1 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử LỜI NÓI ĐẦU Ngày nay, điều khiển robot công nghiệp đã và đang được ứng dụng rộng rãi trong nhiều lĩnh vực sản xuất và đời sống Để điều khiển rôbốt đã có rất nhiều phương pháp khác nhau như dùng bộ điều khiển truyền thống PID, LQR (Linear Quadratic Regulator), LQG (Linear Quadratic Gaussian), STR (Self Tuning Regulator) Các bộ điều khiển trên được thiết kế trên cơ sở mô hình tuyến tính hoá với những thông số biết trước Tuy nhiên Robốt là hệ cấu trúc có tính phi tuyến mạnh, các tham số không rõ và thay đổi hoặc chứa các thành phần phi tuyến Ngoài ra trong quá trình làm việc hệ còn chịu tác động của các nhiễu bên ngoài có tham số thay đổi Do vậy đối với các robot làm việc với yêu cầu đồng thời có độ ổn định và độ chính xác cao thì các bộ điều khiển trên thể hiện các hạn chế Hệ thống điều khiển thích nghi là hệ thống mà cấu trúc và tham số của bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao cho chất l ượng đảm bảo các chỉ tiêu đã định Đặc biệt hệ điều khiển Learning Feed Forward (LFFC) trên cơ sở mạng nơ ron, đã được nghiên cứu và thiết kế ứng dụng trong thực tế Bộ điều khiển này có ưu điểm là có khả năng kháng nhiễu hệ thống (Systems Noise) có hiệu quả, nhờ đó độ chính xác và độ ổn định của hệ có thể đồng thời đạt được Việc ứng dụng Learning Feed Forward trên cơ sở mạng nơron để điều khiển vị trí cánh tay rôbốt sẽ nâng cao chất lượng của hệ thống Vì vậy tôi lựa chọn đề tài: “Ứng dụng Learning FeedForward trên cơ sở mạng nơ ron điều khiển vị trí cánh tay robot ” Luận văn này tác giả phân tích mô hình động học của đối tượng thông qua mô hình toán học đó đưa ra phương án điều khiển Kết quả điều khiển được mô phỏng kiểm chứng trên phần mềm matlab Luận văn này tác giả trình bày trong 3 chương: Chương 1: Tổng quan về điều khiển bobot công nghiệp Chương 2:Learning FeedForward control trên cơ sở mạng nơ ron Chương 3 Thiết kế ứng dụng 2 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử CHƯƠNG 1: TỔNG QUAN VỀ ĐIỀU KHIỂN ROBOT CÔNG NGHIỆP 1.1.Tổng quan về Robot - Về mặt cơ khí robot là một hệ thống cơ khí bao gồm các thanh nối cứng và các khớp Ngoài ra còn các bộ phận khác như thân máy, bệ máy - Về nội dung kỹ thuật cơ khí, điều khiển và điện tử, robot có thể được định nghĩa như sau: Robot là một cơ cấu cơ khí có một vài bậc tự do, có thể di chuyển như con người và được điều khiển bằng máy tính; Robot công nghiệp là một cơ cấu máy có thể lập trình được và làm việc một cách tự động không cần sự trợ giúp của con người; Robot là cơ cấu máy có chức năng như con người và có sự hợp tác giữa các Robot với nhau Sơ đồ Hình 1.1 là sơ đồ điển hình của hệ thống điều khiển vị trí, trên sơ đồ thể hiện các vị trí và tốc độ của khớp thường được đo bởi các sensor như chiết áp, máy phát tốc, các thiết bị mã