zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Kỹ Thuật - Công Nghệ

» Tự động hoá

Điều khiển bền vững thích nghi trên cơ sở mờ Nơron điều khiển cho tay máy robot

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:7

Báo xấu

26
lượt xem 13
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Điều khiển bền vững thích nghi trên cơ sở mờ Nơron điều khiển cho tay máy robot đưa ra bộ điều khiển bền vững thích nghi mờ nơron điều khiển cho tay máy robot để cải thiện độ chính xác của điều khiển bám. Để giải quyết thành phần bất định của hệ thống robot, bộ điều khiển AFRNNs được sử dụng để xấp xỉ thành phần chưa rõ của động học robot.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Điều khiển bền vững thích nghi trên cơ sở mờ Nơron điều khiển cho tay máy robot

LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA Điều khiển bền vững thích nghi trên cơ sở mờ Nơron điều khiển cho tay máy robot Adaptive robust control based on fuzzy neural network control robot manipulator Nguyễn Phương Tỵ1, Vũ Thị Yến2, Nguyễn Thị Thảo1, Nguyễn Thị Phương1 Email: tynp2109@gmail.com Trường Đại học Sao Đỏ 1 2 Trường Đại học Công nghiệp Hà Nội Ngày nhận bài: 11/01/2022 Ngày nhận bài sửa sau phản biện: 29/3/2022 Ngày chấp nhận đăng: 31/3/2022 Tóm tắt Bài báo này đưa ra bộ điều khiển bền vững thích nghi mờ nơron điều khiển cho tay máy robot để cải thiện độ chính xác của điều khiển bám. Để giải quyết thành phần bất định của hệ thống robot, bộ điều khiển AFRNNs được sử dụng để xấp xỉ thành phần chưa rõ của động học robot. Ngoài ra, bộ điều khiển trượt SMC được xây dựng để tối ưu các tham số vectơ, bù sai lệch xấp xỉ. Tất cả các tham số của bộ điều khiển đưa ra được xác định bằng thuyết ổn định Lyapunov. Vì thế, khả năng ổn định, bền vững và hiệu suất bám yêu cầu của AFRNNs cho tay máy robot được đảm bảo. Hơn thế nữa, mô phỏng hoạt động của bộ điều khiển được thực hiện trên robot hai link để chứng minh tính bền vững và hiệu quả của bộ điều khiển ARFNNs. Từ khóa: Điều khiển trượt; điều khiển thích nghi bền vững; điều khiển mờ; mạng nơron, tay máy robot. Abstract This paper proposed an Adaptive Robust Fuzzy Neural Networks (ARFNNs) control for robot manipulators to improve accuracy of the tracking control. To deal with the unknown knowledge of the system, the ARFNNs are used to approximate the unknown dynamics. In addition, the robust SMC is constructed to optimize parameter