一种基于疏密度和局部复杂度的自适应代理模型在码垛机器人小臂驱动连杆优化中的应用制造技术

本发明专利技术公开了一种基于疏密度和局部复杂度的自适应代理模型在码垛机器人小臂驱动连杆优化中的应用。由于在复杂工程问题中获得真实模型响应值需要高昂的计算成本，所以提出一种基于疏密度和局部复杂度的自适应代理模型构建方法，并应用在码垛机器人小臂驱动连杆的优化设计中。首先，建立码垛机器人小臂驱动连杆的模型，确定设计变量与优化目标；其次，产生初始样本并获得真实响应，构建样本库；然后，根据样本库构建初始代理模型，并通过本发明专利技术提出的方法构建优化目标的高精度代理模型。最后，使用代理模型进行优化设计。本发明专利技术在复杂的工程优化问题中，以及目标函数难以获取的情况下，具有广泛的应用前景。具有广泛的应用前景。具有广泛的应用前景。

【技术实现步骤摘要】
一种基于疏密度和局部复杂度的自适应代理模型在码垛机器人小臂驱动连杆优化中的应用


[0001]本专利技术属于工程设计
，尤其涉及一种基于疏密度和局部复杂度的自适应代理模型在码垛机器人小臂驱动连杆优化中的应用。

技术介绍

[0002]在复杂的工程问题中，如何获得真实模型的响应值往往是一个难题，通过建立高精度的仿真模型来进行分析时又面临着计算成本高昂的问题。代理模型技术的出现有效缓解了这种现状，代理模型一般是指在对设计空间进行抽样后，建立的计算量远小于原模型、计算精度与原模型接近的一种近似数学模型。常用的代理模型有：多项式响应面、径向基函数、Kriging、人工神经网络、支持向量回归等。
[0003]代理模型是以设计空间中的部分样本为基础建立起来的，因此选取的样本质量直接决定了代理模型的质量。近年来，学者们一直致力于提高代理模型的构建效率，研究如何用尽可能少的样本构建精度更高的代理模型。目前样本点的选择方式主要分为两大类：一次性静态采样和自适应动态采样。一次性静态采样是利用实验技术，如全因子采样、正交采样、均匀采样、蒙特卡洛采样、拉丁超本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于疏密度和局部复杂度的自适应代理模型在码垛机器人小臂驱动连杆优化中的应用，其特征在于，包括以下步骤：A、建立码垛机器人小臂驱动连杆的几何模型与有限元模型；B、确定设计变量与优化目标；C、获得初始样本点以及这些初始样本点的真实响应，构建样本库；D、根据样本库中的样本信息构建设计变量与优化目标之间的代理模型；E、通过SDLC算法进行自适应加点，更新代理模型，获得满足精度要求的代理模型；F、使用代理模型进行优化设计，所述步骤A建立码垛机器人小臂驱动连杆的几何模型与有限元模型，具体为：A1、使用Solidworks软件建立码垛机器人小臂驱动连杆的几何模型；A2、将几何模型导入Ansys软件中，建立有限元模型；进一步地，所述步骤B确定设计变量与优化目标，具体为：B1、选择杆体宽度、杆体厚度、内板长度、内板宽度、内板厚度、内板圆角半径作为设计变量；B2、选择连杆总质量作为主要优化子目标，连杆最大应力和最大位移作为次要优化子目标，三个子优化目标分别归一化后通过系数分配法相结合，组成总优化目标；进一步地，所述步骤C获得初始样...

【专利技术属性】
技术研发人员：许焕卫，李浩，张鑫，项歌，李亚华，黄思哲，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：