Điều khiển thích nghi phi tuyến cho robot công nghiệp trên cơ sở mạng nơ ron nhân tạo659

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI THÁI HỮU NGUYÊN ĐIỀU KHIỂN THÍCH NGHI PHI TUYẾN CHO ROBOT CÔNG NGHIỆP TRÊN CƠ SỞ MẠNG NƠ RON NHÂN TẠO Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 62520216 TĨM TẮT LUẬN ÁN TIẾN SĨ ĐIỂU KHIỂN VÀ TỰ ĐỘNG HÓA Hà Nội-2015 Cơng trình hồn thành tại: Trường Đại học Bách khoa Hà Nội Người hướ ng dẫn khoa học: GS.TS Phan Xuân Minh GS.TS Nguyễn Doãn Phước Phản biện 1: PGS.TS Lại Khắc Lãi Phản biện 2: PGS.TS Phạm Ngọc Tiệp Phản biện 3: PGS.TS Nguyễn Quang Hoan Luận án bảo vệ trước Hội đồng chấm luận án tiến sĩ cấp Trường họp Trường Đại học Bách khoa Hà Nội Vào hồi 14h giờ, ngày 25 tháng 11 năm 2014 Có thể tìm hiểu luận án thư viện: Thư viện Tạ Quang Bửu – Trường Đại học Bách khoa Hà Nội Thư viện Quốc gia CÁC CƠNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN [1] Phan Xuân Minh, Thái Hữu Nguyên: Application of the Exact Linearization Method to Robot The tenth international Conference on control Automation, Robotics and Vision, ICARCV IEEE Hà nội 12/2008 [2] Thái Hữu Nguyên, Nguyễn Phạm Thục Anh: Thiết kế điều khiển bám quỹ đạo cho robot phương pháp Jacobian xấp xỉ thích nghi Hội nghị toàn quốc lần thứ Cơ Điện tử, VCM-2012 [3] Thái Hữu Nguyên, Phan Xuân Minh: Điều khiển thích nghi mạng nơ ron cho hệ chuyển động sử dụng kỹ thuật chiếu Tạp chí KH&CN, Đại học công nghiệp Hà Nội Số 16, 6/2013 [4] Thái Hữu Nguyên, Nguyễn Công Dân, Hồ gia Quyết: Điều khiển thích nghi b ằng mạng nơ ron cho đối tượng robot công nghi ệp sử dụng kỹ thuật chiếu T ạp chí nghiên cứu KH&CN Quân sự, 6/2013 [5] Nguyễn Phạm thục Anh, Thái Hữu Nguyên: Áp dụng phương pháp backstepping điều khiển b ền vững chuy ển động Robot Hội nghị toàn quốc lần thứ Điều khiển Tự động hoá, VCCA-2013 [6] Thái Hữu Nguyên, Phan Xuân Minh, Hoàng Minh Sơn, Nguyễn Công Dân, Hồ gia Quyết : Robust Adaptive Control of Robots Using Neural Network and Sliding Mode Control 2013 International Conference on Control, Automation and Information Sciences, ICCAIS-2013 IEEE Nha Trang 11/2013 [7] Thái Hữu Nguyên, Phan Xuân Minh, Nguyễn Cơng Khoa: Điều khiển trượt nơ ron thích nghi bền vững cho robot ba b ậc tự Tạp chí Khoa học Cơng nghệ (ISSN: 0866-708X), Viện Hàn lâm Khoa học Công nghệ Việt Nam, tập 52, số 5, năm 2014 MỞ ĐẦU Tình hình nghiên cứu ngồi nước Robot đặt móng t năm 20 kỷ XX Trải qua gần kỷ, kể từ cơng trình nghiên cứu sản phẩm robot công b ố phát triển khơng ngừng Chính vậy, luận án đề cập tới số kết nghiên cứu bật gần nước lĩnh vực điều khiển robot [tr 10-13 LA] Mặc dù có nhiều kết cơng bố, cịn nhiều vấn đề cần quan tâm nghiên c ứu giải tiếp để nâng cao chất lượ ng phục vụ c robot Do , lĩnh vực thu hút quan tâm nghiên cứu c nhà khoa học ngồi nước Tính cấp thiết luận án Robot công nghiệp đối tượng sử dụng phổ biến mang lại hiệu cao sản xuất, sinh hoạt, đồng thời đối tượng có tính phi tuyến mạnh, có tham số bất định lớn chịu nhiều tác động nhiễu Song song với việc nâng cao độ xác khâu lắp ghép khí điều khiển vấn đề quan trọng để cải thiện đáng kể chất lượng làm việc robot Hiện nay, có nhiều phương pháp điều khiển công bố áp dụng thành cơng cho robot, cho robot có mơ hình xác định mơ hình có tham số bất định kiểu số Nhưng đến nay, toán điều khiển robot dành nhiều quan tâm nhà khoa học nghiên cứu giải để cải thiện chất lượng động học robot Điều khiển thích nghi tốn tổng hợp điều khiển nhằm giữ chất lượng hệ thống ổn định, cho dù có nhiễu khơng mong muốn tác động, có thay đổi cấu trúc tham số trước đối tượng điều khiển Nguyên tắc hoạt động hệ thống điều khiển thích nghi có thay đổi đối tượng, điều khiển tự chỉnh định cấu trúc tham số nhằm đảm bảo chất lượng hệ thống không đổi [8] Hướng nghiên cứu điều khiển thích nghi cho robot nhà khoa học lĩnh vực quan tâm phát triển năm gần Vì vậy, nâng cao chất lượng hệ thống điều khiển robot dựa lý thuyết điều khiển thích nghi hướng mà luận án chọn để nghiên c ứu đề xuất thuật tốn điều khiể n thích nghi b ền vững dựa công c ụ điều khiển phi tuyến hàm điều khiể n Lyapunov, kỹ thuật backstepping, điều khiển trượt kết hợp với mạng nơ ron nhân tạo Sự kết hợp hợp lý công c ụ có khả tạo b ộ điều khiể n có cấu trúc nhằm đảm b ảo nâng cao chất lượ ng làm việc cho robot điều kiện cấu trúc tham số c robot thay đổi có nhiễu tác động Mục tiêu c luận án Mục tiêu c luận án nghiên cứu đề