基于数据驱动的平面四杆机功能生成机制的维数综合
机器学习
2025-07-14 v1
摘要
平面四杆机的维数综合是运动学中的一个具有挑战性的逆问题，要求从期望的运动规范中确定机械的尺寸。我们提出一种数据驱动框架，绕过传统的方程求解和优化，利用监督式学习。我们的方法结合了合成数据集、用于处理顺序精度点的 LSTM 神经网络，以及针对不同连杆类型的混合专家（MoE）架构。每个专家模型在类型特定数据上训练，并由指定类型层指导，实现单类型和多类型综合。我们提出一种新的仿真度量，通过比较期望与生成运动来评估预测质量。实验表明，我们的方法在各种配置下都能产生准确、无缺陷的连杆。这使得机制设计变得直观且高效，即使是非专家用户也能受益，并为可扩展和灵活的运动学综合开辟了新的可能性。
引用
@article{arxiv.2507.08269,
title = {Data-Driven Dimensional Synthesis of Diverse Planar Four-bar Function Generation Mechanisms via Direct Parameterization},
author = {Woon Ryong Kim and Jaeheun Jung and Jeong Un Ha and Donghun Lee and Jae Kyung Shim},
journal= {arXiv preprint arXiv:2507.08269},
year = {2025}
}