王憲倫，段奕林

(青島科技大學(xué)機(jī)電工程學(xué)院，山東 青島 266061)

工業(yè)機(jī)械臂通常由關(guān)節(jié)和桿件組成，一般分為3種，分別是串聯(lián)機(jī)械臂、并聯(lián)機(jī)械臂以及混聯(lián)機(jī)械臂[1]。由于串聯(lián)機(jī)構(gòu)具有工作空間大、末端執(zhí)行器運(yùn)動(dòng)較靈活以及易于控制等特點(diǎn)，因此應(yīng)用較為廣泛[2]。為了提高機(jī)械臂的使用壽命，降低機(jī)械臂的最大應(yīng)變以及最大應(yīng)力，Calvin、趙鐵軍、時(shí)凱飛、郭炬[3-6]等分別對(duì)機(jī)械臂進(jìn)行了結(jié)構(gòu)設(shè)計(jì)及靜力學(xué)分析研究。本文所設(shè)計(jì)的機(jī)械臂主要供教學(xué)使用，要求該機(jī)械臂具有良好的靈活性以及可操作性，故采用六自由度串聯(lián)結(jié)構(gòu)。

1 機(jī)械臂主要部件優(yōu)化設(shè)計(jì)

對(duì)本文設(shè)計(jì)的六軸串聯(lián)機(jī)械臂關(guān)鍵部件進(jìn)行優(yōu)化設(shè)計(jì)，目的是在滿足強(qiáng)度要求的前提下改進(jìn)原有設(shè)計(jì)中不合理的尺寸，降低機(jī)械臂在工作過程中的形變量。首先對(duì)該機(jī)械臂進(jìn)行了簡(jiǎn)化，簡(jiǎn)化后的結(jié)構(gòu)示意圖如圖1所示，然后對(duì)圖1中的R03部件進(jìn)行分析優(yōu)化，優(yōu)化其相關(guān)尺寸。

圖1 簡(jiǎn)化后主要部件示意圖

優(yōu)化設(shè)計(jì)的思路是在滿足原設(shè)計(jì)要求的前提下，求解所給定的目標(biāo)函數(shù)的極值。優(yōu)化設(shè)計(jì)步驟如下[7]。

1)選擇設(shè)計(jì)變量。設(shè)計(jì)變量是指根據(jù)優(yōu)化目標(biāo)對(duì)多個(gè)參數(shù)進(jìn)行選擇，最終確定需要優(yōu)化的參數(shù)，設(shè)計(jì)變量用X=[x1,x2,…,xn]T表示。

2)確定約束條件。在實(shí)際設(shè)計(jì)過程中，設(shè)計(jì)變量值并不是隨意選取的，會(huì)根據(jù)實(shí)際情況確定一個(gè)取值范圍進(jìn)行限制，而這種限制就是約束條件，但這種限制并不一定只有一個(gè)，約束條件的區(qū)域集合可以表示為S={x|gi(x)≤0,i=1,2,3,…,n}，其中g(shù)i(x)為狀態(tài)變量。

3)確立目標(biāo)函數(shù)。為了對(duì)當(dāng)前優(yōu)化設(shè)計(jì)進(jìn)行評(píng)價(jià)，需要構(gòu)造一個(gè)涵蓋全部設(shè)計(jì)變量的評(píng)價(jià)函數(shù)，即目標(biāo)函數(shù)，它隨著設(shè)計(jì)變量的變化而變化，用F(X)表示。一般可以將優(yōu)化問題分為兩類，即單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化。事實(shí)上，目標(biāo)越多，優(yōu)化設(shè)計(jì)后的整體性能可能會(huì)越好，但求解的難度也相應(yīng)會(huì)增加。

4)建立數(shù)學(xué)模型。優(yōu)化設(shè)計(jì)的數(shù)學(xué)模型的表達(dá)式為：

(1)

2 R03部件參數(shù)優(yōu)化

使用三維建模軟件對(duì)機(jī)械臂進(jìn)行設(shè)計(jì)，預(yù)期末端負(fù)載為1 kg。首先將建立好的三維模型導(dǎo)入Workbench中，模型材料設(shè)置為結(jié)構(gòu)鋼，然后劃分網(wǎng)格，得到高質(zhì)量的六面體網(wǎng)格。考慮到其他部件的質(zhì)量以及電機(jī)自重的影響，將模型的一端固定，然后添加100 N的遠(yuǎn)程力，即負(fù)載為10 kg，比預(yù)期多9 kg。求解得到在初始設(shè)計(jì)尺寸下該模型加載10 kg負(fù)載時(shí)的應(yīng)力及變形云圖，如圖2、圖3所示。

圖2 應(yīng)力云圖

圖3 變形云圖

對(duì)該模型進(jìn)行基于響應(yīng)面的優(yōu)化設(shè)計(jì)，并對(duì)輸入?yún)?shù)添加約束條件。3個(gè)設(shè)計(jì)變量P1，P2，P3的取值范圍見表1。

表1 定義變量參數(shù) mm

對(duì)該優(yōu)化方案添加設(shè)計(jì)樣本點(diǎn)，設(shè)計(jì)樣本點(diǎn)的優(yōu)劣直接影響基于采樣點(diǎn)結(jié)果的響應(yīng)面的精度，共有7種生成設(shè)計(jì)樣本點(diǎn)的方法：1)中心組合設(shè)計(jì)(central composite design，CCD) 法；2)空間填充設(shè)計(jì)(optimal space-filling design) 法；3)box-behnken設(shè)計(jì)(box-behnken design，BBD) 法；4)用戶自定義(custom) 法；5)自定義與抽樣(custom+sampling) 法；6)稀疏網(wǎng)格初始化(sparse grid initialization) 法；7)拉丁超立方體抽樣設(shè)計(jì)(latin hypercube sampling design) 法。

