Upload
pvdai
View
58
Download
2
Embed Size (px)
DESCRIPTION
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011Tối ưu hóa thiết kế tay máy song song dùng thuật toán di truyền kết kợp tập hợp tối ưu Pareto Design Optimization of Parallel Manipulator using Genetic Algorithm combined Optimal Pareto SetNguyễn Minh Thạnh*, Nguyễn Xuân Vinh$, Lê Hoài Quốc+, Nguyễn Ngọc Lâm++ * ĐH Giao thông Vận tải TP. HCM, $ ĐH Kỹ thuật Công nghệ TP. HCM + Sở Khoa học Công nghệ TP. HCM, ++ Viện NC Điện tử, Tin học &Tự động hóa e-Mail: [email protected], nguyen
Citation preview
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
Tối ưu hóa thiết kế tay máy song song dùng thuật toán di truyền kết kợp
tập hợp tối ưu Pareto
Design Optimization of Parallel Manipulator using Genetic Algorithm
combined Optimal Pareto Set
Nguyễn Minh Thạnh*, Nguyễn Xuân Vinh
$, Lê Hoài Quốc
+, Nguyễn Ngọc Lâm
++
* ĐH Giao thông Vận tải TP. HCM,
$ ĐH Kỹ thuật Công nghệ TP. HCM
+ Sở Khoa học Công nghệ TP. HCM,
++ Viện NC Điện tử, Tin học &Tự động hóa
e-Mail: [email protected], [email protected],
[email protected], [email protected]
Tóm tắt Bài báo trình bày phương pháp tối ưu hóa thiết kế cho
tay máy song song kiểu Stewart Platform. Ứng dụng
phương pháp điều tra không gian tham số PSI
(Parameters Space Investigation) và tập hợp tối ưu
Pareto trong việc tìm kiếm tối ưu đa tiêu chí cho tay
máy song song. Đồng thời, thuật toán di truyền GA
(Genetic Algorithm) cũng được ứng dụng nhằm tìm
kiếm cấu hình thiết kế ban đầu cho quá trình tối ưu
hóa dùng Pareto.
Kết quả nghiên cứu cho thấy phương pháp kết hợp
GA-Pareto có kết quả tối ưu tương đương với khi chỉ
dùng tập hợp tối ưu Pareto thuần tuý, nhưng cho phép
giảm thiểu đáng kể thời gian tính toán. Đồng thời, nó
khắc phục những khó khăn khi chọn lựa một cấu hình
thiết kế ban đầu phù hợp cho bài toán dùng PSI và tập
hợp tối ưu Pareto trong vùng không gian khảo sát bất
kỳ.
Abstract The design optimization for Stewart Platform parallel
mechanism is described. The application of the
Parameters Space Investigation (PSI) method and the
multi-criteria optimization obtaining the Pareto set
was applied for the optimal design parallel
mechanism. In addition, a genetic algorithm (GA) was
considered to determine the initial design
configuration process using Pareto optimization.
Research results shown that the method combined
GA-Pareto optimal outcome is equivalent to only
Pareto optimal set of pure, but allows to reduce
significantly the computation time. Furthermore, it
overcome the difficulties in choosing an initial design
configuration suitable for use PSI and the optimal
Pareto set problem in working space any.
1. Phần mở đầu 1.1 Đối tượng nghiên cứu
rong những năm gần đ y, tay máy song song được
phát triển m nh nhờ có những ưu điểm vượt trội như:
độ cứng vững cao, khả năng chịu tải trọng lớn, khả
năng thay đổi vị trí và góc hướng linh ho t, độ chính
xác và ổn định cao, khả năng tác động nhanh, lực
quán tính nh , gia tốc và tốc độ làm việc lớn tiện lợi
trong quá trình di chuyển, lắp đ t, iệc ứng dụng
tay máy song song ngày càng được quan t m rộng r i
trong nhiều l nh vực khác nhau như: lắp ráp trong sản
xuất, các máy công cụ, cơ khí chính xác, y học, thiên
văn học, trắc địa, v.v. -5 . uy nhiên, tay máy song
song cũng tồn t i những nhược điểm nhất định như
không gian làm việc bị giới h n, thiết kế chế t o phức
t p, tồn t i các điểm kỳ dị (singularities) và đ i h i
quá trình điều khiển đa cấp nên việc nghiên cứu và
ứng dụng c n g p nhiều khó khăn.
1.2 Một số vấn đề về ràng buộc và tối ưu hóa thiết
kế tay máy song song kiểu Stewart Platform
ay máy song song kiểu Stewart Platform (xem H.1)
được cấu t o bởi một m t phẳng nền (base platform)
và tấm chuyển động (moving platform). Hai m t
phẳng này được nối với nhau bởi sáu ch n liên kết.
Các ch n liên kết này có khả năng thay đổi chiều dài
nhờ sáu khớp lăng trụ (prismatic joints) và kết nối với
hai m t phẳng thông qua các khớp cầu (spherical
joints) t i các đầu cuối của chúng.
H. 1 Tay máy song song kiểu Stewart Platform
Do kết cấu đ c thù của các ch n liên kết cũng như
những ràng buộc về các chuyển động cơ khí của tay
máy song song, các giới h n về động học được đ c
biệt quan t m. ay máy song song kiểu Stewart
Platform có ba ràng buộc cơ bản ảnh hưởng đến tầm
ho t động của tay máy:
207
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
Giới h n chiều dài chân liên kết (to độ suy rộng)
min maxil l l .
Giới h n góc chuyển động các khớp nối
min max
min max
_ _ _ ;
_ _ _
i
i
angle base angle base angle base
angle top angle top angle top
Giới h n hình học trong không gian giữa các chân
liên kết.