hoá Các tín hiệu ra được đưa đến khối điều khiển tạo ra tín hiệu điều khiển, điều khiển các khớp các cơ cấu dẫn động làm cho tay máy chuyển động theo quỹ đạo mong muốn Quỹ đạo đặt BỘ ĐIỀU KHIỂN Tín hiệu điều khiển Quỹ đạo thực ROBOT HỆ THỐNG ĐO (CÁC SENSOR) Sơ đồ hệ thống điều khiển vị trí Tổ chức kỹ thuật của Robot được chia thành 4 khối chức năng chính được minh hoạ như sau: 3 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử Computer Cartesianpont storage Forward Kinematic Inverts Kinematic Teach Pendent Trajectory Phaner Block B Control Σ Record buttum Motor Dymanic Robot Dynamic Physical Postion Block A Block C Block D Sơ đồ tổ chức kỹ thuật của Robot 1.2 Phương trình động học của robot Với robot công nghiệp có nhiều loại khác nhau và sử dụng nhiều luật điều khiển khác nhau Trong khuôn khổ luận văn này tác giả khảo sát robot 2 bậc tự do dùng Feedback kết hợp LFFC (Learning Feedforward Control) trên cơ sở mạng nơ ron để điều khiển ( ) ( )      M (θ )θ + C θ ,θ θ + Dθ + S sgn θ + G (θ ) = u Với: - θ : véc tơ góc của khớp nối - M (θ ) : ma trận mô men quán tính  - C (θ ,θ ) : mô hình lực coriolis và quán tính ly tâm - D : hệ số ma trận đường chéo ma sát nhớt 4 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử - S : hệ số ma trận đường chéo ma sát Coulomb - G (θ ) : trọng lực - u : mô men xoắn của khớp Trong hình sau mô tả mô hình robot 2 bậc tự do: Mô hình robot 2 bậc tự do Phương trình động học của robot 2 bậc tự do được chỉ ra bởi bi biểu thức sau: ( )  J1  2 2 2 2  r 2 + m2 l 2 + 2l1l 2 cos(θ 2 ) + l1 + l1 m1 l 2 + 2l1l 2 m2 cos(θ 2 )  θ   1  1  +  J1 2   θ2  l 22 + 2l1l 2 m2 cos(θ 2 ) + m2 l 2 2   r1       − 2l1l 2 m2 sin (θ 2 )θ 2 − l1l 2 m2 sin (θ 2 )θ 2  θ1  d1 0  θ1      +   +   0  l1l 2 m2 sin (θ1 )θ 2  θ 2   0 d 2  θ 2    s1 0  sgn θ 2   gm2 l 2 cos(θ1 + θ 2 ) + gl1 cos(θ1 )( m1 + m2 )   u1  +  0 s   = u     gm2 l 2 cos(θ1 + θ 2 )  2  sgn θ 2     2 ( ) ( ) Trong đó: - m1, 2 : khối lượng của cánh tay 1,2 Luận văn thạc sĩ kỹ thuật 5 Chuyên ngành kỹ thuật điện tử - l1, 2 : độ dài cánh tay 1,2 - r1, 2 : tỷ số truyền của động cơ 1,2 - d1, 2 : ma sát nhớt của khớp nối 1,2 - s1, 2 là ma sát coulomb của khớp 1,2 Như vậy có thể kết luận rằng: Góc quay của cánh tay robot có thể được điều khiển bởi LFFC Tín hiệu điều khiển Feed – forward mong muốn là: ( ) ( ) ( ) ( )        u d = C θ d ,θ d θ d + Dθ d + G θ d + S sgn θ d + M θ d θd Từ đó cho thấy tín hiệu đầu vào điều khiển BSN sau khi đã đơn giản hóa bao gồm các  thành phần (θ ,θ , ,θ) Với robot 2 bậc tự do, số lượng đầu vào là 6 Kết luận Chương I: Như vậy với robot 2 bậc tự do sử dụng hệ thống điều khiển Feedback kết hợp với LFFC trên cơ sở mạng nơ ron, tác giả đã chỉ ra phương trình động học như phương  trình trên Với tín hiệu vào điều khiển Feed – forward bao gồm (θ ,θ , ,θ) tương