Nghiên cứu xác định các thông số thiết kế tối ưu cho bộ khung chân

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA -o0o - TÔN THẤT THIÊN VŨ NGHIÊN CỨU XÁC ĐỊNH CÁC THÔNG SỐ THIẾT KẾ TỐI ƯU CHO BỘ KHUNG CHÂN Chuyên ngành: Kỹ Thuật Cơ Khí Mã ngành: 60520103 LUẬN VĂN THẠC SĨ TP.HỒ CHÍ MINH, tháng 06 năm 2018 Cơng trình hoàn thành tại: Trường Đại Học Bách Khoa - ĐHQG TP.HCM Cán hướng dẫn khoa học: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 1: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 2: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày tháng năm Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) Xác nhận Chủ tịch Hội đồng đánh giá LV Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa (nếu có) CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA LUẬN VĂN TỐT NGHIỆP LỜI CẢM ƠN Đầu tiên muốn gửi lời cảm ơn đến thầy Nguyễn Hữu Thọ, luận văn khơng hồn thành khơng có hướng dẫn tận tình Thầy, Thầy tạo điều kiện thuận lợi để thực nghiên cứu, thực nghiệm tháo gỡ khúc mắc mà tơi gặp phải q trình thực luận văn Tôi gửi lời cảm ơn đến gia đình người thân mình, họ ln động lực để phấn đấu sống việc học tập, nghiên cứu Cuối xin gửi lời cảm ơn đến bạn bè, học viên cao học trải qua khó khăn, vui buồn suốt thời gian học cao học Tôi xin chân thành cảm ơn! Tp Hồ Chí Minh, ngày 25 tháng 06 năm 2018 TÔN THẤT THIÊN VŨ GVHD: TS NGUYỄN HỮU THỌ HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP TÓM TẮT Khung chân (lower extremity exoskeleton) thiết bị hỗ trợ cho người đeo ngồi mà không cần ghế Thiết kế khung phải thoả mãn nhiều mục tiêu phù hợp với thể người đeo cần thiết Các hệ thống CAD chưa trang bị tốt cơng cụ tính tốn tối ưu tiến hoá Bài báo nghiên cứu khả ứng dụng CAD cho toán tối ưu thiết kế đa mục tiêu Trong nghiên cứu này, phương pháp NSGA-II AMO sử dụng để tìm kiếm thông số tổi ưu khung chân Hơn phương pháp quy hoạch Box-Behnken sử dụng để đánh giá mức độ ảnh hưởng đầu vào AMO Biên dạng pareto phương án khả thi rút từ phương pháp Sau phương pháp TOPSIS sử dụng để hỗ trợ định chọn lựa thông số thiết kế Với kết đạt cho thấy góc tối ưu có giá trị sau αNgồi thấp = 24.81˚, αNgồi Cao nhất=115.08˚ αđứng = 177.2˚ Với giá trị đầu vào, AMO NSGA-II cho kết tương đương nhau, số lượng mẫu đánh giá hội tụ AMO 0.66 NSGA-II Phương pháp đề nghị báo phù hợp cho việc thiết kế đa mục tiêu Từ khoá: MOGA, NSGA-II, AMO, khung chân, thiết kế sản phẩm GVHD: TS NGUYỄN HỮU THỌ HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP ABSTRACT Lower extremity exoskeleton is a device that allows the wearer to squat without a chair The design must satisfy multiple objectives of body human Many CAD (Computer aid design) program still didn’t add multiobjective evolutionary algorithms (EAs) This paper presents an application of NSGA-II (nondominated sorting genetic algorithm II) and AMO (Adaptive-Multiple objective) for solving the multiple-objective optimization in a problem of Lower extremity exoskeleton design In this study, the Box-Behnken design (BBD) - based response surface methodology was used to investigate the effects of number of initial samples, number of samples per iteration and maximum number of iterations on AMO Then, Pareto-optimal frontier of feasible points was carried out for the alternative solutions of design problem In addition, the TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution) is employed to support the decision makers in making engineering decision for selecting the optimum parameters The best parameters obtained are αmin = 24.81˚, αmax=115.08˚ and αstand = 177.2˚ With same inputs, AMO have less number of evaluations than MOGA (Multiple-Objective Genetic Algorithm), so AMO highlighted their better performance for optimum design The method in this study is advantageous for multiobjective optimization in CAD problem Keywords: MOGA, NSGA-II, AMO, exoskeleton, product design GVHD: TS NGUYỄN HỮU THỌ HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP LỜI CAM ĐOAN CỦA TÁC GIẢ Các nghiên cứu phân tích dựa việc tham khảo số tài liệu, luận văn, báo thực Các phân tích, đánh giá trích xuất liệu hồn tồn trung thực, khơng vi phạm điều luật sở hữu trí tuệ pháp luật Việt Nam Tơi hồn tồn chịu trách nhiệm trước pháp luật luận văn tơi Tác giả TƠN THẤT THIÊN VŨ GVHD: TS NGUYỄN HỮU THỌ HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP MỤC LỤC MỤC LỤC DANH SÁCH CÁC BẢNG DANH SÁCH CÁC HÌNH VẼ Tổng quan: 11 1.1 Sự hình thành đề tài: 11 1.2 Giới thiệu khung xương ngoài: 11 1.3 Tình hình nghiên cứu: 15 1.4 Tính cấp thiết đề tài: 26 1.5 Mục tiêu nghiên cứu 27 Cơ sở lý thuyết 28 2.1 Giải thuật di truyền 28 2.2 Thuật toán di truyền đa mục tiêu 32 2.3 Tối ưu hóa thích ứng đa mục tiêu 36 2.4 Kriging 39 2.5 Thuật toán di truyền đa mục tiêu NSGA-II [27] 41 2.6 Phương pháp TOPSIS 53 Mơ hình tốn 54 3.1 Quy trình phân tích 56 3.2 Kết qủa 57 Xây dựng mơ hình khung chân phân tích ảnh hưởng góc mắt cá, góc hơng lên vị trí trọng tâm bàn chân 63 4.1 Xây dựng mô hình CAD 63 GVHD: TS NGUYỄN HỮU THỌ HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP 4.2 Phân tích ảnh hưởng góc mắt cá góc hơng lên vị trí trọng tâm chiếu xuống bàn chân 63 Kết luận kiến nghị 67 5.1 Những vấn đề giải quyết: 67 5.2 Kiến nghị 67 Tài liệu tham khảo 68 PHỤ LỤC 71 7.1 Bảng quy hoạch thực nghiệm P-Value 71 7.2 Nẹp chân 80 7.3 Bài báo khoa học 81 GVHD: TS NGUYỄN HỮU THỌ HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP DANH SÁCH CÁC BẢNG Bảng 1.1: Đánh giá khung chân LegX 21 Bảng 1.2: Đánh giá khung chân Noonee 23 Bảng 1.3: Đánh giá khung chân Archelis 24 Bảng 1.4: Đánh giá khung chân OFREES 26 Bảng 3.1: Bảng mục tiêu khung chân 54 Bảng 3.2: Giá trị giới hạn biến định 55 Bảng 3.3: Giá trị nhân tố 56 Bảng 3.4: Kết thực nghiệm 58 Bảng 3.5: Bảng kết 10 cá thể AMO 59 Bảng 3.6: Kết 10 cá thể MOGA 60 Bảng 3.7: Bảng giá trị biến định cá thể 61 Bảng 3.8: Khoảng cách tâm góc khớp đùi 10 nấc khoá c 62 Bảng 4.1: Giá trị nhân tố ε, τ h 64 Bảng 4.2: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 215mm 65 Bảng 4.3: Giá trị P-Value với độ tin cậy 95% phân tích c = 215mm 65 Bảng 7.1: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 236mm 71 Bảng 7.2: Giá trị P-Value với độ tin cậy 95% phân tích c = 236mm 71 Bảng 7.3: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 249mm 72 Bảng 7.4: Giá trị P-Value với độ tin cậy 95% phân tích c = 249mm 72 Bảng 7.5: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 263mm 72 Bảng 7.6: Giá trị P-Value với độ tin cậy 95% phân tích c = 263mm 73 Bảng 7.7: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 276mm 73 GVHD: TS NGUYỄN HỮU THỌ HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP Bảng 7.8: Giá trị P-Value với độ tin cậy 95% phân tích c = 276mm 74 Bảng 7.9: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 290mm 74 Bảng 7.10: Giá trị P-Value với độ tin cậy 95% phân tích c = 290mm 75 Bảng 7.11: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 303mm 75 Bảng 7.12: Giá trị P-Value với độ tin cậy 95% phân tích c = 303mm 76 Bảng 7.13: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 317mm 76 Bảng 7.14: Giá trị P-Value với độ tin cậy 95% phân tích c = 