IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

进化计算在复杂机电系统设计自动化中的应用综述

已有 240 次阅读 2021-8-31 17:17 |系统分类:博客资讯

复杂机电系统设计自动化是指采用智能的优化设计方法对复杂机电系统进行人机协同的自动设计。具体而言, 是在数字孪生体系结构下, 借助机器学习和进化计算等人工智能技术在知识处理和模型优化上的强大能力, 有效地支持设计人员进行系统化的机电系统设计优化。设计自动化能提供强大的人机交互功能, 使人机协同的混合增强智能成为可能。


范衠,  朱贵杰,  李文姬,  游煜根,  李晓明,  林培涵,  辛斌.  进化计算在复杂机电系统设计自动化中的应用综述.  自动化学报,  2021,  47(7): 1495−1515

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190767?viewType=HTML


复杂机电系统是一类由机械、电子、气动、液压和控制系统相互作用而组成的系统,它融合了机械、电子、计算机及信息技术的优势, 将多个子系统进行有机融合。其涵盖面极广,且已渗入到我们生活中的方方面面,成为生产生活中不可或缺的一部分。如汽车、手机、空调、冰箱等,都可以认为是机电系统的典型代表,其它典型的机电系统还包括工业机器人、无人机、机床、智能交通设备等等。由于机电系统的强耦合性和复杂性,对上述机电系统的设计往往比较困难,而传统的设计方法通常依赖于工程人员长期的经验积累和探索,不仅设计周期长、需要进行频繁修改,而且不能保证所设计的机电系统性能是全局最优的。


近年来, 进化算法由于具有潜在的并行性(通过种群来搜索)、良好的全局搜索能力以及不需要梯度信息就能很好地求得一组近似最优解等优点, 已成为研究热点。而随着人工智能的发展,以进化计算为核心优化方法的复杂机电系统设计自动化技术也取得了一些成果,本论文以综述的形式介绍了该领域的最新研究进展,为相关研究人员提供参考。


具体的,本文首先简要介绍了几种常用的进化算法及其优点,主要包括:遗传算法、基因编程、进化策略、粒子群算法、差分进化算法和蚁群算法。其次,从耦合度和模块化两个方面出发,对包含电子系统、微机电系统、狭义机电系统和纯机械系统的设计自动化进行了比较和分析,如下图(1)所示。再分别对进化算法在电子系统、微机电系统和复杂机电系统三个领域的设计自动化进行了较为系统且全面的分析。机电系统是现代化产品演化的一个必经阶段, 包含许多来自不同工程领域的组件, 如机械、电气、液压和控制系统。在机电系统中, 控制器作为控制中枢 (大脑), 其性能的好坏直接影响机电系统的优劣。针对复杂机电系统设计自动化,从机电系统本体设计、控制器设计、控制器与被控对象并行设计三个方面展开了讨论,并重点讨论了进化算法在机器人系统设计自动化方面的应用研究。在此基础上,对进化算法在复杂机电系统设计自动化中存在的共性关键问题进行了讨论及对未来的发展方向进行了展望。其中主要的发展方向有如下5个方面:


1)复杂机电系统的多角度统一建模;

2)复杂机电系统优化问题的约束处理机制;

3)针对复杂机电系统优化问题的约束多目标优化方法;

4)融合约束多目标进化算法和知识提取的设计自动化方法;

5)基于基因编程和深度神经网络的机电系统视觉感知系统的设计自动化。


图1.png

图1  不同系统设计自动化之间的关系


 在设计自动化方面,汕头大学范衠教授团队长期深入研究机电系统设计自动化技术,提出了一种基于知识交互的机电系统进化设计框架如图 2所示。在此基础上,成功设计出车辆悬挂控制系统和微机电系统带通滤波器,打字机驱动子系统等。复杂机电系统是一类由机械、电子电路、控制、液压等多个学科领域综合而成的多能域系统其设计优化问题往往被描述为一类带约束的多目标优化问题而进化算法对解决约束多目标优化问题具有天然的优势。而近年来广东省数字信号与图像处理技术重点实验室在带约束多目标进化算法研究以及应用方面开展了深入研究,取得了原创性的研究成果。如提出了一种基于角度约束支配的约束处理方法和一种改进的Epsilon约束处理方法;提出了一种基于PushPull相结合的搜索算法并将其应用于六自由度机械臂的设计优化。这些成果在该综述中也均进行了相关报导。未来重点实验室也将从上述提到的5个发展方向进行更为深入的研究,其基本思路如图3所示。


图2.png

图2  机电系统的进化设计框架


图3.png

图3  复杂机电系统设计自动化研究思路


随着人工智能、大数据、云计算、物联网等技术的迅速发展,机电系统正朝着智能化、网络化、绿色化方向迈进,机电系统在工业中的重要性也日益凸显。机电系统设计自动化作为知识自动化的一重要分支,在上述技术的助力下,将推动复杂机电系统在学术界及产业界的进一步发展。


作者简介


范  衠

汕头大学工学院教授. 主要研究方向为机电系统设计自动化, 机器人, 智能计算.

E-mail: zfan@stu.edu.cn


朱贵杰

汕头大学工学院博士研究生. 主要研究方向为机电系统设计自动化与智能机器人系统.

E-mail: 16gjzhu@stu.edu.cn


李文姬

汕头大学工学院讲师. 主要研究方向为约束多目标进化计算.

E-mail: wenji_li@126.com


游煜根

南开大学人工智能实验室博士研究生, 2019年于汕头大学获硕士学位. 主要研究方向为多目标进化优化, 机器人优化设计与控制.

E-mail: 12ygyou@stu.edu.cn


李晓明

汕头大学工学院硕士研究生. 主要研究方向为智能机器人系统优化控制. 

E-mail: 19xmli@stu.edu.cn


林培涵

汕头大学工学院硕士研究生. 主要研究方向为机器人结构设计和优化.

E-mail: 19phlin@stu.edu.cn


辛  斌

北京理工大学自动化学院教授. 2012年北京理工大学获博士学位. 主要研究方向为计算智能, 多机器人系统. 本文通信作者.

E-mail: brucebin@bit.edu.cn




http://wap.sciencenet.cn/blog-3291369-1302246.html

上一篇:《自动化学报》2021年47卷8期目录分享
下一篇:基于多尺度特征融合反投影网络的图像超分辨率重建

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-10-18 22:49

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部