[發明專利]機械臂結構輕量化設計的優化方法、裝置及設備

在審

• 申請號: 202011585491.2
• 申請日: 2020-12-28
• 公開（公告）號: CN112597610A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 李景辰;丁宏鈺;范文華
• 申請（專利權）人: 深圳市優必選科技股份有限公司
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/23;G06F30/27;G06F119/20
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 劉永康

1.一種機械臂結構輕量化設計的優化方法，其特征在于，所述方法包括：

根據需要優化的尺寸參數建立參數化的有限元模型；

將預先獲取的尺寸參數輸入到所述有限元模型，輸出所述尺寸參數對應的變形量，根據多個尺寸參數和多個對應的變形量得到樣本數據集；

根據所述樣本數據集中的尺寸參數作為神經網絡模型的輸入，將所述數據集中與輸入的尺寸參數對應的變形量作為所述神經網絡模型的輸出，對所述神經網絡模型進行訓練；

通過預設的全局優化算法，以總質量最小為目標函數，對所述機械臂的尺寸參數進行尋優；

根據已訓練的神經網絡模型計算尋優得到的尺寸參數對應的變形量，根據所述變形量確定所述機械臂結構輕量化設計的優化參數。

2.根據權利要求1所述的方法，其特征在于，在將預先獲取的尺寸參數輸入到所述有限元模型，輸出所述尺寸參數對應的變形量之前，所述方法還包括：

設定不同的尺寸參數與網格劃分方法、有限元模型參數的對應關系；

將預先獲取的尺寸參數輸入到所述有限元模型，輸出所述尺寸參數對應的變形量，包括：

根據預先設定的尺寸參數與有限元模型參數的對應關系，更新所述有限元模型中的幾何模型；

根據預先設定的網格劃分方法對所述幾何模型進行網格劃分；

根據所劃分的網格計算尺寸參數對應的變形量。

3.根據權利要求1所述的方法，其特征在于，所述神經網絡包括輸入層、輸出層和隱含層，所述輸入層的神經元個數與所述尺寸參數的個數相同，所述輸出層的個數與所述變形量的個數相同，所述層的神經元個數為輸入層的神經元個數的預定倍數。

4.根據權利要求3所述的方法，其特征在于，所述隱含層通過加常數偏移的Sigmoid函數作為激活函數；

和/或，所述輸出層采用常住偏移的線性相加方法進行計算，

和/或，所述隱含層通過萊文貝格－馬夸特方法擬合隱含層中的權重系數和偏移量。

5.根據權利要求1所述的方法，其特征在于，所述樣本數據集包括第一子集和第二子集，根據所述樣本數據集中的尺寸參數作為神經網絡模型的輸入，將所述數據集中與輸入的尺寸參數對應的變形量作為所述神經網絡模型的輸出，對所述神經網絡模型進行訓練，包括：

將所述第一子集中的尺寸參數作為神經網絡模型的輸入，將所述第一子集中與輸入的尺寸參數對應的變形量作為所述神經網絡模型的輸出，對所述神經網絡模型進行訓練；

通過第二子集檢測訓練過的所述神經網絡模型是否符合預設的要求。

6.根據權利要求1所述的方法，其特征在于，輸入到所述有限元模型中的尺寸參數通過隨機算法生成。

7.根據權利要求1所述的方法，其特征在于，尋優得到的尺寸參數包括多個，根據已訓練的神經網絡模型計算尋優得到的尺寸參數對應的變形量，根據所述變形量確定所述機械臂結構輕量化設計的優化參數，包括：

根據已訓練的神經網絡模型計算尋優得到的尺寸參數對應的變形量；

選擇尺寸參數的變形量滿足預設的變形要求，且對應的總質量最小的尺寸，作為所述機械臂結構輕量化設計的優化參數。

8.一種機械臂結構輕量化設計的優化裝置，其特征在于，所述裝置包括：

有限元模型建立單元，用于根據需要優化的尺寸參數建立參數化的有限元模型；

第一變形量計算單元，用于將預先獲取的尺寸參數輸入到所述有限元模型，輸出所述尺寸參數對應的變形量，根據多個尺寸參數和多個對應的變形量得到樣本數據集；

神經網絡模型訓練單元，用于根據所述樣本數據集中的尺寸參數作為神經網絡模型的輸入，將所述數據集中與輸入的尺寸參數對應的變形量作為所述神經網絡模型的輸出，對所述神經網絡模型進行訓練；

尋優單元，用于通過預設的全局優化算法，以總質量最小為目標函數，對所述機械臂的尺寸參數進行尋優；

優化參數確定單元，用于根據已訓練的神經網絡模型計算尋優得到的尺寸參數對應的變形量，根據所述變形量確定所述機械臂結構輕量化設計的優化參數。