趙星宇 趙鐵石 云 軒 王文超 田 昕 李忠杰

(1.燕山大學(xué)河北省并聯(lián)機器人與機電系統(tǒng)實驗室, 秦皇島 066004；2.燕山大學(xué)先進鍛壓成形技術(shù)與科學(xué)教育部重點實驗室, 秦皇島 066004)

3-P(4S)并聯(lián)機構(gòu)分析與多目標(biāo)性能優(yōu)化

趙星宇1,2趙鐵石1,2云 軒1,2王文超1,2田 昕1,2李忠杰1,2

(1.燕山大學(xué)河北省并聯(lián)機器人與機電系統(tǒng)實驗室, 秦皇島 066004；2.燕山大學(xué)先進鍛壓成形技術(shù)與科學(xué)教育部重點實驗室, 秦皇島 066004)

針對3-P(4S)并聯(lián)平臺，首先對其進行了位置反解，提出了由BP神經(jīng)網(wǎng)絡(luò)和擬Newton法相結(jié)合的混合數(shù)值法，并以此對機構(gòu)進行了位置正解，求解精度可達到10-8數(shù)量級，求解時間在20 ms內(nèi)。然后通過對位置解求導(dǎo)可得到機構(gòu)動平臺和分支桿件的速度和加速度。根據(jù)運動學(xué)分析的結(jié)果，應(yīng)用牛頓歐拉方法構(gòu)建該機構(gòu)的動力學(xué)模型，并對機構(gòu)的數(shù)值算例進行了動力學(xué)仿真驗證。最后綜合考慮機構(gòu)的動力學(xué)性能、剛度性能和速度性能，分別推導(dǎo)了其評價指標(biāo)，并應(yīng)用改進的加權(quán)求和法對該機構(gòu)進行多目標(biāo)的尺寸優(yōu)化。通過多目標(biāo)的尺寸優(yōu)化，該機構(gòu)的動力學(xué)性能和速度性能提升了2倍，剛度性能提升了3倍。

并聯(lián)機構(gòu)； 混合數(shù)值算法； 多目標(biāo)； 性能優(yōu)化

引言

多維并聯(lián)激振平臺可以為振動測試提供穩(wěn)定的復(fù)合多自由度激振，模擬設(shè)備的運動狀態(tài)，有效提高測試效率[1-2]。因此，近年來多維并聯(lián)激振平臺在國內(nèi)外得到了廣泛的研究和發(fā)展[3-6]。德國Instron公司的六自由度振動臺，主要應(yīng)用于整車的振動模擬及疲勞測試。英國Servotest公司的高頻六自由度振動臺，采用3-2-1結(jié)構(gòu)布置，主要應(yīng)用于車載發(fā)動機的振動測試。中國科學(xué)院長春光學(xué)機械研究所基于Stewart構(gòu)型模擬多維擾動。上海交大自主研發(fā)的多維電動振動臺，用于多維振動模擬。

同一構(gòu)型的振動臺，當(dāng)其結(jié)構(gòu)參數(shù)不同時，性能存在較大的差異。通過優(yōu)化尺寸參數(shù)來提升機構(gòu)性能，這是機構(gòu)學(xué)領(lǐng)域值得研究的課題。ALTUZARRA等[7]基于操作靈活度以及工作空間對4-PRΠRR機構(gòu)進行了尺寸優(yōu)化，齊明等[8]通過求解雅可比矩陣，獲得3-PUS/PU三自由度機構(gòu)的全域條件數(shù)，并進行幾何參數(shù)優(yōu)化。

本文同時考慮機構(gòu)的動力學(xué)性能、速度性能和剛度性能，分別給出其評價指標(biāo)，并將進行多目標(biāo)的尺寸優(yōu)化。對3-P(4S)激振平臺應(yīng)用BP神經(jīng)網(wǎng)絡(luò)[9-12]與擬Newton法[13-14]相結(jié)合的混合數(shù)值法對該機構(gòu)進行位置正解分析，進而建立其運動學(xué)和動力學(xué)模型，并用動力學(xué)仿真軟件進行仿真驗證，最后根據(jù)改進的加權(quán)求和法對機構(gòu)性能進行多目標(biāo)優(yōu)化。

