文摘

本研究着重于连杆参数的合成双稳态柔性系统(平衡计分卡)在空间应用广泛实施。最初,平衡计分卡理论建模为一个crank-slider机制,利用伪刚体模型(PRBM)刚度系数(v),最大垂直足迹(b_马克斯)提高振动特征。机制连杆参数的相关性(mlp)和反应(v和b_马克斯)利用方差分析建立响应面(RSM)技术。RSM mlp的影响评估在个体/交互反应水平。因此,混合遗传算法粒子群/群优化(GA-PSO)技术采用在不同层次和优化评估中长期规划的理想组合,以减少特征(10%+ 90%的b_马克斯)。最后,GA-PSO估计最合适Pareto-frontal最佳解决方案(卵圆孔未闭)从nondominance组和人群/植绒空间方法。产生的卵圆孔未闭验证试验证明显著改善的反应。轻松适应GA-PSO算法被处决,延长融合时期(通过GA)和展示一个好的目标的多样性,使得大规模的发展中长期规划统计所有排列为最优解。可以使用一组庞大的最优解作为机制开发人员的参考手册。

1。介绍

本研究提出了一个双稳态柔顺机构(BCM)概念设计,结合优化方法,根据选定的输出参数。合成的机制设计模型可以在无数的格式,尽管所有必要导致最终的尺寸参数对个人机制。BCM旨在作为一个可部署单元细胞运作,需要一个自由度(即。,在e actuation input), and occurs within multiple applications such as developing structures, self-closing, gates, and switches [1,2]。这样的单位细胞可以完全嵌合和安排执行shape-morphing系统在一个有组织的模式(3,4)变形结构,增加变形的能力单元细胞表面配置文件驱动时,部署空间天线,和飞机翼襟翼(5- - - - - -7]。这样的设计应该产生在微尺度水平,他们可以被部署在继电器和医疗控制(8]。BCM也可应用在汽车行业,尤其是,保险杠碰撞吸收单位和车辆后方躯干盖子(9]。

BCM流动性特点是获得灵活的段变位,从而消除机械关节的要求,产量和成本的影响。机制的移动部分,其中大多数是薄,这些部分是第一个弯曲时应用力或位移。有两种类型的兼容机制(CMs),部分或完全兼容。完整的CMs可以调动没有任何运动。然而,一个或多个关节(如针和滑动器)内存在部分CMs,拥有的优势减少摩擦,体重,和维护和提高可靠性1]。此外,减少生产时间会影响成本,因为没有铰链的设计,导致减少了零件装配工作负载。厘米精度提高,因为没有pinpoint-induced振动,和及振动下降(10,11),使他们极具吸引力的就业在高精度仪器(12]。compliant-based铰链也用于商业文章像机器人。

此外,一个设计可以实现机械稳定机器人设计最有效的方法通过CM公司(13,14]。然而,当使用这样一个兼容的过程,有一定的挑战和限制。如果兼容部分暴露在极端的压力/温度环境长时间,变形问题可以逐渐显现15]。剩下一个弹性材料范围内具有挑战性的变形机制时,随着移动段通常用于能量储存,因此实施设计的局限性16]。因此,研究人员已经开发出model-compliant机制近似方法。

椭圆积分方法通常用于解决柔性梁的大挠度问题与加载条件(17]。然而,封闭的解的加载条件推导机制是具有挑战性的,而近似方法,如伪刚体模型(PRBMs),更有用,特别是在CM设计流程(18,19]。PRBM是厘米一代的方法(1]。讨论更多的见解,本研究采用PRBMs。这种方法可以实现拓扑优化,得到非线性CM与分配输入/输出参数作为替代实现策略(20.,21]。苏还应用多项式构造同伦厘米运动学方程求解目标设计输出(22]。一种方法涉及一个CM工具是由驻将拓扑优化的特点,这使得设计的发展机制(23]。

