数学 > 优化与控制
[提交于 2023年7月27日
]
标题: 基于伴随的可收缩弹性体最优控制。 应用于在摩擦性基底上的无肢运动
标题: Adjoint-based optimal control of contractile elastic bodies. Application to limbless locomotion on frictional substrates
摘要: 在自然界中,无肢运动被各种不同尺度的生物广泛采用。有趣的是,波浪式、爬行和步进/环状步态构成了一类基本的无肢运动,并且在许多物种中经常被观察到,例如毛虫、蚯蚓、水蛭、幼虫以及\emph{线虫},仅举几例。在本工作中,我们开发了一个计算高效的基于三维有限元(FE)的统一框架,用于无肢生物在柔软底物上的运动。肌肉活动通过变形梯度的乘法分解进行模拟,这使得在摩擦底物上的三维固体中能够模仿广泛的运动模式。特别是,提出了一种基于位置和速度的两场有限元公式。控制偏微分方程被转化为等效的时间连续微分代数方程(DAEs)。接下来,在最优控制理论的框架下研究了最优运动策略。我们采用基于伴随的方法,并推导出一阶最优性条件,这产生了一个具有两点端条件的DAE系统。讨论了隐藏的辛结构和最优性条件的辛欧拉时间积分。所得的离散一阶最优性条件形成一个非线性规划问题,该问题通过前向后向扫视法高效求解。最后,提供了一些数值例子来展示所提出的计算框架的全面性,并研究了无肢生物采用的不同运动模式中的节能最优无肢运动策略。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.