1 3-P(4S)機構(gòu)運動學(xué)分析

1.1 位置正解分析

圖1為本文所研究的3-P(4S)激振平臺三維造型，圖2為機構(gòu)簡化圖。該機構(gòu)由上平臺、基座以及3個P(4S)分支組成。每個分支均為1個移動副和4個球副組成的閉環(huán)子鏈，4個球副中心點呈平行四邊形布置，由于在運動過程中閉環(huán)不會出現(xiàn)扭曲，所以在分析過程中，閉環(huán)機構(gòu)可等效為以上下邊中點以球副中心點鉸接而成的等效桿件cidi(i=1,2,3)?；酌娉收切畏植?，其外接圓的半徑為rb，各分支的移動副與基座底面呈傾角φ布置。分支的4S閉環(huán)子鏈上下邊長為d，左右邊邊長為L。上平臺呈3個長邊和3個短邊的對稱六邊形布置，其外接圓的半徑為ra，相鄰球副在上平臺中心連線的夾角的一半為θ=arcsin(d/(2ra))。以基座底面中心為原點建立固定坐標(biāo)系{O}，其X軸沿分支1軸線在底面投影線方向，Z軸豎直向上。以上平臺中心為原點建立動坐標(biāo)系{P}，其X軸垂直于分支1中閉環(huán)子鏈的短邊，Z軸豎直向上。以下平臺3個頂點為原點分別建立分支坐標(biāo)系{ui}(i=1,2,3)，xi軸垂直O(jiān)ui，yi軸沿ciui方向。由文獻[15]可得，在機構(gòu)呈平行四邊形布置時，機構(gòu)能實現(xiàn)三維線性平動，則動平臺的3個姿態(tài)角參數(shù)(α,β,γ)均為0。

圖1 3-P(4S)并聯(lián)機構(gòu)Fig.1 3-P(4S) parallel mechanism

圖2 3-P(4S)并聯(lián)機構(gòu)簡化圖Fig.2 Sketch of 3-P(4S) parallel mechanism

任意時刻，各分支上邊中點di(i=1,2,3)在{P}系均表示為

(1)

從{P}系到{O}系再到分支坐標(biāo)系{ui}(i=1,2,3)進行坐標(biāo)變換，得出di(i=1,2,3)在分支坐標(biāo)系ui(i=1,2,3)的表示為

(2)

(3)

式中l(wèi)1、l2、l3——直線驅(qū)動輸入?yún)?shù)

根據(jù)閉環(huán)子鏈呈平行四邊形布置的幾何關(guān)系，任意時刻閉環(huán)子鏈的上邊中點di(i=1,2,3)和下邊中點ci(i=1,2,3)之間的距離恒等于左右邊長L。此關(guān)系可表達為

(4)

將式(3)代入式(4)，整理可得

(5)

將式(2)代入式(5)，即完成了機構(gòu)的位置反解，通過給定位置參數(shù)可得出對應(yīng)的輸入行程。

采用混合數(shù)值法求解機構(gòu)的位置正解。如圖3所示，首先以行程參數(shù)(l1，l2，l3)作為輸入?yún)?shù)，動平臺中心位置參數(shù)(xp，yp，zp)作為輸出參數(shù)，隱藏層節(jié)點數(shù)的確定方法為首先任意給出一個初值，然后采用逐步增長法[17]將隱藏層節(jié)點數(shù)確定為10。這樣，一個由3個輸入層和3個輸出層組成的BP神經(jīng)網(wǎng)絡(luò)已構(gòu)造完成。通過式(5)的位置反解以及給定的機構(gòu)結(jié)構(gòu)參數(shù)后，可得到大量訓(xùn)練樣本，本文采用LM數(shù)值優(yōu)化算法訓(xùn)練以上所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)，LM數(shù)值優(yōu)化算法可以提高訓(xùn)練速度、減小收斂誤差。將所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)，進行離線訓(xùn)練后，其輸出結(jié)果的精度可達到10-4級。

為了進一步提高輸出精度，將任意輸入行程代入神經(jīng)網(wǎng)絡(luò)的輸入層，經(jīng)過以上所訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測，得出機構(gòu)對應(yīng)位姿參數(shù)的初解。將此初解作為擬牛頓法的初值T0進行迭代，并規(guī)定迭代誤差ε為10-7，得出對應(yīng)位姿參數(shù)的精確結(jié)果(xp,yp,zp)。

圖3 混合數(shù)值法結(jié)構(gòu)簡圖Fig.3 Sketch of hybrid numerical method

表1為通過式(5)得出的5組位置數(shù)值算例，將其代入混合數(shù)值法求解，機構(gòu)的結(jié)構(gòu)參數(shù)為ra=0.25 m,rb=0.67 m,L=0.38 m,φ=30°，所選計算機主頻為3.2 GHz，求解結(jié)果如表2所示，求解精度為10-8數(shù)量級，迭代步數(shù)為3，求解效率在20 ms以內(nèi)。

