حل سينماتيك مستقيم روبات استوارت- گوف با استفاده از روش تركيبي بهبود يافته (تركيب شبكه عصبي و نيوتن- رافسون مرتبه 3)

(Forward Kinematics Solution of Stewart-Gough using Improved Hybrid Strategy (Neural Network and 3rd-order Newton-Raphson

در سال هاي اخير تلاش هاي زيادي براي كاهش زمان تحليل سينماتيك مستقيم روبات هاي موازي صورت گرفته است. اين مقاله با سينماتيك روبات موازي شروع مي شود و سپس با استفاده از الگوريتم پيشنهادي براي سينماتيك مستقيم روبات به پايان مي رسد. در اين مطالعه براي افزايش دقت و سرعت الگوريتم هاي عددي در سينماتيك روبات هاي موازي، تركيب شبكه هاي عصبي مصنوعي و يك تكنيك عددي مرتبه 3، پيشنهاد شده است. در ابتدا با استفاده از شبكه هاي عصبي يك پاسخ تقريبي از مساله سينماتيك مستقيم روبات ايجاد مي شود. اين پاسخ تقريبي به عنوان حدس اوليه روش عددي نيوتن- رافسون با مرتبه 3 در نظر گرفته مي شود. سپس براي بررسي عملكرد و كارايي روش پيشنهادي در اين مقاله، روبات موازي استوارت- گوف اختيار شده است. نتايج نشان مي دهند كه جايگزيني روش نيوتن- رافسون با روش مرتبه 3 باعث كاهش تعداد تكرارهاي لازم براي رسيدن به دقت مورد نظر و در نتيجه كاهش زمان تحليل سينماتيك مستقيم روبات مي شود. در انتها از روبات استوارت براي شبيه ساز حركت آرواره استفاده شده است. الگوريتم جديد پيشنهاد شده در اين مقاله را مي توان براي حل سينماتيك مستقيم هر نوع روبات سري يا موازي ديگر نيز استفاده كرد.

Many efforts have been done in recent years to decrease the required time for analysis of FKP (Forward Kinematics Problem) of parallel robots.This paper starts with developing kinematics of a parallel robot and finishes with a suggested algorithm to solve forward kinematics of robots. In this paper، by combining the artificial neural networks and a 3rd-order numerical algorithm، an improved hybrid strategy is proposed in order to increase the accuracy and speed of forward kinematics analysis of parallel manipulators. First، an approximate solution of the forward kinematics problem is produced by the neural network. This approximate solution is then considered as the initial guess for the 3rd order Newton-Raphson numerical technique. By applying Stewart-Gough parallel manipulator، the efficiency of the proposed method is evaluated. It is shown that replacing the Newton-Raphson algorithm by the 3rd-order one leads to a reduction of the iterations required to reach the desired accuracy level and thus a reduction of the FKP analysis time. Finally، Stewart robot is used to simulate the movement of jaw. This novel algorithm can be applied to any forward kinematics of serial or parallel robots.