vectơs, compensate the approximation error. All the parameters of the proposed control system are determined by Lyapunov stability theorem. Therefore, the stability, robustness, and desired tracking performance of ARFNNs for robot manipulator are guaranteed. Moreover, the simulations performed on two-link robot manipulator to prove the robustness and efficiency of the ARFNNs. Keywords: Sliding mode control; robust adaptive control; fuzzy logic control; neural networks; robot manipulator. CHỮ VIẾT TẮT một bộ điều khiển phù hợp là một thách thức lớn cần SMC: Sliding Mode Control; được giải quyết. Để giải quyết thách thức đó, đã có nhiều bộ điều khiển được nghiên cứu và đưa ra như bộ ARFNNs: Adaptive Robust Fuzzy Neural Networks; điều khiển PID, bộ điều khiển thích nghi, bộ điều khiển RBFNN: Radial Basis Function Neural Network. trượt…[1-6]. Điều khiển thích nghi là bài toán tổng hợp bộ điều khiển nhằm giữ hệ thống luôn ổn định, dù 1. ĐẶT VẤN ĐỀ trong quá trình làm việc xuất hiện nhiễu không mong Robot công nghiệp là một trong những đối tượng được muốn, có sự thay đổi cấu trúc hoặc tham số không sử dụng phổ biến và mang lại hiệu quả cao trong sản biết trước của đối tượng điều khiển. Khi có sự thay xuất, sinh hoạt,… đồng thời cũng là đối tượng có tính đổi của đối tượng bộ điều khiển sẽ tự chỉnh định cấu phi tuyến mạnh, có các tham số bất định lớn và chịu trúc và tham số nhằm đảm bảo chất lượng hệ thống sự tác động của nhiễu. Song song với việc nâng cao không đổi [6]. Điều khiển trượt được biết đến như một độ chính xác trong các khâu lắp ghép cơ khí thì điều phương pháp điều khiển phi tuyến bền vững đơn giản, khiển cũng là một vấn đề hết sức quan trọng để cải hiệu quả. Phương pháp điều khiển này ít nhạy với sự thiện chất lượng làm việc của robot. Do đó, để thiết kế biến đổi của các thông số hệ thống, có khả năng kháng nhiễu tốt, đáp ứng động học nhanh. Tuy nhiên, chuyển Người phản biện: 1. GS. TSKH. Thân Ngọc Hoàn động bám mặt trượt thường tồn tại hiện tượng quỹ 2. PGS. TS. Bùi Đăng Thảnh đạo trạng thái của hệ dao động tần số cao quanh mặt Tạp chí Nghiên cứu khoa học, Trường Đại học Sao Đỏ, Số 1 (76) 2022 13
