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 خواهد بود، فرمان کنترل با استفاده از ماتریس ژاکوبین تولید می‌شود. در اینجا، با استفاده از شبکه‌های عصبی مصنوعی و آموزش برون‏خط آن‌ها با داده‌های آموزشی، معکوس ماتریس ژاکوبین تقریب زده می‌شود؛ 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 مجری‌نهایی با هدف (در دو بعد x و y) و مختصات مفصل شانه در دو بعد x و y، ورودی‌های این شبکه‌ها، و خروجی‌ آن‏ها، بیان کننده میزان تغییرات ویژگی‌ها به تغییر در مقادیر متغیرهای مفصل ربات (المانهای معکوس ماتریس ژاکوبین) می‌باشد. روش ارائه شده بر روی بازوی ربات واقعی پیاده‌سازی شده است و نتایج آزمایشات حاکی از موفقیت روش پیشنهادی در رساندن مجری‌نهایی به نقاط هدف مختلف در محیط کاری با دقت مناسب است.