Nghiên cứu và xây dựng phương pháp thiết kế cơ cấu đàn hồi bistable dựa trên phần tử hữu hạn

BỘ CƠNG THƯƠNG TRƯỜNG ĐẠI HỌC CƠNG NGHIỆP THÀNH PHĨ HỊ CHÍ MINH TRẢN THIÊN SƠN NGHIÊN CỨU VÀ XÂY DỰNG PHƯƠNG PHÁP THIET KE CO CAU DAN HOI BISTABLE DUA TREN PHAN TU HUU HAN Ngành: KỸ THUẬT CƠ KHÍ Mã ngành: 8520103 LUẬN VĂN THẠC SĨ THANH PHO HO CHi MINH, NAM 2023 Cơng trình hồn thành Trường Đại học Cơng nghiệp TP Hề Chí Minh Người hướng dẫn khoa học: T.S Trần Ngọc Đăng Khoa Luận văn thạc sĩ bảo vệ Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh ngày tháng năm 2023 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PSG.TS Nguyễn Đức Nam - Chủ tịch Hội đồng TS Dao Thanh Phong - Phản bién TS Nguyén Vién Quéc - Phan bién PGS.TS Dé Xuân Phú - Uy vién TS Ao Hung Linh - Thu ky (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc Si) CHU TICH HOI DONG TRUONG KHOA/VIEN BỘ CÔNG THƯƠNG CONG HOA XA HOI CHU NGHĨA VIỆT NAM TRUONG DAI HOC CONG NGHIEP Độc lập - Tự - Hạnh phúc THÀNH PHĨ HỊ CHÍ MINH TÔ NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên:Trần Thiên Sơn ccc5: MSHV: Ngày, tháng, năm sinh: 14/05/1997 20125891 Noi sinh:Tién Giang Ngành: Kỹ thuật Cơ khí .ác scsseeirrrrrreres Mã ngành: 8520103 I TEN DE TAI: Nghiên cứu xây dựng phương pháp thiết kế cấu đàn hồi bistable dựa phần tử hữu hạn NHIEM VU VA NOI DUNG: Nhiệm vụ dé tai tap trung vào việc nghiên cứu phương pháp thiết kế cấu đàn hồi Bistable dựa phan tử hữu hạn Việc nghiên cứu tạo giải thuật chia lưới tự động cho cấu Bistable giúp việc thiết kế cấu trở nên tối ưu so với phương pháp thiết kế truyền thống Nội dụng để tài tập trung vào việc tạo phương pháp mới, giải thuật cho việc chia lưới tự động cho cầu Bistable từ ứng dụng cho phương pháp tối ưu hóa thiết kế II NGAY GIAO NHIEM VU: 17/02/2023 HI NGÀY HOÀN THÀNH NHIỆM VỤ: 17/08/2023 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: Tiến Sĩ Trần Ngọc Đăng Khoa Tp Hồ Chí Minh, ngày tháng năm 2023 NGƯỜI HƯỚNG DẪN CHU NHIEM BO MƠN ĐÀO TẠO TRƯỞNG KHOA CƠNG NGHỆ CƠ KHÍ LOI CAM ON Kính gửi Thầy/Cơ Ban giám hiệu, Tơi xin hân hoan gứi lời cảm ơn chân thành đến Thầy/Cơ tồn thể Ban giám hiệu Trường Đại Học Cơng Nghiệp Thành phố Hồ Chí Minh Với hướng đẫn ủng hộ tận tâm Thầy Trần Ngọc Đăng Khoa, tơi hồn thành luận văn tốt nghiép cua minh Dau tiên, muốn biểu đương lòng tận tụy kiến thức sâu sắc Thầy Khoa Với bảo Thầy Khoa, có hội nắm vững kiến thức chun mơn phát triển khả nghiên cứu Thầy đành nhiều thời gian công sức đề hỗ trợ tôi, từ việc nhận xét, gợi ý, đến việc định hướng giúp đỡ trình thực luận văn Tơi thật cảm kích học quý báu mà Thầy cung cấp cho Tôi muốn gửi lời cảm ơn đến Ban giám hiệu mang đến môi trường học tập nghiên cứu thân thiện, đồng thời tạo điều kiện tốt để tơi phát triển hồn thiện luận văn Sự quan tâm đầu tư Ban giám hiệu thực tạo động lực mạnh mẽ để tiến xa đường học tập Lời cảm ơn khơng thể diễn tá hết lịng biết ơn lịng tơn kính mà tơi dành cho Thầy Khoa tồn ban giám hiệu Tơi tha thiết hy vọng thành công cống hiến nhỏ cúa Trường Đại học Công Nghiệp Thành phố Hè Chí Minh Xin chan cam on! Tran trong, Tran Thién Son TÓM TẮC LUẬN VĂN THẠC SĨ Luận văn tập trung vào việc nghiên cứu xây dựng phương pháp thiết kế cầu mém bistable bang