NGHIÊN CỨU KHOA HỌC trượt. Mặt khác thiết kế điều khiển trượt yêu cầu phải (3) Tính chất 3: 𝐶𝐶(𝑞𝑞, 𝑞𝑞̇ )𝑞𝑞̇ được giới hạn theo: xT  M ( q ) – 2C ( q, q )  x = 0   biết trước mô hình toán học của hệ động học cũng như các điều kiện biên khác [4]. Để giải quyết bài toán này, trong những năm gần đây, bộ điều khiển thông minh C ( q, q ) q  Ck q 2 (4) trên cơ sở logic mờ và mạng nơron để điều khiển vị trí của tay máy robot được quan tâm. Bộ điều khiển mờ Ở đây: là một công cụ hiệu quả trong việc xấp xỉ hệ thống phi Ck là hằng số dương. tuyến [7-12]. Trong [8] một bộ điều khiển mờ trên cơ sở điều khiển bền vững thích nghi điều khiển cho tay 3. CẤU TRÚC BỘ ĐIỀU KHIỂN FNNS máy robot. Ở đây, logic mờ được sử dụng để xấp xỉ thành phần chưa rõ của động học robot. Bộ điều khiển đã đảm bảo được hiệu quả bám và sai lệch bám theo yêu cầu. Tuy nhiên, luật của bộ điều khiển mờ được xây dựng dựa trên kinh nghiệm của người thiết kế. Vì thế, bằng những kinh nghiệm đó nhiều khi chưa đủ và rất khó để xây dựng được luật điều khiển tối ưu. Để giải quyết vấn đề này, bộ điều khiển nơron được đưa ra [10-12]. Trong [11], một bộ điều khiển bền vững thích nghi trên cơ sở của mạng nơron đã được đưa ra để điều khiển cho tay máy robot. Ở đây, bộ điều khiển đưa ra đã kế thừa những thuận lợi của bộ điều khiển nơron đó là khả năng học online trong quá trình làm việc. Tuy nhiên bộ điều khiển nơron khi áp dụng cho các hệ thống lớn thì khối lượng tính toán nhiều và rất phức tạp. Để giải quyết khó khăn này bài báo đã đưa ra bộ điều khiển bền vững thích nghi mờ nơron trên cơ Hình 1. Cấu trúc bộ điều khiển FNNs sở kết hợp những ưu điểm của bộ điều khiển mờ và bộ điều khiển nơron. Do đó, khi áp dụng bộ điều khiển Bộ điều khiển FNNs có cấu trúc như Hình 2 có 4 lớp này vào điều khiển robot hiệu quả bám, tốc độ hội tụ gồm: đã được cải thiện đáng kể. Lớp 1 là lớp đầu vào (Input layer): Gồm các biến ngôn ngữ đầu vào S1, S2,...,Si,...,Sn. 2. ĐỘNG LỰC HỌC ROBOT Lớp thứ 2 là lớp hàm liên thuộc (Membership): Mờ hóa Xét phương trình động lực học của tay máy n bậc tự tín hiệu đầu vào theo hàm cơ sở Gaussian. do [11]: i j ( si ) = exp[−( si − mij ) 2 / (bi j ) 2 ] (5) 𝑚𝑚 𝑖𝑖𝑗𝑗 và 𝑏𝑏 𝑖𝑖 (𝑖𝑖 = 1, … , 𝑛𝑛; 𝑗𝑗 = 1, … , 𝑁𝑁 𝑃𝑃 𝑖𝑖 ) tương ứng là các M ( q ) q + C ( q, q ) q + G ( q ) +   = (1) 𝑗𝑗 d Trong đó: Trong đó: n1 tham số của hàm Gaussian của hàm liên thuộc thứ j Các biến q, q, q  R lần lượt là vị trí, tốc độ, gia tốc 𝑚𝑚 = [𝑚𝑚1 … 𝑚𝑚1 𝑃𝑃1 𝑚𝑚1 … 𝑚𝑚2 𝑃𝑃2 … 𝑚𝑚1 … 𝑚𝑚 𝑛𝑛 𝑃𝑃𝑃𝑃 ] ∈ 𝑅𝑅 𝑁𝑁 𝑟𝑟 ×1 của biến ngôn ngữ đầu vào thứ i. 