Machine Translated by Google

segundo 2
Conferencia internacional sobre optimización de ingeniería
6 al 9 de septiembre de 2010, Lisboa, Portugal

Optimización de masa, potencia y estabilidad estática de un vehículo de exploración

planetaria de 4 ruedas

Alexandre Carvalho Leite, Bernd Schäfer

Centro Aeroespacial Alemán, 82234 Weßling, Alemania (correo electrónico:

alexandre.carvalholeite@dlr.de) (correo
electrónico: bernd.schaefer@dlr.de)

Resumen
Este trabajo se centra en un rover de cuatro ruedas, teniendo como ejemplo principal el NLL Rover. El chasis del
vehículo está modelado como un sistema multicuerpo (MBS), la interacción rueda­terreno permite cambiar entre
suelo rígido y blando basándose en el modelo de fricción de Coulomb y el enfoque terramecánico. Una ventaja de
las simulaciones MBS es evaluar el rendimiento del móvil cuando las diversas características geométricas de la
estructura mecánica (por ejemplo, longitud del bogie, radio de la rueda) se utilizan como parámetros de diseño.
Optimizando estos parámetros de diseño es posible lograr una estructura liviana con mayor eficiencia. Como
principales medidas de rendimiento a optimizar hemos identificado tres diferentes: potencia media consumida, masa
total del vehículo y margen de estabilidad estática. Se podría encontrar un compromiso entre los parámetros de
diseño para lograr valores de medida de desempeño satisfactorios. Se utilizan animaciones, histogramas y gráficos
en el dominio del tiempo para evaluar los resultados obtenidos. Incluyen el comportamiento dinámico del móvil
optimizado y las medidas de rendimiento relacionadas. Se utilizaron dos paquetes de software diferentes en nuestro
procedimiento de modelado/optimización: Dymola (entorno de modelado) y Matlab/MOPS (entorno de optimización).
Los resultados nos dieron una idea de las tendencias de optimización de acuerdo con las características del terreno
y tienden a señalar las perspectivas de este esfuerzo de mejora del diseño, como la adición de parámetros de
controladores de movimiento y nuevas funciones objetivas.

Palabras clave: Optimización multiobjetivo, simulación multicuerpo, rover planetario, soporte de diseño, modelado
de contactos.

1. Introducción

En 2001, la Agencia Espacial Europea (ESA) había iniciado el Programa Aurora con el objetivo principal de ser
la exploración robótica y humana del sistema solar. Los objetivos más probables son Marte, la Luna y los asteroides;
pero una misión tripulada sólo es posible después de sucesivas misiones precursoras robóticas para probar la
tecnología in situ y recopilar suficiente información ambiental. En este contexto, hay dos misiones de futuro próximo
que proporcionarán movilidad en superficie con rovers con ruedas: ExoMars y Next Lunar Lander NLL. El ExoMars
Rover y el NLL Rover son potentes rovers con diferentes capacidades en desarrollo, con seis y cuatro ruedas
respectivamente. Estos vehículos que suben por rocas, tierra suelta y, en general, terrenos resbaladizos e irregulares,
a menudo necesitan una gran capacidad de movilidad. El modelado y diseño de un vehículo autónomo de altas
prestaciones suele ser una tarea difícil. Los requisitos de ingeniería son aún más estrictos, ya que algunas
características son muy deseadas pero también contradictorias, como el peso ligero y la alta tracción, por ejemplo.

Entendemos este problema como un problema de optimización con múltiples criterios. La estructura del vehículo
debe optimizarse para la navegación todoterreno y varias fases de su ciclo de vida. Algunos enfoques en la literatura
proporcionaron medios para evaluar vehículos con distintas configuraciones. En [1] se tuvo en cuenta un enfoque
terramecánico junto con un conjunto de modelos estáticos que relacionan el suelo y la configuración mecánica de
un vehículo. [2] propuso modelos cinemáticos y métricas con el objetivo de evaluar la movilidad de distintas
configuraciones mecánicas de vehículos. Estos trabajos se basan en modelos estáticos o cinemáticos y se limitan a
la evaluación. Presentamos un enfoque basado en modelos dinámicos capaces de considerar una amplia gama de
criterios de desempeño (estáticos, cinemáticos y dinámicos). Este enfoque no se limita a la evaluación, sino que
también emplea la síntesis de parámetros destinada a la optimización multiobjetivo de algunos criterios establecidos.
Las siguientes secciones brindarán una descripción general del modelo de simulación multicuerpo empleado, algunos
ejemplos de simulación, definición de funciones objetivo y resultados de optimización.

