CN108942936A - 一种机器人自适应可靠性优化方法 - Google Patents
一种机器人自适应可靠性优化方法 Download PDFInfo
- Publication number
- CN108942936A CN108942936A CN201810824937.9A CN201810824937A CN108942936A CN 108942936 A CN108942936 A CN 108942936A CN 201810824937 A CN201810824937 A CN 201810824937A CN 108942936 A CN108942936 A CN 108942936A
- Authority
- CN
- China
- Prior art keywords
- reliability
- robot arm
- varying
- time
- optimization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/007—Means or methods for designing or fabricating manipulators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明申请提供一种机器人自适应可靠性优化方法,其包括:S1、以机器人机械臂作为优化目标,利用粒子群优化方法构建机器人机械臂的可靠性优化模型;S2、构建基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,所述时变不确定条件包括运动周期和运动速度;S3、利用步骤S1中构建的机器人机械臂的可靠性优化模型对机器人机械臂进行粒子群优化,得到机器人机械臂的粒子群优化解;S4、将步骤S3中得到的机器人机械臂的粒子群优化优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型以确定可靠度,解决目前因忽略工程实际中时变不确定性因素的影响而导致的设计结果不可靠,使用寿命不长、维修费用增加。
Description
技术领域
本发明申请涉及机器人可靠性设计技术领域,尤其涉及一种机器人自适应可靠性优化方法。
背景技术
现代复杂机械系统是一种结构复杂、功能需求多、性能指标要求高的产品,如何在保证高可靠性的前提下实现满足用户复杂功能和性能要求的产品设计方案是一个极其困难的问题。传统的复杂机械系统设计是依次按照功能一结构一强度进行循环设计。这种串行模式实质上是在不同的设计阶段设计人员选择不同的侧重点学科进行设计,将同时影响复杂机械系统性能的结构、强度、振动和热力等学科人为地割裂开来,没有考虑各个学科之间的相互作用及影响。机器人系统是由多个部件和子系统组成的复杂系统,相互之间又具有很多不同程度的耦合关系,是一个典型的粒子群优化问题。现有的设计方法大多忽略实际中时变不确定性因素的影响,这样会导致的设计结果不可靠,使用寿命不长、维修费用增加;而且及现有设计方法无法满足现代工业对于产品高可靠性的要求。
发明申请内容
有鉴于此,本发明申请提供一种机器人自适应可靠性优化方法,该方法解决现有技术因忽略工程实际中时变不确定性因素的影响而导致的设计结果不可靠,使用寿命不长、维修费用增加以及现有设计方法无法满足现代工业对于产品高可靠性的。
为实现上述目的,本发明申请提供一种机器人自适应可靠性优化方法,其包括:
S1、以机器人机械臂作为优化目标,利用粒子群优化方法构建机器人机械臂的可靠性优化模型。
S2、构建基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,所述时变不确定条件包括运动周期和运动速度。
S3、利用步骤S1中构建的机器人机械臂的可靠性优化模型对机器人机械臂进行粒子群优化,得到机器人机械臂的粒子群优化解。
S4、将步骤S3中得到的机器人机械臂的粒子群优化优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,计算机器人机械臂在该粒子群优化优化解下的可靠度。
进一步的,步骤S4具体包括:S41、将步骤S3中得到的机器人机械臂的粒子群优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,计算机器人机械臂在该粒子群优化解下的可靠度;S42、判断步骤S41中得到可靠度是否满足预先设定的时变可靠性要求;若可靠度满足预先设定的时变可靠性要求,则完成对机器人机械臂的可靠性设计优化;若可靠度不满足预先设定的时变可靠性要求,则返回步骤S3。
与相关技术相比,本发明申请提供一种机器人自适应可靠性优化方法,其包括:S1、以机器人机械臂作为优化目标,利用粒子群优化方法构建机器人机械臂的可靠性优化模型;S2、构建基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,所述时变不确定条件包括运动周期和运动速度;S3、利用步骤S1中构建的机器人机械臂的可靠性优化模型对机器人机械臂进行粒子群优化,得到机器人机械臂的粒子群优化解;S4、将步骤S3中得到的机器人机械臂的粒子群优化优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,计算机器人机械臂在该粒子群优化优化解下的可靠度,该方法解决现有技术因忽略工程实际中时变不确定性因素的影响而导致的设计结果不可靠,使用寿命不长、维修费用增加以及现有设计方法无法满足现代工业对于产品高可靠性。
附图说明
图1为本发明申请实施例中机器人自适应可靠性优化方法的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明申请做进一步详细说明。请参见图1所示,本发明申请提供一种机器人自适应可靠性优化方法,其包括:
S1、以机器人机械臂作为优化目标,利用粒子群优化方法构建机器人机械臂的可靠性优化模型。
