基于165kg焊接机器人小臂优化方法及程序设计

结构优化的形式可以根据优化变量属性的不同分为尺寸优化、形状优化和拓扑优化三个层次。在不同领域这些结构优化研究的程度也都不一样，但是在尺寸优化领域中的研究还算完善，并且对于焊接机器人的小臂研究也使用。本文以165kg的焊接工业机器人为例建立优化模型。
(1)设计变量的分析
本文要优化的变量为小臂的大径D和小臂的长度L，即:

多目标优化和单目标优化是有区别的，单目标的几个解都可以用来比较其优劣性。而多目标优化问题得到的最优解，任何两个解都不一定可以平判处其优劣有许多求解非线性方程的方法，比如牛顿法、弦割法、抛物线法等。这些传统的求解工作量比较大，且其收敛性也比较差，对于工程复杂的优化求解也比较困难。粒子群算法具有群体智能、可快速收敛等优点，所以应用广泛。
粒子群算法是一种基于群体的随机优化技术，其初始化均为一组随机解，通过迭代搜寻最优解。粒子群算法将每个可能产生的解表述为群中的一个微粒，每个微粒都具有自己的位置和速度向量，以及一个由目标函数决定的适应度，所有微粒在搜索空间中以一定速度飞行，通过追随当前搜索到的最优值来寻找全局最优值。
基于新的适应度函数的多目标进化算法。该算法通过使用新的适应度函数可以求得分布。适应度值越小越好。其优点为易于描述，设置参数少，容易实现,收敛速度快。多目标粒子群算法流程为图3.9。

粒子群算法是通过离子在解空间追随最优的离子进行搜索，粒子群由n个粒子组成的种群，群体中每一个粒子的运行可以用根据图3.9来实现。 f (x)为最小化的目标函数，则微粒i的当前最好位置由下式决定:

置，v为粒子速度;x为粒子位置。
根据工业焊接机器人小臂优化模型，以及公式(2-20 ) , ( 2-22，在matlab中编辑程序，。优化结果如表3.4，其适应度如图3.10。

证明其解比较差。所以根据适应度来选择解。在理论计算中，适应度一般都是非负数，但是在实际求解中，其目标函数取的是最小值，要求小臂质量最轻，要求小臂应力最小，所以在本次求解中，必须要求适应度为非正数，这样才能保证取得小臂最优值。所以在本次求解中，求解的目标使质量最小和力矩最小，所以其适应度是越小越好。
根据多目标粒子群算法的快速收敛性，求得小臂优化结果中，取得了很好的适应性。从适应度图 3.10中可以看出，优化结果收敛性比较好。因此粒子群在小臂优化中很实用。