Trong thế kỷ XXI này, sự phát triển mạnh mẽ của khoa học công nghệvà gần đây là cuộc cách mạng 4.0 đã tác động mạnh mẽ đến đời sống sản xuất, sinh hoạt của con người.Nhằm hướng đến một cuộc sống mà con người ít phải trực tiếp bỏ sức lao động làm, nhưng vẫn thu được năng suất, chất lượng sản phẩm , độ chỉnh xác cao, giúp cho con người có một cuộc sống dễ dàng thoái mãi hơn. Sự góp mặt của tự động hóa quá trình công nghệ đã góp phần không nhỏ đến mục tiêu này. Nó đã và đang phát triển và ứng dụng mạnh mẽ trong công nghiệp ,cụ thể như công nghiệp hóa lọc dầu, công nghiệp hóa chất, công nghiệp xử lý nước, sản xuất giấy,sản xuất xi măng…cũng như trong các lĩnh vực khác của đời sống. Đặc biệt hơn, tự động hóa quá trình giúp con người tránh khỏi những công việc nặng nhọc, trong môi trường độc hại, khai thác những nơi con người không thể đặt chân đến.Hòa chung mục tiêu vì một cuộc sống đầy đủ và tiện nghi hơn thì việc tự động hóa sản xuất là yêu cầu cấp thiết. Trong công nghiệp chế biến, công nghệ cao, lắp ráp, sản xuất vi mạch, chip điều khiển…đòi hỏi kĩ thuật cao, độ chính xác cao hoặc làm việc trong môi trường độc hại thì việc xử dụng robot thay thế con người là hết sức quan trọng làm giảm công sức và chi phí nhân công cho doanh nghiệp, đảm bảo an toàn, chính xác, hiệu quả. Chính vì sự cấp thiết đó mà nhóm chúng em quyết định chọn đề tài “Điều khiển cánh tay robot 2 bậc tự do “.
BỘ GIÁO DỤC & ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HỒ CHÍ MINH KHOA ĐIỆN – ĐIỆN TỬ BỘ MÔN TỰ ĐỘNG ĐIỀU KHIỂN - ∆ - BÁO CÁO CUỐI KỲ ĐIỀU KHIỂN THÔNG MINH ĐỀ TÀI :THIẾT KẾ CÁC BỘ ĐIỀU KHIỂN CHO CÁNH TAY ROBOT BẬC TỰ DO GVHD: TRẦN ĐỨC THIỆN SVTH: ĐINH BẢO YẾN 19151314 HUỲNH HÀO KIỆT 19151249 PHẠM THÁI DƯƠNG 19151213 Tp.Hồ Chí Minh, tháng năm 2022 MỤC LỤC Giới thiệu chung .4 Tầm quan trọng đề tài Phương pháp điều khiển .4 Mục tiêu Chương Cơ sở lí thuyết .5 Mơ hình tốn học Các điều khiển thông minh .6 2.1 Bộ điều khiển PD mờ dùng hệ qui tắc Sugeno 2.2 Mạng thần kinh 2.3 Áp dụng giải thuật di truyền để tìm thơng số điều khiển 12 Chương Mô Phỏng 16 Thiết kế điều khiển PD mờ dùng hệ qui tắc Sugeno 16 1.1 Sơ đồ kết nối 16 1.2 Các bước xây dựng điều khiển Fuzzy Controller Matlab .18 1.3 Kết mô 20 Thiết kế mạng thần kinh xấp xỉ điều khiển mờ 21 2.1 Cấu trúc hệ thu thập liệu (sơ đồ khối) 21 2.2 Thiết kế điều khiển 22 2.3 Kết mô 25 Áp dụng giải thuật di truyền để tìm thơng số điều khiển 27 3.1 Cấu trúc hệ thu thập liệu .27 3.2 Chương trình GA 28 3.3 Kết mô 31 Chương Kết luận .33 Tài liệu tham khảo .34 DANH MỤC HÌNH ẢN Hình 1 Cánh tay Robot bậc tự Hình Tín hiệu ngõ vào E Hình 3Tín