xuất thuật toán điều khiển thích nghi phi tuyến sở mạng nơ ron nhân tạo cho robot công nghiệp bất định kiểu hàm số đảm bảo bám quỹ đạo đặt trước có khả kháng nhiễu Đối tượng ph ạm vi nghiên cứu luận án - Đối tượng nghiên cứu: robot công nghiệp n bậc tự mơ tả tốn học mơ hình vi phân phi tuyế n bất định kiểu hàm số - Phạm vi nghiên u: Tậ p trung nghiên cứu phương pháp mơ tả tốn học cho robot n b ậc tự có đặc tính bất định, phương pháp biến đổ i mơ hình tốn học c robot Nghiên cứu cơng trình cơng bố ngồi nước lĩnh vực điề u khiển thích nghi robot đủ cấu chấp hành, lý thuyết điều khiể n phi tuyến, điều khiển thích nghi, mạng nơ ron nhân tạo, làm tảng cho việc phát triển giải thuật điề u khiển thích nghi m ới cho robot n bậc tự có mơ hình phi tuyến bất định kiểu hàm số Nghiên cứu công c ụ phần mềm để kiểm ch ứng t ính đắn giải thuật đề xuấ t luận án Ý nghĩa khoa học thực tiễn c luận án - Ý nghĩa khoa học: Luậ n án nghiên cứu đề xuất thuật toán cấu trúc điều khiển thích nghi phi ến sở mạng nơ ron nhân tạo để điều khiển robot n bậc tự có mơ hình phi tuyến bất định kiểu hàm số, có nhiễu tác động, bám quỹ đạo đặt đảm bảo hệ kín ổn định tồn cục - Ý nghĩa thực tiễn: Kiể m chứng khả ứng d ụng thực tế thuật toán điều khiển thích nghi bền vững sở mạng nơ ron nhân tạo đề xuất luậ n án công cụ mềm Nội dung luậ n án Bố cục luận án bao gồm: phần mở đầu, chương trình bày nội dung kết nghiên c ứu, phần cuối kết luận kiến nghị Tồn luận án trình bày 106 trang, danh mục chữ vi ết tắt ký hiệu, bảng 59 đồ thị, hình vẽ Chương 1: NGHIÊN CỨU, ĐÁNH GIÁ CÁC PHƯƠNG PHÁP ĐIỀU KHIỂN ROBOT 1.1 Mơ hình tốn học định hướng thiết kế điề u khiển cho robot 1.1.1 Mơ hình tốn học robot 1.1.1.1 Động học vị trí Bài tốn độ ng họ c thuậ n: Cho trước giá tr ị c biến khớp, thơng số hình học thơng số liên kết khâu Yêu cầu xác định vị trí hướng khâu chấp hành cu ối [3, 4, 5] Bài toán động học ngược: Cho trước thơng số hình học thơng số liên kết khâu, cho trước vị trí hướng khâu chấp hành cuối Yêu cầu xác định giá trị biến khớp để robot đạt hướng vị trí cho trước [3, 6, 7] 1.1.1.2 Động học thuận vận tốc Thể quan hệ tốc độ không gian khớp không gian làm vi ệc qua ma trận Jacobian [30] 1.1.1.3 Động lực học Áp dụng phương trình Euler-Lagrange cho robot n bậc tự do, ta có [29, 34,36]: (1.8) H q q C q , q q G( q ) Fd (q ) d 1.1.2 Định hướng thiết kế điều khiển cho robot Đặc tính 1: [29, 31] Ma trận quán tính H ( q ) ma trận đối xứng xác định dương cấp n Nó thường gợi ý cho xác định hàm Lyapunov thiết kế điều khiển Đặc tính 2: [31] Vector tương hỗ ly tâm C ( q, q )q , ma trận C q , q Rn n thỏa mãn C q , q N q, q H q với c0 số bị chặn c0 q (1.11) C q, q ma trận đối xứng lệch, ta có: q T N q, q q (1.12) Đặc tính 3: [29] Tuyến tính với tham số độ ng lực học Trong phương trình động lực học robot biểu diễn qua ma trận hồi quy W sau: H q q C q, q q G q Fq F q H q q N q ,q q (qW , q , q ) p (1.13) với vector p vector tham số động lực học v m1 , p , mn , I1 , , In , v1, d , , k1 , , kn (1.14) T Đặc tính phù hợp cho việc tổng hợp điều khiển thích nghi [29] Đặc tính 4: Mơ hình động lực học robot có tính phẳng [16, 18] Mơ hình động lực học c robot xây d ựng sở hàm Euler-Lagrange có tính phẳng ng minh trang 351 tài li ệu [10] Thiết kế điều khiển sở ứ ng dụng tính phẳng: xây dự ng điều khiển t ựa phẳng, dựa vào tín hiệu đầu phẳ ng tín hiệ u mong muốn biết trước từ xác định tín hiệu đặt đầu vào để đem lại kết mong muố n [18] Đặc tính 5: Mơ hình động lực học robot có tính thụ độ ng [28, 33] Xây dựng b ộ điều khiển tựa thụ động d ựa nguyên lý dạng hàm lượng bù lượng tổ n hao sở hàm điều khiền Lyapunov 1.2 Điều khiển chuy ển động tay máy robot 1.2.1 Các thuật toán điều khiển kinh điển 1.2.1.1 Điều khiển không gian khớp a) Phương pháp điều khiển phi tuyến sở mơ hình: Thuật tốn điều khiển trình bày [30]: (1.21) u với: H (q ) V( q, q) G( q) với : K pi , Kdi u q K D E KP E d ; đó: E qd q (1.22) b) Phương pháp PD bù trọng trường, phương pháp sử dụng PID Mô men điều khiể n PD [33]: K p E KD q G( q) (1.25) Mô men điều khiển PID [33]: (1.26) d) Giải thuật Li-Slotine Mơ men điều khiển [34]: đó: v qd r v q qd q (q d ( qd K p E K D q K I Edt H (q )v C ( q, q )v q ) qd q) E E E v r KD r qd v q E G( q) (1.28) (1.29) (1.30) 1.2.1.2 Điều khiển không gian làm việc a) Điều khiển thông qua chuyển đổi đảo sang không gian khớp [34] Chuyển đổi đảo: qd ĐHĐ ( Xd ) qd J Xd qd J Xd (1.33) 