تطوير نظام روبوتي متنقل محسن طوبوغرافيًا مع هيكل تخطيط مسار موفر للطاقة يعتمد على التعلم الآلي

تقدم هذه الدراسة تصميم وتطوير نظام روبوتي متنقل محسن هيكليًا مع إطار تخطيط مسار موفر للطاقة يعتمد على التعلم الآلي. تم تطبيق تحسين الطوبولوجيا (TO) وتحليل العناصر المحدودة (FEA) لتقليل وزن الهيكل مع الحفاظ على السلامة الميكانيكية. تم تصنيع المكونات المحسنة باستخدام نموذج الإيداع المنصهر (FDM) مع مادة ABS (أكريلونيتريل بوتادايين ستيرين). تم تطوير أداة تحليل طاقة مخصصة لمقارنة استهلاك الطاقة بين التصاميم المحسنة والأولية. تم جمع بيانات استهلاك الطاقة الحالية من العالم الحقيقي تحت ظروف تضاريس مختلفة، بما في ذلك الأسطح المائلة، والعوائق التي تسبب الاهتزاز، والحصى، والحواجز التي تغير الاتجاه. بناءً على مجموعة البيانات هذه، تم تطوير نموذج لتخطيط المسار باستخدام خوارزميات التعلم الآلي، قادر على تحسين كفاءة الطاقة وطول المسار للوصول إلى هدف محدد مسبقًا في الوقت نفسه. على عكس الأعمال السابقة التي تركز بشكل منفصل على تحسين الهيكل أو الملاحة المعتمدة على التعلم، تدمج هذه الدراسة كلا المجالين ضمن منصة روبوتية واحدة قابلة للتطبيق. أظهرت تقييمات الأداء نتائج متفوقة مقارنةً بأساليب التخطيط التقليدية، التي عادةً ما تحسن المسافة أو الطاقة بشكل مستقل وتفتقر إلى ردود فعل استهلاك الوقت الفعلي. تقلل الإطار المقترح من إجمالي استهلاك الطاقة بنسبة 5.8٪، وتقصر وقت النمذجة الأولية بنسبة 56٪، وتزيد مدة المهام بحوالي 20٪، مما يبرز فوائد التطبيق المشترك لـ TO و ML لتصميم روبوتي مستدام ومدرك للطاقة. تعالج هذه المقاربة المتكاملة ثغرة حرجة في الأدبيات من خلال إثبات أنه يمكن تحسين الوزن الخفيف الميكانيكي وتخطيط المسار الذكي بشكل مشترك في نظام روبوتي قابل للنشر باستخدام بيانات طاقة تجريبية.