S2、构建基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,所述时变不确定条件包括运动周期和运动速度。
S3、利用步骤S1中构建的机器人机械臂的可靠性优化模型对机器人机械臂进行粒子群优化,得到机器人机械臂的粒子群优化解。
S4、将步骤S3中得到的机器人机械臂的粒子群优化优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,计算机器人机械臂在该粒子群优化优化解下的可靠度。进一步的,步骤S4具体包括:S41、将步骤S3中得到的机器人机械臂的粒子群优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,计算机器人机械臂在该粒子群优化解下的可靠度;S42、判断步骤S41中得到可靠度是否满足预先设定的时变可靠性要求;若可靠度满足预先设定的时变可靠性要求,则完成对机器人机械臂的可靠性设计优化;若可靠度不满足预先设定的时变可靠性要求,则返回步骤S3。
综上所述,本发明申请提供一种机器人自适应可靠性优化方法,其包括:S1、以机器人机械臂作为优化目标,利用粒子群优化方法构建机器人机械臂的可靠性优化模型;S2、构建基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,所述时变不确定条件包括运动周期和运动速度;S3、利用步骤S1中构建的机器人机械臂的可靠性优化模型对机器人机械臂进行粒子群优化,得到机器人机械臂的粒子群优化解;S4、将步骤S3中得到的机器人机械臂的粒子群优化优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,计算机器人机械臂在该粒子群优化优化解下的可靠度,该方法解决现有技术因忽略工程实际中时变不确定性因素的影响而导致的设计结果不可靠,使用寿命不长、维修费用增加以及现有设计方法无法满足现代工业对于产品高可靠性。
最后应说明的是:以上实施例仅用以说明本发明申请的技术方案,而非对其限制;尽管参照前述实施例对本发明申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明申请各实施例技术方案的精神和范围。
Claims (2)
1.一种机器人自适应可靠性优化方法,其特征在于,
S1、以机器人机械臂作为优化目标,利用粒子群优化方法构建机器人机械臂的可靠性优化模型;
S2、构建基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,所述时变不确定条件包括运动周期和运动速度;
S3、利用步骤S1中构建的机器人机械臂的可靠性优化模型对机器人机械臂进行粒子群优化,得到机器人机械臂的粒子群优化解;
S4、将步骤S3中得到的机器人机械臂的粒子群优化优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,计算机器人机械臂在该粒子群优化优化解下的可靠度。
2.如权利要求1所述的机器人自适应可靠性优化方法,其特征在于,步骤S4具体包括:
S41、将步骤S3中得到的机器人机械臂的粒子群优化解代入步骤S2中构建的基于随机过程的时变不确定条件下的机器人机械臂时变可靠性模型,计算机器人机械臂在该粒子群优化解下的可靠度;S42、判断步骤S41中得到可靠度是否满足预先设定的时变可靠性要求;若可靠度满足预先设定的时变可靠性要求,则完成对机器人机械臂的可靠性设计优化;若可靠度不满足预先设定的时变可靠性要求,则返回步骤S3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810824937.9A CN108942936A (zh) | 2018-07-25 | 2018-07-25 | 一种机器人自适应可靠性优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810824937.9A CN108942936A (zh) | 2018-07-25 | 2018-07-25 | 一种机器人自适应可靠性优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108942936A true CN108942936A (zh) | 2018-12-07 |
Family
ID=64464829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810824937.9A Pending CN108942936A (zh) | 2018-07-25 | 2018-07-25 | 一种机器人自适应可靠性优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108942936A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795836A (zh) * | 2019-10-17 | 2020-02-14 | 浙江大学 | 一种基于区间与有界概率混合不确定性的机械臂稳健优化设计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100105143A (ko) * | 2009-03-20 | 2010-09-29 | 삼성중공업 주식회사 | 칼만 필터를 이용한 로봇 기구학 변수 추정 방법 및 시스템 |
CN105137758A (zh) * | 2015-09-06 | 2015-12-09 | 上海理工大学 | 电动助力转向系统的多学科优化设计方法 |
CN105653769A (zh) * | 2015-12-24 | 2016-06-08 | 电子科技大学 | 时变不确定条件下机械臂多学科可靠性设计优化方法 |
CN106960244A (zh) * | 2017-03-14 | 2017-07-18 | 北京无线电测量研究所 | 一种遗传算法与粒子群算法并行融合的进化算法 |
-
2018