Không gian làm việc của tay máy song song được
xem là tập hợp các vị trí làm việc khả thi của tấm
chuyển động (hay c n gọi là kh u ra) của tay máy
trong vùng khảo sát. rong quá trình xác định vùng
làm việc, ta cần xem xét đến các giới h n về động học
và các thông số của tay máy song song như: giới h n
chiều dài ch n liên kết, giới h n về góc khớp, giới h n
hình học trong không gian giữa các ch n liên kết, bán
kính đường tr n t o bởi các khớp liên kết, sự thay đổi
góc hướng của t m kh u ra, vùng khảo sát,
iệc xem xét, hiệu chỉnh các thông số thiết kế của tay
máy sao cho tay máy song song có thể đ t được các
tiêu chí tối ưu khả d nhất mà không thay đổi cấu trúc
của nó chính là bài toán tối ưu hóa thiết kế tay máy
song song [7-16]. Các tiêu chí này có thể là số t m
kh u ra, số cấu hình (thể tích vùng làm việc), độ cứng
vững của tay máy,
hực hiện bài toán nêu trên, việc tối ưu hóa thiết kế
tay máy song song kiểu Stewart Platform được trình
bày trong bài báo này được thực hiện lần lượt theo
một tiêu chí (số t m kh u ra) và hai tiêu chí (số t m
kh u ra và số cấu hình làm việc). rong trường hợp
tối ưu hóa theo hai tiêu chí, thì tiêu chí số t m kh u ra
sẽ được chọn lựa ưu tiên so với tiêu chí số cấu hình
làm việc. iệc chọn lựa ưu tiên theo tiêu chí thứ nhất
sẽ cho kết quả tối ưu thiết kế với vùng không gian làm
việc lớn nhất.
2. Tối ưu hóa tay máy song song dùng
phương pháp PSI và tập hợp tối ưu
Pareto 2.1 Phương pháp thực hiện
Bài toán tối ưu hóa thiết kế tay máy song song kiểu
Stewart Platform theo đa tiêu chí được giải quyết dựa
trên việc xác định tập hợp các giải pháp khả thi khi
hiệu chỉnh các thông số của tay máy 2- 6 . ập hợp
các giải pháp khả thi này được x y dựng dựa trên việc
xác định các giới h n hiệu chỉnh các thông số thiết kế
và các giới h n về động học. Phương pháp PSI cho
phép chọn lựa chính xác các giới h n của bài toán tối
ưu. Phương pháp PSI bao gồm ba bước chính 6 như
sau:
X y dựng các bảng tra,
Lựa chọn ban đầu các ràng buộc của các tiêu chí,
Xác định các giải pháp hợp lý.
Các kết quả trong quá trình tối ưu hóa thiết kế sẽ được
lựa chọn t o thành tập hợp tối ưu Pareto tu n theo
nguyên tắc: ối ưu hóa thiết kế tay máy để cải thiện
tốt hơn ít nhất một tiêu chí mà không làm cho các tiêu
chí khác xấu đi. iệc xác định các ràng buộc của các
tiêu chí và các giải pháp hợp lý trong tập hợp Pareto
sẽ phụ thuộc vào các lời khuyên của nhà thiết kế trong
quá trình tối ưu hóa.
2.2 Tối ưu hóa thiết kế tay máy song song
Có nhiều cách để tối ưu hóa thiết kế một tay máy song
song kiểu Stewart Platform như thay đổi vị trí của các
góc khớp trên hai m t phẳng nền và tấm chuyển động,
thay đổi các giới h n ràng buộc đối với tay máy, thay
đổi thứ tự các góc khớp, uy nhiên, việc thay đổi
này sẽ t o ra rất nhiều hướng thiết kế khác nhau cho
tay máy song song và đồng thời sẽ có rất nhiều bài
toán được đ t ra và các lời giải khác nhau.
rong giới h n vấn đề, ta xét việc tối ưu hóa thiết kế
của tay máy song song bằng cách thay đổi vị trí của
các góc khớp liên kết các ch n trên m t phẳng nền.
uy nhiên, thứ tự giữa các khớp nối không thay đổi và
các vị trí của các khớp nối này cùng nằm trên một
đường tr n (xem H. 2). Nói cách khác ta sẽ thay đổi
các góc t o bởi hai đường nối giữa t m m t phẳng nền
và hai vị trí khớp nối liên kế 1 2 6( , ,..., )ia a a a .
Như vậy các vị trí khớp nối trên m t phẳng nền
1 2 6( , ,..., )iB B B B sẽ di chuyển trên đường tr n có
bán kính br . Quá trình tối ưu hoá sẽ làm thay đổi vị trí
các điểm 1 2 6( , ,..., )iB B B B trên đường tr n này
(theo thứ tự) sao cho tay máy song song có thể đ t
được số t m kh u ra và cấu hình làm việc lớn nhất có
thể.
H. 2 Vị trí khớp nối trên mặt phẳng nền
2.2.1 Tối ưu hoá một tiêu chí
Bài toán tối ưu hoá một tiêu chí áp dụng phương pháp
PSI tập trung vào việc tìm kiếm các tọa độ khớp nối
trên m t phẳng nền sao cho tay máy có số t m kh u ra
đ t được giá trị lớn nhất trong vùng khảo sát. Các t m
kh u ra này phải th a m n ràng buộc về giới h n
chiều dài các ch n liên kết ( 1 6)il i và giới h n
góc vật lý của các khớp nối liên kết.
