בעוד רובוטים מתפתחים ממכונות קשיחות, preprogrammed כדי להתאים, משתפי פעולה גמישים, מהנדסים להתמודד עם גבול חדש של ניתוח מבני. מבנים רובוטיים גמישים - בין אם הם מאחזים רובוטיים רכים, ממניפולטורים מתקדמים, או מפרקים תואמים - התנהגויות אינטרודוקטיביות שמפעמות על ידי מכניקת גוף נוקשה מסורתית. A לנתח וחיזוי התנועה, כוחות, ויציבות של מערכות אלה היא חיונית עבור רובוטים שיכולים לנווט בבטחה עם מבנים מתקדמים, אך ורקדה, עם שיטות למידה מתקדמות, אך ורקמות, אך ורקמות מתקדמות.

הבנת המורכבות של מבנה רובוטי גמיש

כדי להעריך את האתגרים, זה קריטי להבין קודם כל מה עושה מבנים רובוטיים גמישים שונים ביסודם מעמיתיהם הנוקשה. Flexibility רובוטיקה יכול להתעורר מבחירה עיצובית מכוונת - כגון שימוש בחומרים אלסטומריים או קישורים דקים, תואמים - או מן הצורך לספוג השפעות ולהתאים למשטחים לא סדירים.

התנהגות לא ליניארית ומצבי עיוות

מבנים גמישים אינם עוקבים אחר מערכות יחסים לוחיות לחץ ליניאריות.כאשר beam bends גמיש, הנוקשות שלה משתנה כמו הגאומטריה deforms; זה ידוע כמו לא ליניאריות גיאומטרית.יתר על כן, מגע עם מכשולים יכול לגרום לבלוטות מקומיות או אפקטים גדולים של דה כי הם נעדרים במערכות קשיחות. Common deformation modes כוללים כיפוף, קידוד, קורנס, ו axial, לעתים קרובות מתרחשת שיטות פעולה מתמטיות או קבועות אחרות, כמו שיטות מורכבות כגון שיטות מורכבות.

אי-לינאריות חומריות ו-Viswoelasticity

רובוטים גמישים רבים בנויים מפולימרים, הידרוגלס, או ⁇ צורה-זיכרון - חומרים שתכונות מכניות שלהם משתנות עם קצב מתח, טמפרטורה, והיסטוריית טעינה.אפקטים הוויקינגטיים, כגון צץ ורגיעה מתח, כלומר התגובה של הרובוט ברגע נתון תלויה בהיסטוריה של הטעינה כולה, לא רק כוחות הנוכחיים.

אתגרים מרכזיים בניתוח

עם המורכבות הבסיסית בראש, אנו יכולים לבודד את המכשולים העיקריים שהמהנדסים מתמודדים כאשר מנסים לנתח מבני רובוט גמישים.

מודל מדויק של גמישות

האתגר הראשון ואולי המתמשך ביותר הוא יצירת מודל המייצג נאמנה את ה ⁇ והדינמיקה של הרובוט הגמיש של הרובוט הגמיש של ריידיד-body, מודל של נוקשות אינסופית – הנחה שאינה ברגע שהרובוט מתנדז. מהנדסים חייבים לבחור מתוך מגוון של מסגרות דוגמנות: מודלים חד-פעמיים (רשתות דגימה-מס) הם לעתים קרובות זולים אך לעתים קרובות מפספסים את ההשפעות המבניות באופן משמעותי; אך ורקמות-זמניות (חלקיות) דורשות) הן מורכבות, אך הן מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים מדויקים ומודלים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורק מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של חוסר-פעמיים מדויקים, אך הם, אך ורקמותיים, אך ורקמותיים, אך הם, אך ורקמותיים, אך הם, אך ורק

« « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « «

גם עם מודל טוב, סימולטור מבנים גמישים דורש משאבים חישוביים משמעותיים. ניתוח אלמנט סופי (FEA) של מניפולטור רך עם אלפי אלמנטים ואינטראקציות מגע יכול לקחת שעות על עבודה.כאשר עיצובים באמצעות הגרלות מטאמטריות או שילוב הניתוח לתוך לולאות בקרה מבוססת מודל, עלות חישובית זו הופכת לאוסרת עבור יישומים בזמן אמת - כגון רובוט כירורגי גמיש שחייב להגיב על מנת לענות על קצב התפתחותי עמוק מעבר לסימולציה.

חיישן Noise and Data Fidelity

רובוטים גמישים לעתים קרובות מסתמכים על חיישנים משובצים – מדדי אימון, חיישני צורה אופטיים, יחידות מדידה לא רצויות (IMUs) - כדי להעריך את התצורה שלהם ואת הכוחות החיצוניים שלהם.חיישנים אלה, עם זאת, רגישים לרעש, סחף ושגיאות caliation. לדוגמה, מדד על פעולת כפייה מתפתל עשוי להיות רגיש לייצור שינויים טמפרטורה, בעוד IMU על קישור עקבי עלול לסבול ממולקולות גמישות אפילו חיישן.

אינטגרציה של זמן אמת

ניתוח רובוטים גמישים אינו רק על הבנה של התנהגותם לא מקוונת; זה על השימוש בהבנה זו עבור שליטה סגורה-לשונית. בקרים מסורתיים המיועדים לרובוטים קשיחים מניחים מיפוי ישיר מזווית משותפת לעמדות של אפקט קצה; עם מבנים גמישים, היחסים הם במהירות תלויה בדרך ולעתים קרובות לא בלתי-נמנעת.מודלים של שליטה חיזויית (MPC) יכולים להתמודד עם מורכבות כזאת, אבל זה דורש מודל מופחת כי בתוך בקרת דיוק של פחות יעילה בין מודלים פעילים.

טכניקות מתקדמות כפתרונות

מהנדסים וחוקרים פיתחו כמה גישות דוגמנות מתוחכמות שמתמודדות עם האתגרים המתוארים לעיל.שיטות אלה מאיימות דיוק עם מעשיות, לעתים קרובות מחלחלות עשרות שנים של התקדמות במכניקה חישובית.

ניתוח יסודות Finite Element Analysis for Flex Robots

FEA נשאר תקן הזהב לניתוח נאמנות גבוהה של מבנים גמישים.כאשר החל מרכיבים רובוטיים, FEA יכול ללכוד גיאוגרפימטים מורכבים, חומרים לא לינאריות, ומגע אינטראקציות עם דיוק גדול. חבילות FEA מודרנית (למשל, Abaqus, ANSYS) כוללים פתרונות מיוחדים עבור חומרים היפר-מנטליים ועיוותים גדולים.

Multi-Body Dynamics with Flexi-Body Dynamics

עבור רובוטים המשלבים חלקים נוקשים וגמישים - כגון בסיס נוקשה עם גפיים גמישות - דינמיקה של גוף 1 (MBD) עם גוף גמישים הוא פתרון יעיל.המסגרת הצף של ניסוח הפניה (FFRF) היא טכניקה נפוצה: זה מתייחס לגוף הגמיש כתנועה קשיחה של הפניה מוגבלת בתוספת מצב של רטט קטן יחסית למסגרת זו. גישה זו מאפשרת למהנדסים להשתמש בדינמיקה סטנדרטית-body סטנדרטית (למשל, לדוגמה, סימולציה של סימולציה של מספר רמות של שחרור של סימולציה של סימולציה של סימולציה של סימולציה של סימולציה של סימולציה של סימולציה של סימולציה של סימולציה יעילה) באמצעות סימולציה של סימולציה של מספר פעמים (S (SD) באמצעות סימולציה של מספר רב-D) באמצעות סימולציה של מספר פעמים).

