25596

مدلسازي، شبيه سازي و شناسايي تجربي مدل ديناميكي جسم نرم مبتني بر روش MSD

كارشناسي ارشد

مهدسي مكانيك - طراحي كاربردي

1397-1400

1400/06/29

دكتر اسماعيل خانميرزا - دكتر اميرحسين دوائي مركزي

مهندسي مكانيك

بررسي رفتار و مدلسازي جسم نرم يكي از چالش هاي موضوعات اخير در شاخه مكانيك و بيومكانيك محسوب مي شود. از طرفي با توجه به اينكه تعداد درجات آزادي اين اجسام بينهايت است، تشخيص مدل دقيق مكانيكي پيچيده مي شود. همچنين كاربرد برهمكنش بين ابزار و جسم نرم در زمينه هاي مختلف صنعتي را نمي توان ناديده در نظر گرفت. براي مثال جهت گرفتن خمير، چيدن ميوه، حركت پارچه از موقعيتي به موقعيت ديگر توسط پنجه بازوي رباتيكي، نياز است كه رفتار و اطلاعات دقيقي از اين برهمكنش داشته باشيم. در اين رساله از روش جرم-فنر-دمپر (mass-spring-damper) براي مدلسازي جسم نرم دلخواهي (اسفنج) استفاده‌شده است. جهت انجام صحت‌سنجي مدل شبيه‌سازي‌شده، آزمايش هايي بر روي اين جسم نرم و در ابعاد و بارگذاري هاي مختلف (3 مرحله بارگذاري) انجام‌شده است. براي بررسي دقيقتر نتايج شبيه سازي، خطي و غيرخطي بودن مدل رياضي در معادلات ديناميكي لحاظ گرديد. همچنين با بهره گيري از ابزار پردازش تصوير اطلاعات مربوط به اين جسم نرم مانند موقعيت و سرعت را استخراج و درنهايت براي شناسايي ضرايب مجهول اين مدل از الگوريتم هاي هوشمند مانند pso و ژنتيك استفاده شده است.

1400/09/13

Modeling, simulation and experimental identification of soft body dynamic model based on MSD method

9/20/2022 12:00:00 AM

The study of soft body behavior and modeling is one of the challenges of recent topics in mechanics and biomechanics. On the other hand, because the number of degrees of freedom of these objects is infinite, diagnosing the exact mechanical model becomes complicated. Also, the interaction between tools and soft objects in various industrial fields can not be ignored. For example, to take the dough, pick the fruit, move the cloth from one position to another by the robotic arm, we need accurate behavior and information about this interaction. In this paper, the mass-spring-damper method is used to model the desired soft body (sponge). Experiments have been performed on this soft object in different dimensions and loads to validate the simulated model. To examine the simulation results more accurately, the linearity and nonlinearity of the mathematical model in the dynamic equations were considered. We also extracted information about this soft object, such as position and velocity, using image processing tools and finally used intelligent algorithms such as pso and genetics to identify the unknown coefficients of this model.

جسم نرم , مدل خطي و غيرخطي , پردازش تصوير , شناسايي

Soft object , linear and nonlinear model , image processing , identification