BCM元素使用PRBM方法生成,它最初是由豪厄尔和内陆1]。PRBM并且,用于确定/识别非线性梁与变位活动。根据梁的加载条件下,这种方法允许弯曲梁的近似,使用扭转弹簧将两个(或更多)刚性链接。PRBM参数包括刚性链接长度、刚度系数,扭力弹簧的位置。这样解释非线性参数和机械系统的运动学和force-deflection研究。产生弯曲部分的行为,符合理论是用于创建不同PRBM格式。

在每一个设计,一个最佳的解决方案是要求生产有效的功能。个人PRBM不规范的设计合成结构误差(s)的精确点,尽管它是一组流动范围内维护的。为了解决这个问题,一个优化工具是很重要的。大多数先前的文学连续治疗完全兼容机制灵活,它可以通过方法接近,如大小、形状和拓扑优化,假设弹性连续体在结构形式(24,25]。此外,优化非线性方程过于复杂,导致数值优化算法的实现。

parameter-regulating问题是至关重要的在一个遗传算法的性能,通过自适应方法(SAP)和基于熵/自然规则调整算法参数。这种方法利用熵从人口和每一个基因位点的反馈评估算法的状态。因此,根据算法参数调整状态和自然的规则。这种策略避免了随机性的影响在评估算法状态和及时跟踪每个基因的发展,为了防止过早和nonconvergence特定的基因。此外,这种方法维护解决方案与体面的质量,但也会增加解决方案与质量差的概率可能有所不同。实验结果表明,该parameter-controlling策略是有效的算法来提高解决问题的解决多个组合优化问题的性能(26]。

为了解决属性的选择问题https://www.sciencedirect.com/topics/computer-science/classificationimproving分组精确,以及降低计算难度,需要由多个分类器在处理大型数据组挑战必须分析。这种高效的解决问题需要一个自适应参数和策略算法(SPSPSO)算法,提出了遗传系统,增加了分类器。SPSPSO可以调整一个候选解决方案生成、参数值有良好的全局和局部搜索能力通过四个分类器(k最近的邻居(资讯),线性判别分析(LDA),极端学习机(ELM)和支持向量机(SVM))。这些都是单独使用作为评估有效性评价函数在SPSPSO-generated特征子集。实验结果表明,SPSPSO改善遗传算法的性能。此外,特征选择可以改善多个分类器的分类精度和减少计算时间。此外,资讯是一种改进的代理模型相比其他分类器应用于此类研究[27]。

研究成果稀缺,对于多响应优化寻求中长期规划多个组合排列生成大量优化的数据和最终生产参考手册(设计师/工程师所需的)包括所有可能的反应条件。PSO方法适合发展中出现大数据对以上要求,而其他的优化技术只能产生一组延时组合。相反,PSO Pareto-frontal提供优化的解决方案,并选择一个优化的解决方案从这些团体将是一个具有挑战性的任务。同样,遗传算法可以获得优化的参数。GA与算法相结合的混合方法技术导致快速,更准确的结果,nonrepetitive数据和成本效益的多响应优化生成数据为多个MLP水平组合。替代方法,比如RSM [24],田口方法[28)和模糊逻辑14,29日),无法考虑非线性产生的结果精度降低,只有一个想像的延时组合预测所有可能的输出变化。GA技术扩展融合时期为了深入了解更准确的解决方案由算法技术。在我们的建议,本研究方法问题在两个阶段:初始PRBM发展,其次是GA-PSO算法发展作为最优解。

本研究实现了两个PRBM类型:fixed-pinned悬臂梁,一股力量在战争结束后,和最初pinned-pinned弯曲梁,采用扭转弹簧/弯曲轴心有减少长度的建模。其他厘米关节弯曲轴心的小长度、大排量铰链运动范围。工作分为四个阶段如下:定义基本输入和输出变量fixed-pinned悬臂梁和最初pinned-pinned梁PRBM弯曲使用方差分析,生成基于高阶数学模型回归记录的最具影响力的因素用RSM Box-Behnken设计一个理想的特性进行多目标优化方法分析各种结构的行为利用MATLAB优化工具箱,GA-PSO mlp的巨大possible-optimum组合实现最低(90%)b_马克斯和(10%)ѵ开发工程师的参考手册