1 J Xd b) Điều khiển trực tiếp [34] Phương pháp J : Luật điều khiển theo phương pháp PD -bù trọng trường: Kp E KD q (1.35) G( q) Luật điều khiển theo phương pháp KP J ( Xd X) KD J X G( q) J KP ( Xd J X) : K X D (G )q (1.36) G( q) (1.41) Luật điều khiển theo phương pháp J T: J TF G (q ) J T K P (X d X) KD X 1.2.2 Các thuật toán điều khiển nâng cao 1.2.2.1 Các thuật toán điều khiển thích nghi Các phương pháp điề u khiển thích nghi [29, 33, 34] gồm thuật toán sau: - Điều khiển thích nghi theo mơ hình mẫu: Ứng d ụng cho hệ thống robot đơn giản có số b ậc tự nhỏ - Điều khiển thích nghi dạng động lực học đảo: dựa phương pháp điều khiển phi truyến sở mơ hình - Điều khiển thích nghi Li- Slotine: dựa phương pháp Li-Slotine sở a) Điều khiển thích nghi theo mơ hình động lực học đảo ˆ ( q, q) Hˆ (q ) q K E K E N Luật điều khiển (1.45) d d P B Px Luật cập nhật ˆp p b) Điều khiển thích nghi theo phương pháp Li-Slotine ˆ ( q) Mô men điều khiển Hˆ (q )v Cˆ (q , q)v KD r G (1.47) Trong đó: v (1.48) r v q qd T qd ( qd q) q (qd q) T qd E E E (1.49) T Luật cập nhật thích nghi tham số động lực học ˆp (1.51) p Y r 1.2.2.2 Tuyến tính hóa xác Cơ sở phương pháp tuyến tính hóa xác thể [8, 9, 19, 20] a) Mơ hình robot bậc tự Xét cấu robot phẳng nối với thông số: l1 m ; l2 0.8 m ; m1 kg ; m2 kg ; lg1 0.5 m; lg 0.4 m; 1I 0.728 kgm2 ; 2I 0.196 kgm u cầ u tốn tìm b ộ điều khiển phả n hồi phi tuyến để đưa đối tượ ng dạng tuyến tính tương đương từ áp dụng luật điều khiển đối tượng tuyến tính b) Tuyến tính hóa xác mơ hình robot b ậc tự Mơ hình trạng thái Khớp1: x11 = x 12 (1.60) x12 = f 1( x )+ G 1u Khớp 2: x21 = x 22 x22 = f 2( x )+ G 2u (1.61) Nhận xét: Sau áp dụng điều khiển tuyến tính hố xác cho đối tượng MIMO, ta mơ hình trạng thái dạng chuẩn điều khiển đồng thời tách kênh Do vậy, trình thiết kế b ộ điều khiển cho khớp thực hoàn toàn độc lập mà không bị ảnh hưởng qua lại kênh c) Thiết kế b ộ điều khiển sở mơ hình tuyến tính [11, 25, 26] Áp d ụng phương pháp thiế t kế phản hồi trạng thái gán điểm c ực nhằm đả m bảo động học hệ thống bám, để khử sai lệch bám, tác giả sử dụng điều khiển R 50 15 , 10; s2 theo luật tích phân Chọn điểm cực đặt trước: s1 điều khiể n tích phân RI cho vịng ngồi, ta chọn K I Kết mơ sử dụ ng điều khiển R R 50 I Hình 1.17: Quỹ đạo khớp với quỹ đạo đặt dạng hàm 1(t) Hình 1.18: Quỹ đạo khớp với quỹ đạo đặt dạng hàm tăng dần Hình 1.19: Quỹ đạo khớp với quỹ đạo đặt dạng hàm sin d) Kết luận Các kết mô cho thấy chất lượng hệ thống điều khiển theo phương pháp tuyến tính hố xác kết hợp với điều khiển tuyến tính đảm bảo thời gian đáp ứng nhanh, sai lệch bám nhỏ Như vậy, với điều khiển tuyến tính hóa xác, ta tận hưởng kết đẹp đẽ lý thuyết điều khiển tuyến tính vào việc tổng hợp hệ thống điều khiển cho đối tượng phi tuyến Đáng tiếc phương pháp áp dụng cho đối tượng có mơ hình xác, khơng có thành phần bất định không chịu ảnh hưởng nhiễu Trong thực tế, ta mơ tả gần mơ hình tốn học đối tượng điều khiển nói chung, riêng đối tượng robot mơ hình cịn có tính b ất định cao chịu ảnh hưởng nhiễu Đó lý luận án không chọn hướng để phát triển tiếp giải thuật điều khiển cho robot 1.2.2.3 Điều khiển bám quỹ đạo cho robot phương pháp Jacob ian xấp xỉ thích nghi a) Mơ hình tốn học robot Phương trình độ ng lực học tổng quát robot n b ậc tự [30, 32]: (1.73) H q q H q N q, q q G q đó: q [ q1 , q2 , , q n] T R n biến khớp; H (q) R n n ma trận Rn mô men đặt lên trục khớp robot, G( q) quán tính, R n thành phần trọng lực robot, N ( q, q) Rn n ma trận đối xứ ng lệch b) Thiết kế điều khiển Luật điều khiển thích nghi sở ma tr ận Jacobian xấp xỉ [35, 61]: ˆJT q, ˆT K ˆ Wq, ,q q, q ˆp X K X ˆJT q, ˆT KS (1.88) D Trong đó: X P X x Xd , X X r r Xd ; Kd , K p , K ma trận đường chéo cấp n xác định dương Các thông số động học ước lượng Tˆ mà trận Jacobian Jˆ q ,Tˆ cập nhật luật sau: Tˆ RYT q, q Kd X Kp X (1.89) thông số độ ng lực học pˆ ước lượng luật cập nhật sau: T W q, q, qr , qr S ˆp (1.90) đó: R R f f , Rn n ma trận đường chéo có phần tử dương c) Kiểm ch ứng thuật tốn robot phẳng nối Các thơng số thực c robot sau: m1, m2 , m3, l1, l2, l3, lg1 l1 , lg 2 l2 ,lg l3 ; I1 I2 I3 m1 l12 12 Quỹ đạo chuyển độ ng mong muốn: xd yd cos sin 18 18 25 25 t2 t2 t 375 t 375 cos sin d t2 t3 18 150 1125 t2 t3 18 150 1125 (1.106) Kết mô phỏng: hình 1.21 đến hình 1.22 Trường hợp 1: m1 kg; m2 kg; m3 kg; 1l 0.7 m; 2l 0.6 m; 3l 0.5 m Hình 1.21: Quỹ đạo x y khơng