表1 數(shù)值算例Tab.1 Numerical calculation example m

表2 混合數(shù)值法計算結(jié)果Tab.2 Results of hybrid numerical method

1.2 速度分析

圖4為該機構(gòu)的P(4S)分支簡化圖，其中ei、mi、ni、si均為其所在方向上的單位向量，p、o分別為上下平臺中心點，c、d分別為等效上下鉸鏈點，u為移動副端點，qi為驅(qū)動分支i(i=1,2,3)的驅(qū)動行程，l為4S分支等效桿長，為定值，racosθ為上平臺中心到短邊距離，為定值，rb為下平臺外接圓半徑，為定值，向量r為動系原點p在定系中的位置矢量。

圖4 P(4S)分支等效圖Fig.4 Equivalent sketch of P(4S) limb

向量r可表示為

r=rbei+qimi+lni+racosθsi

(6)

對式(6)求導(dǎo)可得

(7)

式中v——上平臺速度矢量

ωi——桿件運動角速度

(8)

(9)

式中Jωi——分支桿件角速度對上平臺速度的映射矩陣

若ni=[xiyizi]T，則

分支桿件質(zhì)心點的位置矢量可表達為

(10)

對式(10)求導(dǎo)，即為分支桿件的線速度

(11)

式中I3——3×3的單位矩陣

Jvi——分支桿件線速度對上平臺速度的映射矩陣

1.3 加速度分析

對式(7)求導(dǎo)，可得

(12)

式中a——上平臺加速度矢量

(13)

其中

對式(11)求導(dǎo)，整理可得分支桿件質(zhì)心點線加速度與上平臺運動參數(shù)的映射關(guān)系。

(14)

將式(9)求導(dǎo)，整理可得分支桿件角加速度與平臺運動參數(shù)的映射關(guān)系

(15)

式中，“*”表示矩陣廣義標(biāo)量積。

1.4 運動學(xué)數(shù)值算例

給定機構(gòu)與1.1節(jié)相同的結(jié)構(gòu)參數(shù)，并給定運動x=0.001sin(40πt)和y=0.001sin(40πt)，將數(shù)值算例和結(jié)構(gòu)參數(shù)代入式(8)和式(13)，通過Matlab編程可得驅(qū)動速度和加速度的理論曲線，如圖5、6所示。

圖5 驅(qū)動單元速度理論曲線Fig.5 Velocity theory curves of drive unit

然后將給定機構(gòu)的三維造型導(dǎo)入ADAMS中，并給定與上述數(shù)值算例相同的運動規(guī)律進行仿真驗證，將所得到機構(gòu)驅(qū)動輸入的速度以及加速度到Matlab中進行顯示，得到運動仿真曲線如圖7、8所示，其單位和圖5、6相同。在圖7、8曲線上任取若干點，與理論計算所得曲線圖5、6中對應(yīng)的值進行比較。經(jīng)對比，兩者完全相等，因此完成了運動學(xué)理論模型與仿真模型的相互驗證。

圖6 驅(qū)動單元加速度理論曲線Fig.6 Acceleration theory curves of drive unit

圖7 驅(qū)動單元速度仿真曲線Fig.7 Velocity simulation curves of drive unit

圖8 驅(qū)動單元加速度仿真曲線Fig.8 Acceleration simulation curves of drive unit

2 3-P(4S)機構(gòu)動力學(xué)分析

2.1 機構(gòu)等效慣性力矩

根據(jù)牛頓-歐拉法, 由于上平臺只具有三維移動自由度，所以只存在慣性力對驅(qū)動的等效力矩映射，其計算式為

(16)

其中

J1=J-1

式中J1——上平臺速度對驅(qū)動速度的映射矩陣

m——上平臺質(zhì)量

因為滑塊與直線電動機固連，所以滑塊運動規(guī)律和電動機驅(qū)動一致，其計算式為

(17)

式中Jei——滑塊與驅(qū)動速度之間映射矩陣

me——驅(qū)動滑塊質(zhì)量

由于分支桿件運動形式包括移動和轉(zhuǎn)動，所以其對驅(qū)動力的映射中存在慣性力和慣性力矩，可得

(18)

(19)

其中

式中md——分支桿件質(zhì)量

Jvdi——分支桿件質(zhì)心點線速度對驅(qū)動速度的映射矩陣

Jωdi——分支桿件的角速度對驅(qū)動速度的映射矩陣

Idi——在定系中分支桿件的轉(zhuǎn)動慣量

Idio——分支桿件在以其質(zhì)心為原點，坐標(biāo)軸Z與桿件軸線平行的坐標(biāo)系(本文中將其簡稱為本坐標(biāo)系)的轉(zhuǎn)動慣量