𝑁𝑁 𝑁𝑁 𝑁𝑁 𝑇𝑇 1 góc của các khớp. Vectơ   R n1là vectơ mômen nn 2 𝑛𝑛 (lực) tác động lên các khớp. Ma trận M ( q )  R là 𝑏𝑏 = [𝑏𝑏1 … 𝑏𝑏1 𝑏𝑏2 … 𝑏𝑏2 𝑃𝑃2 … 𝑏𝑏1 … 𝑏𝑏 𝑛𝑛 𝑃𝑃𝑃𝑃 ] ∈ 𝑅𝑅 𝑁𝑁 𝑟𝑟 ×1 𝑇𝑇 Và 1 𝑁𝑁 𝑃𝑃1 1 𝑁𝑁 𝑁𝑁 nn ma trận quán tính. Ma trận C ( q , q )  R 𝑛𝑛 là ma trận nn ly tâm và Coriolis. Vectơ G ( q )  R là một vectơ 𝑛𝑛 𝑁𝑁𝑟𝑟 = ∑ 𝑁𝑁 𝑃𝑃𝑃𝑃 biểu diễn toàn bộ số hàm liên thuộc n1 Ở đây: mô tả thành phần trọng lượng. Vectơ  d  R là vec- 𝑖𝑖=1 tơ nhiễu. Để thiết kế bộ điều khiển chúng ta đưa ra một số tính chất cho (1) như sau: của biến ngôn ngữ đầu vào thứ i. Tính chất 1: Ma trận khối lượng suy rộng M (q) là một Lớp 3 là lớp luật (Rule layer). ma trận đối xứng và xác định dương  k = in=1 ikj ij (si ) (6) M (q) ≤ moI (2) 𝛿𝛿 𝑘𝑘 (𝑘𝑘 = 1, … , 𝑁𝑁𝑦𝑦 ) là đầu ra thứ k của lớp luật; Trong đó: Ở đây: ̇ 𝜔𝜔 𝑖𝑖𝑘𝑘𝑖𝑖 là trọng số giữa lớp luật và lớp hàm liên thuộc; Tính chất 2: 𝑀𝑀(𝑞𝑞) − 2𝐶𝐶(𝑞𝑞, 𝑞𝑞̇ ) là ma trận đối xứng lệch mo > 0 G ( q )  R.nn và mo R cho vectơ x bất kỳ: Ny là toàn bộ số luật. 14 Tạp chí Nghiên cứu khoa học, Trường Đại học Sao Đỏ, Số 1 (76) 2022
LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA Lớp 4 là lớp đầu ra (Output layer): Trong lớp này mỗi Giả thiết 1: Giới hạn của tham số tối ưu bộ điều khiển một nơron 𝑦𝑦𝑓𝑓 (𝑓𝑓 = 1, … , 𝑁𝑁𝑓𝑓 ). một nơron biểu diễn một biến ngôn ngữ đầu ra. Mỗi FNNs: W* ,m ,b (12) w m b Đầu ra của một nơron sẽ được tính như sau: N Ở đây: y f = 1 f wkf  k (7) Công thức (7) có thể được viết lại như sau:  w , m , b là các giá trị thực dương. = [ y1 y2 ... yN f= W  yFNNs (s,W , m, b) y ]T = (8) Giả thiết 2: Sai lệch xấp xỉ được giới hạn: Với: (13) W = [ w1w2 ...wN f ]T (9) Ở đây: là giá trị thực dương.  = [1 2 ... N ]T (10) f Đầu ra của bộ điều khiển FNNs là giá trị xấp xỉ và được Ở đây: tính theo công thức sau: i i i wi = [ w1 w2 ...wN y ] ˆ ˆ ˆ ˆ ˆ y = W T  ( s (t ), m, b ) (14) ̂, 𝑊𝑊 , ̂ , ̂ là giá trị xấp xỉ của . 𝑦𝑦 ̂ 𝑚𝑚 𝑏𝑏 Sau đây, chúng ta sử dụng bộ điều khiển FNNs này Trong đó: giống như một xấp xỉ trong bộ điều khiển đã được thiết kế. Khi đó sẽ tồn tại một hàm FNNs tối ưu với các tham số tối ưu như sau: 4. THIẾT KẾ BỘ ĐIỀU KHIỂN ARFNNS = W *T  * (s(t ), m* , b* ) + ( s(t )) y(s(t )) (11) Mục đích thiết kế bộ điều khiển để khi robot dưới sự Ở đây: tác động của lực t thì sai lệch bám giữa vị trí mong muốn của các khớp qd với vectơ vị trí thực tế của robot W*, m*,b* là các tham số tối ưu của W, m, b, tương ứng, q có thể được hội tụ về 0 khi t → ∞. Cấu trúc của bộ ∆(s(t)) là vectơ sai lệch xấp xỉ. điều khiển robot được thiết kế như Hình 2: 𝑒𝑒(𝑡𝑡), 𝑒𝑒̇( 𝑡𝑡) tương ứng là sai lệch vị trí và sai lệch vận Hình 2. Cấu trúc hệ thống điều khiển robot công nghiệp 𝜆𝜆 = 𝑑𝑑𝑑𝑑 𝑑𝑑 𝑑𝑑(𝜆𝜆1 , 𝜆𝜆2 , … , 𝜆𝜆 𝑛𝑛 ) là ma trận khuếch đại hằng số Ở đây: tốc. Luật thích nghi sẽ được xác định như sau: dương. e (t= qd − q ) (15) Từ công thức (1) có thể viết lại như sau: s (t )= e + e (16) Tạp chí Nghiên cứu khoa học, Trường Đại học Sao Đỏ, Số 1 (76) 2022 15
