การหาค่าที่เหมาะสมที่สุดแบบหลายวัตถุประสงค์ของกลไกข้อเหวี่ยงตัวเลื่อนหลายลิงก์สำหรับการสร้างการเคลื่อนที่ในแนวดิ่งของหุ่นยนต์ชนิดขา
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้นำเสนอการออกแบบกลไกข้อเหวี่ยงตัวเลื่อนหลายลิงก์สำหรับสร้างการเคลื่อนที่ในแนวดิ่งในหุ่นยนต์ขา โดยกำหนดปัญหาเป็นการหาค่าเหมาะที่สุดแบบหลายวัตถุประสงค์ (Multi-objective Optimization: MOO) ที่ประกอบด้วย 2 วัตถุประสงค์ ได้แก่ (1) การเพิ่มช่วงการเคลื่อนที่ในแนวดิ่งให้ครอบคลุมช่วงเป้าหมาย และ (2) การลดการเบี่ยงเบนในแนวนอนของจุดศูนย์กลางมวล ทั้งนี้ได้พิจารณาผลรวมความยาวลิงก์เพื่อป้องกันการได้เปรียบของกลไกที่มีขนาดใหญ่ MOO ได้ใช้ขั้นตอนวิธี Non-dominated Sorting Genetic Algorithm II (NSGA-II) เพื่อให้ได้กลุ่มคำตอบแบบพาเรโต (Pareto Optimal Solutions) NSGA-II ให้ชุดคำตอบแบบพาเรโตเหมาะที่สุดจำนวน 508 คำตอบ โดยร้อยละ 40.35 ของคำตอบมีค่าการเบี่ยงเบนในแนวนอนต่ำกว่า 1 มม. เมื่อเปรียบเทียบกับ (Single-objective Optimization: SOO) พบว่าคำตอบหนึ่งที่ได้จากกลุ่มคำตอบโดย MOO สามารถลดขนาดความยาวรวมของลิงค์ในกลไกได้มากกว่าร้อยละ 30 ขณะที่ยังคงให้ประสิทธิภาพการเคลื่อนที่ในแนวดิ่งที่ดีและมีการเบี่ยงเบนในแนวนอนต่ำ ดังนั้นคำตอบจาก MOO สามารถให้กลไกที่มีความกะทัดรัดมากกว่า SOO ผลลัพธ์ดังกล่าวแสดงให้เห็นว่าการใช้ MOO ช่วยเพิ่มความยืดหยุ่นในการเลือกแบบและเหมาะสมต่อการใช้งานจริงในหุ่นยนต์เคลื่อนที่
Article Details
เอกสารอ้างอิง
Y. Yoshimoto, J. Watanabe, K. Kitagawa and H. Muramatsu, “A prismatic joint mechanism for high payload capacity of hybrid mobile robots,” Advanced Robotics, vol. 39, no. 21, pp. 1346–1359, 2025.
S. Mohamed, H. Q. Le, Y. Kim and B. Shin, “Design and modeling of hexapod robot using telescopic legs connected to pivot joints at the hips,” Proc. Inst. Mech. Eng. Part C: J. Mech. Eng. Sci., vol. 238, no. 8, pp. 3480–3497, 2024.
A. G. Erdman, G. N. Sandor and S. Kota, Mechanism Design: Analysis and Synthesis, Prentice Hall, 2001.
R. L. Norton, Design of Machinery: An Introduction to the Synthesis and Analysis of Mechanisms, 6th ed., 2020.
V. Klemm et al., “Ascento: A two-wheeled jumping robot,” in Proc. IEEE Int. Conf. Robotics and Automation (ICRA), 2019.
P. Rajesh, R. Rajendra and P. G. Rao, “Development and evaluation of a versatile control system in an adaptable multi-legged robot using a modified Peaucellier-Lipkin mechanism,” Journal of Mechanics of Continua and Mathematical Sciences, vol. 19, no. 11, 2024.
J. Zhou, H. Yu, M. He, Y. Zhang, X. Luan and Y. Liu, “Application-oriented classification and performance analysis of precision linear feed mechanisms for machine tools,” Science Progress, vol. 109, no. 1, 2026.
M. H. Raibert, Legged Robots That Balance, MIT Press, 1986.
C. Li, Y. Ding and H. W. Park, “Centroidal-momentum-based trajectory generation for legged locomotion,” Mechatronics, vol. 68, p. 102364, 2020.
Z. Xie, Y. Wang, X. Luo, P. Arpenti, F. Ruggiero and B. Siciliano, “Three-dimensional variable center of mass height biped walking using a new model and nonlinear model predictive control,” Mechanism and Machine Theory, vol. 197, p. 105651, 2024.
X. Feng, S. Liu, Q. Yuan, J. Xiao and D. Zhao, “Research on wheel-legged robot based on LQR and ADRC,” Scientific Reports, vol. 13, no. 1, 15122, 2023.
H. Zhang and N. Mohamad Nor, “Control strategies for two-wheeled self-balancing robotic systems: A comprehensive review,” Robotics, vol. 14, no. 8, p. 101, 2025.
K. Deb, Multi-Objective Optimization using Evolutionary Algorithms, John Wiley and sons, 2001.
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, pp. 182-197, April 2002.
A. Xu, Z. Wan, X. Wang, X. Zhang, and C. Yang, “Helicopter power and vibration reduction by segment control of active twist rotor,” Aerospace Science and Technology, vol. 168, Part F, 111207, 2026.
F. Weng, M. Su, P. Hajek, M. Z. Abedin, “A multi-objective framework for predicting public opinion trends on infectious diseases using NSGA-II and interval predictions,” Expert Systems with Applications, vol. 298, Part B, 129583, 2026.
V. H. Truong, T. C. Cao, S. Tangaramvong, “A robust machine learning-based framework for handling time-consuming constraints for bi-objective optimization of nonlinear steel structures,” Structures, vol 62, 106226, 2024.
N. Srinivas and K. Deb, “Multiobjective function optimization using nondominated sorting genetic algorithms,” Evolutionary Computation, vol. 2, no. 3, pp. 221–248, 1995.