cach str dụng phần tử hữu hạn Mục tiêu nghiên cứu tạo giải thuật để thiết kế cấu mềm bistable, cho phép giữ vị trí bền vững hai trạng thái Bistable Đề đạt mục tiêu này, nghiên cứu áp đụng phương pháp phân tích phần tử hữu hạn để mơ phóng tối ưu hóa cầu mềm Một loạt khảo sát phần tử thiết kế phần tử đàn hồi sử dụng để mơ tính chất eo hoc câu mêm bistable Sau q trình tối ưu hóa mô phỏng, kết cho thấy phương pháp thiết kế cho phép cầu mém bistable đạt hiệu suất ôn định cao so với phương pháp truyền thống Ngoài kết thực nghiệm cho thấy cấu chế tạo theo phương pháp có tỉ lệ sai số thấp so với kết mô Nghiên cứu cung cấp tảng cho việc phát triển cầu mềm bistable với ứng dụng ngành công nghiệp y học il ABSTRACT This thesis focuses on researching and developing a method for designing bistable soft mechanisms using finite element elements The objective of the study is to create a new algorithm for designing bistable soft mechanisms that can maintain stable positions in both bistable states To achieve this goal, the study applies finite element analysis method to simulate and optimize the soft mechanism A series of investigations on design elements and elastic elements are used to simulate the mechanical properties of the bistable soft mechanism After optimization and simulation, the results show that the new design method enables the bistable soft mechanism to achieve higher performance and stability compared to traditional methods Additionally, experimental results demonstrate that the mechanism fabricated using this method has low error rates compared to the simulated results This research provides a foundation for the development of bistable soft mechanisms with applications in various industries and medicine 1H LỜI CAM ĐOAN Tôi cam đoan luận văn tốt nghiệp thạc sĩ thực viết tơi đưới giám sát người hướng dẫn khơng có can thiệp bên ngồi q trình nghiên cứu viết Tôi cam đoan luận văn tốt nghiệp thạc sĩ tơi thực viết đưới giám sát người hướng dẫn khơng có can thiệp bên ngồi q trình nghiên cứu viết Tôi cam đoan chịu trách nhiệm chấp nhận hình phạt hậu pháp lý cam đoan không tuân thủ tin tưởng quy tắc nghiên cứu khoa học đạo đức cộng đồng học thuật Tôi cam đoan chịu trách nhiệm chấp nhận hình phạt hậu pháp lý cam đoan không tuân thủ tin tưởng quy tắc nghiên cứu khoa học đạo đức cộng đồng học thuật Người cam kết Trần Thiên Sơn 1V MỤC LỤC on) 09h i TOM TAC LUAN VAN THAC SĨ 222 c2 treo ii ALBIS LHNIATC li sengtiesernttiarnrgtst2n110000001119140611150/4D160120848800100711596901805466800130170879710001105185i iil LOL CAM DOAN oii.csssceceeessssssssseeesssessssneeeeeeessssnneeteesesssnueeeesessnnnmstesssssnnmtteessan iv MYC, BOC rssverrenecorenmencnnnrsrareriimnresonmannmnirerannnn eansureamcenmarerinnicremesrernnareerened V 9I28)00/905in9080.)0) 00 Đ®® x INSREEMIUG BẢNG BIẾT nhauanngutbisgiDtnigie0GG0D00GGS008G00001G008S0H13088300019/080.G8 xii 9I28)00/900A505089.0000ĐP xiv le Tính cấp thiết -2bàng 0n E0 2s 22222212212221111211211111111111211211222111212222 re an a5 0ản1ì 1n 4: Nội dung nghiÊN CỨN trasgitzitttitittDDIETNDRENDUIEIRSEIAEIEIIIEIGERREHRSRHNEtiisgnangl Phuong phap mghién Cru 5.1 Phương pháp nghiên cứu lý thuyết . -©-2¿ 222 2222212221222122121121 22 xe 5.2 Phương pháp nghiên cứu thực nghiệm phần mềm mô Đối tượng nghiên cứu . 