ORi——從本坐標(biāo)系到定系的旋轉(zhuǎn)變換矩陣

(20)

2.2 機構(gòu)等效重力矩

通過虛功原理，機構(gòu)等效重力矩為

(21)

2.3 機構(gòu)動力學(xué)方程的建立

本文所研究機構(gòu)構(gòu)型主要應(yīng)用于振動臺，忽略機構(gòu)的所受外力，并忽略各關(guān)節(jié)間的摩擦，機構(gòu)的動力學(xué)方程可表達為

τI+τG+τA=0

(22)

式中τA——廣義驅(qū)動力矢量

將式(20)、(21)代入式(22)，整理可得

(23)

2.4 動力學(xué)數(shù)值算例

給出振動臺的上平臺質(zhì)量m=4.16 kg，驅(qū)動滑塊質(zhì)量me=2.57 kg，各分支桿件質(zhì)量md=1.59 kg，其在本坐標(biāo)系的轉(zhuǎn)動慣量Idio=diag(Ixx,Iyy,Izz)，其中Ixx=0.022 3 kg·m2,Iyy=0.022 3 kg·m2，Izz=1.276×10-4kg·m2，其余結(jié)構(gòu)參數(shù)與運動學(xué)數(shù)值算例和正反解算例相同。并給定該機構(gòu)在初始高度下在XY平面內(nèi)的復(fù)合運動，具體表達式為xp=0.001sin(40πt)，yp=0.001sin(40πt)，zp=0.57。將以上結(jié)構(gòu)參數(shù)和運動參數(shù)代入到式(23)，應(yīng)用Matlab進行計算，得到機構(gòu)上述復(fù)合運動情況下的驅(qū)動力受力曲線，如圖9所示。為了驗證理論計算的結(jié)果，首先將機構(gòu)的三維造型設(shè)定與實際加工一致的材料后，將其導(dǎo)入到ADAMS動力學(xué)仿真軟件，添加各約束，為保持一致性，不設(shè)額外負(fù)載，并給定相同的運動規(guī)律，運行仿真，將驅(qū)動副驅(qū)動力仿真數(shù)值輸出到Matlab，生成仿真曲線，如圖10所示。將圖10和圖9的值進行比較，兩者完全相等。因此完成了動力學(xué)理論模型和動力學(xué)仿真模型的相互驗證。

圖9 沿XY軸復(fù)合運動驅(qū)動力理論曲線Fig.9 Theory curves of driving force along XY axis

圖10 沿XY軸復(fù)合運動驅(qū)動力仿真曲線Fig.10 Simulation curves of driving force along XY axis

3 3-P(4S)機構(gòu)尺寸優(yōu)化

3.1 動力學(xué)性能指標(biāo)

由于所研究振動臺一般進行高頻往復(fù)振動，主要考慮動力學(xué)公式中的加速度項[18]，所以動力學(xué)模型可簡化成

τA=-MAH

(24)

(25)

將式(25)求導(dǎo)，可得

(26)

由式(26)可得

MTMAH=λAH

(27)

式中λ——MTM的特征值

(28)

式中σ——振動臺動力學(xué)性能指標(biāo)

σ數(shù)值越小，機構(gòu)的動力學(xué)性能則越好，即選取σ在工作空間W的全域值σ1為優(yōu)化目標(biāo)[19]，即

(29)

3.2 剛度性能指標(biāo)

并聯(lián)機構(gòu)的簡化剛度矩陣為

K=JTkJ

(30)

為了更直觀地判斷機構(gòu)剛度性能，對微位移δD向δF方向進行投影，以此可以得到機構(gòu)受力δF方向上的微位移δD，從而得到移動方向剛度[20-21]

(31)

設(shè)δF=Ff，其中f是F方向上單位向量，將其代入式(31)，可得到機構(gòu)的方向剛度為

KF=fTKTf

(32)

(33)

式中σ*——振動臺動力學(xué)性能指標(biāo)

其數(shù)值越大，機構(gòu)的剛度性能則越好。選取σ*在工作空間W的全域值σ2為優(yōu)化目標(biāo)，即

(34)

3.3 速度性能指標(biāo)

給定驅(qū)動關(guān)節(jié)一個可以沿關(guān)節(jié)空間的任意方向單位速度向量，即可得出驅(qū)動輸入速度的三維球體，其表達式為

(35)