gian làm vi ệc (trường hợp 1) Trường hợp 2: m1 10 kg; m2 kg; m3 kg; 1l 0.8 m; 2l 0.7 m ; 3l 0.6 m Hình 1.22: Quỹ đạo x y không gian làm vi ệc (trường hợp 2) d) Nhận xét: Từ phân tích lý thuy ết theo tiêu chu ẩn ổn định Lyapunov cho thấy điều khiển thích nghi sử dụ ng ma trận Jacobian xấp xỉ đảm bảo hệ thống ổn định tồn cụ c Kết mơ kiểm định hệ thống điều khiển ổn định, tín hi ệu vị trí thực tay máy robot h ội t ụ tín hiệu vị trí đặt với tốc độ hội tụ nhanh sai số bám nhỏ thông số hệ thống b ất định kiểu số 1.2.2.4 Điều khiển thích nghi bền vững sử dụng kỹ thuật backstepping điều khiển chuyển động robot Phương pháp thiết kế b ộ điều khiển b ền vững kết hợp kỹ thuật backstepping chuyển độ ng bám quỹ đạo robot có nhiễu tác động đảm bảo ổn định hệ kín theo tiêu chuẩn ổn định Lyapunov Phương pháp sử dụng để thiết kế điều khiển cho robot có số bậc tự lớn, có mơ hình xác định có nhiễu tác động [20, 21, 22] 1.2.2.5 Điều khiển thích nghi robot sở mờ mạng nơ ron Sử dụng mạng Nơ ron (NN) để thiết kế điều cho điều khiển robot đảm bảo sai lệch bám sai lệch ước lượng tr ọng số bị chặn, mang đến đặc tính b ền vững cho điều khiển kể đối tượng có tính phi tuyến, chưa biết đầy đủ thơng tin mơ hình động lực học có nhiễu tác động Ý nghĩa số ứng dụng NN điều khiển robot phù hợp động lực học c robot [24] 1.3 Hướng nghiên cứu luậ n án 1.3.1 Phát biểu toán Đối tượng robot n bậc tự do: Như trình bày phần 1.1, việc xác định xác mơ hình củ a robot cơng nghiệp g ặp nhiều khó khăn, phức tạp việc xác định khối lượng, mô men kích thước hình h ọc robot, ngồi tham số cịn có th ể bị thay đổi phụ thuộc vào chế độ công tác robot Do đó, mơ hình động l ực h ọc tổng quát robot mô 10 đây: kn (t) n với số ˆ W n n ( Sˆn wn Vˆn gn ( xn , zn n Sˆn' VˆnT Zn F (2.103) luật học mạng nơron Sˆn' VˆnT Zn ) zn ˆ' z ZnWˆ nT S n n Zn WˆnT Sˆn' 1) d ˆ wn Wn (2.104) ˆ Vn 2.1.3 Phân tí ch tính ổn định Ta thấy sau bước xuất hàm xác định dương: zi Vzi i ( xi , i 1)d (2.108) , i 2,3, , n ta chọn làm hàm Lyapunov, điểm mấu chốt quan trọng c phương pháp Theo giả thuyết 1, biế t rằng: (2.109) i ( i x1 , i 1) (g i x1 , i ) / g i0 tính chất sau: 1 z2i (i) Vzi zi2 (2.110) ( , z ) d z d x i i i i i 0 (ii) Vzi zi2 i ( xi , zi i zi2 gi0 1) d gi ( xi , zi (2.111) i 1) d Ổn định hiệu điều khiển hệ thống kín đề cập định lý 2.2 2.1.4 Tổng hợp ANNC cho robot bậc tự 2.1.4.1 Biến đổi mơ hình dạng truyền ngược chặt Xét mơ hình ta y máy bậc tự có phương trình sau: (I ml2 ) q KN q ( ml Mlc) g.cos q u (2.133) Đặt: y x1 ; x1 x2 ; x lúc (2.133) viết lại: với f ( x) KN x2 ml I x, x T x1 x2 x2 f ( x) G( x) u Mlc g cos x1 ml ; G( x) T , (2.134) I ml hàm bất định xấp xỉ mạng nơ ron lớp 2.1.4.2 T hợp ANNC Từ sở phân tích phần 2.1.2, a có điều khiển: ˆ T Z) ; u k1 (t ) z1 Wˆ1T S1 ( V z1 k2( t) z2 W2T S2 ( V2T 2)Z 1 2.1.4.3 Kết mô Các thông số b ộ điều khiển chọn: 3.0; 1.0; 5.0 ; w1 w2 10 ; v1 10 ; v2 10 w1 w2 diag 1.0 ; v1 v2 diag 10.0 (2.135) 11 ˆ (0) 0.0, W ˆ (0) 0.0 ; Vˆ (0) , Vˆ (0) lấy ngẫu nhiên trọng số khở i tạo: W 2 Các thông số động học tay máy DOF bảng 2.1: Th1: B 0.2( kgm2 / s); I 0.05( kg m2); M 1( kg); m 0.1( kg); l 0.4( m ); cl 0.15( m ) 2 Th2: B 0.2( kgm / s); I 0.05( kg m ); M 1.5( kg); m 0.5( kg); l 0.6( m ); cl 0.3( m ) Cấu trúc NN chọ n với số nơ ron lớp vào lớp ẩn 3,3 biểu diễn hình 2.4a 6,6 biểu diễn hình 2.4b, với tham s ố độ ng học robot mô (trường hợp bảng 2.1) a) nơ ron b) nơ ron Hình 2.4: Quỹ đạo sai lệch quỹ đạo số nơ ron lớp vào lớp ẩn thay đổi Kết mô hình 2.4 cho th ấy: ch ọn NN có s ố phần tử nơ ron lớn mộ t lớp chất lượng hệ thống tốt Nhưng thực tế, chọn số nơ ron mộ t lớp l ớn ảnh hưởng đến th ời gian huấn luyện m ạng đẫn đến khó đảm b ảo tính thời gian th ực điều khiển Dựa vào kết trên, NN thích hợp xấp x ỉ hàm phi tuyến mạng nơ ron có lớp vào lớp ẩn với nơ ron Để kiểm tra ảnh hưởng thay đổi tham số robot, luận án sử dụ ng NN lớp ẩn lớp vào với nơ ron tham số robot thay đổi theo giá trị biểu diễn b ảng 2.1 Các kết mô biểu diễn hình 2.5 a) Trường hợp b) Trường hợp Hình 2.5: Quỹ đạo sai lệch quỹ đạo thay đổi thông số động học robot Nhận xét: Qua kết mô cho thấ y - Khi tăng số nơ ron lớp thời gian đáp ứng độ giảm (Hình 2.4 a b) 12 - Khi thay đổi thơng số mơ hình robot (m l) chất lượng hệ thống kín khơng bị thay đổi (Hình 2.5 a b) chọn NN có cấu trúc phù hợp - ANNC có khả ứng dụng cho Robot n bậc tự 2.2 Tổng hợp ANNC cho robot n bậ c tự 2.2.1 Biến