NGHIÊN CỨU KHOA HỌC ( ) M ( q ) qd − e + C ( q , q )( qd − e ) + G ( q ) +  d =  Thay (21) vào (24) ta có: 1 () ( V t = sT Ms 2C sT k p s sT smc 2 ) (25) (17) +s T ˆ ( ˆ + tr kW1W T W+ sT tr km1mT m ) ( ) ( ˆ tr kb 1bT b ) Ms + Cs =( q ) ( qd +e ) + C ( q, q )( qd +  e ) M Sử dụng tính chất 2 và thay luật thích nghi (22) vào (25) ta có: +G ( q ) −  d −  L ( t ) = − sT k p s − sT  smc + sT   (26) Ms + Cs = f −  (18) ˆ( ˆ ) + s tr WT W + s tr ( mT m ) + s tr b T b ˆ ( ) Ở đây: ̃ ̂ ̃ ̃ 2 𝑡𝑡𝑡𝑡(𝑊𝑊 𝑇𝑇 𝑊𝑊) ≤ 𝑘𝑘 𝑊𝑊 ‖𝑊𝑊 ‖ − ‖𝑊𝑊 ‖ Bằng việc sử dụng kết quả: f = M ( q ) ( qd +e ) + C ( q, q )( qd + e ) + G ( q ) −  d 𝑡𝑡𝑡𝑡(𝑚𝑚 𝑇𝑇 ̂) ≤ 𝑘𝑘 𝑚𝑚 ‖𝑚𝑚 ‖ − ‖𝑚𝑚 ‖2 𝑡𝑡𝑡𝑡(𝑏𝑏 𝑇𝑇 ̂ ) ≤ 𝑘𝑘 𝑏𝑏 ‖𝑏𝑏 ‖ − ‖𝑏𝑏 ‖ ̃ 𝑚𝑚 ̃ ̃ ̃ 𝑏𝑏 ̃ ̃ 2 Từ sơ đồ cấu trúc hệ thống điều khiển robot Hình 3 ta có: Và công thức (20) ta thu được:  = fˆ +  smc + k p s (19)  s  k 2 k 2 k 2  Trong đó: L ( t )  − sT k p s − sT  ks sgn ( s ) +  W + m + b     s  4 4 4  t = fˆ + t smc + k pđầu ra của bộ điều khiển ARFNNs; tín hiệu s ˆ +  + kbộ điều khiển trượt (SMC).  = f smc là p s + sT   + s k W W − W ( 2 ) + s (k m m − m 2 ) Bộ điều khiển trượt được thiết kế như sau: s  k2 k2 k2  ( + s kb b − b 2 ) (27) = ks sgn ( s ) +  W + m + b   smc (20)  k  2 s  4 4 4 L ( t )  − s ks sgn ( s ) − s k P s + s   − s  W − W  T T T Ở đây:  2  2 2 k s được chọn: ks =   k   k  − s  b − b − s  d − d  2  2 Thay (19) vào (18) ta thu được: Do đó 𝐿𝐿̇(𝑡𝑡) ≤ 0. L ( t )  −s kP s T Ms = f − Cs − k p s −  smc +   (21) Để hệ thống làm việc ổn định việc chọn luật học thích Từ kết quả cho thấy hệ thống được ổn định không phụ nghi của bộ điều khiển ARFNNs rất quan trọng và trong thuộc vào s. bài báo này luật học sẽ được chọn như sau:  W=-k W s + k  sT ˆ ˆ 6. KẾT QUẢ MÔ PHỎNG  w w Trong phần này chúng ta mô phỏng hệ thống điều   mˆ = −km m s ˆ (22) khiển cho tay máy robot 2 link:  𝑀𝑀11 𝑀𝑀12 𝐶𝐶 𝐶𝐶12 𝐺𝐺  ˆ ˆ b = −kb b s Phương trình động học của robot như sau: 𝑀𝑀 = [ ] ; 𝑪𝑪 = [ 11 ] ; 𝐺𝐺 = [ 1 ]  𝑀𝑀21 𝑀𝑀22 𝐶𝐶21 𝐶𝐶22 𝐺𝐺2 5. CHỨNG MINH TÍNH ỔN ĐỊNH CỦA HỆ THỐNG Xét robot 2 link có phương trình động học như phương 𝑀𝑀11 = (𝑚𝑚1 + 𝑚𝑚2 )𝑙𝑙1 + 𝑚𝑚2 𝑙𝑙2 + 2𝑚𝑚2 𝑙𝑙1 𝑙𝑙2 𝑐𝑐𝑐𝑐𝑐𝑐(𝑞𝑞2 ) 2 2 trình (1) và bộ điều khiển ARNNs có luật thích nghi như Trong đó 𝑀𝑀12 = 𝑀𝑀21 = 𝑚𝑚2 𝑙𝑙2 + 𝑚𝑚2 𝑙𝑙1 𝑙𝑙2 𝑐𝑐𝑐𝑐𝑐𝑐(𝑞𝑞2 ) công thức (18). Phân tích tính ổn định của hệ thống 2 𝑀𝑀22 = 𝑚𝑚2 𝑙𝑙2 theo thuyết Lyapunov. 