317mm 76 Bảng 7.15: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 329mm 77 Bảng 7.16: Giá trị P-Value với độ tin cậy 95% phân tích c = 329mm 77 Bảng 7.17: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 343mm 78 Bảng 7.18: Giá trị P-Value với độ tin cậy 95% phân tích c = 343mm 78 Bảng 7.19: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 356mm 78 Bảng 7.20: Giá trị P-Value với độ tin cậy 95% phân tích c = 356mm 79 GVHD: TS NGUYỄN HỮU THỌ HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP 179.0 55 150 -344.493 20.0 20 200 304.279 10 99.5 90 250 -585.386 11 99.5 20 150 217.241 12 179.0 55 250 -441.946 13 99.5 55 200 -189.733 14 179.0 20 200 -7.920 15 99.5 20 250 278.060 Bảng 7.8: Giá trị P-Value với độ tin cậy 95% phân tích c = 276mm P-Value Δc=276mm 0.004 ε 0.001 τ 0.000 h 0.964 ε 0.854 τ 0.338 h 0.985 ετ 0.885 εh 0.182 τh 0.407 Bảng 7.9: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 290mm STT 10 11 12 ε (˚) 99.5 20.0 20.0 99.5 179.0 99.5 20.0 179.0 20.0 99.5 99.5 179.0 τ (˚) 90 55 90 55 90 55 55 55 20 90 20 55 GVHD: TS NGUYỄN HỮU THỌ h (mm) 150 150 200 200 200 200 250 150 200 250 150 250 74 Δ (mm) -535.532 -29.854 -309.439 -143.944 -666.881 -143.944 70.146 -320.037 342.444 -577.250 285.001 -413.492 HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP 13 99.5 55 200 -143.944 14 179.0 20 200 66.010 15 99.5 20 250 356.134 Bảng 7.10: Giá trị P-Value với độ tin cậy 95% phân tích c = 290mm P-Value Δc=290mm 0.010 ε 0.001 τ 0.000 h 0.847 ε 0.449 τ 0.418 h 0.938 ετ 0.546 εh 0.183 τh 0.408 Bảng 7.11: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 303mm STT 10 11 12 13 14 15 ε (˚) 99.5 20.0 20.0 99.5 179.0 99.5 20.0 179.0 20.0 99.5 99.5 179.0 99.5 179.0 99.5 τ (˚) 90 55 90 55 90 55 55 55 20 90 20 55 55 20 20 GVHD: TS NGUYỄN HỮU THỌ h (mm) 150 150 200 200 200 200 250 150 200 250 150 250 200 200 250 75 Δ (mm) -530.113 -6.052 -308.564 -94.172 -684.012 -94.172 93.166 -287.111 379.924 -559.900 350.967 -375.266 -94.172 141.424 430.482 HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP Bảng 7.12: Giá trị P-Value với độ tin cậy 95% phân tích c = 303mm P-Value Δc=303mm 0.044 ε 0.001 τ 0.000 h 0.738 ε 0.213 τ2 0.526 h 0.893 ετ 0.311 εh 0.184 τh 0.410 Bảng 7.13: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 317mm STT ε (˚) τ (˚) h (mm) Δ (mm) 99.5 90 150 -514.235 20.0 55 150 25.409 20.0 90 200 -301.820 99.5 55 200 -32.608 179.0 90 200 -689.953 99.5 55 200 -32.608 20.0 55 250 121.910 179.0 55 150 -240.386 20.0 20 200 422.496 10 99.5 90 250 -530.393 11 99.5 20 150 425.288 12 179.0 55 250 -321.080 13 99.5 55 200 -32.608 14 179.0 20 200 230.027 15 99.5 20 250 512.496 Bảng 7.14: Giá trị P-Value với độ tin cậy 95% phân tích c = 317mm Δc=317mm ε τ h GVHD: TS NGUYỄN HỮU THỌ P-Value 0.374 0.001 0.000 0.618 76 HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP ε2 0.085 τ 0.699 h 0.840 ετ 0.152 εh 0.186 τh 0.412 Bảng 7.15: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 329mm STT ε (˚) τ (˚) h (mm) Δ (mm) 99.5 90 150 -491.747 20.0 55 150 57.465 20.0 90 200 -290.902 99.5 55 200 27.067 179.0 90 200 -683.917 99.5 55 200 27.067 20.0 55 250 149.979 179.0 55 150 -190.453 20.0 20 200 460.830 10 99.5 90 250 -495.567 11 99.5 20 150 491.704 12 179.0 55 250 -263.217 13 99.5 55 200 27.067 14 179.0 20 200 312.292 15 99.5 20 250 584.298 Bảng 7.16: Giá trị P-Value với độ tin cậy 95% phân tích c = 329mm Δc=329mm ε τ h ε2 τ2 h2 ετ εh τh GVHD: TS NGUYỄN HỮU THỌ P-Value 0.428 0.001 0.000 0.512 0.036 0.917 0.789 0.075 0.189 0.416 77 HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP Bảng 7.17: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 343mm STT ε (˚) τ (˚) h (mm) Δ (mm) 99.5 90 150 -453.910 20.0 55 150 101.397 20.0 90 200 -271.438 99.5 55 200 105.448 179.0 90 200 -662.192 99.5 55 200 105.448 20.0 55 250 187.090 179.0 55 150 -119.440 20.0 20 200 507.753 10 99.5 90 250 -442.545 11 99.5 20 150 572.359 12 179.0 55 250 -180.970 13 99.5 55 200 105.448 14 179.0 20 200 416.111 15 99.5 20 250 669.607 Bảng 7.18: Giá trị P-Value với độ tin cậy 95% phân tích c = 343mm P-Value Δc=343mm 0.014 ε 0.001 τ 0.000 h 0.385 ε 0.012 τ 0.733 h 0.718 ετ 0.029 εh 0.196 τh 0.424 Bảng 7.19: Bảng quy hoạch thực nghiệm ε, τ, h Δ tương ứng với c = 356mm STT ε (˚) 99.5 20.0 τ (˚) 90 55 GVHD: TS NGUYỄN HỮU THỌ h (mm) 150 150 78 Δ (mm) -405.669 149.404 HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP 20.0 90 200 -245.749 99.5 55 200 187.761 179.0 90 200 -625.241 99.5 55 200 187.761 20.0 55 250 226.313 179.0 55 150 -39.302 20.0 20 200 553.519 10 99.5 90 250 -379.403 11 99.5 20 150 650.319 12 179.0 55 250 -88.197 13 99.5 55 200 187.761 14 179.0 20 200 520.801 15 99.5 20 250 749.972 Bảng 7.20: Giá trị P-Value với độ tin cậy 95% phân tích c = 356mm Δc=356mm ε τ h ε2 τ2 h2 ετ εh τh GVHD: TS NGUYỄN HỮU THỌ P-Value 0.001 0.001 0.000 0.266 0.004 0.364 0.636 0.010 0.207 0.437 79 HVTH: TÔN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP 7.2 Nẹp chân Hình 7.1: Nẹp khung chân GVHD: TS NGUYỄN HỮU THỌ 80 HVTH: TƠN THẤT THIÊN VŨ LUẬN VĂN TỐT NGHIỆP Hình 7.2: Nẹp khung chân đeo vào chân 7.3 Bài báo khoa học GVHD: TS NGUYỄN HỮU THỌ 81 HVTH: TÔN THẤT THIÊN VŨ Journal of Science and Technology Study on determination of optimum parameters of the lower extremity exoskeleton Nghiên cứu xác định thông số thiết kế tối ưu cho khung chân Tôn Thất Thiên Vũ1, Nguyễn Hữu Thọ2, Huỳnh Hữu Nghị1 Trường Đại học Bách khoa – Đại học Quốc gia Thành phố Hồ Chí Minh Trường Đại học Công nghiệp Thực phẩm Thành phố Hồ Chí Minh Abstract Lower extremity exoskeleton is a device that allows the wearer to squat without a chair The design must satisfy multiple objectives of body human Many CAD (Computer aid design) program still didn’t add multiobjective evolutionary algorithms (EAs) This paper presents an application of NSGA-II (nondominated sorting genetic algorithm II) and AMO (Adaptive-Multiple objective) for solving the multiple-objective optimization in a problem of Lower extremity exoskeleton design In this study, the Box-Behnken design (BBD) - based response surface methodology was used to investigate the effects of number of initial samples, number of samples per iteration and maximum number of iterations on AMO Then, Pareto-optimal frontier of feasible points was carried out for the alternative solutions of design problem In addition, the TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution) is employed to support the decision makers in making engineering decision for selecting the optimum parameters The best parameters obtained are αmin = 24.81˚, αmax=115.08˚ and αstand = 177.2˚ With same inputs, AMO have less number of evaluations than MOGA (Multiple-Objective Genetic Algorithm), so AMO highlighted their better performance for optimum design The method in this study is advantageous for multiobjective optimization in CAD problem Keywords: MOGA, NSGA-II, AMO, exoskeleton, product design Tóm tắt Khung chân (lower extremity exoskeleton) thiết bị hỗ trợ cho người đeo ngồi mà khơng cần ghế Thiết kế khung phải thoả mãn nhiều mục tiêu phù hợp với thể người đeo cần thiết Các hệ thống CAD chưa trang bị tốt cơng cụ tính