Điều khiển cánh tay robot trên công nghệ mạng nơron
This paper describles the use of
Neural Controller to control for a two-link
planar robot manipulator. The Neural
Controller has two neural networks: a
neural network identifier (ANNI) and a
neural network controller (ANNC). The
ANNI is use to identify the mode of the
system and be controlled through back –
propagation training algorithm to adjust
parameters of the ANNI. The ANNC is used
to control the joint angle of robot
manipulator folowing an arbitrarily
reference signal and be controlled through
back – propagation training algorithm to
adjust parameters of the ANNC. Comparing
with PID and Fuzzy control method,
experimental results are provided the
exactitude and effectiveness of the method
proposed. ‡
5 trang |
Chia sẻ: banmai | Lượt xem: 1956 | Lượt tải: 2
Bạn đang xem nội dung tài liệu Điều khiển cánh tay robot trên công nghệ mạng nơron, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
Khoa hoïc - kó thuaäät
23
ABSTRACT
This paper describles the use of
Neural Controller to control for a two-link
planar robot manipulator. The Neural
Controller has two neural networks: a
neural network identifier (ANNI) and a
neural network controller (ANNC). The
ANNI is use to identify the mode of the
system and be controlled through back –
propagation training algorithm to adjust
parameters of the ANNI. The ANNC is used
to control the joint angle of robot
manipulator folowing an arbitrarily
reference signal and be controlled through
back – propagation training algorithm to
adjust parameters of the ANNC. Comparing
with PID and Fuzzy control method,
experimental results are provided the
exactitude and effectiveness of the method
proposed.
‡
I. GIÔÙI THIEÄU
Ngaøy nay, quaù trình coâng nghieäp hoùa
vaø töï ñoäng hoùa phaùt trieån maïnh meõ, caùc heä
thoáng ñieàu khieån thöôøng söû duïng caùnh tay
robot ñeå ñieàu khieån töï ñoäng theo ñònh höôùng
ñieàu khieån cuûa ngöôøi ñieàu khieån.
Ñeå ñieàu khieån caùnh tay robot, thoâng
thöôøng söû duïng caùc phöông phaùp ñieàu
khieån coå ñieån nhö: phöông phaùp ñieàu khieån
PI, phöông phaùp ñieàu khieån PID ñeå ñieàu
khieån goùc quay cho caùnh tay robot, bôûi vì
*
ThS. Khoa Điện, Trường ĐH. Công nghiệp thành
phố Hồ Chí Minh
caùc phöông phaùp naøy ñôn giaûn vaø deã ñieàu
khieån, nhöng noù chöa chính xaùc vaø thieáu
tính thích nghi vì heä thoáng robot khoâng oån
ñònh vaø phi tuyeán ñoäng.
Töø nhöõng nhöôïc ñieåm cuûa caùc
phöông phaùp ñieàu khieån coå ñieån, trong
nhöõng naêm gaàn ñaây caùc nhaø nghieân cöùu
khoa hoïc ñaõ ñöa ra nhöõng phöông phaùp
môùi, ñeå giaûi quyeát nhöõng vaán ñeà lieân quan
tôùi heä thoáng khoâng oån ñònh vaø phi tuyeán
ñoäng. Coù hai phöông phaùp ñieàu khieån
thöôøng ñöôïc söû duïng laø: phöông phaùp ñieàu
khieån treân cô sôû logic môø vaø phöông phaùp
ñieàu khieån treân cô sôû maïng nôron.
Phöông phaùp ñieàu khieån treân cô sôû
logic môø duøng ñeå giaûi quyeát moâ hình toaùn
coù nhieàu bieán thay ñoåi theo , maø caùc
phöông phaùp truyeàn thoáng khoâng giaûi quyeát
ñöôïc. Phöông phaùp naøy thöôøng cho keát quaû
gaàn ñuùng, do vaäy phöông phaùp naøy chöa
chính xaùc vaø thieáu tính linh hoaït vì noù phuï
thuoäc vaøo taäp döõ lieäu vaø taäp luaät, neáu ñoái
töôïng ñieàu khieån khoâng oån ñònh vaø phi
tuyeán ñoäng, thì taäp luaät vaø taäp döõ lieäu phaûi
caäp nhaät thöôøng xuyeân ñeå phuø hôïp vôùi ñoái
töôïng ñieàu khieån.
