هوشمند سازی در کنترل فازی بازوهای مکانیکی ماهر صلب-انعطاف پذیر با کمک شبکه عصبی بازگشتی پویا

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایران

2 استادیار، دانشکده فنی و مهندسی، دانشگاه شهرکرد، شهرکرد، ایران

3 استادیار، دانشکده فنی و مهندسی، دانشگاه اصفهان، اصفهان، ایران

چکیده

این مقاله به هوشمند سازی در کنترل فازی بازوهای مکانیکی ماهر با پایه ثابت و رابط نهایی انعطاف پذیر خواهد پرداخت. پنجه روی مسیری که از قبل مشخص شده، حرکت میکند و فرض بر اینست که دینامیک سیستم ناشناخته و متغیر می باشد. در کنترل بر اساس منطق فازی، توابع عضویت در ابتدای مسیر انتخاب شده و تا انتهای حرکت، ثابت و بدون تغییر باقی می مانند. این تحقیق جهت بهبود پاسخ سیستم، با کمک شبکه عصبی به اصلاح توابع عضویت در حین حرکت خواهد پرداخت. جهت تسریع در بروز رسانی توابع عضویت، از شبکه عصبی بازگشتی پویا استفاده شده است. معادلات پارامتری بروز رسانی وزنهای شبکه بر اساس کاهش خطا، نرخ خطای زاویه مفاصل و تغییر شکل خمشی بدست می آیند. جهت تصدیق و کارآمدی روش ارایه شده، شبیه سازی برای بازوی مکانیکی با سه رابط انجام شده است. پاسخهای سیستم برای کنترل کننده فازی و کنترل کننده پیشنهادی با یکدیگر مقایسه شده است. همچنین جهت اثبات مقاوم بودن سیستم کنترل، مثالی ارایه خواهد شد. نتایج و بررسی های صورت گرفته، کارآمدی روش ارایه شده را نشان می دهند.

کلیدواژه‌ها


[1] Yue S., Henrich D., Xu W.L., Tso S.K., Point-to-point trajectory planning of flexible redundant robot manipulators using genetic algorithms, Robotica, Vol. 20, No. 3, pp. 269-280, 2002.
[2] Karami N., Habibnejad Korayem M., Shafei A. M., RafeeNekoo S., Theoritical and experimental investigation of dynamic load carrying capacity of flexible-link manipulator in pointto-point motion, Modares Mechanical Engineering, Vol. 14, No. 15, pp. 199-206, 2015.
[3] Homaei H., Keshmiri M., Optimal Trajectory Planning for Minimization Vibration of Flexible Redundant Cooperative Manipulators, Advanced Robotic, Vol. 23, No. 12-13, pp. 1799-1816, 2009.
[4] Zarafshan P., Mousavian A. A., Adaptive hybrid suprpression control of a wheeled mobile robot with flexible solar panels, Modares Mechanical Engineering, Vol. 13, No. 5, pp. 130-143, 2013.
[5] Habibnejad Korayem M., Shafei A. M., Doosthoseini M., Kadkhodaei B., Dynamic modeling of visco-elestic robotic manipulators using Timoshenko beam theory, Modares Mechanical Engineering, Vol. 14, No. 1, pp. 131-139, 2014.
[6] De Luca A., Siciliano B., Inversion-Based nonlinear control of Robot Arms with Flexible links,Journal of Guidance, control and Dynamics, Vol. 16, No. 6, pp. 1169-1176, 1993.
[7] Caracciolo R., Richiedei D., Trevisani A., Zanotto V., Robust mixed-norm position and vibration control of flexible link mechanisms, Mechatronics, Vol. 15, No. 7, pp. 767-791, 2005.
[8] Zhang N., Feng Y., Yu X., Optimization of terminal sliding control for two-link flexible manipulators, The 30th IEEE  Annual Conference of Industrial Electronics Society,  Vol. 2, pp. 1318-1322, 2004.
[9] Alam M. S., Tokhi M. O., Hybrid fuzzy logic control with genetic optimization for a single-link flexible manipulator, Engineering Application of Artificial Intelligence, Vol. 21, No. 6, pp. 858-873, 2008.
[10] Matia F., Marichal G.N., Jimenez E., Fuzzy Modeling and Control: Theory and Applications, Springer, 2014.
[11] Lochan K., Roy B.K., Control of two-link 2-DOF Manipulator Using Fuzzy Logic Techniques:A Review, Proceedings of Fourth International Conference on Soft Computing for Problem Solving, Springer India, Vol. 1, pp. 499-511, 2014.
[12] Rezvani M., Rohani S. M., Adaptive-neuro-fuzzy for uncertain robotic arm no need to auxilary compensator controller, Third Iranian Conference on Electrical and Electronic Engineering (ICEEE), 2011.
[13] Tian L., Collins C., Adaptive neuro-fuzzy control of a flexible manipulator, Mechatronics, Vol. 15, No. 10, pp. 1305-1320, 2005.
[14] Meza J. L., Santibanez V., Soto R., Llama M.A, Fuzzy self-tuning PID semiglobalregulatorfor robot manipulators, IEEE Transaction Indian Electron, Vol. 59, No. 6, pp. 2709-2717, 2012.
[15] Mirshekaran M., Piltan F., Esmaeili Z., Khajeaian T., Kazeminasab M., Design Sliding Mode Modified Fuzzy Linear Controller with Application to Flexible Robot Manipulator, International Journal of Modern Education and Computer Science, Vol. 5, No. 10, pp. 53-63, 2013.
[16] Mallikarjunaiah S., Narayana Reddy S., Adaptive Neuro-Fuzzy Interface System Controller for Flexible Link Manipulator, ACTA Electrotechnica, Vol. 54, No. 2, 2013.
[17] Abdullahi A.M., Mohamed Z., Muhammad M., Bature A. A., Vibration Control Comparison Of A Single Link Flexible Manipulator Between Fuzzy Logic Control And Pole Placement Control, International Journal of Scentific& Technology Research, Vol. 2, No. 12, 2013.
[18] Sahamijoo G., Avatefipour O., Nasrabad M. R. S., Taghavi M., Piltan F., Research on Minimum Intelligent Unit for Flexible Robot. International Journal of Advanced Science and Technology, Vol. 80, pp. 79-104, 2015.
[19] Rumelhart D. E., McClelland J. L., Parallel distributed processing, Explorations in the microstructure of cognition, MIT Press, Cambridge, MA.,Vol.II, 1986.
[20] Rao S. S., Vibration of Continuous Systems, Forth Edition, Chapter 11, New Jersey: Wiley & Sons, 2007.
[21] Ross T. J., Fuzzy Logic with Engineering Application, Second Edittion, pp. 101, Wiley & Sons, 2004.
[22] Lightbody G., Wu W. H., Irwin G. W., Control Application for feedforward Networks, Neural Networks for Control, MIT Press, Cambridge, MA., pp. 51-71, 1990.