đổi mơ hình dạng truyền ngược chặt Xét mơ hình động lực học robot n bậc tự (1.8) H ( q) q C (q, q) q G( q) Fd (q ) d (2.139) Qua số phép biến đổi dựa đặc tính đối xứng xác định dương ma tr ận H ta chuyển mơ hình (2.1.39) dạng n hệ truyền ngược chặt sau: qi xi xi qi xi ; i 1, 2, , n , với xi (2.144) xi qi xi fi ( xi ) ui Trong đó: fi ( xi ) hàm trơn chưa biết bị chặn 2.2.2 Tổng hợp ANNC Từ (2.1 44) ta có điều khiển cho hệ robot n bậc tự do: ui gi (xi ) ˆ T S (Vˆ T Z ) ; i 1,2, , n gi 1( xi 1)zi ki (t ) zi W i i2 i2 i (2.145) Luật cập nhật tham số: Wˆi wi ' T (Sˆi Sˆ iVˆi Z i ) zi ˆ ;Vˆ i wi Wi vi ˆ T Sˆ ' z ( Zi W i i i ˆ ; i 1, 2, , n viVi (2.1 46) Phép đổ i biến ui H (qi ) i (2.147) H (qi )ui ; i 1,2, , n i 2.2.3 Tổ ng hợp ANNC cho robot bậc tự 2.2.3.1 Biến đổi mơ hình dạng truyền ngược chặt Tương tự mục 2.2.1, với i 1, 2.2.3.2 T hợp ANNC Tương tự mục 2.2.2, với i 1, 2.2.3.3 Kết mô Các tham số NN chọn phần trên, thông số động học c tay máy thay đổi theo giá trị biểu diễn bảng 2.2 Th1: m1 kg; m2 kg; l1 0.45 m; l2 0.35 m Th1: m1 kg; m2 kg; l1 0.65 m; l2 0.55 m Quỹ đạo đặt: q1d sin( t) q2 d 0.5sin(t) +sin(0.5t) , tham số động học hệ thống thay đổi theo b ảng 2.2 thành phầ n bất định xấp xỉ bằ ng NN có nơ ron lớp vào l ớp ẩn, ta kết mơ phỏ ng biểu diễn từ hình 2.8 đến hình 2.11 13 a) Trường hợp b) Trường hợp Hình 2.8: Qu ỹ đạo sai lệch quỹ đạo khớp a) Trường hợp b) Trường hợp Hình 2.9: Qu ỹ đạo sai lệch quỹ đạo khớp a) Trường hợp b) Trường hợp Hình 2.10: Vận tốc sai lệch vậ n tốc khớp a) Trường hợp b ) Trường hợp Hình 2.11: Vận tốc sai lệch vậ n tốc khớp Nhận xét: Các kết mô cho thấy ANNC đáp ứng đầy đủ yêu cầu đặt toán điều khiển bám cho robot n bậc tự mơ hình bất định dạng hàm số Điều cho thấy khả ứng dụng ANNC cho đối tượng robot công nghiệp thực tế 14 2.4 Kết luận chương Chương trình bày phương pháp luận thiết kế điều khiển cho đố i tượng phi tuyến bất định hàm số dạng truyền ngược chặt cách kế t hợp kỹ thuật backstepping v ới mạng nơ ron nhân tạo, đề xuất phương pháp chuyển đổi mơ hình động lực học robot dạng thích h ợp với ANNC Thay đổi cấu trúc NN để xác định cấu trúc phù hợp đảm b ảo tham số động h ọc robot thay đổi chất lượng hệ thống điều khiển tự động không đổi Các kết mô phỏ ng kiểm chứng cho mơ hình robot b ậc tự cho thấy tính đắn củ a giả i thuật điều khiển khả ứng dụng th ực tế cho robot công nghiệp Do giải thu ật ANNC chưa quan tâm đến việc khắc phụ c nhiễ u t bên tác động vào đối tượng điều khiển nên không đảm bảo chất lượng hoạt động robot trường h ợp có nhiễu Mặt khác để áp dụng phương pháp backstepping yêu cầu toán phải tuân thủ điều ki ện giả thiết Có nghĩa phải tìm giá trị ch ặn gi ( xi ) của hàm gi ( xi ) , mà thực tế có trường hợp khó khăn khơng thể tìm khơng th ể áp dụng phương pháp hạn chế phương pháp Để khắc phụ c hạn chế nghiên cứu nhằm giải đồng thời tính b ất định kiểu hàm số robot kh ắc ph ục nhiễu Lu ận án đề xuấ t phương pháp thiế t kế điều khiển trượt nơ ron thích nghi bền v ững (RANNSMC) cho tay máy robot n b ậc tự Chương ĐIỀU KHIỂN TRƯỢT NƠ RON THÍCH NGHI BỀN VỮNG CHO TAY MÁY ROBOT BẤT ĐỊNH HÀM SỐ 3.1 Đặt toán tổng hợp điều khiển trượt Xét đối tượng phi tuyến b ất định hàm số bậc hai thụ độ ng ng truyền ngược, có điểm cân tạ i gốc tọa độ có mơ hình thể sau [10], [27]: x1 x2 y x2 f ( x) x1 f x u d ; với x = x1 (3.1) x2 hàm phi tuyến trơn, bất định bị chặn hệ (3.1) có điểm cân gốc tọa độ d nhiễu ngoại tác động lên hệ thống 3.2 Tổng h ợp điều khiển trượt Định nghĩa mặt trượ t: S ( e) e e đó: e w x1; e w x1 w x2 Để đảm bảo lim e(t ) t chọn hệ số mặt trượt đảm bảo điều kiện S (0) Chọn hàm Lyapunov cho hệ kín sau: VSMC ( S) S (3.2) , phải (3.3) 15 Đạo hàm theo thời gian hàm V để ý đến điều kiện trượt biến đổi, cuối ta xác định tín hiệu điều khiển trượt u SMC : (3.8) uSMC K sgn( S) w w x1 f( ) Muốn tổng hợp b ộ điều khiển trượt (3.8) cần phải biết trước hàm f ( x) Nhưng thực tế đối tượng có f ( x) bất định Do vậy, luận án đề xuất sử dụng mạng nơ ron để xấp xỉ hàm f ( x) Thay f (.) fˆ(.) vào (3.8) ta điều khiển trượt cho đối tượng bất định hàm (3.9) uSMC K sgn( Sc ) w w x1 ˆf( )x 3.3 Xấp xỉ hàm bất định mạng nơ ron hướng tâm Từ (3.1) b ỏ qua tác động nhiễu, biến đổi ta viế t lại dướ i dạng sau: x (t ) Ax ( t) Bu( t) F x (3.10) y x1 đó, x(t ) với F a 21 T x1 (t) x2 ( t) ; A x a 21x1 a 22x f x; a 21 ; B a 22 0; a 22 ;F x 0 F x T (3.12) Cấu trúc mạng RBFNN mơ tả hình 3.3 