کنترل بینامبنای بازوی ربات با مدل سازی عصبی معکوس ماتریس ژاکوبین

سیستم کنترل خودفرمان بینایی، به سیستمی اتلاق می شود که از اطلاعات بازخوردی دوربین برای کنترل ربات استفاده می کند؛ تا ربات، از نقاط شروع دلخواه به نقطه هدف برسد. راه های متنوعی از جمله کنترل با استفاده از مدل ربات، طراحی کنترلگر بصورت مستقیم، و استفاده از ماتریس ژاکوبین در این زمینه مطرح شده است. اما، از آنجا که در بسیاری از مواقع، مدلی از ربات دردسترس نیست و یا بدست آوردن آن کاری دشوار و زمانبر خواهد بود، فرمان کنترل با استفاده از ماتریس ژاکوبین تولید می شود. در اینجا، با استفاده از شبکه های عصبی مصنوعی و آموزش برون‏خط آن ها با داده های آموزشی، معکوس ماتریس ژاکوبین تقریب زده می شود؛ تا مستقیماً در قانون کنترل موردنظر استفاده شود. به ازای هر کدام از درجات آزادی بازوی ربات، یک شبکه عصبی دو لایه با ساختار پیشرو درنظر گرفته شده است. فاصله مجری نهایی با هدف (در دو بعد x و y) و مختصات مفصل شانه در دو بعد x و y، ورودی های این شبکه ها، و خروجی آن‏ها، بیان کننده میزان تغییرات ویژگی ها به تغییر در مقادیر متغیرهای مفصل ربات (المانهای معکوس ماتریس ژاکوبین) می باشد. روش ارائه شده بر روی بازوی ربات واقعی پیاده سازی شده است و نتایج آزمایشات حاکی از موفقیت روش پیشنهادی در رساندن مجری نهایی به نقاط هدف مختلف در محیط کاری با دقت مناسب است.