- 2018-07-25 CN CN201810824937.9A patent/CN108942936A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100105143A (ko) * | 2009-03-20 | 2010-09-29 | 삼성중공업 주식회사 | 칼만 필터를 이용한 로봇 기구학 변수 추정 방법 및 시스템 |
CN105137758A (zh) * | 2015-09-06 | 2015-12-09 | 上海理工大学 | 电动助力转向系统的多学科优化设计方法 |
CN105653769A (zh) * | 2015-12-24 | 2016-06-08 | 电子科技大学 | 时变不确定条件下机械臂多学科可靠性设计优化方法 |
CN106960244A (zh) * | 2017-03-14 | 2017-07-18 | 北京无线电测量研究所 | 一种遗传算法与粒子群算法并行融合的进化算法 |
Non-Patent Citations (1)
Title |
---|
梅宏: "《一个甲子的畅想 面向未来120项科技预见》", 30 April 2016 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795836A (zh) * | 2019-10-17 | 2020-02-14 | 浙江大学 | 一种基于区间与有界概率混合不确定性的机械臂稳健优化设计方法 |
WO2020228310A1 (zh) * | 2019-10-17 | 2020-11-19 | 浙江大学 | 一种基于区间与有界概率混合不确定性的机械臂稳健优化设计方法 |
US20210264078A1 (en) * | 2019-10-17 | 2021-08-26 | Zhejiang University | Robust optimization design method for mechanical arm based on hybrid interval and bounded probabilistic uncertainties |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Towards accurate prediction for high-dimensional and highly-variable cloud workloads with deep learning | |
US10169720B2 (en) | Systems and methods for machine learning using classifying, clustering, and grouping time series data | |
US20180268080A1 (en) | Reducing data storage, memory, and computational time needed for ad-hoc data analysis | |
CN109815028A (zh) | 数据同步的系统、方法、装置和计算机存储介质 | |
AU2017404119A9 (en) | Random forest model training method, electronic apparatus and storage medium | |
CN110570217B (zh) | 作弊检测的方法及装置 | |
CN103440566A (zh) | 一种拣货集合单的生成方法、装置及拣货路径优化方法 | |
US10387161B2 (en) | Techniques for capturing state information and performing actions for threads in a multi-threaded computing environment | |
CN103412961B (zh) | 一种实时导出海量数据报表的处理方法和系统 | |
US11049502B1 (en) | Speech audio pre-processing segmentation | |
CN106777142A (zh) | 基于移动互联网海量数据的服务层系统及其方法 | |
CN107423404A (zh) | 流程实例数据同步处理方法和装置 | |
CN105574032A (zh) | 规则匹配运算方法及装置 | |
CN108942936A (zh) | 一种机器人自适应可靠性优化方法 | |
CN104731651B (zh) | 电力自动化任务调度及触发机制的方法、系统和处理器 | |
CN111061743A (zh) | 数据加工方法、装置和电子设备 | |
CN112214602A (zh) | 基于幽默度的文本分类方法、装置、电子设备及存储介质 | |
CN104268004A (zh) | 一种云计算操作系统下的虚拟机迁移方法 | |
CN111797801A (zh) | 用于视频场景分析的方法和装置 | |
CN103049262A (zh) | 基于远程帧缓存的窗口还原方法 | |
KR20190075299A (ko) | VR(Virtual Reality)을 이용한 IoT(Internet of Things) 디바이스 원격 컨트롤 및 실시간 모니터링 시스템 | |
CN204652428U (zh) | 一种分布式数据库管理系统 | |
CN104317916A (zh) | 数据关联单元扩展业务单据的装置和方法 | |
CN110472972A (zh) | 一种区块链存储数据同步快照方法及系统 | |
US20210157595A1 (en) | Automated concurrency and repetition with minimal syntax |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181207 |