ứng là vị trí góc, vận tốc góc, gia tốc góc Lấy cơ sở từ phương trình này, để xây dựng hệ thống điều khiển cho robot 2 bậc tự do 6 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử CHƯƠNG 2: LEARNING FEED – FORWARD CONTROL TRÊN CƠ SỞ MẠNG NƠ RON 2.1 Giới thiệu Việc thiết kế một bộ điều khiển nói chung thường dựa trên một mô hình của một đối tượng Mô hình đối tượng càng chính xác bao nhiêu thì việc thiết kế bộ điều khiển càng hiệu quả bấy nhiêu Khi mô hình hóa đối tượng, các vấn đề sau có thể gặp phải: - Hệ thống quá phức tạp để có thể hiểu được hoặc trình bày một cách đơn giản - Mô hình quá khó hoặc quá đắt để đánh giá Một số đặc tính của một số tính chất (phi tuyến) khó có thể đạt được, ví dụ như ma sát… - Đối tượng có thể chịu ảnh hưởng lớn của nhiễu tác động từ môi trường, điều này khó dự đoán trước được - Các thông số của đối tượng có thể biến đổi theo thời gian 2.2 Điều khiển học (Learning Control - LC) Một số định nghĩa về LC sau: Định nghĩa 2.1: Một bộ LC là một hệ thống điều khiển bao gồm trong đó 1 hàm xấp xỉ các ánh xạ đầu vào – đầu ra tương ứng trong suốt quá trình điều khiển mà một hoạt động mong muốn của hệ thống điều khiển đạt được Định nghĩa 2.2 (hàm xấp xỉ): Một hàm xấp xỉ là một ánh xạ vào/ra được xác định bởi một hàm được lựa chọn F ( , ω ) , với các véc tơ thông số ω được lựa chọn để hàm F ( ) được xấp xỉ tốt nhất Ưu điểm của các bộ điều khiển LC: Hàm xấp xỉ có khả năng tự khái quát hoá tốt Sự mềm mại của giá trị xấp xỉ cần điều khiển được Đáp ứng ngắn hạn là học tốt 7 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử Sự ổn định lâu dài cần phải được bảo đảm 2.3 Bộ điều khiển học sử dụng sai lệch phản hồi (Feedback Error Learning - FEL) 2.3.1 Cấu trúc điều khiển Hệ thống LC bao gồm 2 phần: Bộ điều khiển Feef-forward được biểu thị bằng F, nghĩa là 1 hàm/ánh xạ u F = F ( r ) Khi bộ điều khiển feed-forward bằng với đối tượng nghịch đảo F = P −1 , thì đầu ra của đối tượng y sẽ bằng tín hiệu đặt r Hàm xấp xỉ Bộ điều khiển phản hồi sai lệch (FEL) 2.3.2 Một ví dụ về ma sát phụ thuộc vị trí: Giống như đối tượng động học, các nhiễu tái sinh có thể được bù bởi một bộ điều khiển feed-forward Trong khi đầu ra uF được xét dưới dạng moment của động cơ T 3 uF = [τ 1τ 2τ 3 ] ∈ R Một số đặc điểm của bộ điều khiể này: Sự ổn định được xác lập Đáp ứng ngắn hạn tốt Hàm xấp xỉ phù hợp cho việc điều khiển Yêu cầu bộ nhớ nhỏ Cơ chế học hội tụ chậm và trải qua vùng giá trị cực tiểu cục bộ 8 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử Có khả năng tổng quát hoá tốt r ( n)   r r Hàm xấp xỉ + + + C y P Học theo sai số phản hồi Phương thức thứ 2 là sử dụng nhiều bộ điều khiển feed-forward, mỗi một bộ được huấn luyện để thực hiện một nhiệm vụ cụ thể Mỗi một mạng nơ ron giám sát học xem là bộ feed-forward nào được sử dụng cho nhiệm vụ nào