2-©2222222211221122112211211211211211211221211212ae CHƯƠNG | TONG QUAN VỀ VÁN ĐÈ NGHIÊN CỨU -cccccccsere 1.1 Tổng quan cầu mềm Bistable 22 2s 222222222212231211121112211 221.212 -e 1.2 Ứng dụng cấu mềm Bistable 222 222222222112111211121112111 21 xe 1.3 Một số nghiên cứu cầu mềm Bistable .-2S22 22222212212221221 22 xee2 CHƯƠNG CƠ SỞ LÝ THUYÊTT :5255522c2222221ttttE.L re 12 2.1 Cơ sở lý thuyết cấu mềm Bisfable .©22 S22 22122212212221222122222.ee 12 Vv 2.1.1 Nguyên lý cầu mềm Bistable -252222 22122122212212221222222 e0 12 2.1.2 Phân tích cấu tạo cầu mềm Bistable -5 2252 122 11221115511x15 1x6 13 2.1.3 Phân tích đặc tính cấu Bistable 5: c2 2E E2 tt cre 14 2.2 Cơ sở lý thuyết phương pháp phân tích phần tử hữu hạn 17 2.2.1 Giới thiệu phương pháp phân tích phần tử hữu hạn 2:22 5552 17 2.2.2 Tổng quan quy trình phương pháp phân tích phần tử hữu hạn 22 2.2.3 Mơ hình hóa hình học . Q01 1220111212111 11 2111115 k1 111k kg nhệt 23 P0 NH8 n ốốố.ốố.ố.ố.e N4 24 24 2.2.6 Thiết lập điều kiện biên tải trọng 252 222 2212221222222.2.2ee 25 2,2,7 Mõ phôNisosesssbiiinnnniiirditiirndEtit2D11914061315140/011000120019000100751506090180015661803 0701011051860 25 2.2.8 Các phương trình giải phân tích phần tử hữu hạn 2¿55525¿ 26 2.3 Cơ sở lý thuyết phương pháp tối ưu hóa NSGA ÏI -222222222222Sze2 38 2.3.1 Giới thiệu phương pháp tối ưu hóa NSGA II 2222S222 222222 22Ecszev 38 2.3.2 Ưu điểm phương pháp tối ưu hóa NGA II -.2222 2222222222222 le Lele + L it] s I Hình 2.13 Ví dụ chọn lựa cá thể hệ, điểm tô đen nghiệm chọn để lai hợp [34] 2.3.3.4 Lựa chọn cá thể tốt Bước thuật toán NSGA 11 tái sinh quần thể từ quần thể cũ cá thể chọn từ hạng quần thể Bước tái sinh bao gôm bước sau: Lựa chọn cá thể từ quần thể dựa hạng va gia tri Crowding Distance chúng Các cá thể hạng cao có Crowding Distance thấp lựa chọn để tiếp tục quần thể Thực phép toán di truyền cá thê chọn để tạo cá thể Áp dụng số phép biến đổi ngẫu nhiên (mutation) lên cá thể để đảm bảo tinh da dang cia quan thé Kiểm tra cá thể dé đảm bảo chúng thỏa mãn ràng buộc giới hạn toán Ghép cá thể cá thể chọn từ quan thé hién tai dé tao quan thể với số lượng cá thể với quần thể ban dau Sau bước tái sinh quần thể hoàn tất, cá thê đánh giá xếp hạng lại cách tính tốn Level of Domination Crowding Distanee để chuẩn bị cho việc lựa chọn cá thể quan thể cho hệ 2.3.3.3 Tái sinh quần thể Bước thuật toán NSGA II lựa chọn quan thé cho hệ từ quần thê tạo bước Bước sử dung phuong phap Tournament Selection dé chon cá thể tốt quần thê dé tham gia vào quan thé hệ Phương pháp Tournament Selection sử dụng cách thức thi đấu đấu thủ giải đấu để chọn cá thể mạnh Mỗi giải đấu chọn nhiều cá thê tir quan thé mdi, va cá thé có gid tri Crowding Distance cao hon (tức có độ tập trung hơn) xem thắng chọn dé tiếp tục quần thê hệ Các bước trình Tournament Selection sau: 44 Tạo danh sách ngau nhiên cặp đấu thú từ quan thể mới, chọn cá thể bật từ cặp Lặp lại trình số lượng cá thể chọn đú để tạo thành quan thé hệ Sau chọn xong, cá thể chọn lưu lại quan thể hệ Qua trinh Tournament Selection giúp đâm bảo tính đa dạng quần thé giúp lựa chon cá thể mạnh để tham gia vào quan thê hệ Các