2。遗传算法粒子群优化(GA-PSO)

GA-PSO是混合优化、近似和系统技术利用两个群/群智能评估机制连杆参数(mlp)贡献最大化/最小化状态拟合函数(FFs),结合遗传程序收敛延迟的解决方案。一般来说,机器学习算法(即安和GA)是用来结合中长期规划最优值。偶尔,算法要求运营商分配特定的常量。进行肯尼迪和埃伯哈特在1995年首次演示了获取知识从鸟/鱼聚集模式,专注于进化论(类似于GA) (14,29日]。同时算法有能力持有multiconceivable解决方案。变得非常重要的保持健康对于每一个解决方案获得的FF评估,在每个迭代执行每个可用的粒子在一个健身区域(后者达到最大FF通过群集/飞进)。

响应面方法(RSM) [24),Taguchi-based敏感性分析(25)、混合Taguchi-differential进化算法和遗传算法(28,30.)是指多个其他普遍的理论方法的合成CMs的形状优化/拓扑。为了简化CM设计同时使用维运动因素,采用了一种两阶段的方法来分析链接维度与复审委员会图和优化柔性铰链尺寸使用有限元分析结果,通过RSM。multioutput优化也是实现提高静态/动态特性为线性的高精度要求的制造工艺指导机制。通过发展链接运动协会、复审委员会图分析和建立了数学模型分析方法提高CM (31日合成方法。为了确定最佳链接维度设计参数数量增加,gradient-based优化工作。有限元分析结果ADPL代码,在ANSYS三维结构模型,用于RSM借助分配独立的输出变量。这些因素已经转化为数学模型来确定优化设计变量集。

PSO方法有缺点,比如在处理高度分散困难问题,导致不佳的聚合结果在大型迭代过程,并定义问题容易落入高维空间,从而增加计算复杂度(14]。算法还需要大内存房地产和处理器速度高。GA实现仍是一个艺术和技巧,因为它需要更少的信息这一问题而设计的目标函数和获得的插图和选择正确的数学操作符可能是具有挑战性的。GA也耗时(29日]。

3所示。设计过程

本节描述模型和应用程序设计一个线性双稳态柔性机制。为了证明机制的双稳态行为,该工具,研究了曲柄滑块机构将取决于并考虑大挠度分析。动力学/运动学方程数值求解,源自于PRBM。表示允许准则代设计。参数用于收集所需的设计包括最优力传动装置、材料选择、兼容段宽度,最佳预期偏转,最佳的足迹。后者包括例子如最优矩形区域的机制,以及机制自由流动,而不会影响到其他组件。

PRBM是一个重要的功能性技术用于评估和综合BCM。豪厄尔和内陆第一个发达PRBM中的近似应用(31日),包括刚体和CMs之间相同的行为。双稳态的链接1模型fixed-pinned PRBMs,与链接2模型最初pinned-pinned梁弯曲,如图1。作为一个标准化的方法,虚功的力-位移方程来推导系统兼容。与此同时,豪厄尔的常量用作PRBM常量,包括fixed-pinned特征半径γ,pinned-pinnedρKΘ的刚度系数,如表所示1(1,3]。所示的数据1(一)和1 (b)′,,和“第一个稳定、不稳定和第二稳定配置,连同相关机制(s),分别。

本节将组织划分为三个关键部分如下:BCM背后的理论模型,并将模型的描述来自PRBMs。一步一步的设计能展示设计方法不同的输入。步骤结合使用方差分析输入和输出,其次是RSM,都包含在quadratic-based回归模型的推导过程。最后,应用帕累托解算器前面的步骤多目标遗传算法PSO-based将演示。