通過式(35)可得到所有驅(qū)動輸入速度對應(yīng)的上平臺輸出速度集合，將其稱為機構(gòu)的廣義速度橢球。橢球的主軸半徑的長度是矩陣JTJ的特征值的平方根，主軸方向與其特征值對應(yīng)的特征向量相同。

圖11和圖12為振動臺在初始位置(結(jié)構(gòu)參數(shù)與之前數(shù)值算例相同)的輸入速度球體和輸出速度橢球，可以看出，輸入速度變化，對應(yīng)的輸出速度變化程度不同，這說明機構(gòu)在該機構(gòu)參數(shù)下的速度傳遞能力不同。從圖11和圖12還可看出，輸出橢球越接近于球體(即其長短軸的長度越接近)，機構(gòu)速度傳遞性能越相近，其速度性能越好。

圖11 關(guān)節(jié)空間速度向量分布圖Fig.11 Vector distribution of joint space velocity

圖12 操作空間末端速度向量分布圖Fig.12 Vector distribution of end space velocity

因此，可把輸出速度橢球長半軸數(shù)值σmax(J)與短半軸σmin(J)之比作為振動臺速度性能評價指標(biāo)，從而得到振動臺的速度性能指標(biāo)為

=

(36)

(37)

3.4 機構(gòu)多目標(biāo)優(yōu)化的實現(xiàn)

通過以上分析，最終選取機構(gòu)的全局最大動力傳遞系數(shù)指標(biāo)σ1、全局最小方向剛度指標(biāo)σ2以及全局速度各向同性指標(biāo)σ3作為振動臺的優(yōu)化目標(biāo)，對其進行綜合考慮。

在加權(quán)求和法的基礎(chǔ)上，得出一種歸一加權(quán)求和法，主要是將各優(yōu)化目標(biāo)看作同等重要，有效避免不同指標(biāo)的側(cè)重不均，從而實現(xiàn)振動臺多目標(biāo)優(yōu)化。

首先通過遺傳算法分別對各優(yōu)化目標(biāo)進行單目標(biāo)多變量優(yōu)化，得出各指標(biāo)在參數(shù)變化范圍內(nèi)的最大值σmax(x)和最小值σmin(x)，并將每個目標(biāo)函數(shù)表示為[22-23]

(38)

目標(biāo)函數(shù)fi(x)表示各計算指標(biāo)在變化范圍內(nèi)所占的比值，可起到消除不同優(yōu)化目標(biāo)對優(yōu)化結(jié)果影響不均的作用，使每個優(yōu)化目標(biāo)對優(yōu)化結(jié)果同等重要。式(38)可簡化為

fi(x)=ωiσi(x)-gi

(39)

則機構(gòu)綜合優(yōu)化目標(biāo)函數(shù)可表示為

(40)

優(yōu)化流程如圖13所示，初始化機構(gòu)參數(shù)后，求出滿足工作空間要求的末端位姿參數(shù)，根據(jù)式(28)、(33)和式(36)計算動力學(xué)性能指標(biāo)、剛度性能指標(biāo)和速度性能指標(biāo)，然后通過式(29)、式(34)和式(37)得出全局動力學(xué)性能指標(biāo)、全局剛度性能指標(biāo)和全局速度性能指標(biāo)，通過式(38)～(40)得出機構(gòu)綜合優(yōu)化目標(biāo)函數(shù)。遺傳算法的參數(shù)設(shè)定首先通過多次試驗法確定種群數(shù)量50，遺傳算法終止代數(shù)為100，并應(yīng)用算數(shù)交叉法，將精英個體數(shù)設(shè)定為2，交叉概率設(shè)定為0.8，對父代染色體的選擇采用輪盤式選擇法，選擇自適應(yīng)變異法計算，得到優(yōu)化結(jié)果如圖14所示。

圖13 機構(gòu)多目標(biāo)性能優(yōu)化流程簡圖Fig.13 Flow chart of multi-target optimization

圖14 機構(gòu)綜合性能優(yōu)化結(jié)果Fig.14 Optimization results of mechanism performance

由圖14可知，從第70代以后開始接近收斂，此時，機構(gòu)綜合優(yōu)化目標(biāo)函數(shù)的最小值為fmin(x)=0.137，多目標(biāo)優(yōu)化后的尺寸如表3所示。