tốn tối ưu tiến hố Bài báo nghiên cứu khả ứng dụng CAD cho toán tối ưu thiết kế đa mục tiêu Trong nghiên cứu này, phương pháp NSGA-II AMO sử dụng để tìm kiếm thơng số tổi ưu khung chân Hơn phương pháp quy hoạch Box-Behnken sử dụng để đánh giá mức độ ảnh hưởng đầu vào AMO Biên dạng pareto phương án khả thi rút từ phương pháp Sau phương pháp TOPSIS sử dụng để hỗ trợ định chọn lựa thông số thiết kế Với kết đạt cho thấy góc tối ưu có giá trị sau αNgồi thấp = 24.81˚, αNgồi Cao nhất=115.08˚ αđứng = 177.2˚ Với giá trị đầu vào, AMO NSGA-II cho kết tương đương nhau, số lượng mẫu đánh giá hội tụ AMO 0.66 NSGA-II Phương pháp đề nghị báo phù hợp cho việc thiết kế đa mục tiêu Từ khoá: MOGA, NSGA-II, AMO, khung chân, thiết kế sản phẩm Giới thiệu Vào đầu năm 1960, Bộ Quốc Phòng Hoa Kỳ bắt đầu quan tâm đến việc mở rộng khả cho người Đầu tiên, họ khởi động việc phát triển giáp tăng cường khả khuân vác cho binh lính [1] Ngồi mục đích qn sự, nghiên cứu tập trung vào lĩnh vực dịch vụ y tế [2] Hiện nay, tỷ lệ người già, công nhân hưu gặp vấn đề xương khớp ngày gia tăng Theo dự báo dân số Tổng cục Thống kê (2010) Việt Nam bước vào giai đoạn già hoá dân số từ năm 2017 [3] Như vậy, nhu cầu khung để phục vụ cho người lớn tuổi gia tăng theo thời gian Tại thời điểm này, giới phát triển khung xương thương mại Một số mẫu quan tâm nói tới gồm LegX [4] (thể hình 1), robot HAL [5], thiết bị hỗ trợ ngồi hãng Noonee [6], Archelis NITTO [7] Tuy nhiên khung chân chưa phù hợp với thể trạng khả tài người Việt Nam Vì vậy, việc thiết kế khung chân thoả mãn đa mục tiêu cần thiết Vấn đề tối ưu thiết kế ngày trở nên quan trọng thập kỷ gần Các toán đa mục tiêu ngày trở nên phổ biến Phương pháp chia khoảng sử dụng để giải tốn đa mục tiêu, địi hỏi khối lượng tính tốn lớn Ở tốn đa mục tiêu cho khung chân, Tel.: (+84) 919.780.351 Email: tonthatthienvu@gmail.com Tel.: (+84) 909.865.978 Email: tho.nh@hufi.edu.vn Journal of Science and Technology phương pháp chia khoảng Solidworks cần thực 43,281,400 phép tốn Ở đây, tốn gồm có biến định, mục tiêu ràng buộc, số vượt qua khả cho phép tính tốn phần mềm Để thực số khoảng chia phải lớn, ta cần phải rút gọn số phép tốn lại Việc địi hỏi phải xử lý số liệu, từ định chọn vùng cần chia nhỏ để tìm thơng số tối ưu Nguồn lực máy tính người khơng phải lúc đủ để đáp ứng Vì vậy, thuật tốn mặt cắt vàng, phương pháp tìm kiếm theo toạ độ, phương pháp độ dốc nhất, phương pháp đơn hình, giải thuật di truyền đời Mục tiêu để khắc phục nhược điểm nguồn lực Đối tượng báo khung xương chân hỗ trợ việc ngồi xổm Mục tiêu khung hướng tới việc không gây cản trở việc di chuyển Đồng thời, hỗ trợ cho việc ngồi xổm đóng vai trị ghế di động Mơ hình tốn Mơ hình khung chân mơ tả hình Trong a khoảng cách tay địn đùi Khoảng cách tay đòn cẳng chân b Khoảng cách khâu hỗ trợ d Và c cấu chi tiết khố, thể hình Bảng Bảng mục tiêu khung chân Mục tiêu Hình 1: Bộ khung chân LegX hãng Ekso [4] Trong thuật tốn đó, giải thuật di truyền NSGA-II chứng minh hiệu mặt thời gian Thuật toán NSGA-II kết hợp với kriging, gọi chung AMO AMO hay gọi phương pháp tối ưu hố thích ứng đa mục tiêu, tích hợp sẵn ANSYS Bài báo liên kết khả trực quan thiết kế Solidworks giải thuật AMO ANSYS Từ giải tốn tối ưu đa mục tiêu thiết kế khung chân c β α Ngồi thấp 215 mm 135˚ 20˚ Ngồi cao 356 mm 135˚ 120˚ Đứng 374.5 mm 45-90˚ 180˚ Bộ khung có ba mục tiêu, góc đùi thấp ngồi xổm 20˚ Góc đùi ngồi cao 120˚ Và chân duỗi thẳng, góc đùi tương ứng 180˚ Do q trình lại, góc đùi quay từ 180˚ đến 120˚, dựa theo phân tích từ chu kỳ bước [9] Và có ràng buộc, đứng góc γ phải nhỏ 180˚ Bảng tóm tắt lại giá trị mục tiêu mơ hình tốn Các biến định a, b, d có giới hạn bảng Tổng quan Phát biểu vấn đề: Ở Việt Nam, Học Viện Kỹ Thuật Quân Sự đơn vị đầu việc nghiên cứu phát triển lĩnh vực exoskeleton Với đầu tư cấp quốc gia, khung mà Học Viện nhắm tới phục vụ cho mục đích quân hỗ trợ người khuyết tật Để khung phát triển toàn diện, cần nguồn đầu tư hỗ trợ lớn để nghiên cứu thử nghiệm Nhưng việc hỗ trợ người lao động người già, nghiên cứu cịn Việt Nam Xuất phát từ nhu cầu: Hệ thống khung xương ngồi chia thành loại: khung xương cho phần chi khung xương cho phần chi bên Nguyên nhân có phân chia làm phần đặc trưng hoạt động phần phần thể Đơi tay để thao tác cơng việc địi hỏi linh hoạt xác Cịn đơi chân phục vụ chủ yếu cho việc di chuyển [8] Hình 2: Mơ hình ngun lý khung chân Hàm mục tiêu α ba mức ngồi thấp nhất, ngồi cao nhất, đứng thể tối giản phương trình (1)  a2  b2  f    2ab    arccos  (1) Trong đó, f cạnh tính từ phương trình (2) f  d  c2   d  c  cos   (2) Journal of Science and Technology Và góc γ tính từ phương trình (3)  d  e2  a  2d e   arccos    c  e2  b    arccos   (3)   2ec  sử dụng việc tìm kiếm giải pháp biên Pareto Lưu đồ AMO thể khung lớn thứ hình Bảng 2: Giá trị giới hạn biến định Giá trị nhỏ (mm) a b d 5 Giá trị lớn (mm) 485 485 150 Phương pháp phân tích Hình 3: Các kích thước chi tiết khoá Thuật toán Kriging Kriging [10] thuật tốn mơ hình hóa kết hợp cải thiện chất lượng bề mặt đáp ứng Phương pháp phù hợp với biến thay đổi lớn ảnh hưởng đến tham số đầu Nó hàm nội suy đa chiều xác kết hợp mơ hình đa thức giống bề mặt đáp ứng tiêu chuẩn - cung cấp mơ hình "tồn cục" khơng gian thiết kế - cộng với độ lệch cục cho mơ hình Kriging nội suy điểm quy hoạch Kriging cung cấp khả sàng lọc cho thông số đầu vào liên tục, bao gồm giá trị gia cơng thực tế Nhưng khơng hỗ trợ tham số rời rạc Hiệu Kriging dựa khả ước lượng lỗi bên để cải thiện chất lượng bề mặt đáp ứng cách tạo điểm sàng lọc thêm chúng vào khu vực cần cải thiện MOGA (Thuật toán di truyền đa mục tiêu) Thuật toán di truyền đa mục tiêu (MOGA) biến thể lai NSGA-II [11] (thuật toán di truyền phân loại thành phần vượt trội hoàn toàn II) dựa khái niệm kiểm sốt cá thể vượt trội Nó hỗ trợ tất kiểu tham số đầu vào Lược đồ xếp hạng Pareto thực phương pháp phân loại nhanh Việc xử lý ràng buộc sử dụng nguyên tắc vượt trội hoàn toàn dựa theo mục tiêu Do đó, phương pháp khơng phải sử dụng hàm hình phạt số nhân Lagrange Nhờ vậy, giải pháp khả thi xếp hạng cao Lưu đồ MOGA thể hình 7Error! Reference source not found Thuật toán AMO Tối ưu hoá đa mục tiêu (AMO) phương pháp kết hợp Kriging MOGA AMO tạo tập hợp mẫu sử dụng tập hợp có, giúp tiếp cận sâu so với phương pháp tìm kiếm thụ động Phương pháp đánh giá tất điểm thiết kế cần thiết Một phần quần thể "mô phỏng" cách đánh giá bề mặt phản ứng Kriging Dự báo lỗi Kriging, từ làm giảm số lượng đánh giá Phương pháp TOPSIS Phương pháp TOPSIS phát triển vào năm 1981 [12] Phương pháp phương pháp đinh có đa nhân tố ảnh hưởng Ứng viên chọn có khoảng cách ngắn tới giải pháp lý tưởng dương có khoảng cách xa tới giải pháp lý tưởng âm Ứng dụng TOPSIS đặc biệt phù hợp việc giải vấn đề định Quy trình phân tích Dựa theo mơ hình ngun lý, tiến hành xây dựng mơ hình CAD Solidworks Thiết lập ràng buộc sở môi trường thiết kế Từ đặt biến mục tiêu, biến định, biến ràng buộc theo thơng số kết nối Solidworks ANSYS Trong ANSYS, tiến hành chạy AMO dựa theo bảng quy hoạch thực nghiệm Box-Behnken với giá trị nhân tố bảng Từ quy hoạch thực nghiệm, phân tích bề mặt đáp ứng để tìm thơng số tối ưu cho giải thuật AMO Thay thơng