智能设计方法 第8章 智能设计方法的案例分析.ppt

3新型开合屋盖设计与优化3.4开合屋盖的盖板碰撞分析(a)(b)

图8-23第2组阻尼器安装位置及其盖板速度-时间曲线

第3组阻尼器安装位置如图8-24(a)所示。设置阻尼系数为0.008Nmm，盖板临近碰撞时的末速度为54.38mm/s，盖板从运动到碰撞后的速度曲线如图8-24(b)所示。3新型开合屋盖设计与优化3.4开合屋盖的盖板碰撞分析(a)(b)

图8-24第3组阻尼器安装位置及其盖板速度-时间曲线

第4组阻尼器安装位置如图8-25(a)所示。设置阻尼系数为0.007Nmm，盖板临近碰撞时的末速度为69.68mm/s，盖板从运动到碰撞后的速度曲线如图8-25(b)所示。3新型开合屋盖设计与优化3.4开合屋盖的盖板碰撞分析(a)(b)

图8-25第4组阻尼器安装位置及其盖板速度-时间曲线

第5组阻尼器安装位置如图8-26(a)所示。设置阻尼系数为0.006Nmm，盖板临近碰撞时的末速度为147.90mm/s，盖板从运动到碰撞后的速度曲线如图8-26(b)所示。3新型开合屋盖设计与优化3.4开合屋盖的盖板碰撞分析(a)(b)

图8-26第5组阻尼器安装位置及其盖板速度-时间曲线

第6组阻尼器安装位置如图8-27(a)所示。设置阻尼系数为0.005Nmm，盖板临近碰撞时的末速度为118.55mm/s，盖板从运动到碰撞后的速度曲线如图8-27(b)所示。3新型开合屋盖设计与优化3.4开合屋盖的盖板碰撞分析(a)(b)

图8-27第6组阻尼器安装位置及其盖板速度-时间曲线

第7组阻尼器安装位置如图8-28(a)所示。设置阻尼系数为0.012Nmm，盖板临近碰撞时的末速度为127.56mm/s，盖板从运动到碰撞后的速度曲线如图8-28(b)所示。3新型开合屋盖设计与优化3.4开合屋盖的盖板碰撞分析(a)(b)

图8-28第7组阻尼器安装位置及其盖板速度-时间曲线3新型开合屋盖设计与优化3.5基于遗传算法的阻尼器优化使用遗传算法（GeneticAlgorithm，简称GA）对机构的阻尼器数量以及布置位置进行优化，将上述7组阻尼器，与7位遗传编码对应。每位编码代表杆件的数目并不相同，0表示对应编码的这组杆件都是普通杆件，1则表示这组杆件位置上都有阻尼器。

采用的个体适应度函数为：

其值越高阻尼器个数越多，花费越高，经济性越差；α指耗能与阻尼器数量权系数，可以控制结构阻尼最优布置的阻尼器数量。

基于遗传算法的阻尼器优化布置流程图如图8-29所示。3新型开合屋盖设计与优化3.5基于遗传算法的阻尼器优化图8-29基于遗传算法的阻尼器优化布置流程图

盖板碰撞后的寻优结果如下：

（1）基因座是1的位数为2时的最优解：

α=150，交叉率为98%，变异率为0.1%，基因座是1的位数为2时，寻优得到6根阻尼器为最优布置，最优解为1000001，即在第1、7组杆件的位置布置阻尼器为最优解，适应度函数J=17.7775，如图8-30(a)所示。3新型开合屋盖设计与优化3.5基于遗传算法的阻尼器优化（2）基因座是1的位数为3时的最优解：

α=150，交叉率为98%，变异率为0.1%，基因座是1的位数为3时，寻优得到9根阻尼器为最优布置，最优解为1000101，即在第1、5、7组杆件的位置布置阻尼器为最优解，适应度函数J=26.3045，如图8-30(b)所示。

（3）基因座是1的位数为4时的最优解：

α=150，交叉率为98%，变异率为0.1%，基因座是1的位数为4时，寻优得到21根阻尼器为最优布置，最优解为1100101，即在第1、2、5、7组杆件的位置布置阻尼器为最优解，适应度函数J=51.9467，如图8-30(c)所示。3新型开合屋盖设计与优化3.5基于遗传算法的阻尼器优化(a)(b)3新型开合屋盖设计与优化3.5基于遗传算法的阻尼器优化(c)

图8-30基因座是1的位数分别是2、3和4时适应度进化曲线谢谢2Delta并联机器人分拣策略优化2.2Delta机器人抓放过程在高速分拣任务中，机器人需要不断地沿着门形轨迹进行重复作业，这期间涉及到多次的启动、停止和速度变化。为了保证机器人在运动过程中位移、速度和加速度的平稳过渡，避免突变，通常会采用多项式、摆线和修正梯形等运动规律对机器人的运动特性进行调整和优化。

通过对门形轨迹的各段采用上述运动规律进行插补，可以计算出机器人主动臂在每一段运动中的运动参数。接着，通过除以减速比，可以得到对应每个插值点的电动机驱动参数。这样，机器人的末端执行器就能够按照优化后的设定轨迹准确、平稳地完成分拣任务。2Delta并联机器人分拣策略优化2.2D