Điều khiển cánh tay robot trên công nghệ mạng nơron

Link tải luận văn miễn phí cho ae Kết Nối
ABSTRACT
This paper describles the use of
Neural Controller to control for a two-link
planar robot manipulator. The Neural
Controller has two neural networks: a
neural network identifier (ANNI) and a
neural network controller (ANNC). The
ANNI is use to identify the mode of the
system and be controlled through back –
propagation training algorithm to adjust
parameters of the ANNI. The ANNC is used
to control the joint angle of robot
manipulator folowing an arbitrarily
reference signal and be controlled through
back – propagation training algorithm to
adjust parameters of the ANNC. Comparing
with PID and Fuzzy control method,
experimental results are provided the
exactitude and effectiveness of the method
proposed.‡
I. GIỚI THIỆU
Ngày nay, quá trình công nghiệp hóa
và tự động hóa phát triển mạnh mẽ, các hệ
thống điều khiển thường sử dụng cánh tay
robot để điều khiển tự động theo định hướng
điều khiển của người điều khiển.
Để điều khiển cánh tay robot, thông
thường sử dụng các phương pháp điều
khiển cổ điển như: phương pháp điều khiển
PI, phương pháp điều khiển PID để điều
khiển góc quay cho cánh tay robot, bởi vì
* ThS. Khoa Điện, Trường ĐH. Cơng nghiệp thành
phố Hồ Chí Minh
các phương pháp này đơn giản và dễ điều
khiển, nhưng nó chưa chính xác và thiếu
tính thích nghi vì hệ thống robot không ổn
định và phi tuyến động.
Từ những nhược điểm của các
phương pháp điều khiển cổ điển, trong
những năm gần đây các nhà nghiên cứu
khoa học đã đưa ra những phương pháp
mới, để giải quyết những vấn đề liên quan
tới hệ thống không ổn định và phi tuyến
động. Có hai phương pháp điều khiển
thường được sử dụng là: phương pháp điều
khiển trên cơ sở logic mờ và phương pháp
điều khiển trên cơ sở mạng nơron.
Phương pháp điều khiển trên cơ sở
logic mờ dùng để giải quyết mô hình toán
có nhiều biến thay đổi theo , mà các
phương pháp truyền thống không giải quyết
được. Phương pháp này thường cho kết quả
gần đúng, do vậy phương pháp này chưa
chính xác và thiếu tính linh hoạt vì nó phụ
thuộc vào tập dữ liệu và tập luật, nếu đối
tượng điều khiển không ổn định và phi
tuyến động, thì tập luật và tập dữ liệu phải
cập nhật thường xuyên để phù hợp với đối
tượng điều khiển.
Để giải quyết những khó khăn trên,
thì phương pháp điều khiển cánh tay robot
trên công nghệ mạng nơron như là công cụ
để giải quyết những vấn đề khó của hệ
thống phi tuyến động. Trong nghiên cứu
này, một chiến lược điều khiển được đề
xuất cho những hệ thống phi tuyến. Phương
pháp được đề xuất là sử dụng một bộ điều
khiển nơron (Neural Controller) để điều
ĐIỀU KHIỂN CÁNH TAY ROBOT TRÊN CÔNG
NGHỆ MẠNG NƠRON
Châu Văn Bảo*24 Khoa học - kĩ thuậät
khiển cánh tay robot. Bộ điều khiển nơron
gồm có: Một mô hình tham chiếu dùng để
định hướng điều khiển; Một mạng nơron
nhận dạng dùng để nhận dạng đối tượng
điều khiển thông qua giải thuật huấn luyện
lan truyền ngược để tự điều chỉnh các thông
số của mạng; Một mạng nơron điều khiển
dùng để điều khiển góc quay của cánh tay
robot theo tín hiệu tham chiếu định hướng
điều khiển.
II. THIẾT KẾ BỘ ĐIỀU KHIỂN
NƠRON (neural controller)
Phương trình chuyển động của cánh
tay của robot:
g(w) T
. w
)
. w
C(w,
..
H(w)w   (1)
Trong đó: w là góc quay của cánh
tay robot, H(w) là ma trận momen quán
tính, C(w) là momen hướng tâm, g(w) là
momen lực hút, T là momen.
Cấu trúc của bộ điều khiển cánh tay
robot trên công nghệ mạng nơron được
trình bày ở hình 1.
Mô hình
tham
chiếu
r(k)
EC
Z-1
wm
Z-1
u’(k)
EI
Z-1
u(k) Đối tuợng
điều khiển
Z-1
w(k)
Bộ nhận
dạng ANNI
Bộ điều
khiển
ANNC
Z-1
Hình 1: Cấu trúc Neuron Controller.
ANNI (Artificial Neural Network
Identify): Bộ Neural network nhận dạng.
ANNC (Artificial Neural Network
Control): Bộ Neural network điều khiển.
1. Mạng nơron nhận dạng (ANNI:
Artificial Neural Network )
Bộ nhận dạng ANNI là một mạng
nơron truyền thẳng hai lớp, với các đầu vào
w(k-1), w(k-2), u(k), u(k-1); có hai lớp ẩn;
số nơron trong lớp ẩn 10 nơron và một đầu
ra u’(k). Việc huấn luyện dùng giải thuật
lan truyền ngược, ở đây độ lệch sự nhận
dạng là: ei = w(k) - u’(k) được sử dụng để
điều chỉnh các tham số của bộ nhận dạng
ANNI. Xung lượng cho việc huấn luyện lan
truyền ngược được lựa chọn là I = 0,2 và
hệ số học I = 10-6. Hàm giá của bộ ANNI
được xác định như sau:
2i
2
e
1 2
[ (k)- u'(k)] =
1 2
EI(k)  w (2)
Quá trình học là để điều chỉnh các
tham số trọng lượng của mạng, vì vậy phải
cực tiểu hóa hàm giá EI. Giải thuật lan
truyền ngược xác định sự gia tăng của hệ số
trọng lượng.
i
i
W
EI
W
 