2 𝐶𝐶11 = −𝑚𝑚2 𝑙𝑙1 𝑙𝑙2 sin(𝑞𝑞2 ) 𝑞𝑞̇2 Xét hàm Lyapunov có phương trình như sau: 𝐶𝐶12 = −𝑚𝑚2 𝑙𝑙1 𝑙𝑙2 sin(𝑞𝑞2 ) (𝑞𝑞̇1 + 𝑞𝑞̇2 ) 1 T T 1 L (t ) = s Ms + tr W T kW1W − ( ) 𝐶𝐶21 = 𝑚𝑚2 𝑙𝑙1 𝑙𝑙2 sin(𝑞𝑞2 ) 𝑞𝑞̇1 2 2 (23) 𝐶𝐶21 = 0 1 1 + tr ( m k m m ) + tr b kb b T −1 T −1 ( ) 𝐺𝐺1 = (𝑚𝑚1 + 𝑚𝑚2 )𝑔𝑔𝑙𝑙1 𝑐𝑐𝑐𝑐𝑐𝑐(𝑞𝑞2 ) + 𝑚𝑚2 𝑔𝑔𝑔𝑔2 𝑐𝑐𝑐𝑐𝑐𝑐(𝑞𝑞1 + 𝑞𝑞2 ) 2 2 Đạo hàm bậc nhất L(t) theo thời gian ta thu được 𝐺𝐺2 = 𝑚𝑚2 𝑔𝑔𝑔𝑔2 𝑐𝑐𝑐𝑐𝑐𝑐(𝑞𝑞1 + 𝑞𝑞2 ) phương trình như sau: L ( t )= 1 T 2 ˆ s Ms + sT Ms − tr kW1 WT W − ( (24) ) Ở đây: ( m ˆ ) ( −tr k −1mT m − tr k −1b T bˆ b ) m1, m2 là khối lượng của link1, link 2; l1, l2 là chiều dài của link1, link 2; 16 Tạp chí Nghiên cứu khoa học, Trường Đại học Sao Đỏ, Số 1 (76) 2022
LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA g = 9.8 (m/s) giá trị của gia tốc trọng trường; Cấu trúc bộ điều khiển ARFNNs với n = 10, Np = 5, q = [q1 q2] vị trí của link1, link2. Chọn giá trị của vị trí T Nf = 2. 𝑞𝑞 𝑑𝑑 = [𝑞𝑞1𝑑𝑑 𝑞𝑞2𝑑𝑑 ] 𝑇𝑇 = [0.5 sin(𝜋𝜋𝜋𝜋) 0.5 sin(𝜋𝜋𝜋𝜋)] 𝑇𝑇 mẫu cho link1 và link2. Nhận xét: Từ kết quả mô phỏng hoạt động của hệ thống điều đầu của các link 𝑞𝑞̇0 = [0.0 0.0] 𝑇𝑇 Vị trí ban đầu của các link q0 = [-0.1 0.1]T, gia tốc ban khiển ARFNNs cho robot 2 bậc tự do Hình 4 chúng ta có thể thấy rằng rằng cả 3 bộ điều khiển ARFNNs, 𝑚𝑚1 = 4.2 (𝑘𝑘𝑘𝑘), 𝑚𝑚2 = 3 (𝑘𝑘𝑘𝑘); Khối lượng và chiều dài của các link lần lượt là: RBFNN [10], và PID [13] đều đảm bảo tính ổn định 𝑙𝑙1 = 420 (𝑚𝑚𝑚𝑚), 𝑙𝑙2 = 380 (𝑚𝑚𝑚𝑚). và bền vững trong quá trình làm việc. Tuy nhiên, qua kết quả Hình 4,5 cho thấy mômen điều khiển của bộ 2𝑠𝑠𝑠𝑠 𝑠𝑠(𝑡𝑡) điều khiển ARFNNs hội tụ nhanh hơn, sai lệch bám, 𝜏𝜏0 = [ ] Nhiễu được chọn có dạng như sau: 2𝑠𝑠𝑠𝑠 𝑠𝑠(𝑡𝑡) mômen điều khiển cũng nhỏ hơn, và khả năng ổn định tốt hơn 2 bộ điều khiển còn lại. Điều đó chứng minh 𝜆𝜆 = 𝑑𝑑𝑑𝑑 𝑑𝑑 𝑑𝑑[5, 5]; 𝑘𝑘 𝑃𝑃 = 𝑑𝑑𝑑𝑑 𝑑𝑑 𝑑𝑑[50, 50]; Chọn các tham số của bộ điều khiển khi mô phỏng: rằng chất lượng điều khiển robot bằng việc sử dụng 𝑘𝑘 𝑤𝑤 = 𝑑𝑑𝑑𝑑 𝑑𝑑 𝑑𝑑(50); 𝑘𝑘 𝑚𝑚 = 𝑘𝑘 𝑏𝑏 = 𝑑𝑑𝑑𝑑 𝑑𝑑 𝑑𝑑(30) bộ điều khiển ARFNNs ổn định hơn, và khả năng bám được cải thiện. Hình 3. Vị trí, mômen điều khiển và sai lệch bám của các khớp robot 7. KẾT LUẬN định trên toàn vùng làm việc. Hơn thế