与串联机构相比,并联机构具有刚度好、精度高、结构稳定紧凑等优点,适用于外科手术领域。提出一种可用于微创手术本体结构的两转动一移动远中心运动(Remote Center of Motion,RCM)(5R)O C-URR并联机构,具有部分运动解耦特性。建立机构...与串联机构相比,并联机构具有刚度好、精度高、结构稳定紧凑等优点,适用于外科手术领域。提出一种可用于微创手术本体结构的两转动一移动远中心运动(Remote Center of Motion,RCM)(5R)O C-URR并联机构,具有部分运动解耦特性。建立机构位置分析模型,推导出机构位置逆解表达式;在此基础上,针对微创手术工作任务,定义机构期望工作空间。应用局部运动/力传递性能评价指标,给出机构期望工作空间内平均传递指标定义及计算方法。以平均传递指标最大化为目标,建立机构尺度参数约束优化模型,并应用加速灰狼优化(Accelerating Grey Wolf Optimization,AGWO)算法求解该问题。数值实例测试显示,AGWO算法求解约束优化问题的综合性能优于对比算法。机构优化设计结果表明,给出的优化模型和算法可行有效。研究结果为该机构的实际应用奠定了理论基础。展开更多
文摘与串联机构相比,并联机构具有刚度好、精度高、结构稳定紧凑等优点,适用于外科手术领域。提出一种可用于微创手术本体结构的两转动一移动远中心运动(Remote Center of Motion,RCM)(5R)O C-URR并联机构,具有部分运动解耦特性。建立机构位置分析模型,推导出机构位置逆解表达式;在此基础上,针对微创手术工作任务,定义机构期望工作空间。应用局部运动/力传递性能评价指标,给出机构期望工作空间内平均传递指标定义及计算方法。以平均传递指标最大化为目标,建立机构尺度参数约束优化模型,并应用加速灰狼优化(Accelerating Grey Wolf Optimization,AGWO)算法求解该问题。数值实例测试显示,AGWO算法求解约束优化问题的综合性能优于对比算法。机构优化设计结果表明,给出的优化模型和算法可行有效。研究结果为该机构的实际应用奠定了理论基础。
文摘协同演化是解决大尺度连续优化问题的一种有效策略.但是,对于决策变量重叠型(决策变量不可分且相互依赖)的高维问题,其分组方法可能会误导算法的搜索.针对这一情况,本文提出一种全新的协同演化策略(Differential Evolution Cooperative Coevolution with Correlation Learning Between Variables,DECC-CLV),其思想是首先计算演化种群分布所包含的主特征轴,然后计算各维决策变量在主轴上的投影值并利用它们之间的正负相关性进行分组.该算法在迭代过程中,利用期望最大化算法对种群进行概率主成分分析,并根据决策变量在当前种群主轴上的投影值大小关系对其进行动态分组.通过和目前主流的演化算法在CEC2013的第三类函数上的仿真试验和分析,验证了算法的有效性和适用性.