رویکرد جدید برای طراحی رباتیک انعطاف‌پذیر و فرامواد، طبیعت را تقلید می‌کند و پایداری را تشویق می‌کند – ScienceDaily


یک مطالعه جدید با استفاده از قدرت الگوریتم های کامپیوتری، رویکرد مرسوم در طراحی رباتیک نرم و دسته ای از مواد به نام فرامواد را به چالش می کشد. محققان دانشگاه ایلینویز Urbana-Champaign و دانشگاه فنی دانمارک اکنون می‌توانند ساختارهای چند ماده‌ای را بدون وابستگی به شهود انسانی یا آزمون و خطا بسازند تا محرک‌ها و جاذب‌های انرژی بسیار کارآمد تولید کنند که از طرح‌های موجود در طبیعت تقلید می‌کنند.

این مطالعه که توسط شلی ژانگ، استاد مهندسی عمران و محیط زیست ایلینوی رهبری می‌شود، از تئوری بهینه‌سازی و فرآیند طراحی مبتنی بر الگوریتم به نام بهینه‌سازی توپولوژی استفاده می‌کند. همچنین به عنوان سنتز دیجیتال شناخته می‌شود، فرآیند طراحی ساختارهای ترکیبی می‌سازد که می‌توانند دقیقاً به پاسخ‌های مکانیکی تجویز شده پیچیده دست یابند.

نتایج مطالعه در نشریه منتشر شده است مجموعه مقالات آکادمی ملی علوم.

ژانگ گفت: «پاسخ‌های مکانیکی پیچیده‌ای که در رباتیک نرم و فرامواد مورد نیاز است، نیاز به استفاده از مواد متعدد دارد – اما ساخت این نوع ساختارها می‌تواند یک چالش باشد.» مواد زیادی برای انتخاب وجود دارد، و تعیین ترکیب بهینه مواد برای تناسب با یک تابع خاص، حجم عظیمی از داده‌ها را برای پژوهشگر ارائه می‌کند.

تیم ژانگ هدف خود را طراحی ساختارهای ماکرو مقیاس با ویژگی‌های تجویز شده سخت‌کنندگی سریع، کمانش تغییر شکل در مقیاس بزرگ، پایداری چند فازی و فلات‌های نیرو طولانی‌مدت قرار داد.

فرآیند سنتز دیجیتال جدید ساختارهایی با ویژگی‌های هندسی بهینه متشکل از مواد بهینه برای عملکردهای تجویز شده ایجاد کرد.

محققان به دستگاه‌های مدلی دست یافتند که از دو پلی‌دی‌متیل سیلوکسان یا PDMS مختلف ساخته شده بود، الاستومرهایی با هندسه پایه که به‌طور قابل‌توجهی شبیه پاهای قورباغه است – یا خانواده‌ای متشکل از سه قورباغه، هر کدام با هندسه‌های متفاوتی که از دو الاستومر PDMS در موارد مختلف استفاده می‌کنند. ترتیباتی که بسیار شبیه ماهیچه و استخوان بیولوژیکی هستند.

ژانگ گفت: «این کاملاً قابل توجه است که آنچه ما پیدا کردیم با آنچه زیست‌شناسی و تکامل به طور طبیعی ایجاد می‌کنند بسیار همسو است. به عنوان مثال، زمانی که از الگوریتم خواستیم دستگاهی با واکنش‌های سفت‌کننده سریع‌تر توسعه دهد، این الگوریتم با «عضلات» بزرگ‌تری روی قورباغه‌های مکانیکی ما پاسخ می‌دهد، درست همانطور که ممکن است در طبیعت اتفاق بیفتد.

ژانگ گفت که نقاط قوت این کار در ویژگی های پایداری آن یافت می شود.

“ما اتلاف کننده های انرژی قابل استفاده مجدد و کاملاً قابل بازیافت طراحی کرده ایم که با تقاضای امروزی برای دستگاه های پایدار که برای محیط زیست مفید هستند همسو است. این دستگاه ها یک بار مصرف نیستند. ما آنها را با استفاده از مواد کاملاً الاستیک طراحی کرده ایم و به ما امکان می دهد بارها از آنها استفاده مجدد کنیم. ،” او گفت.

محققان گفتند که تکنیک سنتز دیجیتالی آنها دامنه فرامواد قابل برنامه ریزی را افزایش می دهد که می توانند پاسخ های مکانیکی پیچیده و پیش از این غیرممکن را به ویژه در حوزه های رباتیک نرم و دستگاه های زیست پزشکی انجام دهند.

بنیاد ملی علوم و بنیاد ویلوم از این تحقیق حمایت کردند.

ژانگ همچنین به علوم مکانیک و مهندسی در ایلینوی وابسته است.

ویدئوی توصیف این تحقیق: https://youtu.be/ouE7_kXTNZ8]

منبع داستان:

مواد تهیه شده توسط دانشگاه ایلینوی در Urbana-Champaign، دفتر خبر. نوشته اصلی توسط Lois Yoksoulian. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.



منبع

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]