Để có thể so sánh các kết quả tối ưu theo các ràng
buộc khác nhau, tất cả các bài toán tối ưu được trình
bày trong ph m vi bài báo này sẽ có vùng khảo sát
không gian làm việc và các thông số đầu vào là như
nhau. Ở từng bài toán cụ thể, các thông số, giới h n
liên quan sẽ được đưa thêm vào quá trình khảo sát.
Cấu hình ban đầu trước khi tối ưu sẽ là cấu hình ph n
bố đều với các thông số:
( ); 2( ); 1( );3
b p b prad r m r mp
a a
208
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
ùng khảo sát của t m kh u ra ( , , )d d dx y z chiếu theo
hệ trục tọa độ ˆ ˆ ˆ( , , )B B Bx y z được xác định theo các giới
h n: 1( ) 3( ); 1..6im l m i ,
1,5 0,7;1,2 1,8;0,9 2,5( )P d dx y z m
Số bước quét t m kh u: ; ; 5dstep dstep dstepx y z
Góc hướng hằng: ; ; 0( )6
radp
j q y
Giới h n chuyển động của các góc khớp:
0 _ , _ ( );i iangle base angle top radp
-4
-2
0
2
-2
0
2
40
0.5
1
1.5
xy
z
H. 3 Cấu hình ban đầu của tay máy song song
iến hành khảo sát vùng làm việc của tay máy theo
tiêu chí thứ nhất (số t m kh u ra) với các ràng buộc
về chiều dài ch n, giới h n góc khớp. Cấu hình ban
đầu của tay máy (xem H. 3) có tập hợp 47 vị trí t m
kh u ra xác định t o thành không gian làm việc sau
(xem H. 4):
-2
-1
0
00.5
11.5
20
0.5
1
1.5
2
2.5
3
3.5
4
xy
z
H. 4 Không gian làm việc trước khi tối ưu
ừ cấu hình ban đầu, phương pháp PSI và tập hợp tối
ưu Pareto được áp dụng để tiến hành tối ưu hóa theo
một tiêu chí. Kết quả tối ưu sẽ được so sánh với kết
quả khảo sát theo cấu hình ban đầu. Cấu hình tối ưu
hóa cũng sẽ được xác định và ph n tích theo các ràng
buộc chính của tay máy song song.
BẢNG I. KẾT QUẢ SAU KHI TỐI ƯU
Thông số Ban
đầu
Chu kỳ tối ưu thứ
1 2 100
Số t m kh u đ t được 47 68 93 180
Tỷ lệ tối ưu (%) 0 44,68 97,87 282,9
Thời gian khảo sát (giây) 0,56 2,67 5,33 1.662
Kết thúc quá trình tối ưu, số t m kh u ra đ t được 80
vị trí trong vùng khảo sát, tập hợp các t m kh u ra t o
thành vùng không gian làm việc như trên hình H. 5.
Dựa vào Bảng I, chúng ta có thể nhận thấy số t m
kh u đ t được tăng từ 47 lên 68 vị trí chỉ sau chu kỳ
tối ưu thứ nhất (tăng 44,68%). ừ chu kỳ tối ưu thứ
bảy đến chu kỳ cuối ( 00), số t m kh u ra đ t được
sau khi tối ưu là 80 vị trí (tăng lên 282,9% so với cấu
hình ban đầu). Thời gian khảo sát được ghi nhận trên
máy tính có cấu hình: Intel Core 2 Duo E7200, 2.53
GHz, 2GB of Ram (hình H. 6).
-2
-1
0
00.5
11.5
20
0.5
1
1.5
2
2.5
3
3.5
4
xy
z
H. 5 Không gian làm việc sau khi tối ưu
0 10 20 30 40 50 60 70 80 90 1000
20
40
60
80
100
120
140
160
180
200
H. 6 Đồ thị biểu diễn kết quả tối ưu
ừ chu kỳ tối ưu thứ bảy đến chu kỳ tối ưu cuối giá trị
tối ưu theo tiêu chí thứ nhất trong tập hợp Pareto là
như nhau. Điều này cho thấy khả năng tồn t i các cấu
hình thiết kế khác nhau có cùng số t m kh u ra đ t giá
trị lớn nhất trong vùng khảo sát. rong trường hợp
này, bài toán tối ưu sẽ có nhiều lời giải khác nhau dựa
trên các thông số ràng buộc của tay máy song song.
o độ vị trí khớp nối trên m t phẳng nền
1 2 6( , ,..., )iB B B B t i chu kỳ tối ưu thứ bảy được thể
hiện ở Bảng II và cấu hình của tay máy song song thể
hiện ở hình H. 7.
BẢNG II. VỊ TRÍ KHỚP NỐI
Vị trí iB 1 2 3 4 5 6
xiB (m)
1.5321 0.3473 -1.0000 -1.7321 -1.9696 -1.7321
yiB (m)
1.2856 1.9696 1.7321 1.0000 -0.3473 -1.0000
-4
-2
0
2
-2
0
2
40
0.5
1
1.5
xy
z
H. 7 Cấu hình của tay máy ở chu kỳ tối ưu thứ bảy
Số t m kh u xác định được lưu l i trong quá trình tìm
kiếm cấu hình thiết kế tối ưu theo phương pháp PSI.
iệc chọn lựa cấu hình thiết kế cho mỗi bước tối ưu
tu n theo nguyên tắc tối ưu Pareto và xác định trên
biên. Số bước tối ưu sẽ phụ thuộc vào việc ph n chia
chuỗi ph n bố đồng d ng trong phương pháp PSI.