1
Machine Translated by Google

En la sección 2 se describe el modelado de la estructura mecánica como un MBS y la interacción entre la rueda y el terreno
a través de cuatro temas principales: patrón de relieve y sistema de coordenadas, contacto rígido con el suelo, contacto con el
suelo blando y modelo de simulación multicuerpo. Toda la información ambiental está contenida en el modelo de contacto
rueda­terreno y es de gran importancia para evaluar el desempeño de la estructura mecánica (es decir, el MBS). La sección 3
se centra en ejemplos de simulación de los modelos desarrollados previamente. El objetivo de esta sección es realizar la
verificación del modelo de interacción rueda­terreno en el modelo MBS de un rover de cuatro ruedas, para ello se eligieron dos
ejemplos. La Sección 4 proporciona una descripción de los siguientes problemas de optimización: funciones objetivo, parámetros
de diseño y optimización de casos múltiples. Los resultados obtenidos a través del procedimiento de optimización se discuten
en la sección 5. Finalmente, la sección 6 apunta a las direcciones futuras de mejora del trabajo actual.

2. Contacto rueda­terreno y modelado multicuerpo

A partir de experiencias previas reportadas por las Misiones Apolo de la NASA [3] y específicamente mediante el uso del
Vehículo Roving Lunar (LRV) en los Apolos 15, 16 y 17, existe conocimiento sobre las propiedades de la superficie lunar [4].
Además, los vehículos gemelos del proyecto Mars Exploration Rover de la NASA recorrieron algunos kilómetros sobre la
superficie marciana [5]; se enfrentaban a un terreno accidentado con rocas volcánicas, salpicado de cráteres de impacto y con
lechos de roca estratificados distribuidos por un terreno arenoso. Como una abstracción de terrenos extraterrestres, nuestro
modelo de simulación utiliza un modelo de contacto entre ruedas y un terreno accidentado ideal con fricción de Coulomb,
comportamiento resbaladizo y hundimiento en suelo blando, el impacto entre ruedas rígidas y piedras de formas complejas es
una característica actualmente en desarrollo. Tanto los lechos de roca estratificados como el terreno arenoso con respecto a
su patrón de relieve se describen con elevación variable como una función continua de la ubicación espacial de cada rueda.
Calculamos las fuerzas tangenciales en el contacto como: 1) limitadas por el cono de fricción en el caso de suelo rígido; 2)
hundimiento/depende del diseño de la rueda en el caso de suelo blando. Dado que las elevaciones del terreno se describen
como una función continua, las discontinuidades solo podrían inducirse mediante la colocación de rocas con formas arbitrarias
distribuidas de acuerdo con el conocimiento previo como en [6]. Sin embargo, la suspensión del vehículo debe cumplir con los
estrictos requisitos de locomoción todoterreno. Tenga en cuenta que se permite que las ruedas asuman distintas elevaciones,
por ejemplo, durante una travesía a través de pendientes rocosas empinadas en presencia de hundimiento. Desde el punto de
vista del diseñador, el modelo de simulación de un sistema de suspensión también debería poder cambiar sus parámetros
geométricos con el objetivo de lograr un mejor rendimiento en un lugar de aterrizaje determinado.

El modelo de contacto se explica en las subsecciones 2.1­2.3, se detallan la forma del terreno y las fuerzas desarrolladas
en la zona de contacto de la rueda rígida en contacto con suelo rígido y blando. La subsección 2.4 ofrece una breve descripción
de las herramientas y métodos de modelado de MBS empleados.

2.1 Patrón de relieve y sistema de coordenadas.

En cuanto al patrón de relieve, es válido para suelos rígidos o blandos y se define en la zona de contacto de cada rueda de
un vehículo de exploración planetaria de múltiples ruedas. Una superficie tridimensional en la forma z = f(x, y) es un campo
escalar utilizado para calcular la orientación del vector normal del contacto en, donde (x, y) son puntos del plano yz la elevación
del terreno respectivo. ver figura 1a.
El eje de rotación del eje de la rueda sigue la actitud de la rueda, esto se utiliza para determinar la dirección longitudinal
(elong = en × eaxis) del sistema de coordenadas del punto de contacto. El sistema de coordenadas diestro se completa con la
dirección lateral como elat = elong×en. De esta manera, el sistema de coordenadas del punto de contacto de la rueda se define
localmente en función del terreno y de la orientación de la rueda. El vector normal es la dirección donde se calcula la fuerza
normal; Los vectores longitudinales y laterales están en el plano tangente, donde se producen las fuerzas de tracción y de
resistencia al movimiento.
La Figura 1b es un ejemplo de un vehículo de cuatro ruedas sobre un terreno de forma gaussiana.

2.2. Contacto rígido con el suelo

Para calcular la fuerza normal se utiliza el método de penalización. Consiste en un sistema compatible que proporciona
fuerzas que son proporcionales a la violación de las restricciones para resolver las restricciones; las fuerzas se calculan en la
dirección normal y tangente mediante el modelo de amortiguador de resorte [8], que puede ser lineal o no lineal.
Las ecuaciones (1) son la forma general del cálculo de la fuerza normal y la ecuación (2) es la forma general del cálculo del
vector de fuerza tangencial.

