ĐIỀU KHIỂN THÍCH NGHI LỰC/VỊ TRÍ CHO ROBOT TAY MÁY SỬ DỤNG MẠNG NƠ

ĐIỀU KHIỂN THÍCH NGHI LỰC/VỊ TRÍ CHO ROBOT TAY MÁY SỬ DỤNG MẠNG NƠ - RON BÁN KÍNH CƠ SỞ

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Ngọc Duy Lê, Đình Hiếu Phan

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học & Công nghệ - Trường Đại học Công nghiệp Hà Nội, 2023

Mô tả vật lý: tr.45

Bộ sưu tập: Metadata

ID: 379428

Thêm vào giỏ Liên kết toàn văn

Bài báo trình bày phương pháp điều khiển thích nghi sử dụng mạng nơ - ron bán kính cơ sở (RBFNN) để điều khiển lực/vị trí cho cánh tay robot tương tác với môi trường làm việc. So với phương pháp điều khiển trượt truyền thống bộ điều khiển RBFNN có ưu điểm là khả năng học và xấp xỉ các hàm phi tuyến, bất định và không biết trước với độ chính xác tùy ý ngay cả khi các tham số hệ thống luôn thay đổi. Trong khi đó, bộ điều khiển trượt phải bù chính xác hàm phi tuyến vì vậy hiện tượng chattering xảy ra khi hệ thống có nhiễu bất định và các tham số hệ thống thay đổi. Bộ điều khiển thích nghi sử dụng RBFNN sẽ cập nhật trực tuyến trọng sốmạng nơ-ron do đó các véc tơ đầu ra mạng nơ - ron được huấn luyện trực tuyến đểxấp xỉ các thành phần bất định hệ thống. Bên cạnh đó, luật điều khiển và luận thích nghi được tính toán dựa trên sử dụng hàm Lyapunov. Kết quả mô phỏng lực/vị trí cánh tay robot A465 của CRS robotics sử dụng phần mềm Matlab Simulink đảm bảo lực và vị trí cánh tay robot bám theo giá trị đặt trước với độ chính xác cao.This paper presents an adaptive control method using radial basic funtion neural network (RBFNN) to control the force/position of robot manipulators under working environment constraint. Compare to the tranditional sliding controller, the RBFNN controller has the advantage of being able to learn and approximate unknown nonlinear functions with arbitrary precision regardless of the various system parameters while the sliding controller need to accurately calculate the nonlinear functions so the chatering occurs under the affect of the uncertain system parameters and disturbance. The adaptive controller using RBFNN will update the online neural network weights so that the output vectors of neural network are trained online to approximate uncertainty components of the system. Besides, the control and adaptive law are calculated base on the use of Lyapunov function. The simulation results of A465 CRS robotics using Matlab Simulink software guarantee the accuracy and reliability of the position/force end - effector robot manipulators.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR