考虑灵活性和稳定性的6自由度串联机器人的多目标结构优化

《Journal of Computational Science》:Multi-objective structural optimization of 6-DOF serial robots considering dexterity stability

【字体: 大 中 小 】 时间:2026年10月22日 来源:Journal of Computational Science 4.0

编辑推荐:

  摘要作为智能制造的核心设备,六自由度(6-DOF)串联机器人在精密制造任务中得到广泛应用,在这些任务中,整个工作空间内的稳定运动灵活性对于可靠运行至关重要。然而,现有的结构优化方法主要关注平均灵活性,而忽视了灵活性稳定性,并且由于重复的高精度运动仿真而导致计算成本过高。为了解决这

  

摘要

作为智能制造的核心设备,六自由度(6-DOF)串联机器人在精密制造任务中得到广泛应用,在这些任务中,整个工作空间内的稳定运动灵活性对于可靠运行至关重要。然而,现有的结构优化方法主要关注平均灵活性,而忽视了灵活性稳定性,并且由于重复的高精度运动仿真而导致计算成本过高。为了解决这些限制,提出了一种考虑灵活性稳定性的六自由度串联机器人的多目标结构优化方法。首先,首次引入了全局条件偏差指数(GCDI)来量化灵活性稳定性,这与传统的全球条件指数(GCI)和结构长度指数(SLI)相结合,构建了一个更全面的优化目标体系。其次,建立了克里金代理模型来替代高精度运动仿真,将性能评估时间减少了99.97%,同时保持了预测准确性。随后,采用NSGA-II生成了一个分布均匀的帕累托前沿,并采用熵权重TOPSIS方法客观确定最佳折中方案,而无需主观权重分配。在RM65-6F机器人上的验证表明,与初始设计相比,所提出的方法将SLI降低了5.66%,GCI提高了28.37%,GCDI降低了6.70%。轨迹跟踪仿真进一步证实,优化后的设计将平均条件数降低了11.91%,平均关节速度范数降低了24.48%,证明了在灵活性和运动效率方面的改进。

引言

工业机器人是现代制造业转型和升级的核心设备,在国家工业生产和经济发展中发挥着不可或缺的作用。由于其高度的灵活性和多功能性,六自由度串联机器人在汽车制造、电子装配和精密加工等领域逐渐占据了主导地位[1]。为了满足对复杂操作的日益增长的需求,机器人运动性能的优化逐渐成为研究的焦点和难点。六自由度串联机器人的结构参数(如连杆长度和关节偏移量)直接决定了它们的运动性能。在结构优化中,这些参数通常被视为设计变量。然而,设计变量与性能指标之间存在复杂的非线性关系。此外,当前的性能指标缺乏对灵活性稳定性的评估,这些指标之间不可避免地会出现冲突。因此,六自由度串联机器人的运动性能优化具有重要的研究意义。
为了解决设计变量与性能指标之间复杂非线性关系的建模问题,传统方法通常依赖有限元分析(FEA)、运动仿真和动力仿真。Dalklint等人[2]利用FEA计算压力激活可充气软机器人的优化成本和约束函数。Wang等人[3]结合FEA和虚拟关节方法构建了刚度模型,实现了串联喷涂机器人的优化设计。Galan-Uribe等人[4]将运动仿真与Harris hawks优化算法相结合,优化了六自由度串联机器人臂。Hwang等人[5]将动力仿真与遗传算法相结合,完成了七自由度串联操作器的优化设计。然而,这些方法在优化迭代过程中需要反复进行高精度仿真,导致巨大的计算成本。因此,代理模型技术被广泛应用于机械系统优化中,通过建立设计变量与性能指标之间的映射关系来显著降低计算成本[6]。常见的代理建模方法包括:响应面法(RSM)、人工神经网络(ANN)、深度神经网络(DNN)和克里金模型。Zhang等人[7]利用RSM构建了工业机器人的性能函数。然而,RSM在拟合高度非线性问题方面的准确性有限。Djeffal等人[8]结合ANN和粒子群优化来优化连续体机器人。Park等人[9]利用DNN构建了管状机器人结构参数的优化模型。尽管ANN和DNN具有强大的非线性映射能力,但它们通常需要大量样本数据进行训练[10]。相比之下,克里金模型展示了出色的非线性近似和不确定性量化能力[11],只需要少量样本数据即可满足预测准确性要求。目前,克里金模型已成功应用于机械结构优化[12]、航空航天设计[13]和复杂系统建模[14]等领域。对于六自由度串联机器人,每次性能评估都需要复杂的工作空间采样、雅可比矩阵求解和运动建模,导致计算复杂性很高。因此,构建克里金模型可以有效地替代高精度运动仿真,显著提高优化效率[15]。
对于运动性能评估,雅可比矩阵条件数是衡量机器人运动灵活性的关键指标[16]。Gosselin等人[17]提出了全球条件指数(GCI)来评估平均灵活性,它在机器人结构优化中得到了广泛应用[18]、[19]。然而,作为平均值指标,GCI无法反映灵活性的稳定性。在实际应用中,过度的性能波动可能导致某些配置下的灵活性急剧下降,影响任务执行的稳定性和可靠性[20]。因此,除了关注平均灵活性外,还需要引入适当的指标来评估灵活性的稳定性。
在多目标结构优化中,相互冲突的目标需要平衡来确定最佳折中方案[21]。目前,多目标优化算法(如:强度帕累托进化算法(SPEA)[22]和非支配排序遗传算法II(NSGA-II)[23])已经有效地解决了这个问题。其中,NSGA-II在处理多目标优化问题方面表现出色,因为它具有快速的非支配排序、拥挤距离计算和精英保留策略,并已成功应用于热工程[24]、结构参数优化[25]和灵活作业车间调度[26]。通过多目标优化算法获得帕累托前沿解决方案后,必须引入多准则决策方法来筛选最佳折中方案。这些方法主要包括:模糊综合评估(FCE)、层次分析法(AHP)和基于与理想解决方案相似性的技术排序(TOPSIS)[27]。FCE通过隶属函数将定量指标转换为模糊语言,这容易导致指标信息的丢失[28]。AHP通过成对比较获得偏好信息,但当标准或方案的数量增加时,成对比较的复杂性显著增加[29]。相比之下,TOPSIS在保持所有指标信息的同时降低了计算成本[30]。然而,TOPSIS中标准权重的确定依赖于主观权重分配。熵权重方法可以根据数据信息熵来确定各种标准的权重,从而避免了主观权重的偏差[31]。进一步,通过结合TOPSIS和熵权重方法构建了一种客观的多准则决策方法。目前,熵权重TOPSIS决策方法已成功应用于环境科学[32]和能源系统[33]等领域,并在处理多准则决策问题方面表现出显著优势。
为了提高六自由度串联机器人的运动性能并降低建模计算成本,提出了一种基于克里金-NSGA-II-熵权重的多目标优化方法,以实现多性能协同优化。首先,在结构设计优化过程中使用克里金代理模型替代高精度运动仿真,显著降低了计算成本并保持了预测准确性。其次,引入全局条件偏差指数(GCDI)来评估灵活性稳定性,并与结构长度指数(SLI和GCI结合,共同构建了一个更全面的多目标优化模型。最后,通过NSGA-II获得帕累托前沿解决方案,并引入熵权重TOPSIS决策方法来确定最佳折中方案。
本文的其余部分安排如下:第2节介绍了典型六自由度串联机器人的多目标优化方法,包括运动建模、性能指标构建以及克里金、NSGA-II和熵权重TOPSIS的原理。第3节进行了对比验证和结果分析。第4节给出了结论。