מינוף למידת מכונות ו-AI

למידת מכונות פותחת נתיבים חלופיים לניתוח מבנים גמישים ללא להסתמך רק על פיזיקה ראשונה מונחה על ידי נתונים מודלים יכולים ללמוד מיפוי לא ליניארי מ קלטות חיישן למדינות או לכוחות רובוט, לעתים קרובות פועל הזמנות של גודל מהר יותר מאשר סימולציות המבוססות על פיזיקה.

מודלים של Data-Driven Modeling and Surrogate Models

מהנדסים יכולים ליצור נתוני הדרכה מ- FEA גבוהה או ניסויים פיזיים ולאחר מכן להכשיר רשתות עצביות לחזות עמדות, זנים, או כוחות מגע.לדוגמה, רשת הזנה עם כמה שכבות מוסתרות יכול להיות קרוב ל kinematics קדימה של זרוע רצף רך שניתן לבצע קלטות הפעלה רכות. [+] , כגון רשתות גרף, יכול ללכוד את היחסים המרחביים בין פלחנים מאומנים של הרובוטים האלה, פעם אחת, יכול להעריך את תרחישים מתקדמים יותר, עם התפתחותיים, עם התפתחותיים, עם התפתחותיים, עם התפתחותיים, עם התפתחותיים מתקדמים יותר, עם התפתחותיים, עם התפתחותיים, עם התפתחותיים, עם התפתחותיים, עם התפתחותיים, עם זאת, עם תרחישים מתקדמים יותר, עם תרחישים מתקדמים יותר, עם התפתחותיים מתקדמים יותר, עם תרחישים של פיתוח מיידי של פיתוח יעיל יותר, עם תרחישים של פיתוח יעיל יותר, עם תרחישים של פיתוח זמן קצר יותר, עם תרחישים של פיתוח יעיל יותר, עם תחליפיים מתקדמים יותר, עם תרחישים מתקדמים יותר, עם תרחישים מתקדמים יותר, עם תרחישים מתקדמים יותר, עם תחליפיים, עם תרחישים של פיתוח, עם תחליפיים, עם אופציונליים, עם תחליפיים מתקדמים יותר, עם תחליפיים מתקדמים יותר, עם

חיישנים Fusion ו- Denoising with Neural Networks

(המכונה גם מתייחסת לרעש החיישן ולנאמנות הנתונים. Autoencoders יכול להיות מאומן לשחזר אות בצורת רובוט נקייה מקריאות חיישן רועש. Kalman מסננים להישאר פופולרי, אבל הביצועים שלהם כאשר רעש הוא לא-Gausian או הדינמיקה של חומרת רובוטים טובים הם מאוד לא לינארי (RNs) וזיכרון לטווח קצר (LSTM) יכול ללמוד tempreasi בהשוואה ל-Fisesual Data: 0LS-Fises סטנדרטיתרפיסטציה מבוססת על ידי חשיפה של תרופות סטנדרטית: HIV.

המונחים:

אולי הפתרונות החזקים ביותר מתמזגים בדיקות פיזיות עם מודלים וירטואליים, מה שמרוויח על נקודות הכוח של שניהם.

Hardware-in-the-Loop ו-Co-Simulation

מערכות מחשוב-ב-the-loop (HIL) מתחברות למרכיב רובוט גמיש אמיתי לסימולציה תוכנה של שאר הרובוט והסביבה.לדוגמה, למעשה, פועל רך אמיתי יכול להיות ממוקם בשקית בדיקה בעוד בקר שלה אינטראקציה עם מודל דינמי וירטואלי של הגוף של הפיכה (מערכת הפעלה מהירה) באופן חזק, גישה זו מאמת אלגוריתמי בקרה תחת עומס מכני מבלי לדרוש רובוט מובנה לחלוטין.