2
Machine Translated by Google

(a) Sistema de coordenadas del punto de contacto, [7] (b) Vehículo de cuatro ruedas en terreno ondulado

Figura 1: Definición y ejemplo del sistema de coordenadas

FN = fN,i(δN,i) + gN,i(δN,i, ˙δN,i) (1)

FT = fT ,i(δT,i) + gT ,i(δT,i , ˙δT,i) (2)

Donde los términos fN,i(.) y fT ,i(.) representan los resortes, los términos gN,i(.) y gT ,i(.) representan los
amortiguadores, δN,i y δT,i son los desplazamientos correspondientes del sistema resorte­amortiguador con sus
respectivas derivadas temporales ˙δN,i y ˙δT,i . En este punto tenemos un problema cinemático con estados
adicionales, esto se justifica porque se evita la indeterminación estática de las fuerzas normales en un vehículo de
varias ruedas. Se trata de una solución razonablemente rápida y precisa, pero el problema reside en que sólo se tiene
en cuenta el punto más penetrante. Este punto puede cambiar muy rápidamente, aparecer y desaparecer provocando
discontinuidades que la herramienta de simulación no puede tratar fácilmente. Su aparente simplicidad se convierte
en un problema cuando están presentes áreas de contacto en lugar de puntos de contacto. Se está preparando un
modelo de contacto rápido y preciso para resolver este problema y conseguir un comportamiento más suave de las
fuerzas normales en los contactos cara a cara. Las fuerzas desarrolladas en el plano tangente se basan en el modelo
de Coulomb, incluido el comportamiento puramente rodante y resbaladizo. La implementación del modelo de fricción
de Coulomb no es una tarea sencilla en nuestra herramienta de simulación/modelado (Dymola), ya que el orden del
sistema de DAE (Ecuaciones Algebraicas Diferenciales) cambia durante la simulación. En otras palabras, se convierte
en un sistema de estructura variable y puede abordarse de diferentes maneras. En [9] se propone una solución con
una aproximación del cono de fricción mediante una pirámide de fricción mediante una formulación de Problema de
Complementariedad Lineal (LCP), con ese supuesto la solución siempre es posible. Una fricción de Coulomb
regularizada se utiliza ampliamente [7] para obtener una versión continua y fácilmente manejable del modelo de
Coulomb; la debilidad de este enfoque está en el cruce por cero en la región de deslizamiento por cero (esto es
razonable si se supone que hay no hay una situación de deslizamiento cero). Otra solución propuesta en [8], aplicada
previamente en [10] y también adoptada aquí, utiliza un sistema compatible para calcular las fuerzas tangenciales
dentro del cono de fricción con una pequeña cantidad de deslizamiento permitida entre las transiciones de rodadura­
deslizamiento y viceversa. En este enfoque, se requiere que el amortiguador de resorte bidimensional mantenga la
restricción de rodadura no holonómica hasta que se alcance la fuerza máxima µFN. En este momento el resorte­
amortiguador 2D puede cambiar su dirección pero su desplazamiento está limitado por un círculo con el radio proporcional a µFN , ver fig
A pesar de las ventajas del modelo compatible para las fuerzas tangenciales, el éxito de este esquema es sensible
a los parámetros del resorte y el amortiguador y también a la ecuación utilizada para modelar el sistema resorte­
amortiguador. No sería un problema para una configuración fija de un vehículo planetario, es decir, dimensiones fijas
de la estructura mecánica. Pero dado que la estructura mecánica cambia para cada ejecución de simulación durante
el procedimiento de optimización, estos parámetros deben cambiarse adecuadamente o incluso fijarse para cumplir
con precisión con cada nuevo escenario (configuración paramétrica del móvil más características del terreno). Sin
embargo, existen formas de solucionar resultados no deseados, las condiciones de simulación se pueden fijar y
contribuir en gran medida a dar cabida a la estabilidad de la simulación durante el proceso de optimización general.
Otra solución sería sintetizar esos parámetros mediante algoritmos de optimización para configuraciones geométricas
extremas del rover de una cinemática determinada en terrenos determinados. Sería un enfoque de múltiples modelos
y casos múltiples aplicado al ajuste de parámetros relacionados con la simulación. Los criterios para esta afinación.

3
Machine Translated by Google

Figura 2: Transiciones de estado del modelo de contacto friccional

El proceso serían métricas de "robustez de la simulación" (por ejemplo, "parloteo", tiempo de simulación e inestabilidad
numérica). Esta última solución se implementará en una versión futura de nuestro marco de optimización móvil.

