论文部分内容阅读
摘要：该项目旨在研究一种稳定性强、精度较高的摆臂式上下料机器人。在优化机器人的结构时，需要考虑多个优化参数，所以提出基于遗传算法的优化方法，此方法具有计算时间少，鲁棒性高等特点。通过利用SolidWorks Simulation插件仿真得到以下成果：在保持整体质量不变的情况下，通过优化结构，提高刚度和强度，从而提高机械设备的稳定性。
关键词：上下料机器人；结构优化；遗传算法；仿真
引 言
摆臂式机器人在生产上下料尤其冲压领域的应用，正显示出其越来越多的优点，相比市场上应用广泛的直角坐标机器人存在所占空间大、灵活性低的缺点以及关节机器人存在价格昂贵、维护成本高的缺点，摆臂式机器人成本低、所占空间小、灵活性好、维护方便，更适合市场体量庞大的中小企业。
1 上下料机器人关键结构的优化
1.1遗传算法基本原理
遗传算法基于达尔文的自然选择学说，包括三个方面：
a.遗传：亲代把生物信息交给子代，子代总是和亲代具有相同或相似的性状。
b.变异：亲代和子代之间以及子代的不同个体之间的差异，称为变异。
c.生存与斗争：具有适应性变异的个体被保留下来，通过一代代的生存环境的选择作用，演变为新的物种。
遗传算法按所选择的适应度函数并通过复制、交叉及变异不断筛选，使适应度高的个体被保留下来，组成新的群体。
1.2基本遗傳算法机器人悬臂轴底板的优化
1.1.1 优化目标函数的建立
生产中为了在减小铝合金底板厚的同时增强其运动的稳定性及刚度，必须对悬臂轴的悬臂底板截面进行优化。上下料机器人悬臂轴底板受力情况等效数学模型为一个悬臂梁结构，转化为数学模型，表达式为：
式中：为挠曲角； 为挠度；F 为受到的载荷；l为悬臂梁的长度；E为材料的弹性模量。
优化的目标为使变形量和应力最小；将其目标函数转化为求惯性矩的最大值。引入，并建立函数：
由材料力学惯性矩公式得惯性矩：
1.2.2 优化参数边界条件的设置
在机器人悬臂底板优化设计中，设底板的截面面积为 A，截面的参数如图2所示，根据面积公式得：。
在结构优化中根据公式（2）可知，要使优化结果的变形量最小等效转化为惯性矩最大，考虑到实际情况设置初始变量 b1=31，b2= 14，b3 =5，b4 =6，b5 =7，b6 =7，b7 =18，b8 =8，b9 =30，a=1.8。遗传算法执行过程中种群规模设置为 50，种群规模= 10，变异概率为0.01。约束条件如下：
1.2.3 优化结果分析
随迭代进行，结果最终趋于平衡。其惯性矩值为。借助ANSYS Workbench得悬臂轴底板结构的最大应变值为 0.1183 mm，应力最大值为25.941 MPa。
3 存在的问题
传统的优化方法往往是从解空间的单个初始点开始最优解的迭代搜索过程，搜索效率不高，有时甚至使搜索过程局限于局部最优解而停滞不前，即算法对新空间的探索能力是有限的，也容易收敛到局部最优解。
结论
a.利用遗传算法，对非线性运动学模型中的机构参数进行优化，可以将复杂的运动学标定问题简单化。
b.遗传算法与Workbench 自带传统优化算法相比，优化结果刚度变形量减少了 33.5%，应力值减小了 35.5%，质量几乎没有增加。
参考文献：
[1]郏宣耀，王 芳. 一种改进的小生境遗传算法[J]. 重庆邮电学院学报，2005，17（6）：721-724.
[2]司建星，夏田，丁丙坤.基于Solidworks装弹机器人的虚拟设计及其运动仿真[J].制造业自动化.2013（20）：21-22.
[3]汲方林，王有杰，李渊，等.基于Solidworks Simulation对高压容器的静态及疲劳分析[J].机械工程师.2009（5）：128-129.