Ñeå giaûi quyeát nhöõng khoù khaên treân,
thì phöông phaùp ñieàu khieån caùnh tay robot
treân coâng ngheä maïng nôron nhö laø coâng cuï
ñeå giaûi quyeát nhöõng vaán ñeà khoù cuûa heä
thoáng phi tuyeán ñoäng. Trong nghieân cöùu
naøy, moät chieán löôïc ñieàu khieån ñöôïc ñeà
xuaát cho nhöõng heä thoáng phi tuyeán. Phöông
phaùp ñöôïc ñeà xuaát laø söû duïng moät boä ñieàu
khieån nôron (Neural Controller) ñeå ñieàu
ÑIEÀU KHIEÅN CAÙNH TAY ROBOT TREÂN COÂNG
NGHEÄ MAÏNG NÔRON
Chaâu Vaên Baûo
*
Khoa hoïc - kó thuaäät
24
khieån caùnh tay robot. Boä ñieàu khieån nôron
goàm coù: Moät moâ hình tham chieáu duøng ñeå
ñònh höôùng ñieàu khieån; Moät maïng nôron
nhaän daïng duøng ñeå nhaän daïng ñoái töôïng
ñieàu khieån thoâng qua giaûi thuaät huaán luyeän
lan truyeàn ngöôïc ñeå töï ñieàu chænh caùc thoâng
soá cuûa maïng; Moät maïng nôron ñieàu khieån
duøng ñeå ñieàu khieån goùc quay cuûa caùnh tay
robot theo tín hieäu tham chieáu ñònh höôùng
ñieàu khieån.
II. THIEÁT KEÁ BOÄ ÑIEÀU KHIEÅN
NÔRON (neural controller)
Phöông trình chuyeån ñoäng cuûa caùnh
tay cuûa robot:
T)w(g
.
w)
.
w,w(C
..
w)w(H
(1)
Trong ñoù: w laø goùc quay cuûa caùnh
tay robot, H(w) laø ma traän momen quaùn
tính, C(w) laø momen höôùng taâm, g(w) laø
momen löïc huùt, T laø momen.
Caáu truùc cuûa boä ñieàu khieån caùnh tay
robot treân coâng ngheä maïng nôron ñöôïc
trình baøy ôû hình 1.
Moâ hình
tham
chieáu
r(k)
EC
Z
-1
wm
Z
-1
u’(k)
EI
Z
-1
u(k)
Ñoái tuôïng
ñieàu khieån
Z
-1
w(k)
Boä nhaän
daïng ANNI
Boä ñieàu
khieån
ANNC
Z
-1
Hình 1: Cấu trúc Neuron Controller.
ANNI (Artificial Neural Network
Identify): Boä Neural network nhaän daïng.
ANNC (Artificial Neural Network
Control): Boä Neural network ñieàu khieån.
1. Maïng nôron nhaän daïng (ANNI:
Artificial Neural Network )
Boä nhaän daïng ANNI laø moät maïng
nôron truyeàn thaúng hai lôùp, vôùi caùc ñaàu vaøo
w(k-1), w(k-2), u(k), u(k-1); coù hai lôùp aån;
soá nôron trong lôùp aån 10 nôron vaø moät ñaàu
ra u’(k). Vieäc huaán luyeän duøng giaûi thuaät
lan truyeàn ngöôïc, ôû ñaây ñoä leäch söï nhaän
daïng laø: ei = w(k) - u’(k) ñöôïc söû duïng ñeå
ñieàu chænh caùc tham soá cuûa boä nhaän daïng
ANNI. Xung löôïng cho vieäc huaán luyeän lan
truyeàn ngöôïc ñöôïc löïa choïn laø I = 0,2 vaø
heä soá hoïc I = 10
-6
. Haøm giaù cuûa boä ANNI
ñöôïc xaùc ñònh nhö sau:
2
i
2
e
2
1
=(k)]u'-(k)[
2
1
EI(k) w
(2)
Quaù trình hoïc laø ñeå ñieàu chænh caùc
tham soá troïng löôïng cuûa maïng, vì vaäy phaûi
cöïc tieåu hoùa haøm giaù EI. Giaûi thuaät lan
truyeàn ngöôïc xaùc ñònh söï gia taêng cuûa heä soá
troïng löôïng.
i
i
W
EI
W
(3)
ÔÛ ñaây
ii
W
net
net
)k('u
)k('u
EI
W
EI
(4)
Trong ñoù:
J
J
J
Wxnet
, xJ ñaàu vaøo thöù J,
WJ heä soá troïng löôïng thöù J cuûa boä nhaän
daïng.