Hình 3.3: Cấu trúc mạng RBFNN đó: F x Wi (3.14) x i i Trong hàm sở i x exp x Ci i x chọn dạng [23] tr59: bi2 x Ci exp (3.15) bi2 i Với C i véc tơ chiều biểu diễn tâm c hàm sở thứ i , bi biểu diễn độ trải rộng hàm sở Động học mơ hình xấp xỉ miêu tả phương trình: ˆ x xˆ m (t ) Amxˆ m( t) Bm u( t) F (3.20) ˆ Cm xˆ y đó: xm (t ) - véc tơ trạng thái; Am , Bm - ma trận với kích thước tương ứng Am A; Bm B; ˆF x ˆF x T ; Cm T Lấy phương trình 16 (3.11) trừ cho phương trình (3.20) ta được: E (t ) đó, E (t ) F x F x(t ) x Fˆ xm(t ); F x F x Am E( t) Fˆ x F F x x, T (3.21) ; (3.22) x Quá trình hiệ u chỉnh thực sở sử dụng véc tơ sai lệch E (t ) đảm bảo để E (t ) 0, nghĩa đảm bảo để hệ thống (3.21) ổn định Định lý sau xác định điều kiện đủ để hệ thống (3.1) ổn định tiệm cận 3.4 Phân tích tính ổn định hệ thống Định lý 3.1: Đối tượng (3.1) điều khiển RANNSMC (3.9) với xấp xỉ RBFNN (3.16) có luật cập nhật véc tơ trọng số W ( )(x p12 e1 p22 e2 ) ổn định tiệm cận Chứng minh Chọn hàm Lyapunov cho hệ (3.21) sau: V( E, W) ET PE WT W với P ma trận đối xứng xác định dương Đạo hàm V (.) theo thời gian ta được: V( E, W) ET PE ET PE WT W WT W Biết đổi thay véc tơ trọng số vào, cuối ta có được: V( E, W) ET ( AmT P PAm) E ET QE Vậy hàm V (3.23) (3.24) (3.30) định nghĩa (3.23) hàm Lyapunov c hệ, vậ y định lý chứng minh □ 3.5 Tổng hợp RANNSMC cho robot n bậc tự 3.5.1 Biến đổi mơ hình dạng truyền ngược chặt Các bước biến đổi mục 2.2.1, với mô hình robot biểu diễn dạng truyền ngược cho phép sử d ụng phương pháp thiết kế điều khiển trượt thích nghi bền vững (RANNSMC) có cấu trúc hình 3.6 3.5.2 Tổng hợp điều khiển Cấu trúc điều khiển Hình 3.6: Hệ thống điều khiển robot n DOF sử d ụng điều khiển RANNSMC - Tổng hợp điều khiển trượt: xét mơ hình (3.31) với fi (.) biết trước Các bước T hợp phần 3.2, ta có điều khiển cho khớp: 17 (3.34) qid qid qi fi ( qi , qi ); i 1, 2, , n Nhưng thực tế fi (qi , qi ) (3.31) hàm phi ến bất định Do vậy, để sử dụng điều khiể n (3.34), luận án đề xuất sử d ụng cấu trúc RBFNN để xấp xỉ hàm fi ( qi , qi ) - Xấp xỉ hàm phi tuyế n bất định Nhờ mạng nơ ron xấp xỉ ta có F q , q từ d ễ dàng xác định f q, q ui K sgn( Si ) theo biểu thức sau: f q, q a21 ui 0; a 22 K sgn( Si ) qid F q, q (a 21q a 22q ) (3.35) tham số chọn trước, lúc ta có: q q ˆf ( q, q); i 1, 2, , n (3.36) id i i i i Luật cập nhật trọng số mạng: Wi i ( q, q) p21 e1 (3.29) p22 e2 Quá trình hiệu chỉnh thực sở sử d ụng véc tơ sai lệch E (t ) đảm bảo để E (t ) 3.6 Tổng hợp RANNSMC cho robot bậc tự 3.6.1 Biến đổi mơ hình ng truyền ngược chặt Xét robot Scara b ậc tự bao gồ m có hai khớp quay khớp t ịnh tiến, Các khâu 1, có khối lượng chiề u dài là: m1 , l1 ; m2 , l2 ; m3 , l3 3.6.2 Tổng hợp RANNSMC Các bước thiết kế thực mục 3.5.2, ta có: (3.64) uj K sgn( Sj ) qjd qjd qj fj với j 1, 2, , n 3.6.3 Kết mô Các thông số r obot cho sau: m1 3.27 kg; m2 2.93 kg; m3 2.13 kg; 1l 10; K Các thông số điều khiển: Quỹ đạo đặt cho khớp sau: qd1 (sin(t ) esin(0.6t ) )sin(0.6t ) qd qd3 sin(0.5t ) (sin(t) e 0.1sin(t) )sin(0.5t) 0.45 m; 2l 0.45 m; 3l 300 (rad ) (3.65) ( rad ) ( m) - Nhiễu tải, th ời điểm t 2( s); t 4( s) là: - Lực ma sát nhớt khô: F msi 0.565 3* q i *sgn q i d 10 10 10 T (3.66) (3.67) Lực ma sát nhiễ u biểu thức (3.63) (3.64) có dạng hình 3.11 Hình 3.8: Quỹ đạo sai l ệch quỹ đạo kh ớp 18 Hình 3.9: Quỹ đạo sai l ệch quỹ đạo kh ớp Hình 3.10: Quỹ đạo sai l ệch quỹ đạo kh ớp Hình 3.11: Dạng đặc tính c lực ma sát nhi ễu tác động lên kh ớp Hình 3.12: Mơ men lực tác động lên khớp có ma sát nhiễu tác động Nhận xét: Qua kết mô cho thấy với thuật tốn điều khiển trượt nơ ron thích nghi đề xuất, hệ thống điều khiển RANNSMC đảm bảo bám quỹ đạo đặt trước với sai lệch bám tiến khơng bù nhiễu từ bên ngồi tác động vào robot 3.7 Kết luận chương Chương luận án đề xuất giải thuật tổng hợp RANNSMC cho đối tượng truyền ngược bất định hàm số, phát biểu định lý 3.1 chứng minh tính ổn định hệ thống kín Tổng hợp điều khiển RANNSMC cho robot n bậc tự mô kiểm chứng mơ hình robot bậc tự Kết mô khẳng định khả áp dụng giải thuật đề xuất cho đối tượng robot cơng nghiệp thực tế Chương 4: ĐIỀU KHIỂN THÍCH NGHI BỀN VỮNG TAY MÁY ROBOT SỬ DỤNG MẠNG NƠ RON KẾT HỢP ĐIỀU KHIỂN TRƯỢT 4.1 Cơ sở lý thuy ết Bộ điều khiển RAC xác định biểu thức sau: u(t) uSMC ( t) uNN ( t) (4 1) Nhiệm vụ tốn tìm thành phần u ; u fˆ kết hợp ta có NN SMC điều khiển RAC 4.1.1 Điều khiển thích nghi sử dụng mạng