209
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
Cấu hình tối ưu được xác định theo vị trí các khớp nối
trên m t phẳng nền. Các vị trí này được bố trí thứ tự
và theo đường tr n như đ trình bày ở phần 2.2. Có
thể thấy rằng, các khớp nối iB có vị trí gần với vùng
không gian khảo sát hơn so với thiết kế ban đầu.
2.2.2 Tối ưu hoá hai tiêu chí
Bài toán tìm kiếm PSI được áp dụng cho việc tìm
kiếm không gian làm việc của tay máy song song với
hai tiêu chí: số tâm khâu ra và cấu hình làm việc khi
góc hướng thay đổi. T i mỗi một vị trí tâm khâu ra,
các góc hướng , ,j q y lần lượt thay đổi theo tọa độ
Euler t o thành các cấu hình khác nhau. Một điểm
khảo sát của t m kh u được xem là đ t được khi th a
m n các ràng buộc cho tất cả các cấu hình khảo sát t i
điểm đó. Khi tiến hành khảo sát góc hướng thay đổi,
cần lưu ý rằng, ngoài kết quả về số t m kh u đ t được
trong không gian chúng ta cần phải xem xét đến số
cấu hình đ t được của tay máy song song cho dù t i vị
trí t m kh u được khảo sát không th a mãn hết tất cả
các cấu hình.
Cấu hình ban đầu trước khi tối ưu (H. 3) sẽ được khảo
sát với các thông số tương tự ở phần 2.2.1 đồng thời
các góc hướng sẽ được giới h n theo:
min max min max min max; ;d d dj j j q q q y y y
trong đó: min min min; ; 0.1745( )radj q y,
max max max; ; 0.1745( )radj q y
Bước quét đối với các góc hướng thay đổi:
; ; 5dstep dstep dstepj q y
Tiến hành khảo sát theo cấu hình ban đầu, không gian
làm việc có số t m kh u ra đ t được 9 vị trí và 7.268
cấu hình.
-2
-1
0
00.5
11.5
20
0.5
1
1.5
2
2.5
3
3.5
4
z
yx
H. 8 Tập hợp vị trí tâm khâu với góc hướng thay đổi
Việc tối ưu hóa thiết kế theo hai tiêu chí sẽ dựa trên
nguyên tắc ưu tiên cải thiện tiêu chí thứ nhất (tâm
kh u ra) trước so với tiêu chí thứ hai (cấu hình làm
việc). Các kết quả sẽ được lưu giữ trên nguyên tắc lựa
chọn tập hợp tối ưu Pareto.
Kết thúc quá trình tối ưu được thể hiện trên Bảng III,
tay máy song song có số t m kh u ra đ t được 68 vị
trí và 43.027 cấu hình làm việc trong vùng khảo sát.
ập hợp các t m kh u ra t o thành vùng không gian
làm việc (xem H. 9).
BẢNG III. KẾT QUẢ SAU KHI TỐI ƯU
Thông số Ban
đầu
Chu kỳ tối ưu thứ
1 40
Số t m kh u đ t được 9 28 168
Tỷ lệ tối ưu (tiêu chí 1) (%) 0 211 1.766
Số cấu hình đ t được 7.268 10.877 43.027
Tỷ lệ tối ưu (tiêu chí 2) (%) 0 49,65 4.920
Thời gian khảo sát (giây) 28.492 139.670
Kết quả cho thấy số t m kh u đ t được tăng từ 9 lên
28 vị trí chỉ sau chu kỳ tối ưu thứ nhất (tăng 2 %).
Kết quả đ t được sau cũng cho thấy sự cải thiện đáng
kể về không gian làm việc của tay máy. Số t m kh u
ra xác định đ t 68 điểm (tăng .766%), số cấu hình
đ t 43.027 (tăng 4.920%) so với trước khi tiến hành
tối ưu.
-2
-1
0
00.5
11.5
20
0.5
1
1.5
2
2.5
3
3.5
4
xy
z
H. 9 Không gian làm việc sau khi tối ưu hai tiêu chí
ập hợp Pareto được x y dựng dựa trên quá trình cải
thiện hai tiêu chí: số t m kh u ra xác định và số cấu
hình làm việc t i các t m kh u ra c n l i. ập hợp này
là cơ sở cho việc chọn lựa các cấu hình thiết kế mới
cho mỗi bước tối ưu theo phương pháp PSI.
0 5 10 15 20 25 30 35 400
20
40
60
80
100
120
140
160
180
200
(a)
0 5 10 15 20 25 30 35 401
1.5
2
2.5
3
3.5
4
4.5x 10
4
(b)
H. 10 Đồ thị biểu diễn kết quả tối ưu theo chí thứ nhất (a)
và tiêu chí thứ hai (b)
ừ chu kỳ thứ 25 đến chu kỳ cuối, tập hợp tối ưu
Pareto đều đ t giá trị lớn nhất. o độ vị trí khớp nối
trên m t phẳng nền 1 2 6( , ,..., )iB B B B t i chu kỳ tối
ưu thứ 25 được thể hiện ở Bảng I và cấu hình của
tay máy song song thể hiện ở hình H. 11.
BẢNG IV. VỊ TRÍ KHỚP NỐI SAU TỐI ƯU
Vị trí iB 1 2 3 4 5 6
xiB (m)
-1.5343 0.8326 0.0942 -0.7298 -1.1493 -1.2281
yiB (m)
1.2829 1.8185 1.9978 1.8621 1.6368 1.5785
Có thể nhận thấy rằng, kết quả tối ưu dùng phương
pháp PSI và tập hợp Pareto cho kết quả tối ưu đáng kể
đối với tay máy song song kiểu Stewart Platform. uy
nhiên quá trình tối ưu này vẫn c n điểm h n chế.
210
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
-4
-2
0
2
-2
0
2
40
0.5
1
1.5
xy
z
H. 11 Cấu hình của tay máy ở chu kỳ tối ưu thứ 25
heo kết quả của tập hợp tối ưu Pareto, từ bước thứ
đến bước thứ 2 theo hai tiêu chí đều không có sự cải
thiện do việc chọn lựa cấu hình ban đầu chưa thật sự
phù hợp với không gian khảo sát (xem H. 0). iệc
chọn lựa cấu hình làm việc ban đầu có vai tr quyết
định trong việc giàm thiểu thời gian tối ưu hóa, đ c
biệt là với tối ưu hóa đa tiêu chí. ấn đề này sẽ được
giải quyết ở phần sau.
3. Áp dụng thuật toán GA tìm cấu hình
ban đầu của tay máy song song, sau đó
tối ưu hoá đa tiêu chí dùng Pareto Như đ trình bày ở phần trước, quá trình tìm kiếm của
phương pháp PSI phụ thuộc rất nhiều vào việc chọn
lựa cấu hình thiết kế ban đầu của tay máy song song.
Cấu hình thiết kế ban đầu này thường được chọn theo
cấu hình chuẩn (đối xứng) và có số t m kh u ra ban
đầu tương đối thấp. Quá trình tiến hành tối ưu hóa cho
tay máy song song đ i h i rất nhiều thời gian cho mỗi
một lần thử. Do đó, bài toán chọn lựa cấu hình ban
đầu sao cho phù hợp với vùng khảo sát bất kỳ được
đ t ra nhằm mục đích giảm thiểu thời gian tính toán
cho quá trình tối ưu hóa. Do vậy, thuật toán di truyền
GA (Genetic Algorithm) được đề xuất nhằm tìm kiếm
cấu hình thiết kế ban đầu cho quá trình tối ưu hóa
dùng Pareto (ký hiệu GA-Pareto).
3.1 Tối ưu một tiêu chí dùng thuật toán GA-Pareto
ới tính chất tìm kiếm ngẫu nhiên và có tính kế thừa,
thuật toán di truyền được áp dụng để chọn lựa cấu
hình thiết kế ban đầu phù hợp cho quá trình tối ưu hóa
dùng Pareto với vùng khảo sát bất kỳ. Không giống
như phương pháp PSI, cấu hình thiết kế ban đầu của
thuật toán di truyền được chọn lựa ngẫu nhiên. Sau
mỗi thế hệ tìm kiếm trong vùng không gian khảo sát
cụ thể, thuật toán di truyền sẽ cho kết quả tốt hơn. Kết
quả tốt hơn này sẽ được lưu l i cho quá trình tìm kiếm
ở thế hệ tiếp theo 7 . ì vậy, giá trị theo các tiêu chí
ban đầu của thuật toán di truyền có thể thấp hơn kết
quả sử dụng cấu hình chuẩn (H.3). uy nhiên, kết quả
của thuật toán di truyền sẽ giúp nhà thiết kế chọn lựa
được cấu hình thiết kế ban đầu phù hợp hơn cấu hình
chuẩn trong vùng khảo sát bất kỳ.
ới mục đích không phải là xác định giá trị tối ưu
toàn cục, thuật toán di truyền được áp dụng trong bài
toán này có số cá thể không quá lớn và số thế hệ khảo
sát được giới h n.
Thuật toán di truyền sử dụng với các thông số ở Bảng
V.
BẢNG V. THÔNG SỐ THUẬT TOÁN DI TRUYỀN
Số cá thể trong quần thể 20 Xác xuất đột biến 0.01
Số nhiễm sắc thể trong cá thể 6 Xác xuất lai ghép 0.89
Số gen trong nhiễm sắc thể 4 Số thế hệ tối đa 1,000
Kết quả cấu hình ban đầu của tay máy song song dùng
thuật toán tìm kiếm GA theo một tiêu chí thể hiện ở
bảng I. o độ vị trí khớp nối trên m t phẳng nền
1 2 6( , ,..., )iB B B B của tay máy được lựa chọn ở thế
hệ khảo sát thứ 558 thể hiện ở Bảng II và cấu hình
ban đầu biểu diễn ở hình H. 2.
BẢNG VI. KẾT QUẢ TÌM KIẾM DÙNG THUẬT
TOÁN DI TRUYỀN THEO MỘT TIÊU CHÍ
Thông số Thế hệ khảo sát
1 2 3 558
Số tâm khâu khảo sát 216 216 216 216
Số t m kh u đ t được 11 10 47 126
Tỷ lệ đ t được (%) 5,09 4,62 21,76 58,33
Thời gian khảo sát (giây) 0,33 0,67 0.99 185,6
BẢNG VII. VỊ TRÍ KHỚP NỐI ĐỀ XUẤT
Vị trí iB 1 2 3 4 5 6
xiB (m)
2 0.2783 0.0349 -0.3129 -0.3790 -1.9021
yiB (m)
0 1.9805 1.9997 1.9754 1.9638 -0.6180
-2
-1.5
-1
-0.5
0
0
0.5
1
1.5
20
1
2
3
4
xy
z
(a)
-4
-2
0
2
-2
0
2
40
0.5
1
1.5
xy
z
(b)
H. 12 Không gian làm việc (a) và cấu hình thiết kế ban
đầu (b) đề xuất dùng thuật toán di truyền
Mục đích dùng thuật toán GA là tìm kiếm cấu hình
thiết kế ban đầu với số thế hệ khảo sát được giới h n.