)net('a
net
)k('u
vaø
)k(x
W
net
i
i
)k('u
)k(w
)k('u)k(w)k('u)k(w
2
1
)k('u)k('u
EI 2
)k('u
)k(w
)k('u)k(w)k(x)net('a
W
EI
i
i
(5)
Töø (5) vaø(3) ta coù bieåu thöùc (6) laø ñoä
gia taêng cuûa heä soá troïng löôïng.
Khoa hoïc - kó thuaäät
25
)k('u
)k(w
)k('u)k(w)k(x)net('aW
ii
(6)
Vectô troïng löôïng taïi böôùc (k+1) ñöôïc caûi
tieán coâng thöùc (7)
)]1k(W)k(W[W)k(W)1k(W
iiiii
(7)
Boä ANNI coù ñaàu ra: u’(k) = N[w(k-1),
w(k-2), u(k), u(k-1)].
2. Maïng nôron ñieàu khieån
(ANNC: Artificial Neural Network
Control)
Boä ñieàu khieån ANNC laø moät maïng
neuron truyeàn thaúng hai lôùp, vôùi caùc ñaàu
vaøo r(k), u(k-1), w(k -1); coù hai lôùp aån; soá
nôron trong lôùp aån 13 nôron vaø moät ñaàu ra
u(k). Vieäc huaán luyeän duøng giaûi thuaät lan
truyeàn ngöôïc, ôû ñaây ñoä leäch laø: ec(k) =
wm(k) - w(k) ñöôïc söû duïng ñeå ñieàu chænh
caùc tham soá cuûa boä ñieàu khieån ANNC.
Xung löôïng cho vieäc huaán luyeän lan truyeàn
ngöôïc ñöôïc löïa choïn laø C = 0,08 vaø heä soá
hoïc C = 10
-9
. Haøm giaù cuûa boä ANNC ñöôïc
xaùc ñònh nhö sau:
2
c
2
e
2
1
=w(k)]-(k)[
2
1
=EC(k) mw
(8)
Giaûi thuaät lan truyeàn ngöôïc xaùc ñònh
ñöôïc ñoä gia taêng cuûa heä soá troïng löôïng.
i
i
W
EC
W
(9)
ÔÛ ñaây
ii
W
net
net
)k(u
)k(u
EC
W
EC
(10)
Trong ñoù:
J
J
J
Wxnet
, xJ ñaàu vaøo
thöù J, WJ heä soá troïng löôïng thöù J cuûa boä
ñieàu khieån.
)net('a
net
)k(u
vaø
)k(x
W
net
i
i
)k(u
)k(w
)k(w)k(w)k(w)k(w
2
1
)k(u)k(u
EC
m
2
m
)k(u
)k(w
)k(w)k(w)k(x)net('a
W
EC
mi
i
(11)
Töø (11) vaø (9) ta coù bieåu thöùc (12) ñoä gia
taêng cuûa heä soá troïng löôïng.
)k(u
)k(w
)k(w)k(w)k(x)net('aW
mii
(12)
Vectô troïng löôïng taïi böôùc (k+1) ñöôïc caûi
tieán coâng thöùc (13)
)]1k(W)k(W[W)k(W)1k(W
iiiii
(13)
Boä ANNC coù ñaàu ra u(k) = N[r(k), u(k-1),
w(k -1)]
3. Giaûi thuaät ñieàu khieån
Giaûi thuaät ñieàu khieån theå hieän qua
caùc böôùc sau:
Böôùc 1: Hai thoâng soá WI cuûa boä
nôron nhaän daïng vaø WC cuûa boä nôron ñieàu
khieån ñöôïc khôûi chaïy ngaãu nhieân vôùi nhöõng
giaù trò nhoû.
Böôùc 2: Xaùc ñònh ñaàu ra u(k) cuûa boä
ñieàu khieån.
Böôùc 3: Xaùc ñònh goùc quay w(k) cuûa
caùnh tay robot.
Böôùc 4: Xaùc ñònh ñaàu ra u’(k) cuûa
boä nhaän daïng.
Böôùc 5: Tính haøm giaù EI(k) vaø
EC(k) döïa vaøo coâng thöùc (2) vaø (8).
Bước 6:
Tính
i
W
EI
vaø
i
W
EC
döïa vaøo coâng
thöùc (4) vaø (11)
Böôùc 7: Caäp nhaät caùc thoâng soá WI cho
boä nôron nhaän daïng vaø WC cho boä nôron ñieàu
khieån döïa vaøo coâng thöùc (7) vaø (13).