2.3 Contacto con suelo blando

El contacto con el suelo blando se simula según las conocidas ecuaciones de Bekker [11]. Las ecuaciones utilizadas
aquí se obtuvieron de la versión simplificada de [12] y permiten un cálculo más rápido del hundimiento y del ángulo de
entrada. La fuerza de propulsión (también conocida como empuje de tracción) se resta de las fuerzas de resistencia al
movimiento: compactación, excavación y influencia de la gravedad en pendientes inclinadas. El diagrama de fuerza que
actúa sobre una rueda se muestra en la figura 3a, donde σ es la presión normal que actúa radialmente sobre la llanta de la
rueda, θ0 es el ángulo de entrada, θ es la coordenada de posición angular del contacto rueda­suelo contada hacia adelante
desde la parte inferior de la rueda. punto muerto, z0 es el hundimiento máximo en el punto muerto inferior, W es la carga
vertical que actúa sobre la rueda y D es el diámetro de la rueda. La Figura 3b muestra la constante de enfoque α que es
constante y se utiliza para calcular la resistencia a la nivelación de acuerdo con [11].

(a) Geometría y fuerzas para una sola rueda rígida (b) Definición del ángulo α para la determinación
sobre el suelo. de la resistencia a la topadora.

Figura 3: Diagramas de terramecánica.

En la figura 4a, la tracción de la barra de tiro del vehículo simulada en Dymola en las mismas condiciones que el
experimento correspondiente con las pruebas del chasis de placa ExoMars (ver figura 4b) se presenta como una función del
deslizamiento para las mismas características del suelo (parámetros de Bekker) que en [13]. Tenga en cuenta que las
mediciones de fuerza se comprimieron fuertemente horizontalmente y se colocaron cerca del valor de deslizamiento
correspondiente en el diagrama, [14].
Actualmente se están desarrollando otros modelos de contacto con suelos blandos para lograr resultados experimentales
más precisos; también se basan en las ecuaciones de Bekker, pero no están simplificados. Además, también se recomiendan
métodos avanzados como los de [16] y [17] basados en mallas tetraédricas y simulación de materiales granulares basados
en partículas como intentos futuros de describir con precisión las interacciones suelo­rueda.

2.4 Modelo de simulación multicuerpo

4
Machine Translated by Google

(a) Tracción versus deslizamiento de la barra de tiro comparando la simulación y el experimento con el (b) Ilustración de un experimento de tracción
Modelo de placa de prueba del rover ExoMars con barra de tiro de [15]

Figura 4: Validación del modelo

Utilizamos Dymola como herramienta de modelado y simulación. La cinemática del vehículo fue modelada mediante
componentes multicuerpo disponibles en un paquete estándar de Dymola, son básicamente juntas de revolución,
conexiones fijas y cuerpos rígidos, ver figura 5.

Figura 5: Modelo multicuerpo del rover de cuatro ruedas

Una vez definida, la geometría de la estructura mecánica es totalmente parametrizable. El MBS es escalable, los
aspectos ambientales y los modelos de contacto se pueden incluir libremente para definir las limitaciones físicas deseadas.
Las adiciones se pueden insertar mediante el lenguaje Modelica interpretado directamente por Dymola, o mediante
funciones externas de bibliotecas específicamente codificadas para ese propósito. En la versión actual se implementó
completamente en lenguaje Modelica, pero una nueva versión en desarrollo llama a funciones externas para acelerar
algunos cálculos y detectar el contacto entre ruedas y rocas.

3. Simulación

Nuestros modelos de contacto se verifican mediante simulación. El modelo MBS se acopla con los modelos de
contacto rígido/blando para cada rueda con el fin de: 1) evaluar si el modelo se está comportando como se esperaba; 2)
recopilar conocimientos sobre la robustez y estabilidad de los resultados numéricos, ya que influyen en el proceso de
optimización. El primer objetivo puede considerarse simplemente como una etapa básica para verificar errores de
implementación y buscar esquemas de implementación más eficientes para acelerar la duración de la simulación. El