số vừa tìm vào nhân tố AMO để tiến hành tìm giá trị tối ưu cho khung chân Kết thu biên Pareto với thông số tối ưu Sử dụng phương pháp đánh giá TOPSIS để lựa chọn giải pháp tối ưu cuối để đưa vào mô hình CAD Lưu đồ thực miêu tả hình Bảng 3: Giá trị nhân tố Nhân tố Số mẫu ban đầu Số mẫu tối đa hệ Số hệ tối đa Cao (1) 1000 Mức giá trị Thấp (-1) 500 Cơ sở (0) 750 300 100 200 100 50 75 Kết qủa Kết thực nghiệm cho bảng Sau ta tính kết tối ưu cho nhân đố đầu vào cho thuật toán AMO dựa theo biểu đồ hình Journal of Science and Technology Sau thực AMO, ta thu 10 cá thể có giá trị tối ưu hình 4Error! Reference source not found biểu đồ Pareto hình Dựa vào kết 10 cá thể, tiến hành phân tích TOPSIS để lựa chọn cá thể tốt Với nhân tố đầu vào, ta sử dụng MOGA để tính kết tối ưu Kết có gồm 10 cá thể tối ưu biểu đồ Pareto hình AMO cho kết hội tụ sau thực nAMO = 1179 lần đánh giá, MOGA hội tụ sau thực nMOGA= 1778 lần Ta rút tỷ lệ nAMO/nMOGA= 1179/1178 = 0.66, AMO có khả hội tụ nhanh so với MOGA Việc kết nối hai chương trình Solidworks ANSYS để thực giải thuật góp phần làm chậm q trình tính tốn Hình 5: Biểu đồ Pareto phương pháp AMO Thời gian để chuyển đổi hai chương trình địi hỏi trung bình khoảng 15 giây, nên tổng thời gian làm 15 thực nghiệm đòi hỏi thời gian dài cẩn thận việc chọn mẫu ban đầu Bảng 4: Bảng kết 10 cá thể AMO Cá thể 10 α Ngồi thấp 24.82 26.00 62.34 19.44 31.04 30.96 30.96 72.51 28.28 24.11 α Ngồi cao 115.08 97.89 114.39 111.12 88.64 88.65 88.65 119.96 87.94 104.13 α Đứng 177.21 175.72 179.88 156.61 186.42 186.75 186.75 194.40 190.05 149.20 TOPSIS score Rank 0.913 0.842 0.578 0.563 0.756 0.751 0.751 0.356 0.716 0.466 10 Hình 4: Biểu đồ tính tốn giá trị tối ưu cho nhân tố đầu vào thuật toán AMO Hình 6: Biểu đồ Pareto phương pháp MOGA Kết luận Bộ khung thực ngồi xổm góc khớp gối nhỏ 24.82˚, lớn 115.08˚ không ảnh hưởng đến việc lại người góc cao 177˚ Phương pháp giải thuật di truyền AMO cho thấy ưu vượt trội MOGA kết thời gian hội tụ Các kết mà báo thực bao gồm:  Xây dựng quy trình giải tốn tối ưu đa mục tiêu dựa NSGA-II kết hợp với Kriging  So sánh hiệu MOGA AMO  Sử dụng quy hoạch thực nghiệm để khảo sát nhân tố đầu vào ảnh hưởng đến thuật toán AMO  Dựa thông số đầu vào tối ưu thuật toán, để thực giải toán khung chân Ưu điểm phương pháp AMO giúp giải toán đa mục tiêu với thời gian hội tự nhanh Tuy nhiên, hệ thống CAD chưa tích hợp AMO, nên việc kết nối phần mềm kéo dài thời gian tính tốn Việc thay đổi thơng số CAD kéo dài khoảng đến giây, việc trao đổi hai phần mềm kéo dài lên 13 giây Hướng phát triển tương lai cho đề tài, xây dựng trực tiếp thuật tốn AMO tích hợp vào hệ thống CAD Như thời gian để giải toán thiết kế tối ưu đa mục tiêu giảm xuống 10 lần thời gian Journal of Science and Technology Thông số Điểm thiết kế Cha mẹ Cập nhật quần thể ban đầu P1 Quyết định P2 Lai tạo MOGA: tạo quần thể P1' P2' Điểm thiết kế P1 P2 Con Cập nhật thông số cho điểm thiết kế C HỘI TỤ CĨ Thuật tốn hội tụ Đột biến? KHÔNG C’ KHÔNG HỘI TỤ C Đạt tiêu chí ngừng chương trình? CĨ Quần thể KHƠNG Hình Lưu đồ MOGA Bảng 5: Kết thực nghiệm X1 N˚ 10 11 12 13 14 15 [1] [2] (Số mẫu ban đầu) 500 1000 750 750 1000 500 1000 500 750 750 750 1000 500 750 750 X2 (Số mẫu tối đa hệ) 100 100 100 100 200 200 200 200 200 200 200 300 300 300 300 Tài liệu tham khảo Mosher, R., "Handyman to Hardiman," SAE Technical Paper 670088, (1967) A M Dollar H Herr, "Lower extremity exoskeletons and active orthoses: Challenges and state-of-the-art," IEEE Trans Robot, vol 24, (2008) X3 (Số hệ tối đa) 75 75 50 100 100 50 50 100 75 75 75 75 75 100 50 [3] [4] α