中文摘要：

大梁自动焊时,必须自动避开工件上的筋板、隔板和空洞等障碍物.但因产品的种类多,工件上障碍物的位置存在随机性,难以通过单一的方法进行障碍物预测.针对该问题,利用超声波传感器采集障碍物信息,提出一种修正型果蝇算法优化广义回归神经网络（AFOA-GRNN）的大梁自动焊障碍物预测模型.该方法在传统果蝇算法中引入信息素和灵敏度两个因子,改进了寻优策略和果蝇位置的替换方式,对GRNN进行参数优化,进行大梁自动焊障碍物的预测.结果表明,建立的修正型AFOA-GRNN预测模型相比于FOA-GRNN,训练速度更快,预测精度更高.