5
Machine Translated by Google

El segundo objetivo está estrictamente relacionado con nuestro procedimiento de optimización, porque cada iteración de
optimización requiere una ejecución de simulación. Significa que el modelo de simulación debe ser capaz de proporcionar
resultados confiables no solo para un escenario (configuración paramétrica del móvil más características del terreno), sino
para todos los que el optimizador arbitre.
El modelo de contacto se inserta como interfaz de cada rueda del vehículo planetario con el terreno.
También definimos dos ejemplos de simulación para subrayar algunas observaciones sobre los objetivos establecidos al
comienzo de esta sección. La verificación de errores y el análisis de robustez/estabilidad del modelo rígido de contacto con
el suelo se confía al primer ejemplo, que debe explorar el cambio entre los estados y metaestados como se muestra en la
figura 2. Un sistema híbrido puede ser una carga para nuestro entorno de simulación porque genera eventos de estado y
son fuentes potenciales de discontinuidades y vibraciones. Ambos efectos son indeseables ya que pueden detener la
simulación o hacerla extremadamente lenta. En el caso del modelo de contacto con suelo blando, el hundimiento es muy
importante en el cálculo de las fuerzas de resistencia y depende del deslizamiento, la carga sobre una rueda y los efectos de
múltiples pasadas. Su cálculo se evalúa en terrenos irregulares, donde la carga sobre las ruedas cambia constantemente.
De esta manera se puede comprobar la plausibilidad y analizar la respuesta a las condiciones iniciales para señalar un
algoritmo de inicialización adecuado.
El primer ejemplo se define de la siguiente manera: se fija un resorte al rover como en la figura 6a, y el rover comienza a
tirar del resorte a 10 s siguiendo un perfil en forma de rampa hasta 20 s. La Figura 6b muestra la fuerza entregada por el
resorte cuando se estira, la curva es lineal durante casi toda la simulación. La curva de fuerza del resorte sólo cambia en las
transiciones balanceo­deslizamiento y deslizamiento­rodamiento. La fuerza de tracción en la figura 6c está limitada por µFN .
Existe un comportamiento resbaladizo poco realista en los primeros segundos de simulación (ver figura 6d), esto se debe a
la inicialización de la simulación, donde los umbrales se relajan para asegurar la inicialización de las fuerzas normales, ya
que no pueden ser determinadas estáticamente. El deslizamiento transitorio a 10 s en la figura 6d es una característica del
sistema compatible; esto se puede disminuir o suavizar cambiando las constantes del resorte y el amortiguador. Cuando el
vehículo alcanza la tracción máxima permitida por el suelo en aproximadamente 86 s en la figura 6c, el vehículo comienza a
deslizarse hasta el final de la simulación como se ve en la figura 6d.

(a) Animación de la simulación. (b) Fuerza del resorte

(c) Tracción calculada por el modelo de Coulomb (d) Comportamiento resbaladizo con el sistema conforme

Figura 6: Resultados de la simulación del modelo de contacto por fricción con el rover tirando de un resorte

6
Machine Translated by Google

El segundo ejemplo es el rover que atraviesa una colina de arena. La Figura 7a muestra las ruedas delanteras y traseras subiendo
la colina más lentamente que bajando. Cuando suben, las fuerzas normales de la figura 7b son mayores en las ruedas traseras y la
situación cambia en el movimiento cuesta abajo. Observe en la figura 7c que las ruedas traseras se hunden más debido a la huella
dejada por las ruedas delanteras.
Del primer ejemplo, derivamos condiciones para simular un terreno rígido en un alcance útil (es decir, constantes de amortiguador
de resorte, ecuaciones de sistema compatibles y desniveles del terreno) donde la simulación es robusta y estable para valores acotados
de los parámetros de diseño establecidos por el optimizador. Del segundo ejemplo, derivamos un algoritmo de inicialización activado por
tiempo para acomodar adecuadamente el vector de estado del sistema y garantizar valores iniciales plausibles en un tiempo inicial
desplazado. Dentro de las condiciones indicadas, el modelo MBS y sus respectivas interfaces rueda­terreno se pueden utilizar en el
procedimiento de optimización.

(a) Desplazamiento del centro de masa (b) Fuerzas normales en la parte delantera y trasera. (c) Hundimiento del suelo en la parte delantera y trasera.
de las ruedas delanteras y traseras ruedas ruedas

Figura 7: Resultados de la simulación del modelo de contacto con suelo blando con el rover atravesando una colina de arena

4. Optimización

Cada ejecución de simulación puede verse como parte de una iteración del proceso de optimización. Después de cada ejecución de
simulación, se calculan las funciones objetivo y se ajustan los parámetros de la estructura mecánica para rastrear los valores deseados
de las funciones objetivo. Este proceso debe realizarse para cumplir objetivos simultáneamente en diferentes casos. Las siguientes
secciones detallan el esquema de optimización, se presentan y discuten algunos resultados en la secuencia, así como sugerencias y
sugerencias para mejorar las características que están en desarrollo.

