Повышение точность работы робота за счет применения нейронных сети (нейронных компенсаторов и нелинейной динамики)

Повышение точность работы робота за счет применения нейронных сети (нейронных компенсаторов и нелинейной динамики)

Автор: Чжэнцзе Янь, Клочков Ю.С., Лин Си

Журнал: Известия Самарского научного центра Российской академии наук @izvestiya-ssc

Рубрика: Машиностроение и машиноведение

Статья в выпуске: 4 т.24, 2022 года.

Бесплатный доступ

Предметом данной статьи является программируемая система управления роботом-манипулятором. Рассмотрена сложная нелинейная динамика, связанная с практическим применением систем и манипуляторов. Традиционный метод управления заменяется разработанной системой Elma и адаптивной радиальной базовой функцией нейронной сети, что повышает стабильность системы и скорость отклика. С помощью программного обеспечения, связанного с MATLAB, разработаны соответствующие контроллеры и компенсаторы. Представлены результаты обучения нейросетевого контроллера для программирования траекторий робота. Анализируются динамические ошибки различных типов нейросетевых контроллеров и двух методов управления.

Еще

Робот-манипулятор, программируемая система управления, нейронная сеть, нелинейные многомерные компенсаторы, моделирование, динамический анализ, динамические ошибки

Короткий адрес: https://sciup.org/148325297

IDR: 148325297   |   DOI: 10.37313/1990-5378-2022-24-4-106-115

Список литературы Повышение точность работы робота за счет применения нейронных сети (нейронных компенсаторов и нелинейной динамики)

  • A.-V. Duka, “Neural Network based Inverse Kinematics Solution for Trajectory Tracking of a Robotic Arm,” Procedia Technology, vol. 12, pp. 20–27, Dec. 2014, doi: 10.1016/j.protcy.2013.12.451.
  • Y. H. Kim and F. L. Lewis, “Neural network output feedback control of robot manipulators,” IEEE Transactions on Robotics and Automation, vol. 15, no. 2, pp. 301–309, Apr. 1999, doi: 10.1109/70.760351.
  • S. Islam and P. Liu, “Robust Sliding Mode Control for Robot Manipulators,” Industrial Electronics, IEEE Transactions on, vol. 58, pp. 2444–2453, Jul. 2011, doi: 10.1109/TIE.2010.2062472.
  • Yazdanpanah M. J. and Karimian Khosrowshahi G., “Robust control of mobile robots using the computed torque plus H∞ compensation method,” 632249139440000000. https://www.sciencegate.app/document/10.1109/cdc.2003.1273069 (accessed Jun. 29, 2022).
  • R. E. N, R. N. V, and Y. Zhengjie, “Neural network compensation of dynamic errors in a position control system of a robot manipulator,” Computing, Telecommunication and Control, vol. 64, no. 1, pp. 53–64, 2020, doi: 10.18721/JCSTCS.13105.
  • F. W. Lewis, S. Jagannathan, and A. Yesildirak, Neural Network Control Of Robot Manipulators And Non- Linear Systems. CRC Press, 2020.
  • K. Kara, T. Missoum, K. Hemsas, and M. Hadjili, “Control of a robotic manipulator using neural network based predictive control,” Dec. 2010, pp. 1104–1107. doi: 10.1109/ICECS.2010.5724709.
  • S. Seshagiri and H. Khalil, “Output Feedback Control of Nonlinear Systems Using RBF Neural Networks,” Neural Networks, IEEE Transactions on, vol. 11, pp. 69–79, Feb. 2000, doi: 10.1109/72.822511.
  • I. V. Tetko, V. Kůrková, P. Karpov, and F. Theis, Artifi cial Neural Networks and Machine Learning – ICANN 2019: Theoretical Neural Computation: 28th International Conference on Artifi cial Neural Networks, Munich, Germany, September 17–19, 2019, Proceedings, Part I. Springer Nature, 2019.
  • M. W. Spong and M. Vidyasagar, Robot dynamics and control. New York: John Wiley & Sons, 1989.
  • Y. Zhengjie, E. Rostova, and N. Rostov, “Neural Network Compensation of Dynamic Errors in a Robot Manipulator Programmed Control System,” 2020, pp. 554–563. doi: 10.1007/978-3-030-34983-7_54.
  • L. Y.-J, T. S.-C, W. D, L. T.-S, and C. C.l.p, “Adaptive neural output feedback controller design with reduced-order observer for a class of uncertain nonlinear SISO Systems,” UM, vol. 22, no. 8, 2011, doi: 10.1109/TNN.2011.2159865.
  • Z. Liu, G. Lai, Y. Zhang, X. Chen, and C. Chen, “Adaptive Neural Control for a Class of Nonlinear Time-Varying Delay Systems With Unknown Hysteresis,” IEEE transactions on neural networks and learning systems, vol. 25, pp. 2129–40, Dec. 2014, doi: 10.1109/TNNLS.2014.2305717.
  • N. Duan and H.-F. Min, “NN-based output tracking for more general stochastic nonlinear systems with unknown control coeffi cients,” Int. J. Autom. Comput., vol. 14, no. 3, pp. 350–359, Jun. 2017, doi: 10.1007/s11633-015-0936-4.
  • B. Luo, D. Liu, X. Yang, and H. Ma, “H ∞ Control Synthesis for Linear Parabolic PDE Systems with Model-Free Policy Iteration,” in Advances in Neural Networks – ISNN 2015, Cham, 2015, pp. 81–90. doi: 10.1007/978-3-319-25393-0_10.
  • C. Chen, Z. Liu, K. Xie, Y. Zhang, and C. L. Philip Chen, “Adaptive neural control of MIMO stochastic systems with unknown high-frequency gains,” Inf. Sci., vol. 418, no. C, pp. 513–530, Dec. 2017, doi: 10.1016/j.ins.2017.08.027.
  • Y. Chen, J. Liu, H. Wang, Z. Pan, and S. Han, “Modelfree based adaptive RBF neural network control for a rehabilitation exoskeleton,” Jun. 2019, pp. 4208–4213. doi: 10.1109/CCDC.2019.8833204.
  • M. Wang and A. Yang, “Dynamic Learning From Adaptive Neural Control of Robot Manipulators With Prescribed Performance,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 47, no. 8, pp. 2244–2255, 2017, doi: 10.1109/TSMC.2016.2645942.
  • M.-D. Tran and H.-J. Kang, “Nonsingular Terminal Sliding Mode Control of Uncertain Second-Order Nonlinear Systems,” Mathematical Problems in Engineering, vol. 2015, p. e181737, Oct. 2015, doi: 10.1155/2015/181737.
  • R. Ortega and M. W. Spong, “Adaptive motion control of rigid robots: a tutorial,” in Proceedings of the 27th IEEE Conference on Decision and Control, 1988, pp. 1575–1584 vol.2. doi: 10.1109/CDC.1988.194594.
  • S. S. Ge, C. C. Hang, and L. C. Woon, “Adaptive neural network control of robot manipulators in task space,” IEEE Transactions on Industrial Electronics, vol. 44, no. 6, pp. 746–752, 1997, doi: 10.1109/41.649934.
  • “Design and implementation of a RoBO-2L MATLAB toolbox for a motion control of a robotic manipulator.” https://ieeexplore.ieee.org/document/7473678/ (accessed Jun. 30, 2022).
  • S. Kh. Zabihifar, A. Kh. D. Markazi, and A. S. Yushchenko, “Two link manipulator control using fuzzy sliding mode approach,” Herald of the Bauman Moscow State Technical University. Series Instrument Engineering, Dec. 2015, doi: 10.18698/0236-3933-2015-6-30-45.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp