Điều khiển robot dạng chuỗi sử dụng mạng nơ-ron nhân tạo

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:3

Thêm vào BST

Báo xấu

17
lượt xem 7
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết Điều khiển robot dạng chuỗi sử dụng mạng nơ-ron nhân tạo trình bày một số vấn đề cơ sở của điều khiển robot sử dụng mạng nơ-ron như sau: Mô hình toán học của mạng nơ-ron nhân tạo; Phương trình Lagrange loại 2 và áp dụng vào động lực học robot; Điều khiển robot dạng chuỗi sử dụng mạng nơ-ron nhân tạo.

Chủ đề:

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

Lưu

Nội dung Text: Điều khiển robot dạng chuỗi sử dụng mạng nơ-ron nhân tạo

Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 ĐIỀU KHIỂN ROBOT DẠNG CHUỖI SỬ DỤNG MẠNG NƠ-RON NHÂN TẠO Trần Văn Hải Trường Đại học Thủy lợi, email: tranvanhai@tlu.edu.vn 1. TỔNG QUAN đã tăng tốc độ xử lý bằng việc sử dụng song song một số lương nơ-ron rất lớn cũng như 1.1. Đặt vấn đề số lượng ghép nối khổng lồ giữa những Robot ngày càng được ứng dụng rộng rãi nơ-ron này. trong công nghiệp, đời sống và an ninh quốc phòng. Robot ngày càng thông minh và đòi hỏi phải có các phương pháp điều khiển hiện đại để đáp ứng cho đa dạng ứng dụng. Điều khiển robot đang còn nhiều vấn đề cần giải quyết do độ phức tạp , tính phi tuyến và độ bất định của các hệ phương trình động lực và động học của robot gây nên. Trong thực tế, chúng ta rất khó để xác định chính xác về động lực học của robot. Tuy nhiên, mô hình động lực học gần đúng của robot có thể tính được. Tính khả thi điều khiển của mô hình đã được chứng minh. Vì vậy, việc dự đoán về động lực học robot nên được sử dụng một Hình 1. Cấu trúc nơ- ron cách hợp lý chứ không nên loại bỏ hoàn toàn. Gần đây, một thuật toán điều khiển thích nghi 1.3. Mạng Nơ-ron nhân tạo sử dụng mạng nơ-ron nhân tạo đã được đề Một trong những nghiên cứu đầu tiên đưa xuất. Phương pháp này dựa trên mạng phản ra được mô hình toán học cho nơ-ron là hồi vòng kín và tăng cường quá trình học McCulloch và Pitts vào năm 1943 [1]. Từ đó tương tự như cách hoạt động của mạng nơ- ta có mô hình của nơ-ron bao gồm ba thành ron não bộ con người. phần cơ bản: Hệ thống các ghép nối thần 1.2. Não bộ con người kinh, bộ cộng, hàm kích hoạt (activation function). Não bộ của con người bao gồm một hệ thống vô cùng phức tạp các phần tử được gọi là nơ-ron thần kinh ghép nối với nhau. Tổng cộng trong một hệ thống thần kinh của con người có khoảng 1012 − 1014 nơ-ron. Các nơ- ron này hoạt động với tần số tương đối thấp. Nếu như các IC hiện nay có tần số làm việc đạt tới GHz (109 Hz) thì các nơ-ron của con người chỉ hoạt động ở cỡ kHz(103 Hz). Với tần số làm việc thấp như vậy nhưng bộ não Hình 2. Mô hình toán học nơ-ron nhân tạo 243
Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 2. ĐIỀU KHIỂN RO–BOT DẠNG ⎡α 2 0 ⎤ ⎡ 2α 0 ⎤ CHUỖI SỬ DỤNG MẠNG NƠ-RON kp = ⎢ 2⎥ ,kv = ⎢ ⎥ ,α > 0. NHÂN TẠO ⎣0 α ⎦ ⎣ 0 2α ⎦ Trừ (2) cho (1) ta có hệ thống vòng kín 2.1. Bộ điều khiển như sau: Xét một robot n khâu có phương trình e + k ve + k pe = 0 (3) động lực học như sau: Trong đó: qd là biến đặt ( quỹ đạo mong + C (q , q )q + g (q ) = τ + d M (q )q (1) muốn), e = q − q d , e = q − q d là các sai lệch về Trong đó: vị trí và vận tốc thực tế so với vị trí và vận tốc mong muốn. M(q) : R nxn là ma trận quán tính. Mục đích là để thiết kế một bộ điều khiển C(q,q ) : R nxn là ma trận Coriolis và lực ổn định dựa trên mô hình robot danh nghĩa. ly tâm. Tuy nhiên trong kỹ thuật thực tế, hàm f (⋅) g(q) : R nx1 là thành phần gia tốc trọng trường. luôn không thể biết chính xác được. Vì vậy, q = [ q1 , q2 ,....., qn ] R nx1 là tọa độ suy rộng T chúng ta phải ước tính f (⋅) và bù cho nó. Trong phần này, tác giả sử dụng mạng nơ-ron q = [ q1 , q2 ,....., qn ] R nx1 là vận tốc suy rộng T RBF để