nơ ron sở kỹ thuật backstepping Các bước tổng hợp điều khiển backstepping tương tự chương ta có 19 được: gi xi i T ˆ T SˆV x zi ki t zi W i i i iZ g i (4.12) i trọng số mạng nơ ron cập nhật biểu thức: ˆ W Sˆ i wi Vˆ ' T Sˆ V i i Z i zi ˆ z ˆ S Z iW T i vi wi ˆ W i (4.15) ˆ V i ' i i vi với i 2, , n Cuối đến bước thứ n có điều khiển sau: u NN n g n ( x) (4.17) ˆ T S ( Vˆ T Z ) gn ( x n ) k n ( t) z n W n n n n 4.1.2 Điều khiển trượt 4.1.2.1 Tổng hợp điều khiển trượt cho đối tượng xác định Xét hệ truyền ngược chặt [10, 27]: x1 xn y x1 x2 f (x ) ; với u x= (4.18) x2 xn x1 Định nghĩa mặt trượt: S ( e) a0 e a1 de dt chọn hệ số an d n 2e dtn d n 1e dtn (4.19) a i đa thức đặc tính (4.20) A( s) a0 a1 s an 2s n s n đa thức Hurwitz Tổng hợp tín hiệu điều khiển trượt dựa hàm Lyapunov ta có điều khiển [10, 27]: uSMC K sgn(S) D( e, , e( n 1) ) f ( x) (4.2 6) (4.27) đó: D( e, , e( n 1) ) e a 1e a n 2e ( n 1) a n 1w ( n) 4.1.2.2 Tổng hợp điều khiển trượt cho đối tượng bất định bước nhận dạng hàm bất định fˆ ( x) mạng nơ ron nhân tạo sở backstepping thực sau: xấp xỉ hàm: h (Z ) WT S( VT Z) (4.28) ta có hàm xấp xỉ: fi ( xi ) thay f (.) hi (Z i ) x i 1zi i ( xi 1, xi zi i 1) d i (xi ) i i ( x i 1, zi i 1) d (4.39) fˆ(.) vào (3.24) ta điều khiển trượt cho đối tượng bất định K sgn( S) D( e, , e( n 1) ) ˆf ( x) (3.46) hàm: u SMC 4.2 Tổng hợp RAC cho robot n bậc tự 4.2.1 Biến đổi mô dạng truyền ngược chặt Mô hình robot n bậc tự chuyển dạng truyền ngược chặt tương tự mục 2.2.1 4.2.2 Tổng hợp điều khiển RAC 20 Áp dụng T hợp điều khiển RAC cho khớp Bước 1: Tính hàm điều khiển trung gian: k1 ( t) z1 T ˆ T S( ˆV W ) 1 1Z (4 49) Trọng số Wˆ1 , Vˆ1 cập nhật sau: ˆ W ' T [( ˆ1 Sˆ1 ˆ1 S V1 ) zZ w1 w1 ˆ ]; ˆ V [ W 1 v1 ˆ ZT ˆ' zS W 1 v1 ˆW] Bước 2: Chọn điều khiển: T ˆ T S( ˆ V ) u1NN e1 k2 (t )e2 W 2 2Z Trọng số Wˆ2 , Vˆ2 cập nhật sau: ˆ W z2 [( ˆ2 Sˆ2' ˆ2ST V2 ) Z w2 w2 ˆ ]; ˆ V W 2 (4.52) (4.53) v2 [ ˆZT ˆ ' zS W 2 v2 ˆW] (4.57) Bước 3: ta chọn hàm: S1 ( e1 ) ae1 de1 ,a dt (4.58) Bước 4: Xác định điề u kiện trượt dV( S) K sgn( S); với V ta chọn S S SS SKsgn( S) 0; K (4.60) dt Bước 5: Xác định thành phần trượt điều khiển Kết hợp điều kiện trượt ta có: aq 1d q 1d aq (fˆ1 u ) K sgn(S1 ) aq 1d q 1d aq (fˆ1 u ) K sgn(S1 ) (4.61) Vậy ta có được: u1SMC K sgn( S1 ) aq1d q1d aq1 fˆ1 (4.62) Trên sở bước Tổng hợp backstepping nhờ mạng nơ ron xấp xỉ để tính hàm phi tuyến đối tượ ng tận d ụng kết đưa vào thành phần điều khiển trượt Hàm phi tuyến b ất định đối tượng xác định sau: 1 ( q1 , e2 1) h2( Z 2) q1e2 d (q , e2 1)d 0 22 q ˆf (q ,q ) (4.63) 12 1 ( ) q Bước 6: Tổng hợp b ộ điều khiển RAC: ˆ T ( ˆST V) ZKsgn( S ) aq u e1 k2 (t) e2 W q1d aq1 fˆ1 (4.64) 2 2 1d tương tự ta xác định điều khiển cho kh ớp lại Cấu trúc điều khiển RAC: Hình 4.2: Hệ thống điều khiển RAC cho robot 21 4.3 Phân tích tính ổn định hệ thống Định lý 4.1: Hệ mô tả b ằng mơ hình (4.47) với điều kiện biến trạng thái quan sát trực tiếp bị chặn, hàm bất định fi ( xi ) hàm bất định trơn bị chặn điều khiển (4.64) với luật cập nhật (4.52) (4.57), đảm bảo hệ kín ổn định tồn cục có sai lệch bám Chứng minh Từ giả thiết chương 2, ta chọn hàm xác định dương z1 z2 (4.65) V S 1( )d (x1 , )d 0 V1 V2 V3 Đạo hàm (4.65) theo thời gian ta có V V1 V2 V k1 t z12 Cuối ta có V Với k1( t) V V122 0, k2( t) k2 t z22 KSsgn( S) (4.85) 0, K ta có: k1 t z12 V3 (4.66) k2 t 2z2 KSsgn( )S (4.86) Ta thấy V sai lệch biến trạng thái hệ thống không (tức đồng th ời z1 0, z2 0, S ), ta có h ệ ổn định tiệm cận Như định lý chứng minh □ Sử dụ ng mạng nơ ron (4.71) (4.79) để xấp xỉ hàm phi tuyến bất định cho đối tượng, theo [37] hệ số khuếch đại k1( t), k2( t) thuật tốn thích nghi cho điều chỉnh trọng số mạng nơ ron đảm bảo hệ thống ổn định 4.4 Tổng h ợp ANNC, RANNSMC RAC robot ba bậc tự 4.4.1 Biến đổi mô hình dạng truyền ngược chặt Cơ cấu động lực robot mục 3.6.1 4.4.2 Tổng hợp ANNC, RANNSMC RAC Trên sở tổng hợp ANNC mục 2.2.2, ta có: ˆ T S (Vˆ T Z ) với i 1, 2, gi1 ( xi1 )z i1 ki2 (t ) zi2 W i2 i2 i2 i2 gi ( xi ) sở tổng hợp RANNSMC mục 3.6.2, ta có: u K sgn( S ) w w x ˆf( q, q) với i 1, 2, ui i i i i i i i i (4.113) (4.114) sở tổng hợp RAC mục 4.2.2, ta có: ˆT ( S ˆ T ) Z Ksgn( S ) aq ui ei1 ki2 (t )ei2 W qi1 d aqi1 ˆfi1 (4.115) i2 i2 i2 V i2 i1 i1 d với i 1, 2, Để so sánh chất lượng điều khiển ANNC, RANNSMC RAC, ta chọn quỹ đạo đặt hàm bước nhảy đơn vị 4.4.3 Kết mơ phỏng: 22 Hình 4.3: Quỹ đạo sai l ệch