nữa, hiệu quả của bộ điều khiển đã được kiểm chứng qua mô phỏng Trong bài báo này, bộ điều khiển thích nghi bền vững điều khiển cho robot 2 link trên cơ sở sử dụng bộ điều và được so sánh với bộ điều khiển PID và bộ điều khiển mờ nơron đã đảm bảo được khả năng ổn định khiển nơron thích nghi (RBFNN). Quan sát kết quả mô và bền vững trong môi trường làm việc khác nhau. phỏng chúng ta thấy rằng khả năng bám, sai lệch bám Bằng việc sử dụng thuyết ổn định Lyapunov nhóm của bộ điều khiển đưa ra tốt hơn bộ điều khiển PID và tác giả đã chứng minh được hệ thống luôn luôn ổn bộ điều khiển RBFNN. Từ kết quả mô phỏng chúng Tạp chí Nghiên cứu khoa học, Trường Đại học Sao Đỏ, Số 1 (76) 2022 17
NGHIÊN CỨU KHOA HỌC ta có thể tiếp tục nghiên cứu để đưa vào thực nghiệm IEEE Transactions on Fuzzy systems, 8(2), pp. cũng như được ứng dụng vào thực tế. 186-199. [8]. Sun F C, Sun Z Q, Feng G (1999), An Adaptive TÀI LIỆU THAM KHẢO Fuzzy Controller Based on Sliding Mode for Robot Manipulators, IEEE Transactions on systems, [1]. Jafarov E M, Parlakçı M N A, Istefanopulos Y man, and cybernetics - part B, 29(5), pp. 661-667. (2005), A New Variable Structure PID-Controller [9]. Liu Y J, Wang W, Tong S C (2010), Robust adaptive Design for Robot Manipulators, IEEE Trans. on tracking control for nonlinear systems based on control systems technology, 13(1), pp. 120-130. bounds of fuzzy approximation parameters, IEEE [2]. Jafarov, E. M., Parlakçı, M. N. A., and Istefanopu- Transactions on Systems., Man, Cybernetics - los.Y, (2005), A New Variable Structure PID-Con- part A, Systém and Humans, 40(1), pp. 170-184. troller Design for Robot Manipulators, IEEE [10]. Pham V C, Wang Y N, (2016), Adaptive trajectory Trans. on control systems technology. 13(1), pp. tracking neural network control with robust com- 122-130. pensator for robot manipulators, Neural Comput- [3]. Man Z, Palaniswami M (1993), A variable structure ing and Applications, 27, pp. 525-536. model reference adaptive control for nonlinear [11]. Patino H D, Carelli R, Kuchen B R (2002), Neural robotic manipulators, Int. J. Adaptive Control and Networks for Advanced Control of Robot Manip- Signal Processing, 7 pp. 539-562. ulators, IEEE Transactions on Neural Networks, [4]. Islam S, Liu X P (2011), Robust Sliding Mode Con- 13(2), pp. 343-354. trol for Robot Manipulators, IEEE Transactions In- [12]. Kim Y H, Lewis F L (1999), Neural Network