1.1 研究目的与意义
空间机械臂作为在轨支持、服务的一项关键技术越来越受到人们的关注。本课题主要研究多关节机械臂的优化设计[1]。无论是在自然学科领域还是在社会学科领域,人类追求的目标始终是以最小的成本获取最大的收益。在最小化成本的同时取得最大化效益,需要将一对矛盾的两个方面同时考虑,这样就构成了一个典型的多目标优化问题。工程实践的方案设计,及社会发展与国民经济中的规划与决策,大都可以视为多目标优化问题。采用多目标优化方法,可以对这些问题中相互冲突的目标进行很好的权衡,给出满意的优化结果,从而提高人类改造自然、改造社会的能力[2]。
本文主要关于一类多关节机械臂优化设计方法研究,具体的内容是关于新型吊篮式一次性装弹机结构设计及优化。机械臂是指具有能够模仿人手和手臂的某些动作功能,可以按照固定程序执行抓取、搬运物件或操作工具的自动操作装置。它可以代替人的繁重劳动以实现生产的机械化和自动化,能在有害环境下操作以保护人身安全,因此广泛应用于机械制造、冶金、电子、轻工和原子能等部门。本文主要内容是运用遗传算法对于给定的目标函数进行优化设计与仿真,从而得到结果,并进行分析。
多目标优化问题是近30年来迅速发展起来的一门新兴学科,属于应用型基础课题,有着重要和广泛的应用价值。多目标优化主要是研究多个数值目标在给定约束条件下的最优解的求取。随着理论研究的不断深入,多目标优化的应用领域也日益扩大,已经涉及到过程控制、航空航天、人工智能、计算科学、许多实际复杂系统的设计、建模和规划问题等诸多领域。求解多目标问题的传统算法存在许多局限性,并且存在关键致命问题。1975年美国密歇根大学教授J.Holland首次提出了遗传算法,该领域的研究便迅速增长。遗传算法是指能够在计算机上模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程进行搜索寻优的算法。近十几年来,国内外涌现出许多求解多目标问题的遗传算法及其改进形式,这些算法及其改进形式在解决多目标优化问题中得到成功应用,显示出强大的生命力[3]。通过本文的设计与分析,对于新型坦克自动装弹机的结构设计和总体设计具有显著的指导意义。
1.2 自动装弹机研究现状
1.3 优化算法研究研究现状
1.3.1单目标优化算法研究现状
1.3.2多目标优化算法研究现状
3.多目标优化方法收敛性的研究
目前,多目标优化算法缺乏收敛理论。Rudolph于1998年对两目标组成的简单多目标优化问题的演化算法的收敛性行为进行了分析,以集合间的距离定义解的收敛性,说明具有比例步长均匀变异算子的(1+1)演化策略能以概率1收敛到问题的非劣最优域。但是,Rudolph的分析过程比较复杂,而且中间过程不太清晰,似有疑问,且这种收敛倾向在一般多目标优化问题的推广上具有局限性。论文网
4.多目标优化方法的并行实现
为了提高多目标优化方法的优化效率,可以将优化算法在高性能计算机上执行。并行计算程序设计时,需要优先考虑的并行任务是目标以及约束的计算以及适应度的评估。
5.近似技术在多目标优化方法中的应用
采用近似技术来建立目标以及约束的近似模型,基于近似模型进行优化设
计,避免了大量耗时的高精度分析计算过程,使多目标优化方法的寻优效率得到提高。研究中,如何建立比较精确的近似模型是采用近似技术进行优化设计的关键和难点。