Ngồi thấp 27.086 37.289 62.403 62.403 34.866 54.064 34.866 54.064 59.002 59.002 59.002 26.231 35.802 60.061 37.289 α Ngồi cao 72.411 110.219 120.866 120.866 115.048 116.230 115.048 116.230 117.364 117.364 117.364 102.432 115.835 119.818 110.219 α Đứng 113.121 172.925 176.376 176.376 159.849 183.107 159.849 183.107 163.735 163.735 163.735 167.563 160.059 184.290 172.925 A T, Nguyễn, "Già hóa dân số an sinh xã hội người cao tuổi Việt Nam,", VNU Journal of Social Sciences and Humanities , vol 1, no 1, (2015), Internet: http://www.suitx.com/legx, (27/12/2017) Journal of Science and Technology CAD/ Solidworks Mục tiêu Mơ hình khung chân Cải tiến mơ hình CAD/ Solidworks Tham số thiết kế Quyết định lựa chọn thơng số Mơ hình tốn Phương pháp đánh giá AHP TOPSIS Biến định Các thông số tối ưu nằm biên Pareto Ràng buộc CÓ Thông số AMO NSGA-II kết hợp với Krigging Quy hoạch thực nghiệm Box-Behnken KHÔNG Các tham số tối ưu Cập nhật quần thể ban đầu Kriging Phát triển Kriging MOGA: Khởi tạo quần thể CÓ Lỗi chấp nhận cho điểm thiết kế? Giá trị hàm mục tiêu KHÔNG Cập nhật điểm thiết kế Đánh giá Thuật toán hội tụ? CĨ Hội tụ Đánh giá RS KHƠNG Đạt tiêu chí ngừng chương trình Điểm thiết kế CĨ Khơng hội tụ KHƠNG Quyết định Hình 8: Lưu đồ thực báo [5] Y Sankai, "HAL: Hybrid Assistive Limb Based on Cybernics," Robotics Research: The 13th International Symposium ISRR, (2011), 25-34 [6] Internet: http://www.noonee.com/, (27/12/2017) [7] Internet: https://www.archelis.com/, (27/12/2017) [8] H Kazerooni, "Exoskeletons for Human Performance Augmentation," Springer Handbook of Robotics, (2008), 773-793 [9] A Valiente, "Design of a quasi-passive parallel leg exoskeleton to augment load carrying for walking," MASSACHUSETTS INST OF TECH CAMBRIDGE MEDIA LAB, (2005) [10] A Mukhtar, K C Ng, and M Z Yusoff, "Optimal Design of Opening Ventilation Shaft by Kriging Metamodel Assisted Multi-objective Genetic Algorithm," Int J Model Optim, vol 7, (2017), 9297 [11] K Deb, A Pratap, S Agarwal, and T Meyarivan, "A fast and elitist multiobjective genetic algorithm: NSGA-II," IEEE Transactions on Evolutionary Computation, vol 6, no 2, (2002), 182-197 [12] V T Lokare and P M Jadhav, "Using the AHP and TOPSIS methods for decision making in best course selection after HSC," in 2016 International Conference on Computer Communication and Informatics (ICCCI), (2016), 1-6 PHẦN LÝ LỊCH TRÍCH NGANG Họ tên: Tôn Thất Thiên Vũ Ngày, tháng, năm sinh: 27/03/1990 Nơi sinh: TP Đà Lạt, Tỉnh Lâm Đồng Email: tonthatthienvu@gmail.com Địa liên lạc: 1a Nam Kỳ Khởi Nghĩa, Phường 1, TP Đà Lạt, Tỉnh Lâm Đồng QUÁ TRÌNH ĐÀO TẠO 2008 - 2013: Đại học, ngành Cơ Khí – Kỹ thuật Chế tạo, Đại học Bách Khoa, Đại học Quốc Gia TP Hồ Chí Minh 2015 - 2019: Cao học, ngành Kỹ Thuật Cơ Khí, Đại học Bách Khoa, Đại học Quốc Gia TP Hồ Chí Minh Q TRÌNH CƠNG TÁC 2/2014 – 5/2016: Kỹ sư khí phịng R&D, Cơng ty TNHH Giải Pháp Cơng Nghệ Hữu Dụng 9/2016 – 7/2017: Kỹ sư khí phịng R&D, Cơng ty CP Hữu Tồn ... ưu tiến hoá Bài báo nghiên cứu khả ứng dụng CAD cho toán tối ưu thiết kế đa mục tiêu Trong nghiên cứu này, phương pháp NSGA-II AMO sử dụng để tìm kiếm thông số tổi ưu khung chân Hơn phương pháp... thương Đề tài Khung Chân hình thành thiết bị hỗ trợ người lao động, người già 1.5 Mục tiêu nghiên cứu  Khảo sát mơ hình khung chân có  Xây dựng mơ hình khung chân  Giải tốn thiết kế tối ưu góc khớp... khí: Để có kết cấu khí, cần tham khảo mẫu làm giới Từ đánh giá sơ ưu nhược điểm khung Mức độ cho điểm từ đến 10 1.3.3.1 Bộ khung chân LegX: LegX (hình 1.10) khung chân mang tính cách mạng cho phép