ước lượng và bù cho hàm f (⋅) . = [ q1 , q2 ,....., qn ] R nx1 là gia tốc suy rộng T q 2.2. Mạng nơ-ron xấp xỉ RBF τ = [τ 1 ,τ 2 ,...,τ n ] R nx1 là mômen tác động T Thuật toán của mạng nơ-ron RBF là: lên các khâu. hi = g (|| x − ci ||2 / bi2 ), i = 1, 2,..., n (4) d : R nx1 là thành phần lực ma sát và nhiễu tác động lên các khâu của robot. y = w h( x ) T (5) Tuy nhiên, trên thực tế, việc xây dựng Trong đó: x là vectơ đầu vào, y là vectơ một mô hình robot hoàn hảo là rất khó đồng đầu ra. thời luôn tồn tại rất nhiều loại nhiễu. Thông h = [h1 , h2 ,..., hn ]T là đầu ra của hàm Gauss thường, ta chỉ có thể có một mô hình robot w là hàm trọng số liên kết. danh nghĩa. Giả thiết mô hình danh nghĩa Cho một hằng số dương rất nhỏ ε 0 và một của robot được mô tả bởi các thông số: hàm liên tục f (⋅) ; Ở đó tồn tại một vector ⋅ M 0 (q), C0 (q, q), G0 (q) và các giá trị bất định trọng lượng w * sao cho đầu ra của mạng là: ΔM = M0 − M, ΔC = C0 − C, Δg = g0 − g . RBF thỏa mãn : Khi đó công thức (1) có dạng: max || f (⋅) − fˆ * (⋅) ||≤ ε 0 ( M 0 (q ) − Δ M ) q + (C 0 (q, q ) − ΔC)q + g 0 (q ) 3. KẾT QUẢ NGHIÊN CỨU −Δg (q ) = τ + d Do quy thời gian không nhiều nên tác giả Hay: tập trung vào việc xây dựng luật điều khiển + C 0 (q , q )q + g 0 (q ) = τ + f (q , q , q M 0 (q )q ) đối với ro-bot dạng chuỗi có 2 khâu. => f (q, q , q ) = ΔMq + ΔCq + Δg + d 3.1. Thiết lập phương trình vi phân Do đó, nếu mô hình danh nghĩa được sử chuyển động dụng để thiết kế mô-men điều khiển và hàm Hai phương pháp cơ học hay được sử dụng f (⋅) là một biến, chúng ta có thể thiết kế luật để nghiên cứu động lực học robot là Phương điều khiển như sau: pháp Newton-Euler và Phương pháp Lagrange. τ = M 0 (q)(q d − k ve − k pe) + C0 (q, q )q + g 0 (q) − f (⋅) Dựa theo tài liệu [4], trong bài báo này tác (2) giả sẽ giới hạn chỉ trình bày Phương pháp Trong đó: Lagrange. 244
Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8 toán khá phức tạp. Đặc biệt là việc tính toán ma trận quán tính và Coriolis C. Vì vậy người ta đã thiết lập nhiều phần mềm tính toán động lực học của hệ nhiều vật nói chung và của robot nói riêng. Trong đề tài này, tác giả sử dụng phần mềm Matlab. Khi đó phương trình vi phân của robot có dạng: + C (q, q )q + g (q ) = τ + d M (q )q (1) Trong đó : ⎡ v + q01 + 2γ cos( q2 ) q01 + 2 q02 cos( q2 ) ⎤ M (q ) = ⎢ ⎥ Hình 3. Robot phẳng 2 khâu ⎣ q01 + 2 q02 cos( q2 ) q01 ⎦ Khâu αi-1 ai-1 di θi ⎡ ⋅ ⋅ ⋅ ⎤ − q q sin(q2 ) − q02 (q2 + q1 )sin(q2 ) ⎥ 1 0 0 0 q1 C(q, q ) = ⎢ 02 ⋅ 2 ⎢ ⎥ 2 0 l1 0 q2 ⎣ q02 q1 sin(q2 ) 0 ⎦ ⎡15cos q1 + 8.75 g cos( q1 + q2 ) ⎤ g (q ) = ⎢ ⎥ Hình 4. Bảng thông số Craig ⎣ 8.75 g cos( q1 + q2 ) ⎦ Việc áp dụng các phương trình Lagrange τ = [τ 1 ,τ 2 ] T loại hai thiết lập phương trình vi phân chuyển động của robot không gian nói chung là bài 3.2. Kết quả mô phỏng số Hình 5. Vị trí khâu 1 và khâu 2 Hình 6. vận tốc khâu 1 và khâu 2 4. KẾT LUẬN 5. TÀI LIỆU THAM KHẢO Trong bài báo này tác giả trình bày một số [1] Trần Hoài Linh (2014), Mạng nơ-ron và vấn đề cơ sở của điều khiển robot sử dụng ứng dụng trong xử lý tín hiệu, NXB Bách mạng nơ-ron như sau: khoa Hà Nội. - Mô hình toán học của mạng nơ-ron [2] Phạm Thượng Cát (2009), Một số phương nhân tạo. pháp điều khiển hiện đại cho robot công - Phương trình Lagrange loại 2 và áp dụng nghiệp, NXB Thái Nguyên. vào động lực học robot. [3] Phạm Hữu Đức Dục (2009), Mạng nơ-ron - Điều khiển robot dạng chuỗi sử dụng và ứng dụng trong điều khiển tự động, NXB mạng nơ-ron nhân tạo. Khoa học và Kỹ thuật Hà Nội - Đối với các robot mà mô hình động lực [4] Nguyễn Văn Khang, Chu Anh Mỳ (2011), học có nhiều biến động (lực ma sát chưa biết, Cơ sở robot công nghiệp, NXB Giáo dục nhiễu của môi trường,v.v….) thì sử dụng các Việt Nam. bộ điều khiển sử dụng mạng nơ-ron có nhiều ưu điểm. 245