cá thé có giá trị Crowding Distance cao, tức có độ tập trung thấp độ đa dạng cao, có khả cao để chọn vào quần thé cho thé hệ 2.3.3.6 Kiểm tra tiêu chuẩn dừng Bước thuật toán NSGA H kiểm tra tiêu chuẩn kết thúc chưa đạt tiêu chuẩn quay trở lại bước để tiếp tục tối ưu hóa tạo hệ Quá trình tối ưu hóa sử dụng thuật tốn NSGA II tiếp tục với bước sau: Kiểm tra xem tiêu chuẩn kết thúc đạt chưa Nếu đạt, q trình tối ưu hóa kết thúc kết trả Nếu tiêu chuẩn chưa đạt được, tính tốn số Level of Domination Crowding Distance cho cá thể quan thể với bước 3, bước bước Lựa chọn cá thể tốt từ quần thể sử dụng Tournament Selection bước 5, va tao quan thể từ cá thể chọn cá thể sinh từ phép toán truyền biên đôi ngầu nhiên kiêm tra điêu kiện giới hạn toán Quay trở lại bước để tiếp tục tiến hành tối ưu hóa tạo hệ đạt tiêu chuẩn kết thúc Các tiêu chuẩn kết thúc thường sử dụng thuật toán NSGA II bao gồm số lượng hệ, kích thước quan thể đạt giá trị mục tiêu định Khi 45 đạt tiêu chuẩn kết thúc, thuật toán kết thúc trả kết tốt mà tìm 2.3.3.7 Lặp lại bước từ bước đến bước cho hệ để tiếp tục tối ưu hóa đạt giải pháp tỖi ưu Bước thuật toán NSGA II la tra kết tốt mà thuật tốn tìm sau đạt tiêu chuẩn kết thúc Kết tập hợp cá thê Pareto Front, xếp lựa chọn từ quan thể tìm bước cuối thuật toán Các cá thể tap hop Pareto Front cá thể tối ưu mà thiện thêm hai chí tiêu (Objective Funetion) tối ưu hóa đồng thời, tap hop Pareto Front tập hợp cá thể mà cá thể tốt cá hai tiêu tối ưu Đề chọn cá thể Pareto Front từ quan thé cudi thuật toán NSGA II, bước sau thực hiện: Tính toán sé Level of Domination va Crowding Distance cho cae ea thé quan thể cuối Sắp xếp cá thê theo thứ tự tăng dần Level of Domination giảm dẫn Crowding Distance Chon cá thể mà không bị bịnh phủ cá thể tốt họ (có Level of Domination thấp hơn) có độ tập trung cao hon (Crowding Distance cao hon) Tap hop cac ca thể chọn tập hợp Pareto Front Kết tập hợp Pareto Front cho phép người dùng lựa chọn giải pháp tối ưu, da dang cải thiện thêm hai tiêu Objective Funetion tối ưu hóa đồng thời 2.4 Hướng phát triển phương pháp NSGA II NSGA II thuật tốn tối ưu hóa đa tiêu (multi-objective optimization) higu qua va sử dụng rộng rãi ứng dụng thực tế nghiên cứu khoa học 46 Tuy nhiên, cịn nhiều tiềm để phát triển thuật tốn dé cải thiện hiệu suất tối ưu hóa mở rộng phạm vi ứng dụng Một số hướng phát triển NSGA II bao gồm: Cải thiện thuật toán chọn quan thé (Selection Operator) dé kiểm sốt việc lựa chọn cá thé quần thể nhanh hiệu Tối ưu hóa phép tốn giải trí trọng số (Weighted Sum) để tìm hiểu mối tương quan tiêu khác tìm giải pháp tối ưu đa tiêu cách xác Phát triển phương pháp khác để ước lượng độ đa dạng tập chung cho cá thé quan thé, thay vi str dung chi s6 Crowding Distance Ap dung thuat toan NSGA II dé giải tốn tối ưu hóa đa mục tiêu có ràng buộc (multi-objective constrained optimization) Két hop thuat toan NSGA II với phương pháp học sau (deep learning) học máy (machine learning) đề tối ưu hóa mơ hình tương tự Phát triển thuật tốn tối ưu hóa đa điểm khác phi tuyến (non-convex) khai thác tính chất dịch chun phương trình hệ quan thé Điều số hướng phát triển NSGA II, tương lai phụ thuộc vào phát triển nghiên cứu ứng dụng tối ưu tương lai 47