本文使用Box-Behnken 設(shè)計(jì)法自動(dòng)生成樣本點(diǎn)，由于此種設(shè)計(jì)法不包含初始值，故采用用戶自定義法將設(shè)計(jì)初始值添加上去，以便于比較，然后進(jìn)行求解計(jì)算,得到輸入與輸出之間的參數(shù)關(guān)系，如圖4所示。

圖4 求解結(jié)果

為了更加直觀地表示，所有的設(shè)計(jì)樣本點(diǎn)求解結(jié)束之后采用3D形式輸出結(jié)果，如圖5所示。由圖5可以看出，P1越小,形變量越大，質(zhì)量則越??；P2越小，形變量越小，但對(duì)質(zhì)量的影響卻不是很大;而對(duì)于P3來說，其對(duì)形變量的影響不是很大，P3越小，質(zhì)量會(huì)越大，但影響也不是太明顯。

圖5 響應(yīng)曲面

為了能夠更加直觀地看出輸入?yún)?shù)對(duì)模型的應(yīng)力、形變量以及質(zhì)量的影響程度，給出輸出參數(shù)的敏感度圖,如圖6所示。由圖可以看出，設(shè)計(jì)變量P1對(duì)模型的應(yīng)力、形變量以及質(zhì)量的影響程度遠(yuǎn)大于另外兩個(gè)變量，可作為主要設(shè)計(jì)變量操作，當(dāng)P1增大時(shí)，應(yīng)力會(huì)隨之減小，形變量同樣減小，只有質(zhì)量在增大。而設(shè)計(jì)變量P2,P3對(duì)形變量與應(yīng)力的影響都很小。

圖6 輸出參數(shù)的敏感度

本次優(yōu)化將優(yōu)化目標(biāo)定義為模型的形變量最小，但由于應(yīng)力和質(zhì)量這兩個(gè)參數(shù)它們相互制約、相互影響，這就是多目標(biāo)優(yōu)化的難點(diǎn)所在，只能在比較結(jié)果后得出相對(duì)的“最優(yōu)”。

在定義輸出參數(shù)的優(yōu)化目標(biāo)時(shí)，定義輸出參數(shù)P4即最大應(yīng)力的求解目標(biāo)為最小值，但目標(biāo)重要性定義為最低；定義輸出參數(shù)P5即形變量的求解目標(biāo)為最小，將其目標(biāo)重要性定義為最高；定義參數(shù)P6即質(zhì)量的求解目標(biāo)為最小，目標(biāo)重要性定義為默認(rèn)。

在所有優(yōu)化目標(biāo)定義后，使用多目標(biāo)遺傳算法[8](multi-objective genetic algorithm， MOGA)進(jìn)行參數(shù)優(yōu)化。求解計(jì)算，得到如圖7所示的3組候選設(shè)計(jì)點(diǎn),可以看出第三組候選點(diǎn)是最符合要求的設(shè)計(jì)點(diǎn)。選取第三組候選點(diǎn)作為最優(yōu)設(shè)計(jì)點(diǎn)，再以圖6所示的敏感度分析結(jié)果作為依據(jù)對(duì)該組候選點(diǎn)進(jìn)行圓整修正，得到最佳優(yōu)化點(diǎn)參數(shù)，優(yōu)化前、后輸入?yún)?shù)值對(duì)比見表2。

圖7 候選設(shè)計(jì)點(diǎn)

表2 輸入?yún)?shù)對(duì)比 mm

3 R03部件參數(shù)優(yōu)化結(jié)果分析

優(yōu)化計(jì)算結(jié)束后，對(duì)優(yōu)化前、后輸出參數(shù)進(jìn)行對(duì)比，結(jié)果見表3。

表3 輸出參數(shù)對(duì)比

從表3可看出，優(yōu)化后質(zhì)量增加的同時(shí)最大應(yīng)力在減小，優(yōu)化后質(zhì)量雖增加了10.92%，但最大應(yīng)力和形變量分別下降了22.00%和12.50%。此次優(yōu)化把模型的形變量放在了首位，可見此次優(yōu)化效果顯著，對(duì)于提高機(jī)械臂整體的安全性與可靠性有很大幫助。若需要進(jìn)一步優(yōu)化模型質(zhì)量，可以添加加強(qiáng)筋對(duì)模型進(jìn)行強(qiáng)化，這樣可以通過進(jìn)一步減小輸入?yún)?shù)P1的值來減小模型質(zhì)量。

4 結(jié)束語

本文運(yùn)用Workbench對(duì)六軸串聯(lián)機(jī)械臂的主要部件進(jìn)行了靜力學(xué)分析，對(duì)其質(zhì)量和部分尺寸參數(shù)進(jìn)行了多目標(biāo)參數(shù)優(yōu)化，研究了尺寸優(yōu)化對(duì)機(jī)械臂性能的影響。采用多目標(biāo)遺傳算法進(jìn)行求解計(jì)算，得到了一組可以達(dá)到預(yù)期目標(biāo)的最優(yōu)設(shè)計(jì)點(diǎn)。本文的研究成果對(duì)一般機(jī)械臂的設(shè)計(jì)與優(yōu)化有一定的參考價(jià)值，在縮短機(jī)械臂設(shè)計(jì)周期的同時(shí)，能夠保證機(jī)械臂的可靠性。