压电管道爬行检测机器人的遗传优化和仿真[外文翻译].doc

附件C：译文


压电管道爬行检测机器人的遗传优化和仿真

摘要－通过利用Darwin2k发展软件，用遗传算法（GA）设计和优化管道爬行机器人的参数，如质量，功率消耗和关节延伸性，以促进微型检测技术团队的研究。为了改进现有的设计，一种新的机器人即压电机器人已经研究出来了。最终提出的设计是用压电扩展制动器结合登山者使用的‘chimneying’技术来移动机器人并且大大的提高了以往设计的承载能力，管道穿越规格和现场实用性。这项研究展示了遗传算法辅助设计在机器人领域的优势。

1说明
其中一个主要机器人设计研究领域是测试和改造原型。目前制造机器人是这么的复杂和困难以至于许多设计的现场试验在经济上是不可行的。计算机模拟因比模型设计的实际制造更具优势而成为有效选择。
计算机模拟一方面的优势在于其能够对许多设计做出快速的评估。通常计算机模拟运行只要几分钟而实际运行要花上几小时。一种利用计算机模拟这方面优势的技术涉及一种遗传算法。如果一个机器人被描述成一组字位串，那么一种遗传算法可以在适应函数的基础上修改这组字位串以便改变这个机器人的设计。例如，你可以通过用遗传算法修改机器人参数去优化机器人以实现低质量或者低功率消耗，然后模拟每项配置。
使用遗传算法进行机器人优化具有基于遗传算法问题求解的本质的几个显著优势。例如，遗传算法辅助的机器人设计避免局部最小值。不像用于优化的坡降法，该遗传算法顺利地抽验局部优良适宜性以获得全局更适宜。这在机器人技术中具有极大的优势，因为通常许多设计可以执行要求的任务。举例来说，如果允许的话，该遗传算法将毫不犹豫地尝试六腿设计即使四腿设计正在顺利的完成该任务。另一方面，坡降法可能将尝试进一步优化四腿设计[1]。
一种遗传算法也可以比随机搜索更快地解决许多问题。要设计一个机器人，要搜索所有配置以决定最佳适宜，如果使用遗传算法，这将是不必要的。而是可以从群体中中很快的抽验出不良配置而不用进一步对相似配置进行评估。这使得在当前的处理功率下实现快速的计算机设计。一种遗传算法也是优化原型设计的有利工具。在设计过程中，通常研发的原型能够完成任务但却不能和最终设计要