Cấu hình này chưa phải là cấu hình tốt nhất cho quá
trình tối ưu hóa mà chỉ được xem như là cấu hình thiết
kế đề xuất ban đầu cho việc tối ưu hoá dùng tập hợp
tối ưu Pareto.
iệc tối ưu hóa thiết kế theo một tiêu chí cho tay máy
song song kiểu Stewart Platform với cấu hình đề xuất
(H. 12b) và thông số khảo sát tương tự như phần
2.2.1. Kết quả tìm kiếm của thuật toán di truyền sẽ
được xem như là giá trị ban đầu trong tập hợp tối ưu
Pareto.
BẢNG VIII. KẾT QUẢ SAU KHI TỐI ƯU MỘT TIÊU
CHÍ VỚI CẤU HÌNH ĐỀ XUẤT
Thông số Đề xuất Chu kỳ tối ưu thứ
1 2 35
Số t m kh u đ t được 126 136 148 180
Tỷ lệ tối ưu đ t được (%) 0 7,9 17,5 42,8
Thời gian khảo sát (giây) 185,6 63 126 2.194
Kết quả tối ưu một tiêu chí dùng GA-Pareto thể hiện ở
Bảng III. o độ vị trí khớp nối trên m t phẳng nền
1 2 6( , ,..., )iB B B B t i chu kỳ tối ưu thứ 8 được thể
211
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
hiện ở Bảng IX và cấu hình của tay máy song song
thể hiện ở hình H. 3.
BẢNG IX. VỊ TRÍ KHỚP NỐI SAU TỐI ƯU
Vị tríiB 1 2 3 4 5 6
xiB (m)
1.5321 0.3816 -1.0893 -1.2586 -1.9154 -1.5760
yiB (m)
1.2856 1.9633 1.6773 1.5543 -0.5756 -1.2313
Kết quả của quá trình tối ưu dùng GA-Pareto (H. 14)
cho thấy có sự cải thiện đáng kể về số t m kh u ra của
tay máy từ cấu hình thiết kế đề xuất. So sánh với kết
quả đ được trình bày ở phần 2.2.1, có thể nhận thấy
quá trình tìm kiếm GA–Pareto đ t kết quả tối ưu là
tương đương.
-2
-1
0
00.5
11.5
20
0.5
1
1.5
2
2.5
3
3.5
4
xy
z
(a)
-4
-2
0
2
-2
0
2
40
0.5
1
1.5
xy
z
(b)
H. 13 Không gian làm việc (a) và cấu hình của tay máy ở
chu kỳ tối ưu thứ 8 dùng GA-Pareto
0 5 10 15 20 25 30 35120
130
140
150
160
170
180
190
200
H. 14 Đồ thị biểu diễn kết quả tối ưu dùng GA-Pareto
3.2 Tối ưu hai tiêu chí dùng thuật toán GA-Pareto
rong bài toán tối ưu hóa thiết kế theo hai tiêu chí áp
dụng phương pháp PSI đ trình bày ở phần 2.2.2, tập
hợp Pareto cho thấy khoảng thời gian 2 chu kỳ khảo
sát ban đầu không thật sự hiệu quả. Để giảm thiểu
thời gian tìm kiếm ban đầu này, dựa trên hiệu quả đ t
được đối với tối ưu một tiêu chí như trên, ta có thể
đưa ra thuật toán kết hợp GA-Pareto theo hai tiêu chí.
Để có thể so sánh các kết quả, bài toán tối ưu hóa thiết
kế hai tiêu chí theo giải pháp GA-Pareto được tiến
hành với các thông số khảo sát và các ràng buộc
không thay đổi như phần 2.2.2.
Quá trình tối ưu dùng thuật toán GA-Pareto cũng tu n
theo nguyên tắc: việc cải thiện tiêu chí thứ nhất được
ưu tiên hơn so với quá trình cải thiện tiêu chí thứ hai.
Áp dụng thuật toán di truyền với các tham số như
phần 3.1 ta có kết quả cấu hình ban đầu của tay máy
song song dùng thuật toán tìm kiếm GA theo hai tiêu
chí thể hiện ở bảng X.
heo bảng X, kết quả tìm kiếm tốt nhất nằm ở thế hệ
thứ 36 với số t m kh u ra xác định là 94 vị trí (đ t
38,2%), số cấu hình làm việc đ t được là 29.429 cấu
hình (đ t 63%). Kết quả này sẽ được xem là thông số
ban đầu cho quá trình tối ưu hóa hai tiêu chí dùng tập
hợp tối ưu Pareto tiếp theo. o độ vị trí khớp nối trên
m t phẳng nền 1 2 6( , ,..., )iB B B B của tay máy được
lựa chọn ở thế hệ khảo sát thứ 37 thể hiện ở Bảng XI
và cấu hình ban đầu biểu diễn ở hình H. 5.