將表3中多目標(biāo)優(yōu)化前后的結(jié)構(gòu)參數(shù)分別代入式(28)和式(29)中，通過Matlab數(shù)值計算，得出機構(gòu)在優(yōu)化前和優(yōu)化后的結(jié)構(gòu)尺寸下的動力學(xué)性能指標(biāo)圖譜和等高線，如圖15～18所示。機構(gòu)的動力學(xué)性能指標(biāo)變化范圍從優(yōu)化前的[24,42]下降至優(yōu)化后的[14,17]，動力學(xué)指標(biāo)全域值從優(yōu)化前的σ1=29.920 5下降至優(yōu)化后的σ1=15.243 4。由此可知，通過多目標(biāo)尺寸優(yōu)化，機構(gòu)動力學(xué)性能提高到優(yōu)化前的2倍。

表3 多目標(biāo)優(yōu)化結(jié)果Tab.3 Results of multi-target optimization

圖16 優(yōu)化前動力學(xué)性能指標(biāo)等高線Fig.16 Contour of dynamic performance index before optimization

圖17 優(yōu)化后動力學(xué)性能指標(biāo)圖譜Fig.17 Atlas of dynamic performance index after optimization

將表3中多目標(biāo)優(yōu)化前后的結(jié)構(gòu)參數(shù)分別代入式(33)和式(34)中，通過Matlab數(shù)值計算，可得出機構(gòu)在優(yōu)化前和優(yōu)化后的結(jié)構(gòu)尺寸下的剛度性能指標(biāo)圖譜和等高線，如圖19～22所示。機構(gòu)的剛度性能指標(biāo)變化范圍從優(yōu)化前的[0.04,0.16]提升至優(yōu)化后的[0.3,0.4]，其剛度指標(biāo)的全域值從優(yōu)化前的σ2=0.137 3提升到優(yōu)化后的σ2=0.352 2。由此可知，通過多目標(biāo)優(yōu)化，機構(gòu)剛度性能提高到優(yōu)化前的3倍。

圖18 優(yōu)化后動力學(xué)性能指標(biāo)等高線Fig.18 Contour of dynamic performance index after optimization

圖19 優(yōu)化前剛度性能圖譜Fig.19 Atlas of stiffness performance index before optimization

圖20 優(yōu)化前剛度性能等高線Fig.20 Contour of stiffness performance index before optimization

圖21 優(yōu)化后剛度性能圖譜Fig.21 Atlas of stiffness performance index after optimization

圖22 優(yōu)化后剛度性能等高線Fig.22 Contour of stiffness performance index after optimization

將表3中多目標(biāo)優(yōu)化前后的結(jié)構(gòu)參數(shù)分別代入式(36)和式(37)中，通過Matlab數(shù)值計算，可得出機構(gòu)在優(yōu)化前和優(yōu)化后的結(jié)構(gòu)尺寸下的速度性能指標(biāo)圖譜和等高線，如圖23～26所示。從圖中可以看出，尺寸優(yōu)化前機構(gòu)的速度性能指標(biāo)的變動范圍為 [9,15]，其在優(yōu)化前尺寸下的速度性能指標(biāo)的全域值為σ3=10.007 5。尺寸優(yōu)化后速度性能指標(biāo)的變動范圍為[4.3,4.8]，其全域值為σ3=4.537 0。由此可知，通過多目標(biāo)優(yōu)化，機構(gòu)速度性能提升到優(yōu)化前的2倍。

圖23 優(yōu)化前速度性能圖譜Fig.23 Atlas of velocity performance before optimization

圖24 優(yōu)化前速度性能等高線Fig.24 Contour of velocity performance before optimization

圖25 優(yōu)化后速度性能圖譜Fig.25 Atlas of velocity performance after optimization

4 結(jié)論

(1)結(jié)合了BP神經(jīng)網(wǎng)絡(luò)法和擬Newton法，建立了混合數(shù)值法求解3-P(4S)并聯(lián)機構(gòu)位置正解。其求解精度遠(yuǎn)高于BP神經(jīng)網(wǎng)絡(luò)，并有效避免了擬Newton法求解正解受迭代初值影響大的問題，求解效率也高于擬Newton法，可實現(xiàn)高精度實時控制。

(2)建立了3-P(4S)振動臺的運動學(xué)和動力學(xué)模型，并用動力學(xué)仿真軟件對所建立模型進行仿真驗證，為以后分析振動臺的振動特性提供了理論基礎(chǔ)。

(3)改進了加權(quán)求和法，將各優(yōu)化目標(biāo)的重要程度轉(zhuǎn)化為相近水平，從而對機構(gòu)動力學(xué)性能、剛度性能和速度性能進行了綜合優(yōu)化。經(jīng)過多目標(biāo)的尺寸優(yōu)化，該機構(gòu)的動力學(xué)性能和速度性能提升了2倍，剛度性能提升了3倍。

1 王光蘆，祝耀昌，劉達德.多軸向多激勵振動技術(shù)[J].環(huán)境技術(shù), 2000, 18(5): 2-6.