4.1 Funciones objetivo y parámetros de diseño.

MOPS permite definir funciones objetivo como: restricciones de igualdad, restricciones de desigualdad o funciones a minimizar.
Entiende el cumplimiento de restricciones como objetivos a alcanzar, no sólo la minimización de una función determinada sino también
el mantenimiento de las restricciones bajo un límite preespecificado. Se pueden definir restricciones o funciones que se minimizarán con
valores de demanda o valores malos­buenos.

ck (T)
cˆk (T) = (3)
dk

La k­ésima función objetivo (también llamada criterio) ck escalada con un valor de demanda dk, como en la ecuación (3), satisfizo la
especificación sólo cuando su valor es menor que uno. Por tanto, ˆck(T) es el criterio escalado que depende del vector T de parámetros.
En la figura 8 se ofrece un ejemplo de valor "bueno­malo" para el criterio de masa total. En este caso, los valores por debajo del límite
"bueno­alto" (6 kg) se consideran buenos y no se necesita ninguna mejora adicional. Los valores entre 6 kg y 15 kg son aceptables pero
pueden mejorarse. Los valores superiores a 15 kg deben mejorarse para alcanzar el requisito (es decir, pertenecer a la región aceptable
o buena).

Los parámetros de diseño son siete: vía del vehículo, ancho de rueda, diámetro de rueda, espesor de rueda, área de sección
transversal del bogie, longitud del bogie y distancia rueda­bogie, ver figura 9.
t y se
El vector de parámetros presentado en la ecuación (3) ahora se expresa como T = [dw bw dv bv dwb tw Ab]
cambia durante el proceso de optimización al final de cada ejecución de simulación. Las funciones objetivo adoptadas en este trabajo
son tres: masa total, consumo medio de energía y estabilidad estática; calculados respectivamente como en las ecuaciones (4)­(6).

7
Machine Translated by Google

Figura 8: Un ejemplo de escalamiento "malo­bueno"

(a) Vista superior del vehículo (b) Vista lateral de un bogie

Figura 9: Descripción visual de los parámetros de sintonización en el vector T

Jmasa = partes (4)

partes

∆t
1
Javpower = |t · ω| dt (5)
∆t
ruedas 0

Jestabilidad = min (lateral, longitudinal) (6)

Tenga en cuenta que la segunda función objetivo depende de la simulación dinámica y las otras dos pueden ser
calculado sin integradores numéricos. La primera función objetivo (4) es la masa total del sistema de locomoción, que excluye la
carga útil al considerar solo la suma de la masa de cada parte del
sistema de locomoción. En (5) se calcula la potencia promedio dispensada en una travesía específica, ∆t es la
tiempo de simulación y τ y ω son el par y la velocidad angular de una de las ruedas. El tercer objetivo
La función (6) supone que el vehículo puede volcar en dirección lateral y longitudinal, la estabilidad más baja
El límite se toma como medida de la estabilidad estática del vehículo. Significa que lo peor (mínimo)
Se deben maximizar los márgenes de estabilidad longitudinal y lateral. Masa total y potencia media.
debe minimizarse y maximizarse el margen de estabilidad estática. Cada métrica en las ecuaciones (4)­(6) tiene una
correspondencia con uno de los criterios ck. La última métrica se puede mejorar aún más utilizando el soporte
Si se utiliza un enfoque poligonal como en [2], este es un enfoque más realista ya que es capaz de manejar cualquier tipo de huella
de vehículo en cualquier ángulo relativo a la pendiente considerando los puntos de contacto más externos entre las ruedas y el terreno.

4.2 Optimización de casos múltiples

Se puede encontrar un conjunto sólido de parámetros utilizando el enfoque de casos múltiples. Por ejemplo, para modelos
computacionales que dependen de otros parámetros que son inciertos (como las características del terreno), el

8
Machine Translated by Google

La robustez frente a las variaciones de los parámetros del terreno se puede lograr intentando aplicar una estructura mecánica única a un
conjunto completo de instancias del modelo, correspondientes a diferentes valores de los parámetros físicos del terreno.

Se puede aplicar un esquema de optimización multiobjetivo en varios casos (por ejemplo, suelo blando lunar, suelo blando marciano,
superficie rígida, superficie mixta blanda y rocosa) en el mismo procedimiento. En otras palabras, al final del procedimiento de optimización
se obtiene un conjunto de parámetros sintetizados para lograr múltiples objetivos no en una sola condición operativa sino en varias, que
están dentro del alcance del proyecto.
Esto es muy importante para la movilidad de los robots todoterreno, ya que el terreno tiene características de fricción, terramecánicas
y de distribución de rocas que son inciertas y a las que las funciones objetivo son muy sensibles.

4.3 Método de optimización

MOPS proporciona varias rutinas de optimización, consulte [18]. Los mejores resultados en este trabajo se lograron mediante
el método de Evolución Diferencial.
La evolución diferencial (DE) es un método de optimización matemática de funciones multidimensionales y pertenece a la clase de
optimizadores de estrategias de evolución. DE encuentra el mínimo global de una función multidimensional y multimodal con buena
probabilidad. La idea crucial detrás de DE es un esquema para generar vectores de parámetros de prueba. DE suma la diferencia
ponderada entre dos vectores de población a un tercer vector. Por primera vez la evolución diferencial fue descrita por [19].

