TW-EI在机械夹爪手指部件设计中的应用方法技术

本发明专利技术公开了一种TW

【技术实现步骤摘要】
TW
‑
EI在机械夹爪手指部件设计中的应用方法


[0001]本专利技术属于工程设计
，尤其涉及一种基于代理模型预测值和EI值的代理模型构建方法(TW
‑
EI法)在机械夹爪手指部件设计中的应用方法。

技术介绍

[0002]在现实的工程问题中，常常涉及到多个目标，这些目标之间彼此冲突相互制约。在一个目标的目标值在接近最优值的同时，至少另外有一个目标值会远离最优值。为了权衡这些相互冲突的目标，给出满意的优化结果和涉及方案，研究多目标优化方法具有了重要的现实意义。
[0003]在工程问题中，使用真实的物理模型实验造价高昂，通常采用计算机仿真来代替大部分的物理实验。但是在多目标优化问题中，一个简单的多目标优化问题也需要大量的函数评估才能得到一组较好的解集，这不仅仅消耗了大量时间成本也拖慢了整个优化设计工程的进度。为了解决这个问题有学者提出了用代理模型来代替真实模型的方法。代理模型是真实模型的一种近似，可以在确保模型精确度的同时，减少计算量，节约计算成本，极大的减少了工程优化问题中的工作量。因此代理模型在工程应用中得到了广泛的应用。
[0004]代理模型可以分为静态代理模型和动态代理模型。静态代理模型需要一次性加入大量的样本点，并在构建完代理模型后不再对模型更新。静态代理模型会造成样本点的浪费，会产生大量的无效样本点，这些无效样本点，不仅不能提高代理模型精度，还增加了工程中的工作量。动态代理模型，即开始采用了少量的样本点，后期根据代理模型的精度和优化方法进行逐步加点、更新代理模型的方法。动态代理模型与静态代理模型相比，能够在拥有同样甚至更好精度的同时，减少样本点的数量，极大减少了工程中的计算量。现有的代理模型加点方法大多是针对单目标代理模型，同时对多目标优化问题，即多个代理模型加点的方法均匀性较差，因此本专利技术提出了一种基于代理模型预测值和EI值的多目标加点方法，该方法在构建了初始代理模型后，得到代理模型预测值和EI值，通过对这两个值的有机结合得到两个新的效用函数，用这两个效用函数代替原本的效用函数。
[0005]对于一个特定的多目标优化问题，代理模型在多目标的非支配解存在的区域要求精度较高，而在其他区域则不需要那么高的精度，这就要求代理模型的样本点的选取需要有选择性。EGO方法将代理模型预测值替换为了EI值，用于搜索更有效的全局优化点。ParEGO方法在EGO方法上进行了拓展，将多目标优化问题转化为了单目标优化问题，同时利用了EGO的方法对更新代理模型。MultiobjectiveEGO基于多目标EI准则提出了EI矩阵，并将EI矩阵转化成了标量函数。已有的方法得出的非支配解集均匀性和收敛性有待提高，因此本专利技术提出了一种基于代理模型预测值与EI相结合的多目标优化方法(TW
‑
EI方法)。
[0006]随着工业自动化的发展，机械夹爪被应用在了各种工业自动化的各种领域中，但是由于机械夹爪的高强度运作，机械夹爪的两个手指部件容易产生较大的应力，甚至产生形变，使工作的可靠性降低。由于机械夹爪手指部件应力的非线性程度较高，难以用显示函数表达，目前常常使用的方法是依靠大量的计算机仿真实验，但是这样会大量消耗人力物
力。本专利技术将提出的TW
‑
EI方法应用到机械夹爪手指部件上，可以在减少人力物理的同时获得较高的夹爪质量、最大等效应力和最大应变模型。
[0007]本专利技术首次提出基于代理模型预测值和EI值的多目标优化方法，流程方便简洁，在保证一定精度前提下所添加的样本总数得到有效控制，具有更广泛的应用前景。

