基于遗传算法的最佳设计流体人工肌肉 (FAM) 捆绑
1Department of Mechanical and Aerospace Engineering, North Carolina State University, Raleigh, NC, United States of America.
Bioinspiration & biomimetics
|November 21, 2024
概括
本研究介绍了流体人工肌肉 (FAM) 捆绑的设计优化框架. 该框架将FAM设计的架构权衡映射到FAM设计中,为软机器人应用程序实现增强的力和冲动.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 生物模拟学是一种生物模拟学.
- 机械工程 机械工程
背景情况:
- 自然的骨肌肉激发了软机器人执行器设计,以确保安全的人机交互.
- 流体人造肌肉 (FAM) 或麦基本肌肉,提供服从性,低成本和类似肌肉的性能.
- 之前的研究模拟了FAM捆绑在并行和pennate架构中,双边设计在空间约束下显示了优势.
研究的目的:
- 为流动性人工肌肉 (FAM) 捆绑提供设计优化框架.
- 根据几何约束,将架构上的权衡映射到软执行器设计中.
- 为了确定一个给定的空间外内的最大力和冲动的最佳FAM捆绑拓.
主要方法:
- 使用基于多目标遗传算法的优化框架.
- 模拟的FAM捆绑灵感来自自然肌肉纤维架构 (平行,单边,双边).
- 分析了空间限制对FAM捆绑性能的影响.
主要成果:
- 优化框架确定了FAM捆绑的理想拓属性.
- 结果揭示了力,冲动和空间约束之间的权衡.
- 证明了最佳的FAM捆绑属性如何随着不同的空间界限而变化.
结论:
- 该框架提供了一种方法,用于为FAM捆绑组件的设计决策提供信息.
- 在空间限制下,优化的FAM捆绑设计可以超过并行配置.
- 这种方法有助于根据特定任务要求量身定制软执行器性能.