BẢNG X. KẾT QUẢ TÌM KIẾM DÙNG THUẬT
TOÁN DI TRUYỀN THEO HAI TIÊU CHÍ
Thông số Thế hệ khảo sát
1 2 3 36 137
Số tâm khâu ra 0 1 13 94 66
Số cấu hình đ t được 1.824 2.717 7.474 29.429 20.629
Thời gian khảo sát (giây) 95,7 191,5 287,2 3.447 13.118
BẢNG XI. VỊ TRÍ KHỚP NỐI ĐỀ XUẤT
Vị trí iB 1 2 3 4 5 6
xiB (m)
-1.3918 1.5455 0.9604 0.1604 -0.3154 -0.4118
yiB (m)
1.4363 1.2695 1.7543 1.9936 1.975 1.9571
-2
-1.5
-1
-0.5
0
0
0.5
1
1.5
20
1
2
3
4
xy
z
(a)
-4
-2
0
2
-2
0
2
40
0.5
1
1.5
xy
z
(b)
H. 15 Không gian làm việc (a) và cấu hình thiết kế ban
đầu (b) đề xuất dùng thuật toán di truyền
Sau khi tiến hành tối ưu theo hai tiêu chí với cấu hình
thiết kế đề xuất ban đầu, thuật toán GA-Pareto cho kết
quả đ t được như sau (Bảng XII):
BẢNG XII. KẾT QUẢ SAU KHI TỐI ƯU HAI TIÊU
CHÍ DÙNG THUẬT TOÁN GA-PARETO
Thông số Đề
xuất
Chu kỳ tối ưu thứ
1 2 32
Số t m kh u đ t được 94 141 146 168
Tỷ lệ tối ưu (tiêu chí 1) (%) 0 65,27 67,6 77,77
Số cấu hình đ t được 29.429 36.726 37.266 43.027
Tỷ lệ tối ưu (tiêu chí 2) (%) 0 78,7 79,9 92,2
Thời gian khảo sát (giây) 13.118 3.251 6.502 104.041
heo kết quả đ t được (Bảng XII), ở chu kỳ tối ưu
đầu tiên, số t m kh u tăng từ 94 lên 4 vị trí (tăng
50%), đồng thời cấu hình làm việc của tay máy song
song tăng từ 29.429 lên 36.726 cấu hình (tăng 24,8%).
ới kết quả tối ưu sau cùng số t m kh u đ t giá trị
68 điểm (tăng 78,7%) và số cấu hình đ t được là
43.027 (tăng 46,2%). o độ vị trí khớp nối trên m t
phẳng nền 1 2 6( , ,..., )iB B B B t i chu kỳ tối ưu thứ
7 được thể hiện ở Bảng XIII và cấu hình của tay máy
song song thể hiện ở hình H. 6.
BẢNG XIII. VỊ TRÍ KHỚP NỐI SAU TỐI ƯU
Vị trí iB 1 2 3 4 5 6
xiB (m)
-1.5343 0.8326 0.0942 -0.7298 -1.1493 -1.2281
yiB (m)
1.2829 1.8185 1.9978 1.8621 1.6368 1.5785
212
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
-2
-1.5
-1
-0.5
0
0
0.5
1
1.5
20
1
2
3
4
xy
z
(a)
-4
-2
0
2
-2
0
2
40
0.5
1
1.5
xy
z
(b)
H. 16 Không gian làm việc (a) và cấu hình tối ưu theo hai
tiêu chí tại chu kỳ tối ưu 17 (b) dùng GA-Pareto
Kết quả cải thiện theo hai tiêu chí ở tập hợp Pareto
(H. 7) cho thấy quá trình tối ưu hóa có sự cải thiện
liên tục theo hai tiêu chí. Khoảng thời gian kém hiệu
quả do việc chọn lựa cấu hình không phù hợp như
phần 2.2.2 được lo i trừ.
0 5 10 15 20 25 30 35100
110
120
130
140
150
160
170
180
(a)
0 5 10 15 20 25 30 353.6
3.7
3.8
3.9
4
4.1
4.2
4.3
4.4x 10
4
(b)
H. 17 Đồ thị biểu diễn kết quả tối ưu theo chí thứ nhất (a)
và tiêu chí thứ hai (b) dùng GA-Pareto
So sánh kết quả tối ưu theo hai tiêu chí trong trường
hợp dùng tập hợp tối ưu Pareto thuần tuý và phương
pháp kết hợp GA-Pareto chúng ta có thể đưa ra một số
nhận xét như sau:
Kết quả tối ưu theo hai tiêu chí là tương đồng.
Cấu hình thiết kế tay máy sau khi tối ưu trong hai
trường hợp (to độ vị trí khớp nối trên m t phẳng
nền iB ) có sai số 410 (m).
Thời gian tính toán theo phương pháp kết hợp GA-
Pareto t i chu kỳ được được kết quả tối ưu:
t 68,390GA Pareto (giây) 18.997 (giờ)
Thời gian tính toán theo tập hợp tối ưu Pareto
thuần tuý t i chu kỳ được được kết quả tối ưu:
t =87,294Pareto (giây) 24.242 (giờ)
iệc kết hợp thuật toán di truyền và tập hợp tối ưu
Pareto để giải quyết bài toán tối ưu hóa tay máy song
song theo hai tiêu chí cho kết quả không khác biệt so
với trường hợp phần 2.2.2. So sánh một cách tương
đối, thời gian tính toán khi áp dụng thuật toán kết hợp
này giảm đi hơn 2 .64% do lo i trừ được khoảng thời
gian tìm kiếm cấu hình ban đầu của phương pháp PSI.
Khoảng thời gian được rút ngắn này sẽ phụ thuộc các
thông số của thuật toán di truyền, số bước quét, vùng
khảo sát và các ràng buộc có liên quan.
4. Kết luận Có thể nhận thấy rằng phương pháp kết hợp GA-
Pareto có kết quả tối ưu tương đương trong trường
hợp chỉ dùng tập hợp tối ưu Pareto thuần tuý. Các kết
quả này đ được kiểm chứng khi tiến hành tối ưu đa
tiêu chí. Phương pháp kết hợp này cho phép giảm
thiểu thời gian tối ưu kém hiệu quả do việc chọn lựa
cấu hình thiết kế ban đầu không phù hợp với vùng
không gian khảo sát.
