ỨNG DỤNG PHƯƠNG PHÁP HỌC THÔNG SỐ CỰC TIỂU VÀ MẠNG NƠ-RON NHÂN TẠO TRONG ĐIỀU KHIỂN TAY MÁY=APPLICATION OF MINIMUM PARAMETER LEARNING METHOD AND ARTIFICIAL NEURAL NETWORK FOR MANIPULATOR CONTROL

0 Người đánh giá. Xếp hạng trung bình 0

Tác giả: Trường Kỳ Nguyễn, Thanh Tùng Phạm

Ngôn ngữ: vie

Ký hiệu phân loại:

Thông tin xuất bản: Tạp chí Khoa học và Công nghệ - Đại học Thái Nguyên, 2024

Mô tả vật lý: tr.19 - 26

Bộ sưu tập: Metadata

ID: 484484

Thêm vào giỏ

Nghiên cứu này thiết kế và thực hiện bộ điều khiển trượt thích nghi bền vững dựa vào mạng nơ-ron RBF với phương pháp học thông số cực tiểu cho hệ tay máy. Đây là hệ thống đã được triển khai trong các ngành sản xuất vật liệu xây dựng, luyện kim, chế tạo cơ khí và công nghiệp đóng tàu. Bộ điều khiển trượt thích nghi bền vững dựa vào mạng nơ-ron RBF được thiết kế để đảm bảo vị trí các khớp của tay máy bám theo vị trí tham chiếu trong thời gian hữu hạn. Các trọng số của mạng nơ-ron RBF được cập nhật trực tuyến bằng giải thuật Quasi Newton căn cứ theo các luật thích nghi bền vững nhằm mục đích điều khiển đầu ra của hệ tay máy bám theo một quỹ đạo nhất định. Phương pháp học thông số cực tiểu được sử dụng trong nghiên cứu này để hệ thống chỉ còn một thông số thích nghi trực tuyến, giảm gánh nặng tính toán. Tính ổn định của hệ thống được chứng minh bằng lý thuyết Lyapunov. Các kết quả mô phỏng với MATLAB/Simulink cho thấy hiệu quả của bộ điều khiển đề xuất với thời gian tăng, thời gian xác lập, độ quá điều chỉnh, sai số xác lập của thanh 1 lần lượt là 0,0747(s), 0,1376(s), 0,002 (%), 0(rad) và của thanh 2 là 0,0844(s), 0,152(s), 0(%), 0(rad).This research designs and implements a robust adaptive sliding mode control (RASMC) based on radial basis function neural network (RBFNN) with minimum parameter learning (MPL) method for a manipulator system. This is a system that has been deployed in the construction materials manufacturing, metallurgy, mechanical engineering and shipbuilding industries. The robust adaptive SMC based on RBFNN is used to ensure the manipulator’s actual position following the desired in a finite time. The weight value parameters of the RBFNN are adjusted online by Quasi Newton algorithm according to adaptive laws for the purpose of controlling the output of the manipulator system to track a given trajectory. The minimum parameter learning (MPL) method is used in this study so that the system has only one online adaptive parameter, reduces the computational burden. The stability of the system is proven by Lyapunov theory. Simulation results in MATLAB/Simulink show the effectiveness of the proposed controller with the rising time, the settling time, the percent overshoot, the steady state error of link 1 are 0.0747(s), 0.1376(s), 0.002 (%),0(rad), and link 2 are 0.0844(s), 0.152(s), 0(%), 0(rad), respectively.

1. Đọc trực tuyến

1. Đọc trực tuyến

Tạo bộ sưu tập với mã QR