基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法与流程

技术特征：
1.基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法，其特征在于具体步骤如下：步骤1：采集集装箱大梁障碍物的信息，包括障碍物的尺寸，超声波传感测得值以及工件高度三个指标：其中障碍物尺寸因产品而异；步骤2：为对不同类型的样本进行统一分析，得到较好的预测效果，须对样本数据作如下归一化处理：其中，Xk表示原始数据Xk经归一化后的输入样本，Xmin和xmax分别表示原始数据中的最小值和最大值；步骤3：采用修正型果蝇算法搜寻最佳的GRNN中的平滑因子σ，从而获得最优GRNN；步骤4：将归一化后的数据作为训练样本，用来训练最优GRNN，从而获得最佳的大梁自动焊障碍物的预测模型。2.根据权利要求1所述的基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法，其特征在于：步骤3中，修正型果蝇算法是在传统的果蝇算法中引入信息素和灵敏度两个因子。3.根据权利要求2所述的基于修正型果蝇算法优化GRNN的大梁自动焊障碍预测方法，其特征在于：修正型果蝇算法中的灵敏度和信息素定义如下：首先找出味道浓度最佳的果蝇bestSmell，计算第i个果蝇个体的食物信息素P(i)；保留果蝇个体位置(X(i),Y(i))和上一代的位置(Xo(i),Yo(i))，根据下式计算灵敏度判定因子Rx(i)的值，Ry(i)的计算公式同Rx(i)；根据信息素与灵敏度的适应关系和果蝇个体的灵敏度判定因子，计算每个果蝇个体对应的灵敏度S(i)；其中：Smin＝Pmin，Smax＝Pmax找出信息素与灵敏度相匹配的果蝇，即满足P(i)≤S(i)，确定下一轮的搜寻起点：其中：(Xbest,Ybest)和(Xworst,Yworst)分别为嗅觉功能好的果蝇中味道浓度最佳和最差的坐标。