سنتز بهینه مکانیزم نرم صفحه ای با استفاده از الگوریتم رقابت استعماری

مکانیزم های نرم از طبیعت انعطاف پذیر خود برای حرکت استفاده کرده و از نظر عملکردی نسبت به مکانیزم های سنتی دارای مزیت هایی از جمله دقت بالاتر، طراحی یکپارچه و هزینه ساخت کمتر می باشند. این مکانیزم ها دارای کاربردهای فراوانی در زمینه های مختلف از قبیل حسگرها، گریپرها، سیستم های میکروالکترومکانیک، ربات های جراحی و ابزارهای با دقت بالا می باشند. بهینه سازی توپولوژی و یا استخراج ساختار بهینه مکانیزم های نرم صفحه ای با استفاده از روش رقابت استعماری، موضوع اصلی این پژوهش است. همچنین از روش الگوریتم ژنتیک برای ارزیابی و مقایسه نتایج استفاده شده است. برای تحلیل این مکانیزم ها که از المان های تیر تشکیل شده اند، از روش المان محدود استفاده شده است. نتایج نشان می دهند روش های بهینه سازی به خوبی توانسته اند مساله سنتز بهینه مکانیزم را حل و نتایج را بین 20 تا 30 درصد نسبت به مقالات مشابه بهبود بخشد. همچنین مقایسه دو الگوریتم مورد استفاده نشان می دهد که الگوریتم رقابت استعماری توانسته پابه پای الگوریتم ژنتیک و در برخی معیارهای مقایسه ای، بهتر از آن عمل کند.

optimal synthesis of the planar parallel compliant mechanism using ica algorithm

due to the flexibility of the compliant mechanisms (cms), they are utilized to perform mechanical. from the viewpoint of performance, cms have some advantages over traditional ones, such as higher precision, integrated design, and lower manufacturing costs. these flexible mechanisms have wide applications such as sensor, gripper, parallel mechanisms, mems, high-precision devices and biomedical and surgery robots. topology optimization or extracting the optimal design of the planar parallel compliant mechanisms using the imperialist competition algorithm is the main novelty of the current study. furthermore, the genetic algorithm method was used for validation. the optimized cms that consist of beam elements are analyzed with the finite element method. the goal of this design is to maximize the mechanical advantage and the geometrical advantage. the results show that use of the imperialist competition algorithm for this problem has led to a significant improvement (20 to 30 percent) over the results from similar articles. in addition, the comparison of the two algorithms used shows that ica performs better than the ga.