[4]吴婷，张礼兵. 基于自适应遗传算法自优化的机器人控制策略[J]. 自动化与仪器仪表，2015，（06）：77-79.
关键词：上下料机器人；结构优化；遗传算法；仿真
引 言
摆臂式机器人在生产上下料尤其冲压领域的应用，正显示出其越来越多的优点，相比市场上应用广泛的直角坐标机器人存在所占空间大、灵活性低的缺点以及关节机器人存在价格昂贵、维护成本高的缺点，摆臂式机器人成本低、所占空间小、灵活性好、维护方便，更适合市场体量庞大的中小企业。
1 上下料机器人关键结构的优化
1.1遗传算法基本原理
遗传算法基于达尔文的自然选择学说，包括三个方面：
a.遗传：亲代把生物信息交给子代，子代总是和亲代具有相同或相似的性状。
b.变异：亲代和子代之间以及子代的不同个体之间的差异，称为变异。
c.生存与斗争：具有适应性变异的个体被保留下来，通过一代代的生存环境的选择作用，演变为新的物种。
遗传算法按所选择的适应度函数并通过复制、交叉及变异不断筛选，使适应度高的个体被保留下来，组成新的群体。
1.2基本遗傳算法机器人悬臂轴底板的优化
1.1.1 优化目标函数的建立
生产中为了在减小铝合金底板厚的同时增强其运动的稳定性及刚度，必须对悬臂轴的悬臂底板截面进行优化。上下料机器人悬臂轴底板受力情况等效数学模型为一个悬臂梁结构，转化为数学模型，表达式为：
式中：为挠曲角； 为挠度；F 为受到的载荷；l为悬臂梁的长度；E为材料的弹性模量。
优化的目标为使变形量和应力最小；将其目标函数转化为求惯性矩的最大值。引入，并建立函数：
由材料力学惯性矩公式得惯性矩：
1.2.2 优化参数边界条件的设置
在机器人悬臂底板优化设计中，设底板的截面面积为 A，截面的参数如图2所示，根据面积公式得：。
在结构优化中根据公式（2）可知，要使优化结果的变形量最小等效转化为惯性矩最大，考虑到实际情况设置初始变量 b1=31，b2= 14，b3 =5，b4 =6，b5 =7，b6 =7，b7 =18，b8 =8，b9 =30，a=1.8。遗传算法执行过程中种群规模设置为 50，种群规模= 10，变异概率为0.01。约束条件如下：
1.2.3 优化结果分析
随迭代进行，结果最终趋于平衡。其惯性矩值为。借助ANSYS Workbench得悬臂轴底板结构的最大应变值为 0.1183 mm，应力最大值为25.941 MPa。
3 存在的问题
传统的优化方法往往是从解空间的单个初始点开始最优解的迭代搜索过程，搜索效率不高，有时甚至使搜索过程局限于局部最优解而停滞不前，即算法对新空间的探索能力是有限的，也容易收敛到局部最优解。
结论
a.利用遗传算法，对非线性运动学模型中的机构参数进行优化，可以将复杂的运动学标定问题简单化。
b.遗传算法与Workbench 自带传统优化算法相比，优化结果刚度变形量减少了 33.5%，应力值减小了 35.5%，质量几乎没有增加。
参考文献：
[1]郏宣耀，王 芳. 一种改进的小生境遗传算法[J]. 重庆邮电学院学报，2005，17（6）：721-724.
[2]司建星，夏田，丁丙坤.基于Solidworks装弹机器人的虚拟设计及其运动仿真[J].制造业自动化.2013（20）：21-22.
[3]汲方林，王有杰，李渊，等.基于Solidworks Simulation对高压容器的静态及疲劳分析[J].机械工程师.2009（5）：128-129.
[4]吴婷，张礼兵. 基于自适应遗传算法自优化的机器人控制策略[J]. 自动化与仪器仪表，2015，（06）：77-79.