WANG Guanglu,ZHU Yaochang, LIU Dade.A review of multi-axis and multi-exciter vibration technology[J].Environmental Technology, 2000, 18(5): 2-6.(in Chinese)

2 張巧壽.振動試驗系統(tǒng)現(xiàn)狀與發(fā)展[J].航天技術(shù)與民品, 2000(8): 36-39.

3 PLUMMER A R.Modal control for a class of multi-axis vibration table [C]∥UKACC Control 2004 Mini Symposia, 2004: 111-115.

4 王偉．兩自由度液壓振動臺設(shè)計[D]．哈爾濱：哈爾濱工業(yè)大學(xué)，2011.

WANG Wei.Design of 2 DOF hydraulic shaking platform[D].Harbin: Harbin Institute of Technology, 2011.(in Chinese)

5 國巍，余志武，蔣麗忠.地震模擬振動臺臺陣性能評估與測試注記[J].科技導(dǎo)報，2013,31(12):53-58.

GUO Wei, YU Zhiwu, JIANG Lizhong.Performance evaluation and test note of earthquake simulation shaking table array system[J].Science & Technology Review，2013,31(12):53-58.(in Chinese)

6 許益明.基于六維加速度傳感器的六維冗余振動臺技術(shù)研究[D].上海:上海交通大學(xué), 2009.

XU Yiming.Study on techniques of 6-DOF redundant parallel vibration table on basic of 6-axises acceleration sensor [D].Shanghai: Shanghai Jiaotong University, 2009.(in Chinese)

7 ALTUZARRA O, PINTO C, SANDRU B, et al.Optimal dimensioning for parallel manipulators: workspace, dexterity, and energy[J].ASME Journal of Mechanical Design, 2011, 133(4):041007.

8 齊明,劉海濤,梅江平,等.3-PUS/PU 3自由度并聯(lián)機構(gòu)運動學(xué)優(yōu)化設(shè)計[J].天津大學(xué)學(xué)報,2007,40(6):649-654.

QI Ming,LIU Haitao,MEI Jiangping,et al.Kinematics optimum design of a 3-DOF parallel mechanism with 3-PUS/PU architecture[J].Journal of Tianjin University,2007,40(6):649-654.(in Chinese)

9 陳學(xué)生，陳在禮，孔民秀，等.基于神經(jīng)網(wǎng)絡(luò)的6-SPS并聯(lián)機器人正運動學(xué)精確求解[J].哈爾濱工業(yè)大學(xué)學(xué)報，2002,34(1)：120-124.

CHEN Xuesheng, CHEN Zaili, KONG Minxiu,et al.An accurate solution for forward kinematics of 6-SPS stewart platform based on neural network[J].Journal of Harbin Institute of Technology, 2002,34(1)：120-124.(in Chinese)

10 GENG Z，HAYNES L.Neural network solution for the forward kinematics problem of a Stewart platform[C]∥1991 IEEE International Conference on Robotics and Automation，1991：2650-2655.

11 BOUDREAU R，TURKKAN N.Solving the forward kinematics of parallel manipulators with a genetic algorithm[J].Journal of Robotic Systems，1996，13(2)：111-125.

12 PARIKH P J，LAM S S．Solving the forward kinematics problem in parallel manipulators using an iterative artificial neural network strategy[J]．The International Journal of Advanced Manufacturing Technology, 2009，40(5-6): 595-606．

13 耿明超，趙鐵石，王唱,等.基于擬Newton法的并聯(lián)機構(gòu)位置正解[J].機械工程學(xué)報，2015,51(9)：28-36.

GENG Mingchao, ZHAO Tieshi，WANG Chang, et al．Direct position analysis of parallel mechanism based on quasi-Newton method [J].Journal of Mechanical Engineering，2015,51(9)：28-36.(in Chinese)

14 GENG Mingchao, ZHAO Tieshi，WANG Chang,et al．Forward kinematics analysis of parallel mechanisms with restricted workspace [J].Proc.IMech E, Part C: Journal of Mechanical Engineering Science, 2015, 229(14): 2561-2572.

15 黃真，趙永生，趙鐵石．高等空間機構(gòu)學(xué)[M]．北京：高等教育出版社，2006.

16 熊有倫，丁漢，劉恩滄.機器人學(xué)[M].北京：機械工業(yè)出版社，1993：32-44.

17 BOUDREAU R，TURKKAN N.Solving the forward kinematics of parallel manipulators with a genetic algorithm[J].Journal of Robotic Systems，1996，13(2)：111-125.

