Content area
Abstract
This thesis presents the geometrical synthesis of Star parallel manipulators of Star-like topology with a genetic algorithm. The main goal of this work is to demonstrate that it is possible to optimize the workspace as well as some local and global kinematic properties, by modifying the geometry of a specific topology of parallel manipulator in an automatic way with a genetic algorithm.
Our genetic algorithm evaluates each new design of manipulators according to four performance criteria: the aspect volume, the dexterity ratio, the shape ratio and a weighted average of the first three criteria.
Two executions of our genetic algorithm from identical initial population do not evolve in the same way. In fact, they converge, after twenty generations to different improved designs but with approximately the same level of performance indices. The results of each execution of the genetic algorithm demonstrate that after only a few generations, the final population contains designs of manipulators with much higher performances then those of the Y Star manipulator. (Abstract shortened by UMI.)
Alternate abstract:
You are viewing a machine translation of selected content from our databases. This functionality is provided solely for your convenience and is in no way intended to replace human translation. Show full disclaimer
Cette thèse présente la synthèse géométrique de manipulateurs parallèles Star de topologie Star-like avec un algorithme génétique. L'objectif principal de ce travail est de démontrer qu'il est possible d'optimiser l'espace de travail ainsi que certaines propriétés cinématiques locales et globales, en modifiant la géométrie d'une topologie spécifique de manipulateur parallèle de manière automatique avec un algorithme génétique.
Notre algorithme génétique évalue chaque nouveau design de manipulateurs selon quatre critères de performance : le volume d'aspect, le rapport de dextérité, le rapport de forme et une moyenne pondérée des trois premiers critères.
Deux exécutions de notre algorithme génétique à partir d'une population initiale identique n'évoluent pas de la même manière. En fait, ils convergent, après vingt générations, vers des conceptions améliorées différentes mais avec à peu près le même niveau d'indices de performance. Les résultats de chaque exécution de l'algorithme génétique démontrent qu'après seulement quelques générations, la population finale contient des designs de manipulateurs aux performances bien supérieures à celles du manipulateur Y Star. (Résumé abrégé par UMI.)