Böôùc 8: Laäp laïi töø böôùc 2 ñeán böôùc 7
cho tôùi khi boä ñieàu khieån ñaït giaù trò nhoû nhaát.
III. MOÂ PHOÛNG
Phöông trình chuyeån ñoäng cuûa caùnh
tay robot:
Khoa hoïc - kó thuaäät
26
2T
1T
2f
1f
2g
1g
.
2w
.
1w
012C
.
1w
)
.
2w
.
1w(12C12C
.
2w
2
..
w
..
1w
22H21H
12H11H
(14)
Trong đó: H11= (m1+m2)l
2
1+m2l
2
2+2m2l1l2cos(w2), H12=
H21= m2l
2
2+m2l1l2cos(w2), H22= m2l
2
2, C12=
m2l1l2sin(w2), g1= (m1+m2)l1cos(w2)+m2l2cos(w1+w2),
g2= m2l2cos(w1+w2),
f1= 0.2 sgn(w1)+ 3w1, f2= 0.2 sgn(w2)+ 2w2, l1= 1m, l2=
0.8m, m1= 1kg, m2= 1.5kg.
Keát quaû moâ phoûng cho thaáy phöông
phaùp ñieàu khieån baèng Neural cho keát quaû
chính xaùc hôn so vôùi phöông phaùp coå ñieån
(phöông phaùp PID) vaø phöông phaùp logic
môø.
Khoa hoïc - kó thuaäät
27
V. KEÁT LUAÄN
Trong nghieân cöùu naøy, ñaõ söû duïng
moät boä ñieàu khieån treân coâng ngheä maïng
nôron duøng ñeå ñieàu khieån goùc quay cuûa
caùnh tay robot theo tín hieäu tham chieáu
ñònh höôùng ñieàu khieån. Caùc keát quaû moâ
phoûng cuûa phöông phaùp ñieàu khieån treân
coâng ngheä maïng nôron cho thaáy tính hieäu
quaû vaø tính chính xaùc cao, vaø cuõng theå hieän
ñöôïc tính thích nghi cao qua caùc tröôøng hôïp
moâ phoûng khi tín hieäu tham chieáu laø xung
vuoâng hay hình sin. So vôùi nhöõng phöông
phaùp ñieàu khieån nhö phöông phaùp PID vaø
phöông phaùp Fuzzy logic thì boä ñieàu khieån
treân coâng ngheä maïng nôron theå hieän tính
chính xaùc vaø hieäu quaû cao hôn nhieàu. Töø
nhöõng keát quaû ñaït ñöôïc cuûa boä ñieàu khieån
treân coâng ngheä maïng nôron vôùi tính thích
nghi cao, coäng vôùi tín hieäu tham chieáu ñònh
höôùng ñieàu khieån laø xung vuoâng thay ñoåi
tuøy yù, thì vieäc ñieàu khieån caùnh tay Robot seõ
chính xaùc theo ñònh höôùng.
TAØI LIEÄU THAM KHAÛO
[1] Ngoâ Cao Cöôøng, Hoà Ñaéc
Loäc, Traàn Thu Haø. Andaptive control of
nonlinear dynamics system based on RBF
network. ICMIT 2003 Korea, December 4-
6, 2003.
[2] Chao-Chee Ku and Kwang
Y. Lee, Diagonal recurrent neural networks
for dynamic system control, IEEE Trans. on
Neural networks. 1995. 6(1): 144-156.
[3] Choi Y. K, Lee S. K, Kay
Y.C, Design and Implementation of an
Adaptive Neural Network Compensator for
Control Systems. IEEE Transactions on
Industrial Electronics, vol48, no 2, April
2001.
[4] Diao Y and K.M Passino.
Adaptive neural – Fuzzy control for
Interpolated nonlinear system. IEEE
Trans. FuZ. Syst. (10) pp 583 – 595.2002.
[5] K. S. Narendra and K.
Parthasarathy. Identification and Control of
Dynamical Systems using Neural
Networks, IEEE Transaction on Neural
Networks, Vol.1, pp 4-27, 5-1990.
[6] Hajoon Lee, Dong kyung
Nam, Cheol Hoon Park. A Sliding Mode
Controller Using Neural Networks for
Robot Manipulator, ESANN'2004
proceedings – European Symposium on
Artificial Neural Networks Bruges
(Belgium), 28-30 April 2004.
Các file đính kèm theo tài liệu này:
- 2327R.pdf