Out- dustrial Electronics, 58(6), pp. 2444-2453. put Feedback Control of Robot Manipulators, [5]. Li K, Wen R (2017), Robust Control of a Walking IEEE Transactions on robotics and automation, Robot System and Controller Design, Procedia 15(2), pp. 301-309. Engineering, 174 pp. 947-955. [13]. T.C. Kuo, Y.J. Huang (2005), A Sliding Mode PID [6]. Nguyễn Doãn Phước (2009), Lý thuyết điều khiển controller design for Robot Manipulators, IEEE in- nâng cao. Nhà xuất bản Khoa học và Kỹ thuật. ternational Symposium on Computational Intelli- gence in Robotics and Automation. [7]. Yoo B K, Ham W H (2000), Adaptive Control of Robot Manipulator Using Fuzzy Compensator, THÔNG TIN TÁC GIẢ Nguyễn Phương Tỵ - Năm 2019: Tốt nghiệp Tiến sĩ ngành Kỹ thuật điện - nhiệt, Trường Đại học Bách khoa miền Nam Liên Bang Nga (mang tên M.I. Platov). - Tóm tắt công việc hiện tại: Phó Trưởng phòng Quản lý đào tạo; Giảng viên khoa Điện, Trường Đại học Sao Đỏ. - Lĩnh vực quan tâm: Điều khiển quá trình công nghệ; điều khiển mờ thích nghi, hệ cơ điện; SCADA. - Điện thoại: 0834760668 Email: tynp2109@gmail.com Vũ Thị Yến - Năm 2019: Tốt nghiệp Tiến sĩ ngành Kỹ thuật và Khoa học điều khiển, Trường Đại học Hồ Nam - Trung Quốc. - Tóm tắt công việc hiện tại: Giảng viên khoa Điện, Trường Đại học Công nghiệp Hà Nội. - Lĩnh vực quan tâm: Điều khiển robot công nghiệp, hệ thống điều khiển phi tuyến, điều khiển mờ, điều khiển nơron,… - Điện thoại: 0986051052 Email: yenvt@haui.edu.vn 18 Tạp chí Nghiên cứu khoa học, Trường Đại học Sao Đỏ, Số 1 (76) 2022
LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA Nguyễn Thị Thảo - Năm 2011: Tốt nghiệp Thạc sĩ ngành Kỹ thuật đo lường và Điều khiển tự động, Trường Đại học Bách khoa Hà Nội. - Tóm tắt công việc hiện tại: Giảng viên khoa Điện, Trường Đại học Sao Đỏ. - Lĩnh vực quan tâm: Tự động hóa. - Điện thoại: 0967269366 Email: ngthithao172@gmail.com Nguyễn Thị Phương - Năm 2011: Tốt nghiệp Thạc sĩ ngành Tự động hóa tại Trường Đại học Hàng hải Việt Nam. - Tóm tắt công việc hiện tại: Giảng viên khoa Điện, Trường Đại học Sao Đỏ. - Lĩnh vực quan tâm: Điều khiển, tự động hóa quá trình sản xuất. - Điện thoại: 0846999402 Email: phuongntdhsd@gmail.com Tạp chí Nghiên cứu khoa học, Trường Đại học Sao Đỏ, Số 1 (76) 2022 19

CÓ THỂ BẠN MUỐN DOWNLOAD

LV.15: Bộ Đồ Án Tốt Nghiệp Chuyên Ngành Cơ Khí

65 tài liệu

2431 lượt tải

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.