Mạng giám sát đã học từ bộ điều khiển feed-forward nào được áp dụng cho đối tượng đó Tất cả điều này nhằm mục đích cải thiện những vấn đề sau: - Độ hội tụ nhanh hơn Khi việc học diễn ra một cách cục bộ, chỉ có 1 số nhỏ các hàm trọng được thích nghi tạo ra độ hội tụ nhanh - Có thể học các dữ liệu tương quan Các vùng của hàm cơ sở đã được trộn lẫn, điều này có ích cho quá trình học các dữ liệu tương quan - Không có cực tiểu cục bộ Cơ cấu học không trải qua vùng cực tiểu cục bộ 2.4 Learning Feedforward Control (LFFC) 2.4.1 Mạng B - Spline µ 1 Một số dạng B - Spline 0 µ 1 0 1 2 3 4 5 1 2 a): B – Spline bậc 1 4 5 b) a) B – Spline cơ bản: 3 µ 1 b): B – Spline bậc 2 c): B – Spline bậc 3 0 1 2 3 c) 4 5 9 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử 2.4.2 Mạng nơ ron nhân tạo nhiều lớp 1) Nơ ron Hình sau chỉ ra cấu trúc của một nơ ron nhân tạo 1 x1 x2 xn ω0 ω1 ∑ ω2  f ( ) y ωn Nơ ron nhân tạo Với: x = [1 x1 x2  x N ] ∈ R N +1 T 2) Mạng nơ ron nhân tạo nhiều lớp (Multi layer Perceptron network - MLP) Trong hình sau chỉ ra cấu trúc một MLP Lớp 1 Lớp 2 Lớp 3 Cấu trúc MLP 3 lớp Mỗi nơ ron ở lớp thứ n điều được kết nối với các nơ ron ở lớp thứ n + 1 2.5 Learning Feed – Forward trên cơ sở mạng nơ ron 2.5.1 Lựa chọn các thông số BSNs Luận văn thạc sĩ kỹ thuật 10 Chuyên ngành kỹ thuật điện tử Đối với các hệ thống chuyển động, các đầu vào của BSN bao gồm các vị trí đặt, r, và các đạo hàm của nó 2.5.1.1 Sự phân bố B-Spline trên đầu vào của mạng BSN Đầu ra của BSN là tổng trọng số ước lượng của các B- spline Do đó, số lượng của các B-Spline và các vị trí của chúng quyết định tính chính xác của giá trị xấp xỉ Các tín hiệu đích có dạng trơn có thể được xấp xỉ một cách chính xác với một số lượng thấp các B-Spline “rộng” Các tín hiệu có độ dao động lớn yêu cầu một số lượng lớn các B-Spline “hẹp” Ánh xạ BSN 2.5.1.2 Sự lựa chọn các cơ cấu học Luật online learning như sau: ∆ωi = γµ i (r )e( r ) Ns Và luật offline learning như sau: ∆ωi = ∑ µ ( r )e( r ) i i =1 j j Ns ∑ µ (r ) i =1 i j Trong đó: o r j : đầu vào của BSN Trong LFFC đầu vào bao gồm cả vị trí đặt  và đạo hàm của nó f , r j = { rJ , rJ , ,} o o µ i (ri ) : Thành phần của B – Spline thứ i: µ i (ri ) ∈ [ 0,1] ∆ωi : Sự thích nghi của trọng số số B –Spline thứ i Luận văn thạc sĩ kỹ thuật 21 Chuyên ngành kỹ thuật điện tử CHƯƠNG 3 THIẾT KẾ ỨNG DỤNG 3.1 Giới thiệu chung Trong các chương trước, một số khía cạnh của LFFC trên cơ sở mạng nơ ron đã được đề cập, trong chương này, sẽ áp dụng những kiến thức đó để thiết kế ứng dụng LFFC trên cơ sở mạng nơ ron để điều khiển cánh tay robot 2 bậc tự do Để hoàn thành nhiệm vụ này cần sơ lược các kết quả sau: - Bộ điều khiển phản hồi (Feedback Control): Bộ điều khiển phản hồi để bù các nhiễu ngẫu nhiên và tạo ra tín hiệu học cho bộ Feed – Forward Bộ điều khiển phản hồi cũng