3.1。双稳态柔性机制的建模

模型的方程是通过求解动力学方程,获得虚拟工作延长学习(32]。草图、模型参数和符号如图2。测定运动系数利用运动学方程。为了形成虚功方程,运动系数因此取代。模型的方程数值求解,绘制。

机制增加其灵活性的大挠度,链接1和2会扣也经历一些偏转。链接1是分成两个长度l₁和l₂。

链接2是分成三个长度l₃,l₄,l₅的基础上pseudo-rigid身体模型,如图2。

链接1,伪刚体模型的刚度特征K₁扭力弹簧的如下: 在哪里是链接的宽度,t是链接的厚度,E材料的弹性模量。刚度特点K₂测量时,连接两个扣。方程可以计算使用K₂如下:

简化设计参数的方程无量纲,呈现如下: 在哪里F_t和F_B的内力是链接。附近的机制、循环方程如下: 在Θ₁链接1 PRBM角,Θ吗₂链接1 PRBM角,θ₂是链接2角,θ₁是角1的链接。虚功方程推导的基础上因变量(Θ₁,Θ₂,F)和指定的独立变量(x和θ₂)如下:

方程推导无量纲使用这些条件,以提高监管的设计概念:

方程(19)- (23)被用来形成的无量纲控制方程(16)数值解决:

控制方程的解决方案(24)和(25)取决于不断的输入参数和输入变量参数,如表所示2(γ,KΘ,E)。

对于每一个输入值,数值解产生的值(υ,Θ₁,Θ₂,ζ)如表所示3。用数值的解决方案,设计了输出如下:

链接的初始角2 (θ_2我)可以计算如下: 在哪里σ_y是35 MPa的屈服应力的材料选择与杨氏模量(聚丙烯)(E)1.35的平均绩点。对多组变量输入参数,设计输出数值求解,在表3。最大线性偏转Δ和最高水平的足迹X应限于满足条件Δ≤X,确保符合双稳态机制几何规则。因为他们控制所需的力变形机制两个稳定的配置,设计依赖的概念υ和b_马克斯。因此,在接下来的部分,这两个输出进行了优化。

3.2。使用GA-PSO Multioutput优化技术

由于输出需求,比如最小化两个输出b_马克斯和 ,获得多组优化参数的组合变得至关重要,为了验证所有可能的响应变化。这是完成的更准确地使用mutation-based GA-PSO,而不是过时的方法。FFs产生结果,每个输出提名一个粒子存在的健身区域必须检查其健身。这样的FF粒子有最大值,可能群/飞到健身区域和保留他们的立场,个人最佳位置和速度。多响应优化使用PSO有双重目标:(1)收敛到理想的帕累托前全球优化解决方案组和(b)支持变异和散射的解决方案。此外,蜂群/群保留他们的全球最佳位置。算法由以下六个阶段(见图3):

与GA算法过程的总体目标是建立一个无限群帕累托前面结果或图文并茂的子群。nondominated (ND)解决方案被恶化的一个输出结果和改善其他输出(反之亦然)在运行multioutput优化改善的结果。帕累托战线best-global-optimized解决方案集团通过加强在冲突过程输出。

4所示。结果与讨论

众多增强特征(b_马克斯和 )二元同步通信受到优化。采用几种方法在后续部分的结果使mlp组合来实现反应(最低为90%b_马克斯和10%的 )所需的条件。最终,一组广泛的简易中长期规划/优化数据显示通过利用GA-PSO [29日]。

4.1。响应数据健身和实证建模(考虑方差分析和R²)

通过应用一款统计软件^®软件到输出(b_马克斯和v)和延时数据,见表3,实证关系的高阶(或二次级别)开发(参考以下方程):

健身的经验关系模型是ERM-tested使用方差分析的结果b_马克斯和(参考表4),分别用mlp的条件被认为是重要的时候 - - - - - -值< 0.05 >F。表4显示为大于F开发erm模型被证明是非常重大的。此外,标签R²(多元回归系数的平方),用作比例模型变化(从总变异),有助于保证发达ERM的高贵的关系与理论分析结果(18]。ERM健身来衡量是密切的R²值方法1。的R²值几乎是接近1在目前的工作,确认高度称职的和适当的汇率机制的结果,与理论分析相比。表4表明学位/ ERM导致良好的健身水平关系的理论数据相比,99%和95%R²的值为0.9982b_马克斯0.9520, 。

因此,两个erm满足健身/能力/充分性条件。

4.2。验证实验

erm从RS分析方法获得的响应(b_马克斯和 )相应的验证是通过比较ERM预测值的理论结果中长期规划的水平可以在桌子上吗3,这些结果在表的偏差5。erm的偏差从理论预测结果发现,躺在关闭(或更好的协议),应用RS方法(参考图4)。

4.3。个人和mlp之间交互的影响b_马克斯

在这部分中,帕累托、阶乘、和三维表面图两个反应(b_马克斯和 )了限价因素排名(单独和组合)。的五个mlp、θ₁(链接1 PRBM角)非常有影响的人物,紧随其后X从帕累托图和∆因素,发现(在图5(一个))。θ_我,X∆也观察到,决定mlp实现理论b_马克斯。正态分布的数据被发现分布在非常靠近一条线在图5 (b),表明erm的符合2.1节中使用的理论分析。个人mlp在不同水平上产生影响b_马克斯,在那里θ₁链接1角,扮演更重要的角色,作为链接的旋转1有助于实现其最大价值。然而,其他大多数mlp等X∆也引起一定程度的变异b_马克斯。mlp的F和t(最大力量和链接厚度)分钟/不影响b_马克斯与他们的级别变化由于其他mlp的变异b_马克斯值很容易(即使有/没有F和t)。效果(如的类型X>∆b_马克斯),在图中也可以看到6(一)这些基底细胞癌的主要要求,确保链接4不发生屈曲保留所需的链接的灵活性。

结合或(s) mlp的交互影响作用b_马克斯(如F∆;参考数据6 (b)和6 (c))观察的方式低/高F价值和∆减少导致实现b_马克斯。这个条件是理想的,因为它有助于保持连接刚度和稳定机制。因此,b_马克斯可以不同(高或低)这两个mlp同时保持所有其他全局最优值。互动影响水平F和X在b_马克斯如数据所示6 (b)和6 (d)。降低F和增加X将有助于达到最优b_max。同样,低结合的影响F值增加θ₁和t值会显著增加b_马克斯如数据所示6 (b),6 (e),6 (f)。这些条件满足的最小值最大的力量F。

指的是数据6 (b),6 (g),6 (h),6(我),关于共同影响,最低∆与增加的值X,连同θ₁和t在b_马克斯,演示了如何最大的实现和满足要求的理想机制(例如,X>∆)。数据6 (b),6 (j),6 (k)展示了延时组合效果,比如增加X与θ₁和t因素对b_马克斯(维护其他mlp的最优值)会增加b_马克斯。因为提升X值所需的内部机制。关于合并的影响θ₁在45°增加t在b_马克斯(参考数据6 (b)和6(左))是非常重要的限制t或θ₁为理想的机制。

4.4。个体和交互水平的mlp的重要性ѵ

刚度系数的变化ѵ被发现和mlp等非常重要吗θ₁,紧随其后的是t,因为他们的价值观保持所需的刚度在多个方向,因为它们bicompatible机制(如在图所示5 (c)帕累托图)。正常的erm数据分布 ,观察线上/线下(如图5 (d)),代表一个好的协议ERM和理论分析。个人mlp的影响描绘在图7(一)。低的值θ₁和t和更高的F值达到最大单独考虑,从而实现PRBM需求。然而,∆X有最少的影响吗 ,其他大多数mlp的位移结果。mlp(如的共同影响F本文与∆的价值,X,θ₁,t)提供了最大如图7 (b)来7 (f),这表明F与其他大多数mlp结合是无关紧要的。mlp互动水平(如至少∆值增加X的中值θ₁和t)收益率更高的刚度系数X可调PRBM和必须大于∆(显示在数据吗7 (b)和7 (g)- - - - - -7(我)分别)。

同样,组合mlp的水平(如最小值θ₁随着级别的X水平降低的θ₁,反之亦然t)产量最大 。因为更高的X不能用厚链接,放松链接刚度和提高链接1角增加冗余(绘制表面响应数据7 (b)和7 (j)- - - - - -7 (k))。图7 (b)描述了mlp的共同影响水平(如水平θ₁与任何级别的t)取得最大 ,表明只要θ₁链接和链接1角是最低,维持他们的不同位置以这样一种方式就不会发生屈曲,为了保持僵硬。

4.5。多响应GA-PSO mlp的bcm

目前多种优化方法可用于过程反应只提供单一的组合优化的输入参数的水平,这对制造商是不够的。因此,许多可能的输入mlp可以很容易地通过PSO优化达到最低的90%”b_马克斯“和10%的””的理论结果。这将是非常有用的对基底细胞癌呈现最低和驱动力量X>∆等好处。erm从方差分析RS方法已经获得FFs的特点。FFs的“b_马克斯和“从erm被修改在优化模型的标准形式,如以下所述方程(20.]:

既是FFs最小化,“-”符号的功能F(1)和F(2)增加改变最小化条件。mlp与更高和更低的限制/边界提供解决所有全局范围内,确定以“b_马克斯和”在一起。可能的延时范围在表提供6。

GA采用突变技术延长解收敛帕累托前沿,从算法获得,达到高精度FF水平优化模型(32]。两个输出的形式FFs GA-PSO被处决的方法通过MATLAB的优化工具箱。它产生几个optimized-level组合mlp、100年最初的一代使用多个设置标准值和Pareto-frontal图展览best-global-optimized解决方案(BGOS,如图8)。BGOS相应值表7。这些35 BGOS 16最好的满足的条件X>∆,最低F和高 ,达到一个成功的工作机制,不会发生屈曲的联系(表中提供8)。

5。结论

PRBM理论上构造发展bicompatible fixed-pinned梁和pinned-pinned梁机制。五个mlp (F,X、∆θ₁,t)和两个输出(最大垂直的足迹,b_马克斯刚度系数, )选择获取多个潜在机制等条件X>∆,90%b_马克斯,10%的ѵ,从理论结果,以及最小F/θ₁。目前,可用标准优化技术只能提供一套优化的全局。然而,GA-PSO呈现巨大的所有可能的优化水平集的信息延时组合。最初,FFs被描述为优化模型,需要以前的数学模型进行了理论研究。FFs利用erm来自RSM的方差分析b_马克斯和 ,后检查他们的能力和健身的理论结果。使用表面响应3 d图形,erm的个人因素水平/交互水平的MLP进行了研究,为了理解输出延时的影响水平。验证这些erm是检查好的符合理论结果。GA-PSO分析产生大量BGOS结果增加了一系列定义mlp的准确性。Pareto-frontal图表现出聚合BGOS结果在每一代中,有两个输出。源于这种BGOS,至少50%满足中长期规划与优化条件规定的水平。因此,GA-PSO被证明是高度实用的生产大量的信息被利用作为设计者的参考指南。

GA-PSO也可以应用于其他可能的bcm,可以与目前的PRBM模型相比,因此作为一个实际的蓝图潜在的参考指南关于这样的机制。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。

确认

作者扩展他们的升值Deputyship的研究与创新,在沙特阿拉伯,教育部资助这个研究工作通过项目数量20 - uqu -如果- p2 - 001。