بخشی از مقاله
چکیده
سیستم های رباتیک به طور وسیع در صنایع مختلفی از قبیل: اتومبیل سازی ، صنایع هوایی و ... کاربردهای فراوانی دارند . بنابراین باید از روشی استفاده کرد که بتواند پارامترهای غیرخطی مدل ربات را تخمین زده و به وسیله آن خطای ردیابی را به صفر نزدیک کند. برای این منظور از کنترل کننده شبکه عصبی پایدار استفاده شده است. با کمک کنترل کننده عصبی پایدار مشکلات ناپایداری های سیستم رباتیک تا حد زیادی مرتفع گردیده و در نتیجه ردیابی نیز بهتر صورت می گیرد.
در ابتدا مزیت های کنترل کننده شبکه عصبی را نسبت به کنترل کننده های PD را بیان کرده و سپس یک کنترل کننده شبکه عصبی پایدار را برای یک مدل ربات سریال با دو درجه آزادی طراحی و پیاده سازی کرده و نتایج شبیه سازی ها را با هم مقایسه می کنیم. نتایج شبیه سازی نشان می دهد که ردیابی ورودی مرجع در کنترل کننده عصبی بسیار بهتر از کنترل کننده PD صورت می گیرد.
-1 مقدمه
روش های کنترل ربات را با توجه به نوع طراحی می توان به دو دسته اصلی تقسیم کرد×ْ کنترل برپایه مدل که به مدل دینامیکی ربات نیازمند است و کنترل بر پایه کارایی - . - Rigatos,2009 پس از طراحی و ساخت اولین ربات صنعتی در سال 1961 ، - Nof,1999 - تاکنون روش های کنترل خطی و غیرخطی متعددی برای ربات ها ارائه شده است. روش های کنترل PD یا PID ، اولین روش های کنترل ارائه شده برای ربات های صنعتی هستند - این روش ها کنترل مفصل مستقل نیز نامیده می شوند - .
این کنترل کننده ها بر مبنای دو تقریب مهم طراحی می شدند که عبارتند از : مستقل در نظر گرفتن هر مفصل و ثابت فرض کردن لختی دیده شده به وسیله هر کارانداز مفصل. این تقریب ها موجب آثار نامطلوبی می شوند که مهمترین آنها میرایی غیر یکنواخت در سراسر فضای کاری و عدم ردیابی دقیق مسیرمی باشند. اما در برخی کاربردها ، ردیابی دقیق تر مسیر لازم بود و ملزومات عملکرد دشوارتری روی سرعت و دقت حرکت ربات وجود داشت. این کاربردها منجر به شکل گیری روش های کنترل غیرخطی پیشرفته تری شدند .
یکی از ایده هایی که برای رسیدن به این هدف مطرح شد ، به کار بردن مدل دینامیکی ربات درالگوریتم کنترلی بود. در واقع اطلاع از مدل دینامیکی ، الگوریتم کنترلی را قادر می سازد که اثرات پیچیده اینرسیایی ، جانب مرکز ، کوریولیس ، گرانش و نیروهای اصطکاکی را جبران سازد. این کار باعث می شود که ربات مسیرهای مطلوب را با خطای ردیابی کم دنبال کند و یا اینکه با حفظ ردیابی خوب ، سریعتر حرکت کند. این ایده سبب شکل گیری تحقیقات وسیعی در زمینه تحلیل و مدل سازی دینامیکی ربات ها گردید
کمی بعد ، مهمترین و معروفترین الگوریتم کنترلی وابسته به مدل یعنی روش گشتاورِ» محاسبه شده«ارائه1 شد. ظاهراً این روش برای نخستین بار در سال 1972 توسط پل2پیشنهاد شده است. روش گشتاور محاسبه شده در واقع کاربرد خاصی از نظریه خطی سازی فیدبک در تئوری کنترل غیرخطی می باشد. اما برای پیاده سازی این روش دو مشکل عمده وجود داشت که عبارتند از :
1 هزینه زیاد تأمین کامپیوترهای قدرتمند برای محاسبه مدل دینامیکی ربات
2 وجود عدم قطعیت های ساختاری و غیر ساختاری در مدل دینامیکی ربات
تلاش برای حل مشکل اول ، سبب شکل گیری تحقیقات وسیعی در زمینه افزایش بازده محاسباتی دینامیک ربات ها گردید. این تحقیقات منجر به استفاده از روش » نیوتن اویلر3« به جای روش سنتی تر لاگرانژ برای استخراج و محاسبه مدل دینامیکی شد و در سال 1980 ، لوه4 ، واکرو5 پل الگوریتم دینامیکی تکراریِ » نیوتن اویلر« را برای محاسبه مدل دینامیکی ارائه کردند که بازده بسیار بهتری نسبت به روش های قبلی داشت
به هر حال ، استفاده از الگوریتم تکراری نیوتن اویلر و البته پیشرفت تکنولوژی کامپیوتر و ادوات نیمه هادی ، مشکل اول را تا حدود زیادی حل کرد. تلاش برای حل مشکل دوم - یعنی عدم قطعیت های ساختاری و غیرساختاری مدل دینامیکی - سبب شکل گیری روش های کنترل تطبیقی و مقاوم گردید - شمیسا و کیانی ،. - 1394 مشکل اساسی در پیاده سازی کنترل کننده تطبیقی در ربات ها، نیاز به خطی فرض کردنِ پارامترهای نامعلوم سیستم است.کنترل کننده شبکه عصبی یکی از کنترل کننده هایی است که می تواند این معایب از جمله مقاوم نبودن در مقابل تغییر پارامترهای نامعلوم را بر طرف کند. شبکه عصبی در مقابل تغییر پارامترهای نامعلوم مقاوم است و توانایی تقریب زدن را داراست
-2 دینامیک ربات سریال
مدل دینامیکی یک ربات با رابط های صلب را می توان به صورت زیر نوشت:
که در آن T [q1, q 2 ,...,q n ] q بردار متغیرهای مفصلی، M - q - ماتریس اینرسی، Vm - q, q - ماتریس نشان دهنده جمله های گریز از مرکز و کوریولیس، F - q - عبارات مربوط به مدل اصطکاک، G - q - بردار گرانش و d - t - اغتشاشات را نشان میدهد ، بردار ورودی کنترل استدر. کنترل تعقیب مسیر، ربات بایستی یک مسیر مطلوبِ از قبل مشخص شده را، که غالباً در فضای مفصلی q d - t - بیان شده است، دنبال کند. با داشتن مسیر مطلوب q d - t - ، خطای ردیاب e - t - و خطای فیلتر شده r - t - به صورت زیر تعریف می شود که ماتریس مثبت معین ، یک پارامتر طراحی است. اگر - - r e H پایدار باشد می توان نتیجه گرفت که کراندار بوده و کنترل کننده تضمین می کند که خطای فیلتر شده r - t - کراندار است