技术实现思路

[0008]本专利技术的专利技术目的是：为了解决传统多目标代理模型加点后得到的非支配解收敛性和均匀性不高的问题，本专利技术提出了TW
‑
EI在机械夹爪手指部件设计中的应用方法。
[0009]本专利技术的技术方案是：TW
‑
EI在机械夹爪手指部件设计中的应用方法，其特征在于，包括以下步骤：
[0010]A、建立机械夹爪手指部件的几何模型；
[0011]B、对机械夹爪手指部件的几何模型进行材料配置；
[0012]C、利用试验设计技术产生初始样本，选择机械夹爪手指部件的质量、机械夹爪手指部件的最大等效应力和最大应变为性能函数，并调用静力学仿真模型获取初始样本对于性能函数的真实响应值；
[0013]D、根据C中的样本信息及其响应值构建初始的Kriging代理模型；
[0014]E、通过本专利技术提出的TW
‑
EI算法构建满足精度要求的最终代理模型；
[0015]所述步骤A建立机械夹爪手指部件的几何模型为通过ANSYS依据相关参数建立的几何模型。
[0016]所述步骤B对机械夹爪手指部件的几何模型进行材料配置，具体为：
[0017]B1、定义机械夹爪手指部件的材料属性，确定设计变量。机械夹爪手指部件的材料采用7075铝合金，密度为2.81
×
103Kg/m3，弹性模量为7.1
×
10
11
Pa，泊松比为0.25，屈服强度为4.55
×
108Pa，抗拉强度为5.24
×
108Pa，所确定的设计变量有3个分别为x1、x2、x3。
[0018]B2、执行网格无关性检验并选择适合的方案。
[0019]所述步骤C利用试验设计技术产生初始样本，选择机械夹爪手指部件的质量、机械夹爪手指部件的最大等效应力和最大应变为性能函数，并调用动力学仿真模型获取初始样本对于性能函数的真实响应值，具体为：
[0020]C1、利用拉丁超立方试验生成初始样本点，选择机械夹爪手指部件的质量、机械夹爪手指部件的最大等效应力和最大应变为性能函数；
[0021]C2、调用静力学仿真模型获取初始样本点处针对性能函数的真实响应值；
[0022]进一步地，所述步骤D根据C中的样本信息及其响应值构建初始Kriging代理模型；
[0023]所述步骤E通过D中建立的初始代理模型通过本专利技术提出的TW
‑
EI算法构建最终的代理模型，利用Kriging代理模型预测值和EI值进行加点，建立精度更高的三个代理模型，最后通过遗传算法，得到最终的非支配解，具体包括以下分步骤：
[0024]E1、根据步骤A、B、C和D得到机械夹爪手指部件的几何模型，包括设计变量的个数；
[0025]E2、利用初始样本分别获取三个Kriging模型中每个点的预测值和EI值；
[0026]E3、通过TW
‑
EI中提出的方法进行迭代求解，增加新的样本点，并获取其响应值；
[0027]E4、基于E3中已更新的样本集，重新建立Kriging代理模型；
[0028]E5、检查收敛准则，如果满足，得到最终分别得到三个代理模型，通过遗传算法得
到机械夹爪手指部件的关于三个效用函数的非支配解集，否则返回E2继续迭代加本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.TW
‑
EI在机械夹爪手指部件设计中的应用方法，其特征在于，包括以下步骤：A、建立机械夹爪手指部件的几何模型；B、对机械夹爪手指部件的几何模型进行材料配置；C、利用试验设计技术产生初始样本，选择机械夹爪手指部件的质量、机械夹爪手指部件的最大等效应力和最大应变为性能函数，并调用静力学仿真模型获取初始样本对于性能函数的真实响应值；D、根据C中的样本信息及其响应值构建初始的Kriging代理模型；E、通过本发明提出的TW
‑
EI算法构建满足精度要求的最终代理模型；所述步骤A建立机械夹爪手指部件的几何模型为通过ANSYS依据相关参数建立的几何模型；所述步骤B对机械夹爪手指部件的几何模型进行材料配置，具体为：B1、定义机械夹爪手指部件的材料属性，确定设计变量；B2、执行网格无关性检验并选择适合的方案；所述步骤C利用试验设计技术产生初始样本，选择机械夹爪手指部件的质量、机械夹爪手指部件的最大等效应力和最大应变为性能函数，并调用静力学仿真模型获取初始样本对于性能函数的真实响应值，具体为：C1、利用拉丁超立方试验生成初始样本点，选择机...

【专利技术属性】
技术研发人员：许焕卫，何晗瑾，魏文张，杨学睿，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：