La implementación en MOPS se basa en el software distribuido gratuitamente por [19] y está adaptada para el cálculo paralelo de las
poblaciones. Además, la implementación MOPS de DE se amplía mediante una función de optimización híbrida (combinada global/local) y
difiere en la política de terminación. Las restricciones lineales o no lineales se abordan mediante la función de penalización L1 exacta.

5. Resultados

Los parámetros geométricos de la estructura mecánica del rover se sintetizaron utilizando el paquete de algoritmos de optimización
implementado en MOPS. Se adopta una solución Pareto óptima o "no inferior" como criterio para tomar decisiones frente a funciones
objetivas en conflicto. La Tabla 1 muestra el vector de parámetros encontrado por el algoritmo de evolución diferencial en comparación
con los valores iniciales. El conjunto de valores cumple con las tres funciones objetivo enunciadas. Nominal significa configuración inicial,
sus parámetros geométricos se eligieron arbitrariamente en función de la experiencia previa con la optimización del rover ExoMars en [14].

Tabla 1: Resultados numéricos del proceso de optimización

Móvil bv tw Nominal
dw 0,25
b m 0,10dvm 0,64 m 1,27 m 0,205 m 7,5
dwb ab
× 10−3 m 2,4 × 10 −3 m2 Optimizado 0,25 m 0,06 m 0,80 m 1,90 m 0,140 m 2,6 ×
10 −3 m 1,2 × 10 −3 m2

Todas las funciones objetivo podrían proporcionar resultados satisfactorios para las condiciones simuladas en suelos rígidos y blandos.
La Figura 10 muestra la mejora porcentual de masa, estabilidad estática y potencia media.
La mejora de la masa y de la potencia media consumida supone una reducción, en la estabilidad estática supone un aumento del margen
de estabilidad estática. Estos resultados se evaluaron para otras variaciones de terrenos y la versión optimizada pudo lograr una reducción
del 45% de la potencia promedio consumida al conducir en suelo blando en comparación con el vehículo explorador nominal.

La Figura 11 ofrece una descripción general de las soluciones optimizadas y nominales. Tenga en cuenta que el rover optimizado
tiene ruedas más delgadas y esta no es una buena opción para navegar en suelos blandos. Las simulaciones en suelo blando confirmaron
un aumento de los hundimientos y deslizamientos.
En este procedimiento de optimización se eligieron valores de exigencia estrictos para las funciones objetivo. Los valores de demanda
manejan las soluciones de compromiso (óptimas de Pareto) basadas en las prioridades del diseñador. Si todas las funciones objetivo
cumplen con los valores de demanda, deben ubicarse dentro del cubo unitario de la figura 12. Se puede ver que diferentes algoritmos de
optimización fueron capaces de alcanzar ciertas ubicaciones en el espacio de funciones objetivo, el algoritmo de evolución diferencial pudo
encontrar el mejor compromiso entre los

9
Machine Translated by Google

Figura 10: Porcentaje de mejora en cada función objetivo

Figura 11: Comparación de los móviles optimizados (izquierda) y nominales (derecha)

funciones objetivas declaradas.

6. Conclusión y perspectivas

Este trabajo planteó un problema de optimización que trata con tres funciones objetivo. El ejemplo de aplicación fue
bastante simple, pero puede llevar mucho tiempo debido a las simulaciones por lotes que se deben realizar. Nuestro modelo
de simulación aumenta continuamente su complejidad con el compromiso de mantenerlo rápido. Se podrá aumentar el
número de funciones objetivo, ya que existen otras características muy importantes para una misión de exploración
planetaria. El hundimiento y el deslizamiento son dos características que pueden incluirse como nuevas funciones objetivo
con sus respectivas métricas bien definidas. La solución final fue evaluada en varios patrones de relieve de suelos rígidos y
blandos y arrojó resultados satisfactorios de potencia promedio consumida, que es la única función objetivo calculada
mediante integración numérica.
La solución es muy sensible a los modelos de contacto. Dado que la configuración cinemática de la estructura mecánica
es inmutable, las funciones objetivo quedaron fuertemente influenciadas por las condiciones ambientales. Se puede realizar
un análisis de sensibilidad de tal forma que relacione las funciones objetivas con las características del terreno y no sólo con
los sintonizadores, como es habitual.
Una extensión importante de este trabajo sería la inclusión de nuevas funciones objetivas que aborden aspectos de
transitabilidad y el análisis de sensibilidad. Podría proporcionar instrucciones para recomendar parámetros de ajuste efectivos
y características del terreno admisibles. Las magnitudes variables en el tiempo (es decir, deslizamiento, hundimiento y
potencia) también se pueden mejorar mediante una optimización adecuada de los controladores de movimiento. Como un

10
Machine Translated by Google

Figura 12: Cubo de Unity en el espacio de funciones objetivo normalizado

Por cuestión de metodología, se puede emplear sobre una estructura mecánica previamente optimizada.