quỹ đạo khớp quỹ đạo đặt hàm 1(t) Hình 4.4: Quỹ đạo sai l ệch quỹ đạo khớp quỹ đạo đặt hàm 1(t) Hình 4.5: Quỹ đạo sai l ệch quỹ đạo khớp quỹ đạo đặt hàm 1(t) 4.4.4 Nh ận xét Kết mô cho thấy hệ thống điều khiển RAC cho chất lượng bám tốt hai hệ thống điều khiển ANNC, RANNSMC 4.5 M ô khiểm chứng RAC với mơ hình robot bậc tự thiết kế phần mềm Solidworks sử dụng công cụ SimMechanics 4.5.1 Ch ọn thông số mô Quỹ đạo đặt cho điểm tác động cuối robot sau: xE 0.3 0.035* cos(t ) yE 0.35 0.035 *sin( t) zE (4.116) 0.5 0.06 * t 4.5.1 Kết mô Quỹ đạo đặt, quỹ đạo thực tế sai lệch qu ỹ đạo khâu: Hình 4.9: Quỹ đạo đặt, quỹ đạo thực tế sai lệch quỹ đạo khớp 23 Hình 4.10: Quỹ đạo đặt, quỹ đạo thực tế sai lệch quỹ đạo khớp Hình 4.11: Quỹ đạo đặt, quỹ đạo thực tế sai lệch quỹ đạo khớp Quỹ đạo đặt, quỹ đạo thực tế sai lệch quỹ đạo điểm tác động cuối: Hình 4.12: Quỹ đạo đặt, quỹ đạo thực tế sai lệch quỹ đạo điểm tác động cuối theo trục x Hình 4.13: Quỹ đạo đặt, quỹ đạo thực tế sai lệch quỹ đạo điểm tác động cuối theo trục y Hình 4.14: Quỹ đạo đặt, quỹ đạo thực tế sai lệch quỹ đạo điểm tác động cuối theo trục z 4.5.3 Nhận xét Với quỹ đạo đặt giống quỹ đạo thực tế, kết mô hoạt động hệ thống điều khiển RAC cho robot SCARA bậc tự do, có chất lượng điều khiển bám tốt, thời gian đáp ứng nhanh, sai lệch quỹ đạo chuyển động điểm tác động cuối sai lệch quỹ đạo chuyển động khớp tiến khơng Kết mơ cịn khẳng định khả ứng dụng RAC cho robot n bậc tự có mơ hình bất định kiểu hàm số chịu ảnh hưởng nhiễu tác động, 24 không cần phân tích xác liên hệ chéo khớp, bất định khác robot phụ tải, lực ma sát Đây ưu điểm bật điều khiển so với điều khiển bền vững thích nghi khác mà luận án đề xuất Điều thể tính khả thi RAC cho robot công nghiệp 4.6 Kết luận chương Chương nghiên cứu đề xuất điều khiể n thích nghi bền vững có cấu trúc song song sử d ụng mạng nơ ron kết hợp điều khiển trượt cho đối tượng robot n b ậc t ự có mơ hình b ất định ki ểu hàm số, ch ịu ảnh hưởng nhiễu Phát biểu định lý 4.1 ch ứng minh tính ổn định c h ệ thống kín với điều ển đề xuất Kết tổng hợp điều khiển RAC mô ki ểm chứng mơ hình robot Scara DOF sử dụng phần mềm SolidWorks công cụ SimMehanics so sánh với điều khiển ANNC (được đề xuất chương 2) RANNSMC (đề xuất chương 3) Các kết qu ả mô phỏ ng cho thấy h ệ thố ng RAC cho chất lượng tốt nhấ t (từ hình 4.3 đế n hình 4.5) Các kết mơ cịn hệ thống RAC có khả kháng nhiễu tốt bám quỹ đạo đặt với sai lệch nh ỏ quỹ đạo đặt gần với qu ỹ đạ o th ực tế (từ hình 4.9 đến hình 4.14) KẾT LUẬN VÀ KIẾN NGHỊ - Kết luận Với nhiệm vụ đặt nghiên cứu điều khiể n thích nghi phi tuyến sở mạng nơ ron nhân tạo cho robot công nghiệp có mơ hình với tham s ố bất định, chịu ảnh hưởng nhiễu tác động, đả m bảo hệ kín ổn định bám quỹ đạo đặt trước, luận án có đóng góp sau: + Khảo sát mơ hình tốn học robot, phân tích thuộ c tính, hướng ứ ng d ụng điều khiển công bố đề xuất chuyển mơ hình robot n DOF dạng truyền ngược chặt để áp dụng phương pháp điều khiển đề xuất luận án + Đề xuất ứng dụ ng thuật tốn điều khiển thích nghi sử d ụng mạng nơ ron (ANNC) cho robot n bậ c tự bất định kiểu hàm số + Xây dựng điều khiển trượt nơ ron thích nghi bền vững (RANNSMC), phát bi ểu chứng minh định lý 3.1 (tr.73) v ề tính ổn định cho hệ kín, mơ kiểm chứng RANNSMC b ằng robot bậ c tự bất định kiểu hàm số có nhiễu tác động + Tổng hợp điều khiển thích nghi bền vững (RAC) có cấu trúc song song sở kết hợp ANNC SMC, phát biểu chứng minh định lý 4.1 (tr.88), mô kiểm chứng robot bậc tự bất định kiểu hàm số có nhiễu tác động Chất lượng điều khiển RAC so sánh với ANNC (chương 2) RANNSMC (chương 3), kết mô cho thấy hệ thống RAC cho chất lượng điều khiển tốt (từ hình 4.3 đến hình 4.5) - Kiến nghị Phát triển thành b ộ điều khiển sản phẩm DSP, Vi điều khiển IPC điều khiển cho robot công nghiệp ... hàm số Chương : ĐIỀU KHIỂN THÍCH NGHI TAY MÁY ROBOT SỬ DỤNG MẠNG NƠ RON TRÊN CƠ SỞ KỸ THUẬT BACKSTEPPING 2.1 Tổng h ợp điều khiển thích nghi sử dụng mạng nơ ron Xét đối tượng phi tuyến có cấu trúc... n phi tuyến, điều khiển thích nghi, mạng nơ ron nhân tạo, làm tảng cho việc phát triển giải thuật điề u khiển thích nghi m ới cho robot n bậc tự có mơ hình phi tuyến bất định kiểu hàm số Nghi? ?n... thuật đề xuất cho đối tượng robot công nghi? ??p thực tế Chương 4: ĐIỀU KHIỂN THÍCH NGHI BỀN VỮNG TAY MÁY ROBOT SỬ DỤNG MẠNG NƠ RON KẾT HỢP ĐIỀU KHIỂN TRƯỢT 4.1 Cơ sở lý thuy ết Bộ điều khiển RAC xác