章节摘录

方法论

图1展示了基于克里金-NSGA-II-熵权重的六自由度串联机器人多目标优化方法的流程图。构建了克里金代理模型来捕捉设计变量与性能指标之间的关系,从而减少了运动仿真的计算成本。采用NSGA-II获得帕累托前沿解决方案,并利用熵权重TOPSIS决策方法选择最佳折中方案。

对比验证和结果分析

为了验证所提出的基于克里金-NSGA-II-熵权重的六自由度串联机器人多目标优化方法的有效性,在MATLAB中进行了对比仿真和结果分析。分析包括代理模型比较和克里金验证、性能指标相关性分析、优化算法比较、帕累托前沿决策以及初始设计と优化设计之间的最终性能比较。

结论

本研究提出了一种基于克里金-NSGA-II-熵权重的六自由度串联机器人多目标优化方法,有效地提高了运动性能并解决了运动建模的复杂性。具体而言,建立的克里金代理模型替代了高精度运动仿真,实现了在高样本数量下的高预测准确性,并将性能评估时间显著降低了99.97%。此外,引入的

财政支持

本研究得到了国家自然科学基金(编号62573146、52265066、62341303);贵州省关键技术研究开发计划(编号Qiankehe Support [2026] general 352);以及贵州省关键技术研究开发计划(编号2024 general 136)的支持。

作者声明不存在任何可能影响本文工作的利益冲突。

CRediT作者贡献声明

Guangxu He:可视化。Chengbin Liang:可视化、验证。Deguang Wang:研究、形式分析。Ming Yang:撰写——审稿与编辑、监督、资源管理、项目实施、资金获取、概念化。Lei Fu:验证、软件、方法论。Ju Tian:验证、数据整理。Jing Cheng:撰写——初稿、软件、方法论、研究、形式分析、概念化。

利益冲突声明

作者声明没有已知的利益冲突或个人关系可能会影响本文报告的工作。
Jing Cheng|Lei Fu|Ju Tian|Ming Yang|Deguang Wang|Chengbin Liang|Guangxu He
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号