Referencias
[1] DS Apostolopoulos. Configuración analítica de locomoción robótica sobre ruedas. Tesis doctoral, Carnegie
Universidad Mellon, Pittsburgh, Pensilvania, 2001.

[2] T. Thüuer. Evaluación de la movilidad de robots todoterreno con ruedas. Tesis doctoral, Eidgen¨ossische Technische Hochschule
Zurich, Zurich, Suiza, 2009.

[3] Equipo de Evaluación de la Misión. Informe de la misión Apolo 14. Informe técnico MSC­04112, NASA, Houston,
Texas, mayo de 1971.

[4] Grant H. Heiken, David T. Vaniman y Bevan M. French. Libro de consulta lunar: una guía del usuario para
la luna, capítulo 9, páginas 475–567. Prensa de la Universidad de Cambridge, 1991.

[5] Laboratorio de Propulsión a Chorro. Vehículo explorador de Marte. Datos de la NASA, octubre de 2004.

[6] El diputado Golombek. Cálculos de estadísticas de rocas para los sitios de aterrizaje de mer. En el tercer taller sobre el sitio de
aterrizaje del MER, marzo de 2002.

[7] Dirk Zimmer y Martin Otter. Modelos en tiempo real para ruedas y neumáticos en un marco de modelado orientado a objetos.
Dinámica del sistema del vehículo, 48:189–216, febrero de 2010.

[8] PR Kraus, A. Fredriksson y V. Kumar. Modelado de contactos friccionales para simulación dinámica.
En Taller IROS 1997 sobre simulación dinámica: métodos y aplicaciones, septiembre de 1997.

[9] Jeff Trinkle, Jong shi Pang, Sandra Sudarsky y Grace Lo. Sobre problemas dinámicos de contacto de cuerpos múltiples rígidos con
fricción de Coulomb. ZAMM ­ Revista de Mecánica y Matemáticas Aplicadas / Revista de Matemáticas y Mecánica Aplicadas,
77:267–269, noviembre de 2006.

[10] G. Sohl y A. Jain. Modelado del contacto rueda­terreno en la simulación del rover planetario deambula. En 2005, Conferencia Técnica
Internacional de Ingeniería de Diseño de ASME, Long Beach, California, septiembre de 2005.

[11] MG Bekker. Teoría de la locomoción terrestre. Prensa de la Universidad de Michigan, 1956.

11
Machine Translated by Google

[12] L. Richter, A. Ellery, Y. Gao, S. Michaud, N. Schmitz y S. Weiß. Un modelo predictivo de interacción rueda­suelo para
rovers planetarios validado en bancos de pruebas y con datos de rendimiento de Mer Mars Rover.
En Congreso Europeo de Ciencias Planetarias 2006, Berlín, Alemania, septiembre de 2006.

[13] B. Schäfer, A. Gibbesh, R. Krenn y B. Rebele. Simulación de movilidad de rover planetario en suave y
terreno irregular. Dinámica del sistema del vehículo, 48:149–169, enero de 2010.

[14] Alexandre C. Leite y Bernd Schäfer. Modelado multicuerpo y optimización multiobjetivo de un vehículo orientable de seis
ruedas y sus controladores de movimiento. En el primer taller de la ESA sobre dinámica multicuerpo para aplicaciones
espaciales, Noordwijk, Países Bajos, febrero de 2010.

[15] S. Michaud, M. Höopflinger, T. Théuer, C. Lee, A. Krebs, B. Despont, A. Gibbesh y L. Richter.

Lección aprendida de la campaña de prueba del sistema de locomoción de Exomars. En el décimo taller de la ESA sobre
tecnologías espaciales avanzadas para robótica y automatización ­ Astra, Noordwijk, Países Bajos, noviembre de 2008.

[16] Yongning Zhu y Robert Bridson. Animar la arena como fluido. En SIGGRAPH '05: ACM SIG­GRAPH 2005 Papers, páginas
965–972, Nueva York, NY, EE. UU., 2005. ACM.

[17] Nuttapong Chentanez, Bryan Feldman, Franois Labelle, James O'Brien y Jonathan Richard Shewchuk. Simulación de
líquidos sobre mallas tetraédricas basadas en celosías. En Simposio sobre animación por computadora, San Diego,
California, 2007.

[18] SS Joos. Guía del usuario de síntesis de parámetros multiobjetivo de Mops v 5.3. Informe técnico DLR IB
515­08­37., 2008.

[19] R. Storn y K. Precio. Evolución diferencial: un esquema adaptativo simple y eficiente para la optimización global en
espacios continuos. Informe técnico TR­95­012, ICSI, marzo de 1995.

12