随着人机交互技术的进步和社会经济的发展,智能机器人在我们的日常生活中发挥着越来越重要的作用。其中可直接与人互动交流、服务于人类的语音机器人,更是走进了千家万户,它们被广泛应用于智能家居、智慧交通和智慧医疗等领域。对于一些特定的应用场景,比如家庭陪伴,要求语音机器人外观小巧精致,体积不能过大,还得具备一定的负重能力,保证机身内部能容纳下电机和电池等必要零件。由于机器人的外形壳体是内部空间的反映,在容纳内部零件的约束条件下机器人外形壳体越小,其内部空间体积就越小。因此本文通过调整机器人的外形参数,探索令智能语音机器人内部空间利用率更高的有效方法。围绕该目标,本文开展的主要研究工作如下:首先,建立机器人外形总体参数优化设计框架,利用Solidworks软件对语音识别机器人的外形壳体进行3D建模,并导出外形表面的三维坐标点。针对坐标点进行多项式拟合,得到拟合方程,实现外形壳体的参数化表示,为接下来的优化做准备。其次,对机器人内部的零部件如激光雷达、音响等进行建模并组合成装配体,然后对零件组合进行函数表示。最后,以体积最小为优化目标对机器人展开内部空间优化。鉴于传统优化算法在机器人优化应用中存在对模型数学性质要求高、运行速度慢、难以准确获得全局最优解等问题,本文考虑引入粒子群算法对机器人进行优化。粒子群算法是通过模仿鸟群觅食时个体和群体搜索食物的行为而提出的一种群智能优化算法。该算法实现简单,不依赖目标函数的梯度等数学信息,可满足复杂的设计变量类型,是非线性优化问题和组合优化问题求解的有效工具。但我们尝试将粒子群算法引入语音机器人的外形设计中时,发现该算法在应用中仍存在迭代后期收敛速度变慢,易过早收敛于局部最优解的问题。本文提出了粒子群的三种改进算法,分别是混沌粒子群优化算法、基于交叉变异操作的遗传粒子群优化算法以及基于支持向量回归的粒子群优化算法,并通过实验对三种改进算法和基本粒子群算法在收敛速度和计算精度方面进行了对比分析。由于高维多模优化问题中的适应度函数极其复杂,比如本文的机器人优化中就存在56个设计变量,导致其计算成本非常高。因此,在对实验结果进行分析时,我们以适应度函数的计算次数代替算法的实际运行时间。实验结果表明,基于支持向量回归的粒子群优化算法在四种算法中收敛速度更快、稳定性和计算精度更高。因此,本文最终选用基于支持向量回归的粒子群算法对语音识别机器人的外形参数进行调整,在容纳内部零件的约束条件下,减小机器人的体积,实现机器人的内部空间优化。