کنترل یادگیر تکرار شونده مرتبه کسری بهینه برای کنترل بازوی ربات تک-لینک

Authors

ایمان قاسمی

ابولفضل رنجبر نوعی

سید جلیل ساداتی رستمی

abstract

در این مقاله، نوع جدیدی از سیستم های کنترل یادگیر تکرار شونده مرتبه کسری تحت عنوان کنترل یادگیر تکرار شونده مشتقی مرتبه کسری و کنترل یادگیر تکرار شونده تناسبی-مشتقی مرتبهکسری برای سیستم خطی سازی شده بازوی ربات تک-لینک ارائه می شود. در قانون بروزرسانی کنترل یادگیر تکرار شونده مشتقی، آریمتو کلاسیک از مشتق مرتبه اول (با تابع تبدیل s ) خطای ردیابی استفاده می شود. روش ارائه شده در این مقاله برای بروزرسانی قانون کنترل یادگیری تکرار شونده از مشتق مرتبه کسری (با تابع تبدیل s^alpha برای (2 0] alpha in ) خطای ردیابی استفاده می کند. برای اولین بار، ابتدا سیستم ربات غیرخطی، با اعمال روش خطی سازی فیدبک ورودی- حالت خطی گشته، سپس به آنالیز و تحلیل همگرایی قانون کنترل یادگیر تکرارشونده نوع pd^alpha برای سیستم های خطی پرداخته می شود. در ادامه، یک معیار برای انتخاب بهینه ضرایب کنترل کننده با استفاده از الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی ارائه می گردد. در قسمت اول شبیه سازی، هر دو قانون بروزرسانی کنترل یادگیر تکرارشونده مرتبه کسری (نوع d^alpha و نوع pd^alpha) بر روی بازوی ربات تک-لینک خطی شده، پیاده سازی می شود، و عملکرد این دو کنترل کننده به ازای مقادیر متفاوت alpha نمایش داده می شود. در ادامه و جهت بهبود عملکرد سیستم کنترلی حلقه بسته، ضرایب کنترل یادگیر تکرار شونده مرتبه کسری (ضریب تناسبی k_p و ضریب مشتقی k_d وalpha) با استفاده از الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی، بهینه سازی می شوند. نهایتاً کنترل یادگیر تکرار شونده پیشنهادی با نوع متداول آن مورد مقایسه قرار می گیرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طراحی کنترل کننده مد لغزشی ترمینال فازی تطبیقی مرتبه کسری برای ربات اُرتِز مفصل زانو

ربات‌های توانبخشی و کمک‌ کننده به دلیل افزایش تعداد سالمندان و افزایش بیماری‌هایی مانند سکته های مغزی و آسیب‌های نخاعی و همچنین هزینه‌های بالای توانبخشی توجه بسیاری را به خود جلب کرده اند. در این مقاله یک کنترل کننده مد لغزشی ترمینال فازی تطبیقی مرتبه کسری برای ربات اُرتِز مفصل زانو پیشنهاد می‌شود. یک مدل یکپارچه‌ ساق پا و اُرتِز که براساس معادلات لاگرانژ است، مورد استفاده قرار می گیرد. برای غلبه ب...

full text

کنترل فازی تطبیقی ربات تک چرخ الکتریکی

در این مقاله‏‌ برای نخستین بار طرح کنترل فازی تطبیقی ربات تک چرخ چهار درجه آزادی با وجود محرکه های الکتریکی ارائه می گردد. نوآوری دیگر مقاله ارایه مدل جدیدی از ربات تک چرخ چهار درجه آزادی برای اجرای راهبرد کنترل ولتاژ و راهبرد کنترل گشتاور است. دینامیک حرکت بصورت سیستم غیرخطی و چند متغیره با اثر متقابل بین ورودی ها و خروجی ها توصیف می گردد. ربات تک چرخ مانند آونگ وارون در وضعیت ناپایدار قرار دا...

full text

کنترل بینامبنای بازوی ربات با مدل‌سازی عصبی معکوس ماتریس ژاکوبین

سیستم کنترل خودفرمان بینایی، به سیستمی اتلاق می شود که از اطلاعات بازخوردی دوربین برای کنترل ربات استفاده می‌کند؛ تا ربات، از نقاط شروع دلخواه به نقطه هدف برسد. راه‌های 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...

full text

طراحی کنترل‌گر فازی با قابلیت تنظیم برخط برای کنترل بینامبنای بازوی ربات

درکنترل بینامبنا ربات از اطلاعات استخراج شده از حسگر بصری برای کنترل حرکت ربات استفاده می‌شود. در روش‌های سنتی کنترل بینامبنا، مدل ربات و مدل دوربین مورد نیاز است. به دست آوردن این مدل‌ها زمان‌بر و گاهی اوقات غیرممکن است. بنابراین در تحقیقات اخیر از روش‌های هوشمند برای مقابله با این چالش استفاده می‌شود. در این پژوهش ابتدا از یک کنترل­گر فازی ترکیبی برای کنترل بازوی ربات استفاده شده است. ورودی‌ه...

full text

کنترل بازوی ربات با استفاده از یادگیری از طریق تکرار

بسیاری از ربات ها برای انجام کارهای تکراری مانند جوشکاری کمانی ، جوشکاری نقطه ای ، حمل و جایگزینی اشیا و غیره مورد استفاده قرار می گیرند . در چنین کاربردهایی خطای دنبال کردن مسیر برای یک کار مشخص ، در هر دوره تکرار می شود. ایده اصلی روش یادگیری از طریق تکرار در کنترل ، چنین بیان می شود که با استفاده از اطلاعات بدست آمده در طول دور قبلی کار، کارآیی کنترل کننده برای دور بعدی ، می تواند بهبود یابد.

15 صفحه اول

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023