مهیار اشکواری - دانشجوی کارشناسی ارشد، مرکز سیستم ها و فناوری های پیشرفته (CAST)، دانشکده مهندسی مکانیک، پردیس دانشکده های فنی، دانشگاه تهران، تهران
عقیل یوسفی کما - استاد، مرکز سیستم ها و فناوری های پیشرفته (CAST)، دانشکده مهندسی مکانیک، پردیس دانشکده های فنی، دانشگاه تهران، تهران
مسعود شریعت پناهی - دانشیار، دانشکده مهندسی مکانیک، پردیس دانشکده های فنی، دانشگاه تهران، تهران
مجید خدیو - دانشجوی دکتری دانشکده مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

فصل زانو در ربات های انسان نما به عنوان یک مفصل تاثیرگذار در تحلیل این دسته از سیستم های دینامیکی پیشرفته محسوب می شوند؛ زیرا این مفصل در حین حرکت ربات، همواره بیشترین سرعت و گشتاور را تحمل می کند. از این رو، نیاز به بررسی اثر پارامترهایی که در طراحی مسیر حرکت ربات نقش اساسی را ایفت می کنند، بر روی گشتاور این مفصل لازم است. لذا در این تحقیق، با ارائه مدل دینامیکی ربات انسان نما سورنا 3 که به علت درجات آزادی بالا، حجم بالای محاسبات و احتمال خطا در محاسبات، به کمک روش های لاگرانژ و کین صحه گذاری شده است، گشتاورهای موردنیاز مفاصل محاسبه شده است. با توجه به فرم کلی معادلات بدست آمده و ضرورت پایداری ربات در فازهای مختلف حرکت، نقش طراحی مسیر پایدار بیش از پیش نمایان خواهد شد که این مسئله با در نظر گرفتن برخی پارامترهای طراحی مسیر که از تجربه عملی موجود در ساخت ربات سورنا 3 بدست آمده اند، لحاظ شده است. برای بررسی تاثیر پارامترها، به بهینه سازی حرکت ربات به کمک الگوریتم ژنتیک با استفاده از این پارامترها براساس تابع هدفی که ماکزیمم گشتاور مفصل زانو را حداقل می کند، پرداخته شده است. در نتیجه این روند، پارامترهای طراحی مسیر بهینه به نحوی بدست آمده اند که ضمن کاهش مصرف انرژی موتور مفصل زانو ( امکان استفاده از موتور سبک تر و کاهش وزن پای ربات)، امکان رسیدن ربات سورنا3 به حداکثر سرعت 2 کیلومتر بر ساعت ( که در واقع 0.8 کیلومتر بر ساعت از سرعت فعلی ربات بیشتر می باشد ) در محیط شبیه سازی شده را فراهم کرده است. ازدیدگاهی دیگر، این کاهش در مصرف انرژی موتور، از این لحاظ سودمند و مقرون به صرفه است که می توان به کمک آن با استفاده از موتورهای موجود در بازار، رسیدن به سرعت های بالاتر برای ربات را ممکن ساخت.

ربات انسان نما سورنا 3، طراحی مسیر، پایداری مسیر، معیار نقطه گشتاور صفر، الگوریتم ژنتیک