Khi tối ưu hóa thiết kế theo đa tiêu chí có số bước
khảo sát lớn, thời gian tính toán có thể mất đến hàng
trăm giờ. Khi đó, phương pháp kết hợp GA-Pareto có
thể giảm thiểu một khoảng thời gian tính toán đáng
kể. Đồng thời, phương pháp này giúp nhà thiết kế
không g p khó khăn trong việc chọn lựa một cấu hình
thiết kế ban đầu phù hợp khi áp dụng bài toán dùng
PSI và tập hợp tối ưu Pareto trong vùng không gian
khảo sát bất kỳ.
Các kết quả tối ưu đa tiêu chí trình bày ở trên được
xác định với các ràng buộc về vị trí iB , giới h n góc
khớp. uy nhiên, các kết quả này chưa xét đến các
yếu tố về động lực học, độ cứng vững và các điểm kỳ
dị của tay máy song song. Các vấn đề này sẽ được
trình bày ở các công trình tiếp theo.
Tài liệu tham khảo
[1] Stewart D, A Platform with Six Degres of
Freedom, In: Pr. Inst. Mech. Eng. v.180, Pt.1,
15, pp. 371-386, 1965/1966.
[2] J.-P. Merlet, Parallel Robots. Kluwer Academic
Publishers, 2006, 394p.
[3] Ilian Bonev, Delta Parallel Robot - the Story of
Success. http://www.parallemic.org.
[4] Yang, D. C. H., Lee, T. W., Feasibility Study Of
A Platform Type Of Robotic Manipulators From
A Kinematic Viewpoint, Journal of Mechanisms,
Transmissions, and Automation in Design,
Vol.106, No.2, 1984, pp. 191-198.
[5] C. I. Huang, C. F. Chang, M. Y. Yu, and L. C.
Fu, Sliding-Mode Tracking Control of the
Stewart Platform, Asian Control Conference,
2004, pp. 561-568.
[6] Statnikov R.B. Multicriteria Design.
Optimization and Identification. Dordrecht/
Boston / London: Kluwer Academic Publishers,
1999.
[7] A. Omran, G. El-Bayiumi, M. Bayoumi, and A.
Kassem, Genetic Algorithm Based Optimal
Control for a 6-DOF Non Redundant Stewart
Manipulator, International Journal of
Mecanical, Industrial and Aerospace
Engineering 2:2:2008.
[8] Stan, S.-D., Maties, V., Balan, R., C, Lapusan,
Optimization of a Hexapod Micro Parallel
Robot Using Genetic Algorithms, Innovations
and Advanced Techniques in Systems,
Computing Sciences and Software Engineering,
Springer-Verlag, 2008.
[9] S. D. Stan, M. Manic, R. Balan, V. Maties,
Genetic algorithms for workspace optimization
of planar medical parallel robot, IEEE
International Conference on Emerging Trends in
Computing, ICETIC 2009, Virudhanagara,
Tamil Nadu, India.
[10] Gosselin C.M., Angeles, J., Singularity Analysis
of Closed Loop Kinematic Chains, IEEE Trans.
213
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
on Robotics and Automation, No 6(3), 1990, pp.
281-290.
[11] Zlatanov D., Fenton, R.G., Benhabib, B.,
“Identification and Classification of the
Singular Configurations of Mechanisms,
Mechanism and Machine Theory, Vol. 33, 1998,
No 6, pp. 743-760.
[12] Glazunov V.A., Roman Gruntovich, Alexey
Lastochkin, Nguyen Minh Thanh,
Representations of constraints imposed by
kinematic chains of parallel mechanisms, In
Proceedings of the 12th IFToMM World
Congress in Mechanism and Machine Science,
France, June 17-21, 2007, Vol. 1, pp. 380-385.
[13] Glazunov V.A., Nguyen Minh Thanh.
Determination of Parameters and the Twists
Inside Singularity of Parallel Manipulators with
Actuators Situated on the Base. ROMANSY 17,
Robot Design, Dynamics, and Control. In
Proceedings of the Seventeenth CISM-IFToMM
Symposium, Tokyo, Japan, 2008, pp. 467-474.
[14] Nguyen Minh Thanh, Victor Glazunov, Lu Nhat
Vinh, Nguyen Cong Mau, Parametrical
optimization of parallel mechanisms while
taking into account singularities, In ICARCV
2008 Proceedings, Hanoi, Vietnam, 2008,
International Conference on Control,
Automation, Robotics and Vision, IEEE 2008,
pp. 1872-1877.
[15] Nguyen Minh Thanh, Le Hoai Quoc, Victor
Glazunov, Constraints analysis, determination
twists inside singularity and parametrical
optimization of the parallel mechanisms by
means the theory of screws, In Proceedings of
the (CEE 2009) 6th International Conference on
Electrical Engineering, Computing Science and
Automatic Control, IEEE 2009, Toluca, Mexico,
2009, pp. 89-95.
[16] Nguyen Minh Thanh, Victor Glazunov, Tran
Cong Tuan, Nguyen Xuan Vinh, Multi-criteria
optimization of the parallel mechanism with
actuators located outside working space, The
11th
International Conference on Control,
Automation, Robotics and Vision, IEEE 2010,
December 7-10, 2010, Singapore.
[17] Nguyễn Minh h nh, Lê Hoài Quốc, Nguyễn
Xu n inh, Nguyễn Ngọc L m, Tối ưu hóa thiết
kế tay máy song song dùng thuật toán di truyền,
Hội nghị toàn quốc lần thứ 5 về Cơ điện tử,
CM20 0, PHCM, iệt Nam, r. 242-247.
214