18 張利敏.基于動力學(xué)指標(biāo)的 Delta 高速并聯(lián)機械手集成優(yōu)化設(shè)計方法研究 [D].天津: 天津大學(xué), 2011:28-30.

ZHANG Limin.Integrated optimal design of Delta robot using dynamic performance in deices[D].Tianjin: Tianjin University, 2011:28-30.(in Chinese)

19 王唱.一類折疊式并聯(lián)機構(gòu)性能研究 [D].秦皇島: 燕山大學(xué), 2014:49-52.

WANG Chang.Performance analysis of a kind of foldable parallel mechanisms[D].Qinhuangdao: Yanshan University, 2014:49-52.(in Chinese)

20 GOSSELIN C, ANGELES J.A global performance index for the kinematic optimization of robotic manipulators[J].ASME Journal of Mechanical Design, 1991, 113(3): 220-226.

21 耿明超，趙鐵石，楊建濤,等.平面彈性欠驅(qū)動并聯(lián)機構(gòu)剛度特性分析[J/OL].農(nóng)業(yè)機械學(xué)報，2015,46(5)：365-371.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150551&flag=1.DOI：10.6041/j.issn.1000-1298.2015.05.051.

GENG Mingchao, ZHAO Tieshi，YANG Jiantao, et al．Stiffness characteristics of planar elastic underactuated parallel mechanism[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2015,46(5):365-371.(in Chinese)

22 GEN M, CHENG R.Genetic algorithms and engineering optimization[M].New York:John Wiley & Sons, 2000:30-32.

23 章永年，王美思，吳陽，等.五連桿足式機器人腿部機構(gòu)多目標(biāo)優(yōu)化算法[J/OL].農(nóng)業(yè)機械學(xué)報，2016,47(10)：398-404.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20161052&flag=1.DOI：10.6041/j.issn.1000-1298.2016.10.052.

ZHANG Yongnian, WANG Meisi, WU Yang, et al．Multi-objective optimization algorithm of robot leg based on planar five-bar mechanism[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2016,47(10)：398-404.(in Chinese)

MechanismAnalysisandMulti-targetPerformanceOptimizationof3-P(4S)ParallelMechanism

ZHAO Xingyu1,2ZHAO Tieshi1,2YUN Xuan1,2WANG Wenchao1,2TIAN Xin1,2LI Zhongjie1,2

(1.HebeiProvincialKeyLaboratoryofParallelRobotandMechatronicSystem,YanshanUniversity,Qinhuangdao066004,China2.KeyLaboratoryofAdvancedForging&StampingTechnologyandScience,MinistryofEducation,YanshanUniversity,Qinhuangdao066004,China)

The object was to solve the dynamics analysis and multi-target performance optimization of 3-P(4S) parallel mechanism.Firstly, inverse kinematics of 3-P(4S) parallel mechanism was solved, and hybrid numerical algorithm was proposed, which was composed of BP neural network and quasi-Newton method algorithm.The algorithm could solve the forward kinematics of 3-P(4S) parallel mechanism in less than 20 ms by three step iterations, and the accuracy was on the level of 10-8, which can realize the high accuracy and real-time control of 3-P(4S) parallel mechanism.Then the velocity and acceleration of the moving platform and limbs were obtained by the derivative of the position solution.According to the results of kinematic analysis, the dynamic model of the mechanism was constructed by Newton Euler method, and the dynamic simulation of the numerical example was utilized to verify the dynamic model of 3-P(4S) parallel mechanism.From the verification results, both of the two were exactly the same.Finally, considering the dynamic performance, stiffness performance and speed performance of the 3-P(4S) parallel mechanism, an improved genetic algorithm was utilized to optimize the 3-P(4S) parallel mechanism.Through the multi-objective performance optimization, the dynamic performance and speed performance of the mechanism were improved by two times, and the stiffness performance was increased by three times.

parallel mechanism; hybrid numerical algorithm; multi-target; performance optimization

10.6041/j.issn.1000-1298.2017.10.050

TP24

A

1000-1298(2017)10-0390-11

2017-02-19

2017-03-10

國家自然科學(xué)基金項目(51375420)和河北省科技計劃項目(14961812D)

趙星宇(1991—)，男，博士生，主要從事并聯(lián)機器人技術(shù)研究，E-mail: xyzhao@stumail.ysu.edu.cn

趙鐵石(1963—)，男，教授，主要從事并聯(lián)機器人和多維力傳感器研究，E-mail: tszhao@ysu.edu.cn