giúp xác định độ rộng của B – Spline - Lựa chọn đầu vào của Feed – Forward: Tín hiệu vào của feed – forward được  lựa chọn là vị trí, vận tốc, gia tốc tham chiếu (θ ,θ , θ) - Cấu trúc của phần feed – forward: Kết quả nghiên cứu trong chương 2 cho thấy việc lựa chọn feed – forward thường là nhiều đầu vào - Phân bố B – Spline: Việc lựa chọn độ rộng của B – spline trong LFFC chỉ số thời gian có thể xác định từ đáp ứng tần số trong vòng phản hồi kín - Tốc độ học: Giá trị lớn nhất của tốc độ học mà hội thu được xác định từ đáp ứng tần số của vòng lặp kín 3.2 Xây dựng mô hình điều khiển robot 2 bậc tự do 3.2.1 LFFC tiết kiệm Mô hình LFFC tiết kiệm được cho bởi sơ đồ sau: Luận văn thạc sĩ kỹ thuật 22 Chuyên ngành kỹ thuật điện tử a) cấu trúc LFFC đơn; b) Cấu trúc LFFC tiết kiệm Trong cấu trúc LFFC tiết kiệm, mỗi BSN chỉ bao gồm một trong các tổ hợp  y yd , yd , d Việc lựa chọn đầu vào này sao cho mỗi BSN trong mạng BSNs tương đương có số đầu vào là nhỏ nhất 3.2.2 Mô hình LFFC tiết kiệm cho cánh tay robot 2 bậc tự do  Robot 2 bậc tự do có 6 tín hiệu đầu vào Feed – forward đó là (θ ,θ ,θ ) cho mỗi khớp Trong robot 2 bậc tự do, C có thể bỏ qua khi tốc độ chuyển động thấp  J1  2 r M = 1   0   0   J2  r22   Tín hiệu feed – forward đầu ra mong muốn có dạng sau: u  u d =  d ,1   u2   J1      r 2 θ d ,1 + d ,1θ d ,1 + s1 sgn θ d ,1 + gm2l2 cos(θ d ,1 + θ d ,1 ) + gl1 cos(θ d ,1 ) ( m1 + m2 )  ≈1  J 2   + s sgn θ + gm l cos(θ + θ )   θ + d 2θ d , 2 2 d ,2 2 2 d ,1 d ,1 2 d ,2   r2   ( ) ( ) LFFC tiết kiệm được cho bởi sơ đồ sau 23 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử LFFC tiết kiệm cho cánh tay robot 2 bậc tự do Trong đó các hàm chức năng như sau: BSN1: có 2 đầu vào, {θ d ,1,θ d , 2 } và 2 đầu ra {u d ,1,u d , 2 } , hàm mục tiêu phải học là:  u d ,1   gm2l2 cos(θ d ,1 + θ d ,1 ) + gl1 cos(θ d ,1 ) ( m1 + m2 )  ud =  =  ud ,2   gm2l2 cos(θ d ,1 + θ d ,1 )     BSN2 và BSN3 học để bù cho ma sát của mỗi khớp nối: ( ) BSN2:   u d , 2 = d 2θ d , 2 + s2 sgn θ d , 2 BSN3:   u d ,1 = d1θ d ,1 + s2 sgn θ d ,1 ( ) Cuối cùng, BSN4, BSN5 học để bù cho quán tính của robot ud , 2 = BSN4: BSN5: u d ,1 = J 2  θ d ,1 r12 3.2.3 Thiết kế LFFC cho robot Bước 1: Thiết kế bộ điều khiển phản hồi: J 2  θ d ,2 r22 24 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử Bộ điều khiển phản hồi sử dụng bộ điều khiển PI chuẩn đã được trình bày và thiết lập bởi công thức sau[5]: C( s) = K P + K D s Lựa chọn KP = 500; KD = 2 Bước 2: Lựa chọn đầu vào cho phần feed – forward:   θ1   0    = 0 θ m    Với: 0  0 1  θ    − d   m  +  − FC (θ m ) − F f θ m  +  1 u  θ  J  J  m    J     ( ) J : Là quán tính, tỷ số truyền và sự bám dính d : Là ma sát nhớt trong quá trình truyền động FC (θ m ) : Là lực cogging (đối với các hệ truyền động bằng động cơ tuyến tính) ( )  F f θ m : Là ma