תאומים דיגיטליים לניתוח מתמשך

תאום דיגיטלי הוא העתק וירטואלי של הרובוט הפיזי המעדכן כל הזמן באמצעות נתוני חיישן אמיתיים.עבור מבנים גמישים, תאום דיגיטלי יכול להפעיל מודל מסדרה מופחת באינטרנט, השוואת עיוותים חזופים למדידות ותיקון פרמטרים חומריים לאורך זמן.זה מאפשר הניתוח להסתגל ללבוש, שינויים טמפרטורה, או עומסים בלתי צפויים.

המלצות מעשיות למהנדסים

בהתבסס על הניתוח לעיל, מהנדסים שיוצאים לניתוח רובוט גמיש צריכים לשקול את השלבים הבאים:

  • (FLT:0)Start עם דרישה ברורה של נאמנות: IRLT 1 להחליט אם הניתוח הוא עבור עיצוב מושגי (נאמנות נמוכה, מהירה) או עבור שליטה ביקורתית בטיחותית (נאמנות גבוהה, אימות) שימוש במודלים חד-פעמיים בדלפק מוקדם ושמורת FEA עבור אימות סופי.
  • (FLT:0) Invest בניסויים חומריים:FLT:1 מאופיין המאפיינים המכניים של חומרים גמישים בתנאים רלוונטיים (טמפרטורה, שיעור לחץ) נתונים מדויקים לתוך מודלים כדי למנוע זבל, זבל-out.
  • (FLT:0) מצב רכיב רכיב מסנתזות: אנדרל 1 (IQ) אם באמצעות דינמיקות רב-גוף גמישות, בחר את מצבי הרטט הראשונים בקפידה.
  • (FLT:0) לפתח אסטרטגיית היתוך חיישן:ראהFLT:1 [שלב מספר רב של מודולים חיישן (למשל, צורה של חישה + IMU) ולהשתמש בלמידה מכונה או סינון מתקדם כדי להשיג estimation המדינה חזקה.
  • (FLT:0) ,הסבר בין סימולציה לבין בדיקות פיזיות: ⁇ 1) לבנות אבטיפוס פשוט ולהשוות את עיוות נמדד שלה לתחזיות סימולציה. השתמש בהבדלים כדי לדרג את הפרמטרים של המודל ולשפר את הדיוק.
  • (FLT:0)Explore הפחית את המודלים של שליטה: אנדרל 1 (RalLT:1) רכבת רשת עצבית פונדקאית על נתוני סימולציה ואימות אותו על הרובוט הפיזי. השתמש בפונדקאית בתוך מודל שליטה חיזוי ביצועים בזמן אמת.

מסקנה

הניתוח של מבני הרובוט הגמיש מאתגר ללא ספק, אבל זה אתגר שקהילת הרובוטיקה נפגשת עם חדשנות. טכניקות דוגמנות מתקדמות כמו ניתוח אלמנט סופי ודינמיקה רב-גוף גמישה לספק נאמנות גבוהה, בעוד שלימוד מכונה מחסחסינות כי נאמנות לצורות אמיתיות של זמן אמת, אך גם את הגישות ההיברידיות והתאומים הדיגיטליים סוגרים את הלולאה בין הסימולציה למציאות, ומאפשרים ההסתגלות המתמשכת והרובוטיסטים הגמדומים, כמו רובוטים גמישים להמשיך לנתח את היכולת האופטימית שלהם באופן מדויק, כדי לחיזוי, אך ורק את האופטימית של שיטות ההתפתחות האופטימית של אנשים יעילים, אך ורק כדי לחיזוי, אך ורק כדי לחיזוי, לאיך האופטימיים, כדי לחיזוי, כדי לחיזוי, כדי לחיזוי יעיל, לאיך, אלא גם את האופטימיים, אך ורק את האופטימיים, כדי לדגימים, לאיך המשתנים, כדי לדגימים, אלא גם את המשתנים, כדי לדגימים, כדי לדגימים, כדי לדגימים, לאיך המשתנים, לאת, כדי לנבאדים, לאיך המשתנים, אלא גם את המשתנים המשתנים המשתנים המשתנים המשתנים,