Synthesis of planar mechanisms using evolutionary algorithms

Abstract

Bir çok en iyileştirme yöntemi bulunmaktadır. Ancak sundukları en iyi çözümlerden dolayı sezgisel algoritmaların kullanımı son yıllarda artmıştır. Özellikle mühendislikte doğrusal olmayan problemlerin çözümünde kullanılmaları yaygındır. Sezgisel algoritmalar farklı mühendislik problemlerinin çözümünde farklı başarı dereceleri ile karşımıza çıkmaktadır. En iyi çözüm problemin tanımına bağlı olarak değişebilir. Genetik algoritma sezgisel bir algoritma olup, genetik prensiplere ve doğal seçime dayanan bir tekniktir. Çalışmada genel olarak GA ile Matlab tabanlı Optimizasyon araç kutusu doğrusal olmayan düzlemsel mekanizma sentezinde kullanılmış ve karşılaştırılmıştır.Çalışma düzlemsel mekanizmaların sentezinde en iyileştirme yaklaşımını sunmaktadır. Dört çubuk mekanizması basit ve pratikte önemli bir mekanizma olduğundan dolayı seçilmiştir. Mekanizma kısıtlarla alınarak genetik algoritma (GA) ve Matlab Optimizasyon araç kutusu ile en uygun mekanizma boyutları bulunmuştur. Kısıtlı doğrusal olmayan kısıt sayısal en iyileştirmede GA ve Matlab komutu fmincon birlikte çalışılmıştır. Bu mekanizmalar Excel programı kullanılarak çizil ve GA ile Matlab sentez tabanlı uygulamalarda kullanımı açısından karşılaştırılmıştır.

There are many optimization methods, but use of Evolutionary Algorithms (EAs) has been increased due to the best results they offer in recent years. They have been very popular for solving nonlinear problems in engineering. EAs show varying degrees of success for different engineering applications. The optimal solution depends on the formulation of the problem. Genetic algorithm (GA) is an evolutionary optimization technique based on genetics principles and natural selection. Evolutionary algorithms are studied in general. Genetic Algorithm Toolbox, Optimization Toolbox Matlab© is explored and presented with examples in this study.This study presents an optimization approach for synthesis of planar mechanisms. Since four bar mechanism is simple and practically important mechanism, it is chosen in here. This mechanism is studied with the constraints assigned. Genetic Algorithm (GA) is applied during optimization study. GA is compared with nonlinear constrained numerical optimization command; fmincon in Matlab©. Three different case studies are presented. Different target points are considered for mechanism operation. These mechanisms are drawn using Excel© spread sheet to see their animations also. Performances of both algorithms are compared for their general use in similar problems based on mechanism synthesis.