sát Coulomb và bám dính Tiếp theo, lựa chọn hệ số hiệu chỉnh C trong LFFC - C Bao gồm một phần tử duy nhất, C j , phần tử đó không tiến tới 0, C = [ 0 1] , trạng thái đó là ổn định - C j khả nghịch, với C2 = 1 điều này đã được thỏa mãn - Bn khả nghịch, Với B2 = 1 , Bn khả nghịch khi J > 0 , Khi J > 0 hệ thống ổn J định Có thể kết luận rằng, LFFC có thể điều khiển được hệ thống tải Tín hiệu feed –forward yêu cầu được chỉ ra bởi: ( ) ( )    u d = dθ m,d + FC (θ m,d ) + F f θm,d + Jθm,d   ≈ dθ m,d + FC (θ m ,d ) + F f θm ,d Bước 3: Lựa chọn cấu trúc của phần feed – forward: Mô hình LFFC được mô tả như hình sau: 25 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử Cấu trúc LFFC cho CLS Bước 4: Lựa chọn hệ số B- Spline Sự phân bố B – Spline lựa chọn trên quy tắc kinh nghiệm và những đặc điểm cụ thể của tín hiệu cần phải triệt tiêu Chọn − T = − 6405 − 90900 − 0,004215s 3 + 5S 2 + 640 S + 80900 Từ đó suy ra: d min = 0.00185( s) Lựa chọn Số lượng B – Spline là 3 Bước 5: Lựa chọn tốc độ học: Tốc độ học cho các B – Spline: γ ≤ 0,95 ; Lựa chọn tốc độ học cho tất cả các B – Spline bằng 0.1 Bước 6 Luyện LFFC: 3.3 Mô phỏng khảo sát bộ điều khiển cánh tay robot 2 bậc tự do bằng LFFC trên cơ sở mạng nơ ron a Xây dựng mô hình cho cánh tay robot 2 bậc tự do (P): Từ phương trình cho cánh tay robot 2 bậc tự do: ( ) ( )      M (θ )θ + C θ ,θ θ + Dθ + S sgn θ + G (θ ) = u Qua biến đổi thành: Luận văn thạc sĩ kỹ thuật 26 Chuyên ngành kỹ thuật điện tử  J1  2 2 2 2  r 2 + m2 ( l 2 + 2l1l 2 cos(θ 2 ) + l1 ) + l1 m1 l 2 + 2l1l 2 m2 cos(θ 2 )  θ   1  1  +  J1 2   θ2  l22 + 2l1l2 m2 cos(θ 2 ) + m2 l 2 2   r1       − 2l1l 2 m2 sin (θ 2 )θ 2 − l1l 2 m2 sin (θ 2 )θ 2  θ1  d1 0  θ1      +   +   0  l1l2 m2 sin (θ1 )θ 2  θ 2   0 d 2  θ 2    s1 0  sgn θ 2   gm2 l 2 cos(θ1 + θ 2 ) + gl1 cos(θ1 )( m1 + m2 )   u1  +  0 s   = u     gm2 l 2 cos(θ1 + θ 2 )  2  sgn θ 2     2 ( ) ( ) 27 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử Từ đó xây dựng được mô hình cánh tay robot 2 bậc tự do (P) như sau: u  θ 1 1 M (θ ) S + + + + + (  C θ ,θ M (θ ) 1 S θ ) D M (θ ) + +  θ S M (θ ) Sgn G M (θ ) b Sơ đồ khối bộ điều khiển: Mô hình của hệ thống điều khiển robot 2 bậc tự do kết hợp giữa bộ điều khiển PID và LFFC trên cơ sở mạng nơ ron như hình sau: θ Referent Model  θ θ y e u PD +  θ B-Spline + + B-Spline + + Sgn B-Spline B-Spline + + + + 28 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử Sơ đồ khối bộ điều khiển cánh tay robot 2 bậc tự do dùng learning feedforward trên cơ sở mạng nơ ron 3.3.2 Kết quả mô phỏng a Sơ đồ mô phỏng bộ điều khiển: Sơ đồ cấu trúc tổng quát của hệ thống điều khiển vị trí cánh tay robot 2 bậc tự do ứng dụng learning feedforward trên cơ sở mạng nơ ron được cho bởi sơ đồ sau: Sơ đồ khối bộ điều khiển b kết quả mô phỏng Dạng tín hiệu vào điều khiển Luận văn