   (3)
Ở đây
i Wi
net
net
u'(k)
u'(k)
EI
W
EI
 





 
(4)
Trong đó:
J
J
net  xJW , xJ đầu vào thứ J,
WJ hệ số trọng lượng thứ J của bộ nhận
dạng.
a'(net)
net
u'(k)


 và
x (k)
W
net
i
i

 
   
u'(k)
w(k)
w(k) u'(k) w(k) u'(k)
1 2
u'(k) u'(k)
EI 2
 
   





 
u'(k)
w(k)
a'(net)x (k) w(k) u'(k)
W
EI
i
i 

  
 
(5)
Từ (5) và(3) ta có biểu thức (6) là độ
gia tăng của hệ số trọng lượng.
Ket-noi.com kho tai lieu mien phi Ket-noi.com kho tai lieu mien phiKhoa học - kĩ thuậät 25
 
u'(k)
w(k)
Wi a'(net)xi(k) w(k) u'(k)
 
    (6)
Vectơ trọng lượng tại bước (k+1) được cải
tiến công thức (7)
Wi(k 1)  Wi(k) Wi [Wi(k) Wi(k 1)] (7)
Bộ ANNI có đầu ra: u’(k) = N[w(k-1),
w(k-2), u(k), u(k-1)].
2. Mạng nơron điều khiển
(ANNC: Artificial Neural Network
Control)
Bộ điều khiển ANNC là một mạng
neuron truyền thẳng hai lớp, với các đầu
vào r(k), u(k-1), w(k -1); có hai lớp ẩn; số
nơron trong lớp ẩn 13 nơron và một đầu ra
u(k). Việc huấn luyện dùng giải thuật lan
truyền ngược, ở đây độ lệch là: ec(k) =
wm(k) - w(k) được sử dụng để điều chỉnh
các tham số của bộ điều khiển ANNC.
Xung lượng cho việc huấn luyện lan truyền
ngược được lựa chọn là C = 0,08 và hệ số
học C = 10-9. Hàm giá của bộ ANNC đư

Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:

em cần ạ

Trích dẫn từ Thuan nguyen 123:

em cần ạ

Click to expand...

Link mới update, mời bạn xem lại bài đầu