[发明专利]一种机器人夹爪结构参数快速仿真优化方法在审
申请号: | 202211325631.1 | 申请日: | 2022-10-27 |
公开(公告)号: | CN115526004A | 公开(公告)日: | 2022-12-27 |
发明(设计)人: | 侯赓舜;哈乐;王军义;徐志刚;刘勇 | 申请(专利权)人: | 中国科学院沈阳自动化研究所 |
主分类号: | G06F30/17 | 分类号: | G06F30/17;G06F30/23;G06F30/27;G06F111/04;G06F119/14 |
代理公司: | 沈阳科苑专利商标代理有限公司 21002 | 代理人: | 王倩 |
地址: | 110016 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 机器人 结构 参数 快速 仿真 优化 方法 | ||
1.一种机器人夹爪结构参数快速仿真优化方法,其特征在于,包括以下步骤:
步骤1:构建机器人夹爪结构参数化模型,以用于静力学有限元仿真应力、形变提供模型;
步骤2:利用静力学有限元仿真软件对机器人夹爪结构参数化模型在不同尺寸、不同负载工况下的应力、形变进行仿真,得到应力、形变仿真数据;
步骤3:根据得到应力、形变仿真数据,采用克里金代理模型构建含有机器人夹爪结构尺寸参数和不同负载工况条件下的机器人夹爪的应力、形变预测模型;
步骤4:通过建立粒子群寻优算法,对在实际负载工况下,符合应力、形变约束条件的尺寸参数进行寻优,得到尺寸参数的最优值代入至应力、形变预测模型,得到实际工况的尺寸参数以及载荷下的应力和形变,实现机器人夹爪结构参数的优化。
2.根据权利要求1所述的一种机器人夹爪结构参数快速仿真优化方法,其特征在于,所述步骤1包括以下步骤:
步骤1.1:在三维建模软件构建机器人夹爪结构三维模型;
步骤1.2:将机器人夹爪结构的壁厚DH、壁间距DV输入至机器人夹爪结构三维模型,得到机器人夹爪结构参数化模型。
3.根据权利要求1所述的一种机器人夹爪结构参数快速仿真优化方法,其特征在于,所述步骤2包括以下步骤:
步骤2.1:在静力学有限元仿真软件中对机器人夹爪结构参数化模型进行六面体网格划分;
步骤2.2:在静力学有限元仿真软件中对不同尺寸参数DH、DV加载不同工况下的载荷F,进行静力学仿真,得到应力、形变仿真数据。
4.根据权利要求3所述的一种机器人夹爪结构参数快速仿真优化方法,其特征在于,所述步骤2.2,具体为:
(1)在步骤2.1六面体网格划分后的机器人夹爪结构参数化模型的基础上,对机器人夹爪结构添加固定约束,表示机器人夹爪上端与夹爪基座紧固连接;
(2)机器人夹爪下端与被夹持目标体相接触,依靠气缸提供夹持力,将被夹持目标体的重力与气缸的夹持力采用三角函数分解法,将力分解到两个接触面上,即:
其中,F夹为气缸的夹持力,m为被夹持目标体的质量,g为重力加速度,R为夹爪夹角,n为夹臂个数;
(3)依次对不同尺寸参数DH、DV加载不同工况下的载荷FA和FB,通过ansysworkbench软件进行静力学仿真,得到应力、形变仿真数据。
5.根据权利要求1所述的一种机器人夹爪结构参数快速仿真优化方法,其特征在于,所述步骤3包括以下步骤:
步骤3.1:通过拉丁超立方抽样对步骤2中得到的应力、形变仿真数据进行抽样;
步骤3.2:通过步骤3.1中做得到的所有抽样后的应力、形变仿真数据构建数据集,建立含有机器人夹爪结构尺寸参数和不同负载工况条件下的机器人夹爪的克里金代理计算模型,即应力、形变预测模型。
6.根据权利要求5所述的一种机器人夹爪结构参数快速仿真优化方法,其特征在于,所述步骤3.1,具体为:
将变量空间分成n个互不重叠而且概率相同的子区间,为了保证样本点的均匀性,在每个子区间内随机且独立地进行一次取样;
其中,拉丁超立方抽样的样本为:
式中:ri—样本点的个数;i—水平数;j—维数;dij—1到r的随机独立排列数;eij—之间的随机数。
7.根据权利要求1所述的一种机器人夹爪结构参数快速仿真优化方法,其特征在于,所述步骤3.2,具体为:
将抽样后的应力、形变仿真数据构建数据集,将经过拉丁超立方抽样后的样本集数据代入到MATLAB已经建立好的克里金模型中,生成形变、应力预测模型;
以不同尺寸参数及不同载荷作为形变、应力预测模型的输入,不同的应力和形变作为输出,得到的形变、应力预测模型作为克里金代理计算模型;
克里金代理计算模型建立完成后,通过克里金代理计算模型预测出夹爪部件在不同尺寸参数DH、DV和不同负载F下的形变和应力。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院沈阳自动化研究所,未经中国科学院沈阳自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211325631.1/1.html,转载请声明来源钻瓜专利网。