thạc sĩ kỹ thuật 29 Chuyên ngành kỹ thuật điện tử Các tín đầu vào của bộ điều khiển LFFC - Tín hiệu đặt tín hiệu ra thực tế và sai số của bộ điều khiển khi hệ thống chỉ dùng bộ điều khiển PID: Tín hiệu đặt tín hiệu vào ra và sai lệch khi chỉ có bộ điều khiển PID - Nhiễu do ma sát coulomb và tín hiệu bù do BSN tạo ra: + Chế độ quá độ Luận văn thạc sĩ kỹ thuật 30 Chuyên ngành kỹ thuật điện tử + Chế độ xác lập Nhiễu do ma sát coulomb và tín hiệu hiệu chỉnh ma sát coulomb do LFFC tạo ra - Tín hiệu đặt, tín hiệu ra thực tế khi chỉ có LFFC bù ma sát coulomb tác động: Luận văn thạc sĩ kỹ thuật 31 Chuyên ngành kỹ thuật điện tử Tín hiệu và ra và sai lệch khi LFFC bù ma sát coulomb - Nhiễu do ma sát nhớt và tín hiệu bù ma sát nhớt do BSN tạo ra: Nhiễu do ma sát nhớt sinh ra và tín hiệu bù ma sát nhớt do LFFC tạo ra - Tín hiệu đặt và tín hiệu thực tế khi có LFFC tham gia bù ma sát coulomb và ma sát nhớt: Luận văn thạc sĩ kỹ thuật 32 Chuyên ngành kỹ thuật điện tử Tín hiệu đặt tín hiệu vào ra và sai lệch khi hệ thống có LFFC bù ma sát coulomb và ma sát nhớt Luận văn thạc sĩ kỹ thuật 33 Chuyên ngành kỹ thuật điện tử Kết luận Chương 3 Từ các cơ sở lý thuết của Chương 1 và Chương 2, tác giả đã xây dựng được bộ điều khiển cho cánh tay robot 2 bậc tự do kết hợp bộ điều khiển Feedback và LFFC trên cơ sở mạng nơ ron Kết quả điều khiển được kiểm chứng bằng mô phỏng trên phần mềm Matlab simulink Qua kết quả mô phỏng có các kết luận: - Hệ thống hoạt động ổn định trong thời gian lây dài; - Vị trí tham chiếu thực bám với vị trí tham chiếu đặt khi cho vị trí tham chiếu đặt biến đổi Trong luận văn này giả thiết vị trí đặt biến thiên theo quy luật hàm Sin Kết quả này cũng đúng khi cho vị trí đặt bất kỳ - Tín hiệu bám tốt, với các nhiễu do hệ thống tạo ra, bộ điều khiển LFFC trên cơ sở mạng nơ ron đã tạo ra tín hiệu bù phù hợp để khử các tín hiệu nhiễu - Chất lượng hoạt động của hệ thống khi có LFFC tốt hơn khi chỉ sử dụng bộ điều khiển truyền thống PID Điều này được thể hiện ở sai số khi chỉ sử dụng bộ điều khiển PID và bộ điều khiển có thêm LFFC - Trong luận văn này tác giả mởi lấy tín hiệu tại khớp thứ nhất, các tín hiệu này đã có lien kết với khớp 2 Kết quả mô phỏng tại khớp 2 tương tự như khớp 1 này Luận văn thạc sĩ kỹ thuật 34 Chuyên ngành kỹ thuật điện tử KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Luận văn đã hoàn thành những yêu cầu đặt ra là ứng dụng Learning FeedForward trên cơ sở mạng nơ ron điều khiển vị trí cánh tay robot Các đóng góp chính và hướng phát triển của đề tài nghiên cứu: - Đã tổng hợp được các tài liệu về learning feedforward, mạng nơ ron và các ứng dụng của nó để có cái nhìn tổng quan về kết cấu, các luật học và các phương pháp ứng dụng learning feedforward trên cơ sở mạng nơ ron để điều khiển vị trí cánh tay robot - Bằng phương pháp phân