(duì)桿長(zhǎng)組合方案進(jìn)行排序，就可以篩選出最佳桿長(zhǎng)組合。

3機(jī)器人優(yōu)化模型驗(yàn)證及系統(tǒng)實(shí)現(xiàn)

為了提高檢測(cè)機(jī)器人的優(yōu)化效率，基于Matlab、VisualStudio、ROBCAD三大軟件平臺(tái)，本文將構(gòu)建檢測(cè)機(jī)器人結(jié)構(gòu)優(yōu)化系統(tǒng)。通過將優(yōu)化后的模型與傳統(tǒng)經(jīng)驗(yàn)優(yōu)化產(chǎn)生的模型進(jìn)行對(duì)比分析，驗(yàn)證優(yōu)化方法的可行性。為了評(píng)估優(yōu)化效果，本文優(yōu)化的機(jī)器人模型將對(duì)比根據(jù)經(jīng)驗(yàn)選定的模型，驗(yàn)證本文優(yōu)化方法的可行性和可靠性。

3．1機(jī)器人優(yōu)化模型有效性驗(yàn)證

利用本文的結(jié)構(gòu)優(yōu)化方法，對(duì)所建立的桿長(zhǎng)組合樣本庫進(jìn)行優(yōu)化篩選。表3為桿長(zhǎng)組合樣本庫中950組樣本的優(yōu)化結(jié)果（由于數(shù)量較多，中間部分省略）。通過優(yōu)化結(jié)果中最佳桿件尺寸組合為L(zhǎng)2＝289mm、L3＝1223mm、L4＝917mm、L5＝252mm，其優(yōu)化結(jié)果值為230．65。

3．2運(yùn)動(dòng)性能對(duì)比分析

機(jī)器人的運(yùn)動(dòng)性能最主要的評(píng)價(jià)指標(biāo)是在無干涉碰撞狀態(tài)下，完成指定工作任務(wù)所需的時(shí)間。對(duì)于核電檢測(cè)來說，除去循環(huán)單調(diào)的掃查工作以外，最耗時(shí)的工作就是入管待檢的過程。通過運(yùn)動(dòng)ROBCAD仿真模塊，對(duì)兩種優(yōu)化機(jī)器人模型進(jìn)行運(yùn)動(dòng)學(xué)仿真建模，然后以相同速度和標(biāo)準(zhǔn)入管方式進(jìn)行路徑仿真，同時(shí)記錄下每個(gè)模型所花費(fèi)的時(shí)間（如圖9所示）。仿真結(jié)果證明相比經(jīng)驗(yàn)優(yōu)化模型，本文優(yōu)化方法生成的機(jī)器人模型，不僅能在安全無碰撞的情況完成任務(wù)，并且完成工作時(shí)間至少縮短了20％。由于每完成一次檢測(cè)都要回到零位進(jìn)行標(biāo)定，因此累計(jì)節(jié)省的時(shí)間也將至少達(dá)到20％。

4結(jié)束語

基于核反應(yīng)堆壓力容器在核電生產(chǎn)的重要性，以及目前我國核電檢測(cè)自主化能力較弱、大量設(shè)備需要通過國外引進(jìn)的現(xiàn)狀，本文針對(duì)現(xiàn)有核反應(yīng)堆壓力容器檢測(cè)機(jī)器人的結(jié)構(gòu)優(yōu)化進(jìn)行了研究。將本文優(yōu)化方法獲得的檢測(cè)機(jī)器人與經(jīng)驗(yàn)方法獲得的檢測(cè)機(jī)器人進(jìn)行對(duì)比分析，證明了本文優(yōu)化方法具有較高的可行性和可靠性。

參考文獻(xiàn)

［1］尹云．反應(yīng)堆壓力容器超聲無損檢測(cè)數(shù)據(jù)處理的研究［D］．長(zhǎng)沙：湖南大學(xué)，2011

［2］徐文福，毛志剛．核電站機(jī)器人研究現(xiàn)狀與發(fā)展趨勢(shì)［J］．機(jī)器人，2011，33（6）：758－767

［3］蔡新，李洪煊，武穎利，等．工程結(jié)構(gòu)優(yōu)化設(shè)計(jì)研究進(jìn)展［J］．河海大學(xué)學(xué)報(bào)（自然科學(xué)版），2011（3）：269－276

［4］占閣．弧焊機(jī)器人有限元分析及其結(jié)構(gòu)優(yōu)化［D］．哈爾濱：哈爾濱工業(yè)大學(xué)，2016

［5］劉澤．AP1000反應(yīng)堆壓力容器三維有限元分析及材料優(yōu)化［D］．成都：成都理工大學(xué)，2014

作者：于崗 李婕 孫茂榮 鮑勁松 潘晨 張良山 單位：國核電站運(yùn)行服務(wù)技術(shù)有限公司