طراحي بهينه‌ي چندهدفه‌ي ربات كابلي 6-درجه آزادي با استفاده از معيارهاي سينماتيكي

Multi-Objective Optimization of 6-Degree-of-Freedom Cable-Driven Parallel Robot Using Kinematic Indices

در اين مقاله با استفاده از معيارهای متنوع سينماتيكی و بهره گيری از الگوريتم های بهينه سازی تكاملی، به طراحی بهينه چند هدفه ربات های كابلی با 6 درجه آزادی پرداخته شده است. در همين راستا، تعيين فضای كاری ربات‌های كابلی به عنوان يكی از مهمترين چالش‌های طراحی ربات‌های كابلی فضايی در اين مقاله مورد بحث و بررسی قرار گرفته و از ميان تعريف‌های متعدد، فضای كاری كنترل پذير به عنوان يكی از جامع‌ترين تعاريف فضای كاری ربات‌های كابلی انتخاب شده است. در اين فضای كاری به ازای همه نيرو‌ها و گشتاور‌های وارده بر مجری نهايي‏، كابل‌ها در حالت كششی باقی می‌مانند. به منظور سنجش مهارت ربات‏، از معيار عدد وضعيت عمومی به عنوان شاخصی مؤثر در بررسی ميزان دوری از تكينگي‏ استفاده شده است. همچنين بدترين حساسيت سينماتيكی به عنوان دقت قابل ارائه به كاربر در اين مقاله معرفی شد. با بهره گيری از روش‌های بهينه سازی چند هدفه‌ای مانند الگوريتم ژنتيك، جبهه بهينگی پرتو به گونه ای برای پارامترهای طراحی ربات كابلی بدست می آيد كه تمامی توابع هدف طراحی ربات، به طور همزمان بهينه شوند.

This paper investigates the multi objective optimization of 6-degree of freedom cable-driven parallel robots by using the evolutionary optimization algorithm. In this regard, the determination of cable-driven parallel robots workspace is reviewed as the most important challenge in the design of space cable-driven parallel robots and among various definitions, controllable workspace is selected as a general definition of the cable-driven parallel robots workspace, in which the robot cables remain in tension for any applied forces and wrenches to the end-effector. In order to evaluate the dexterity of the under study robot, the condition number index is used as an effective criterion to measure the distance from singularity. Moreover, the worst kinematic sensitivity is introduced as a presentable accuracy index. Furthermore, by taking the advantages of multi-objective optimization methods such as the non-sorting genetic algorithm, the optimal pareto front for the design parameters of the robot is obtained such that simultaneously, all of the robot design’s objectives are satisfied.