tích, tổng hợp luận văn này đã tính toán xây dựng được mô hình động học của robot 2 bâc tự do, thiết kế được bộ điều khiển, khảo sát mô phỏng cho cánh tay robot 2 bậc tự do bằng ứng dụng learning feedforward trên cơ sở mạng nơ ron Trong luận văn đã trình bày một phương pháp điều khiển đã khử được các tham số phi tuyến do đối tượng là cánh tay robot gây ra như ma sát coulomb, ma sát bám dính… qua đó đã nâng cao chất lượng điều khiển của cánh tay robot 2 bậc tự do - Do thời gian nghiên cứu có hạn trong khuôn khổ luận văn này mới chỉ thiết kế mô phỏng được hệ thống điều khiển Từ kết quả mô phỏng với các tham số của bài toán có thể phát triển ứng dụng để thiết kế trên mô hình thực tế và phát triển với cánh tay robot với số bậc tự do lớn hơn, ngoài ra cơ sở của luận văn này cũng có thể dung để thiết kế các hệ thống tương đương như sử dụng LFFC trên cơ sở MRAS Vì vậy luận văn này là một hướng nghiên cứu mở, có thể phát triển tiếp tục hướng nghiên cứu này ở các công trình khoa học cấp cao hơn Luận văn thạc sĩ kỹ thuật 35 Chuyên ngành kỹ thuật điện tử TÀI LIỆU THAM KHẢO Tiếng Việt: [1] Phạm đăng phước; Robot công nghiệp – tailieu.vn; [2] Nguyễn Như Hiển, Lại Khắc Lãi; Hệ mờ & Nơ ron trong kỹ thuật điều khiển- NXB khoa học tự nhiên và công nghệ; [3] Nguyễn Doãn Phước; Lý thuyết điều khiển phi tuyến-NXB Khoa học và Kỹ thuật ; [4] Nguyễn Doãn Phước, Phan Xuân Minh, Hán Thành Trung; Lý thuyết điều khiển phi tuyến- NXB Khoa học và Kỹ thuật ; Tiếng Anh: [5] D Nguyen, and B Widrow, “Neural Networks for Self- Learning Control Systems,” IEEE Control System Magazine, vol 10, no 1, pp 18-23, Feb 1990; [6] Dr Nguyen Duy Cuong , “Advanced Controllers for Electromechanical Motion Systems” University of Twente, March, 2008; [7] W.J.R Velthuis “Learning feed-forward control: theory, design and; application.”Phd thesis, University of Twente, Enschede, the Netherlands, 2000; [8] Z Hendzel, “Adaptive Critic Neural Networks for Motion Control of Wheeled Mobile Robot,” Nonlinear Dynamics, vol 50, no 4, pp 849-855, 2007; [9] K.S Narenda, and K Pathasarathy, “Identification and control of dynamic systems using neural network,” IEEE Transaction on Neural Networks, vol 1, no 1, pp 4-27, 1990 ... thống điều khiển vị trí cánh tay robot bậc tự ứng dụng learning feedforward sở mạng nơ ron cho sơ đồ sau: Sơ đồ khối điều khiển b kết mô Dạng tín hiệu vào điều khiển Luận văn thạc sĩ kỹ thuật. .. Luận văn thạc sĩ kỹ thuật 34 Chuyên ngành kỹ thuật điện tử KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Luận văn hoàn thành yêu cầu đặt ứng dụng Learning FeedForward sở mạng nơ ron điều khiển vị. .. + + + 28 Luận văn thạc sĩ kỹ thuật Chuyên ngành kỹ thuật điện tử Sơ đồ khối điều khiển cánh tay robot bậc tự dùng learning feedforward sở mạng nơ ron 3.3.2 Kết mô a Sơ đồ mô điều khiển: Sơ đồ