سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهینه سازی موقعیت یک ربات لامسه ای افزونه برای افزایش ضریب میرایی مجازی قابل شبیه سازی با الگوریتم های فرا ابتکاری بر مبنای هوش جمعی

Publish Year: 1402
Type: Journal paper
Language: Persian
View: 102

This Paper With 21 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_KARFN-20-3_013

Index date: 1 October 2024

بهینه سازی موقعیت یک ربات لامسه ای افزونه برای افزایش ضریب میرایی مجازی قابل شبیه سازی با الگوریتم های فرا ابتکاری بر مبنای هوش جمعی abstract

در این مقاله از یک ربات لامسه ­ای سه درجه آزادی برای شبیه ­­سازی جسمی مجازی واقع بر نقطه ­ای بر روی یک دیوار دو بعدی استفاده شده است. دو مولفه مکانی نقطه کاری روی دیوار دلخواه بوده و لذا این ربات دو درجه آزادی افزونه برای این کار خواهد داشت که توسط روش ­های بهینه­ سازی کلونی زنبور عسل مصنوعی و الگوریتم بهینه ­سازی کلاغ به گونه ­ای مشخص شده­ اند تا ضمن تضمین پایداری ربات، ضریب میرایی جسم مجازی قابل شبیه ­سازی نیز بیشینه شود. فرایند بهینه ­سازی توسط هر روش در دو حالت مختلف انجام شده است. در حالت اول سفتی ربات در کل فضای کاری مقداری ثابت فرض شده و در حالت بعدی سفتی تابعی از پیکره ­بندی ربات در نظر گرفته شده است. در هر حالت، ابتدا مقادیر جرم، ضریب میرایی موثر و سفتی موثر ربات به دست آمده و سپس از روابط تئوری مرز عملکرد پایدار ربات به دست می­آید. در نهایت روش­ های بهینه سازی مذکور، محل نقطه کاری را به گونه ­ای مشخص می­ کنند که ضریب میرایی قابل شبیه­ سازی بیشینه شود. نتایج نشان می ­دهند که در حالت ثابت بودن سفتی ربات، هر دو روش مذکور توانایی شبیه سازی مقدار بیشینه ۸۲۵/۱ را برای ضریب میرایی مجازی داشتند. حال آن که در حالت متغیر بودن سفتی ربات، الگوریتم کلاغ و زنبور عسل به ترتیب به مقادیر ۲۵۰۲ و ۲۴۹۸ به عنوان بیشینه ضریب میرایی قابل شبیه ­سازی رسیدند. همچنین با وجود آن که تعداد محاسبه تابع هزینه در هر دو روش یکسان است، اما الگوریتم بهینه­ سازی کلاغ سریع­ تر و تکرار پذیرتر است.

بهینه سازی موقعیت یک ربات لامسه ای افزونه برای افزایش ضریب میرایی مجازی قابل شبیه سازی با الگوریتم های فرا ابتکاری بر مبنای هوش جمعی Keywords:

ربات لامسه ای , پایداری , بهینه سازی , کلونی زنبور عسل مصنوعی , الگوریتم بهینه سازی کلاغ , افزونگی

بهینه سازی موقعیت یک ربات لامسه ای افزونه برای افزایش ضریب میرایی مجازی قابل شبیه سازی با الگوریتم های فرا ابتکاری بر مبنای هوش جمعی authors

احمد مشایخی

استادیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی سیرجان، سیرجان، ایران.

عباس کرمی

استادیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی شیراز، شیراز، ایران.

علی زین العابدین بیگی

کارشناسی ارشد، گروه ساخت و تولید، دانشکده مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران.

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Mashayekhi, A., Nahvi, A., Yazdani, M., Mohammadi Moghadam, M., Arbabtafti, ...
Hadi, A., & Bagherian Jafarabadi, M. A. (۲۰۱۷). Design and ...
Tahmasbi, V., Zeinolabedin Beygi, A., Elahi, S. H., & Azizi ...
Aliakbari, K., Saberi, M. R., & Andalib, M. (۲۰۲۱). Applying ...
Khosravian Cham Piri, E. (۲۰۲۲). Design Optimal Adaptive Trajectory Tracking ...
Hussien, A. G., Amin, M., Wang, M., Liang, G., Alsanad, ...
Han, Z., Chen, M., Shao, S., & Wu, Q. (۲۰۲۲). ...
Rabiee, A. H., Sherkatghanad, E., Zeinolabedin Beygi, A., Moslemi Naeini, ...
Talebi Ghadikolaee, H., Moslemi Naeini, H., Rabiee, A. H., Zeinolabedin ...
Liu, H. (۲۰۲۲). Research on cloud computing adaptive task scheduling ...
Sherkatghanad, E., Moslemi Naeini, H., Rabiee, A. H., Zeinolabedin Beygi, ...
Peng, J., Li, Y., Kang, H., Shen, Y., Sun, X., ...
Liu, Y., Feng, X., Yang, Y., Ruan, Z., Zhang, L., ...
Yang, B., Huang, X., Cheng, W., Huang, T., & Li, ...
ForceDimension. (۲۰۲۲). Force Dimension - Haptic Devices. https://www.forcedimensi on.com/products/omeg ...
Mashayekhi, A., Karami, A., & Siciliano, B. (۲۰۲۳). A New ...
Mashaikhi, A., Shakri, M., Behbahani, S., Nahovi, A., & Kashmiri, ...
Abbott, J. J., & Okamura, A. M. (۲۰۰۵). Effects of ...
Diolaiti, N., Niemeyer, G., Barbagli, F., & Salisbury, J. K. ...
Mashayekhi, A., Boozarjomehry, R. B., Nahvi, A., Meghdari, A., & ...
Gil, J. J., Sanchez, E., Hulin, T., Preusche, C., & ...
Hulin, T., Albu-Schäffer, A., & Hirzinger, G. (۲۰۱۴). Passivity and ...
Mashayekhi, A., Behbahani, S., Ficuciello, F., & Siciliano, B. (۲۰۲۰). ...
Mashayekhi, A., Behbahani, S., Ficuciello, F., & Siciliano, B. (۲۰۱۸). ...
Mashayekhi, A., Behbahani, S., Ficuciello, F., & Siciliano, B. (۲۰۱۸). ...
Mashayekhi, A., Behbahani, S., Ficuciello, F., & Siciliano, B. (۲۰۲۰). ...
Gil, J. J., Avello, A., Rubio, A., & Florez, J. ...
Diaz, I., & Gil, J. J. (۲۰۰۸, May ۱۹-۲۳). Influence ...
Çavuşoğlu, M. C., Feygin, D., & Tendick, F. (۲۰۰۲). A ...
Busson, D., Bearee, R., & Olabi, A. (۲۰۱۷). Task-oriented rigidity ...
Karaboga, D. (۲۰۰۵). An idea based on honey bee swarm ...
Mashayekhi, M., & Yousefi, R. (۲۰۲۱). Topology and size optimization ...
نمایش کامل مراجع