hiệu ngõ vào DE Hình Tín hiệu ngõ U Hình Mạng thần kinh truyền thẳng lớp Hình Tế bào thần kinh Hình Sơ đồ thuật toán GA 13 Hình Sơ đồ kết nối điều khiển PD dùng quy tắc Sugeno Hình 2 Sơ đồ kết nối cánh tay Robot bậc Hình Khối Matrix Multiply Hình Bộ điều khiển theo quy tắc Sugeno ngõ vào, ngõ Hình Tập mờ ngõ vào ngõ Hình Mối quan hệ ngõ vào ngõ theo hệ qui tắc mờ Hình Tín hệu ngõ Hình Tín hiệu điều khiển Hình Cấu trúc hệ thu thập liệu Hình 10 Khối Workspace Hình 11 Các biến Workspace Hình 12 Bảng huấn luyện nơ ron Hình 13 Sơ đồ mô với mạng thần kinh huấn luyện Hình 14 Kết mơ Link Theta1 điều khiển mờ Hình 15 Kết mô Link Theta mạng thần kinh Hình 16 Kết mơ Link Theta1 điều khiển mờ Hình 17 Kết mơ Link Theta mạng thần kinh Hình 18 Tính hiệu điều khiển Fuzzy PD sau khối Gain Link Hình 19 Tính hiệu điều khiển mạng thần kinh sau khối Gain Link Hình 20 Cấu trúc thu thập liệu GA Hình 21 Đáp ứng ngõ Hình 22 Tín hiệu điều khiển Giới thiệu chung Tầm quan trọng đề tài Trong kỷ XXI này, phát triển mạnh mẽ khoa học công nghệvà gần cách mạng 4.0 tác động mạnh mẽ đến đời sống sản xuất, sinh hoạt người.Nhằm hướng đến sống mà người phải trực tiếp bỏ sức lao động làm, thu suất, chất lượng sản phẩm , độ chỉnh xác cao, giúp cho người có sống dễ dàng thối Sự góp mặt tự động hóa q trình cơng nghệ góp phần khơng nhỏ đến mục tiêu Nó phát triển ứng dụng mạnh mẽ công nghiệp ,cụ thể cơng nghiệp hóa lọc dầu, cơng nghiệp hóa chất, công nghiệp xử lý nước, sản xuất giấy,sản xuất xi măng…cũng lĩnh vực khác đời sống Đặc biệt hơn, tự động hóa q trình giúp người tránh khỏi công việc nặng nhọc, môi trường độc hại, khai thác nơi người đặt chân đến.Hịa chung mục tiêu sống đầy đủ tiện nghi việc tự động hóa sản xuất yêu cầu cấp thiết Trong công nghiệp chế biến, công nghệ cao, lắp ráp, sản xuất vi mạch, chip điều khiển…đòi hỏi kĩ thuật cao, độ xác cao làm việc mơi trường độc hại việc xử dụng robot thay người quan trọng làm giảm công sức chi phí nhân cơng cho doanh nghiệp, đảm bảo an tồn, xác, hiệu Chính cấp thiết mà nhóm chúng em định chọn đề tài “Điều khiển cánh tay robot bậc tự “ Phương pháp điều khiển - Thiết kế điều khiển PD mờ dùng hệ qui tắc Sugeno - Thiết kế mạng thần kinh xấp xỉ điều khiển mờ - Sử dụng giải thuật GA để xác định thông số điều khiển PID tối ưu Mục tiêu - Mô cánh tay robot bậc tự Simulink - Điều khiển cánh tay robot bậc tự theo phương pháp - Hiểu rõ cách xây dựng ứng dụng điều khiển thông minh - Đưa ưu nhược điểm điều khiển dùng Chương Cơ sở lí thuyết Mơ hình tốn học Hình 1 Cánh tay Robot bậc tự Hệ cánh tay robot bậc tự có mơ hình tốn học sau: Cơng thức Euler-Lagrange: & V ( ,& & M ( )& ) G ( ) (1.1) Trong : & & & & & & ; 101\* MERGEFORMAT (.) m l m2 (l12 2l1l2 cos( ) l2 ) m2 (l1l2 cos( ) l2 ) M ( ) 1 m1l2 m2 (l1l2 cos( ) l2 202\* MERGEFORMAT (.) & m2l1l2 sin( )(2&& 1 ) & V ( , & ) &2 m2l1l2 sin( ) 303\* MERGEFORMAT (.) (m m2 ) gl1 cos(1 ) m2 gl2 cos(1 ) G ( ) m2 gl2 cos(1 ) 404\* MERGEFORMAT (.) Các thông số cánh tay máy: m1 , m2 : Khối lượng khớp tay máy ( m1 = m2 = kg) l1 , l2 : Chiều dài link ( l1 =1 m ; l2 =1 m) g : Gia tốc trọng trường (g=9.8 m/s2) Các điều khiển thông minh 2.1 Bộ điều khiển PD mờ dùng hệ qui tắc Sugeno Bộ điều khiển mờ có hai tín hiệu vào sai số (E) vi phân sai số (DE), tín hiệu điện áp điều khiển (U) Hình Tín Hình 3Tín hiệu ngõ vào E hiệu ngõ vào DE Hình Tín hiệu ngõ U Hệ qui tắc suy từ kinh nghiệm: E\DE NB NS Z PS PB NB NB NB NS NS Z NS NB NB NS Z Z Z NS NS Z PS PS Bảng 1.1 Hệ qui tắc mờ điều khiển PD PS Z Z PS PB PB PB Z PS PS PB PB 2.2 Mạng thần kinh Neural Network đọc tiếng việt Mạng nơ-ron nhân tạo, chuỗi thuật toán đưa để tìm kiếm mối quan hệ tập hợp liệu Thông qua việc bắt bước cách thức hoạt động từ não người Nói cách khác, mạng nơ ron nhân tạo xem hệ thống tế bào thần kinh nhân tạo Đây thường hữu nhân tạo chất Mạng Neural Network kết hợp tầng perceptron hay gọi perceptron đa tầng Và mạng Neural Network thường bao gồm kiểu tầng là: Tầng input layer (tầng vào): Tầng nằm bên trái mạng, thể cho đầu vào mạng Tầng output layer (tầng ra): Là tầng bên phải thể cho đầu mạng Tầng hidden layer (tầng ẩn): Tầng nằm tầng vào tầng thể cho q trình suy luận logic mạng Hình Mạng thần kinh truyền thẳng lớp Cấu trúc tế bào thần kinh x x1 , x2 , , xn T vector tín hiệu vào tế bào thần kinh w w1 , w , , wn T vector trọng sớ tế bào thần kinh Hình Tế bào thần kinh Hàm xử lý ngõ vào tế bào thần kinh Hàm tuyến tính (linear function): m f net w j x j w T x j 1 (1.6) Hàm tác động Hàm tuyến tính: a( f ) f (1.7) Hàm dạng S lưỡng cực: a( f ) 1 e f 1 (1.8) Adailine mạng tuyến tính Hàm tổng bình phương sai số: n E (w) d i yi Min (1.9) i 1 Cập nhật trọng số dựa thuật toán suy giảm độ dốc: w ij (k 1) w ij ( k ) E (w) w ij (1.10) E (w) E (w) yi neti w ij yi neti w ij Ta có: (1.11) Mạng truyền thẳng lớp Tổng trọng số tín hiệu vào tế bào thần kinh thứ @ lớp ẩn: m netq vqj x j (1.12) j 1 Ngõ tế bào thần kinh thứ @ lớp ẩn: zq ah (netq ) ah ( j 1 vqj x j ) m (1.13) Tổng trọng số tín hiệu vào tế bào thần kinh thứ , lớp ra: l neti w iq zq (1.14) q 1 yi a0 (neti ) a0 ( q w iq zq ) l Ngõ tế bào thần kinh thứ , lớp ra: (1.15) Thuận toán huấn luyện cập nhật trọng số mạng Cập nhật trọng số lớp ra: w iq (k 1) w iq (k ) oi (k ) zq ( k ) (1.16) Trong đó: oi (k ) [(d i (k ) yi (k )]a ' (neti (k )] (1.17) Cập nhật trọng số lớp ẩn: vqj (k 1) vqj (k ) hq (k ) x j (k ) (1.18) Trong đó: 10 1.3 Kết mơ Tín hiệu ngõ ra: Hình Tín hệu ngõ Tín hiệu điều khiển: Hình Tín hiệu điều khiển Nhận xét: Bộ điều khiển Fuzzy PD cho đáp ứng tốt link, với POT 0, Tr Bộ điều khiển PD mờ cho đáp ứng tốt, đáp ứng tiêu chất lượng 20 Thiết kế mạng thần kinh xấp xỉ điều khiển mờ 2.1 Cấu trúc hệ thu thập liệu (sơ đồ khối) Thu thập liệu link: Ngõ vào: sai số e vi phân sai số de Ngõ ra: tín hiệu điều khiển sau điều khiển mờ u Hình Cấu trúc hệ thu thập liệu Sử dụng khối “to workspace” để thu thập liệu điểm e1,de1,e2,de2,u1,u2 21 Hình 10 Khối Workspace 2.2 Thiết kế điều khiển Chương trình mạng Nơron Matlab cho link K = length(u1); X = [e1(2:K)'; de1(2:K)';u1(1:K-1)']; D = [u1(2:K)']; N=40; %%vecto đầu vào %%vecto kết %%số lớp ẩn mynet = newff(X,D,N,{'tansig' 'purelin'});%%hàm tổng hợp hàm tác động mynet.trainparam.epochs=3000; mynet.trainparam.lr=0.0001; %%số lần học %%hệ số học net.trainparam.goal=0.000001; %% mục tiêu nhận dạng mynet = train(mynet,X,D); %% hình thành mạng nơ ron gensim(mynet) Chương trình mạng Nơron Matlab cho link K = length(u2); X = [e2(2:K)'; de1(2:K)';u2(1:K-1)']; D = [u2(2:K)']; %%vecto đầu vào %%vecto kết 22 N=40; %%số lớp ẩn mynet = newff(X,D,N,{'tansig' 'purelin'});%%hàm tổng hợp hàm tác động mynet.trainparam.epochs=3000; mynet.trainparam.lr=0.0001; net.trainparam.goal=0.000001; mynet = train(mynet,X,D); %%số lần học %%hệ số học %% mục tiêu nhận dạng %% hình thành mạng nơ ron gensim(mynet) Các biến Workspace để chạy chương trình Hình 11 Các biến Workspace Bảng huấn luyện Nơ ron Matlab 23 Hình 12 Bảng huấn luyện nơ ron Sau huấn luyện ta khối nơ ron huấn luyện vào thay cho điều khiển mờ Hình 13 Sơ đồ mô với mạng thần kinh huấn luyện 24 2.3 Kết mô Kết mô việc sử dụng điều khiển mờ mạng thần kinh xấp xỉ điều khiền mờ ( thời gian lấy mẫu 10 giây) Hình 14 Kết mơ Link Theta1 điều khiển mờ Hình 15 Kết mô Link Theta mạng thần kinh 25 Hình 16 Kết mơ Link Theta1 điều khiển mờ Hình 17 Kết mơ Link Theta mạng thần kinh Hình 18 Tính hiệu điều khiển Fuzzy PD sau khối Gain Link Hình 19 Tính hiệu điều khiển mạng thần kinh sau khối Gain Link Nhận xét : Mạng thần kinh đáp ứng tốt tín hiệu điều khiển điều khiển mờ khơng có q nhiều sai số hay vọt lố,hạn chế phương pháp huấn luyện Matlab lần huấn luyện cho kết khác nên ta phải dùng phương pháp thử sai đợt kết tốt 26 Áp dụng giải thuật di truyền để tìm thông số điều khiển 3.1 Cấu trúc hệ thu thập liệu Hệ cánh tay robot gồm có link nên cần điều khiển Do cần thu thập liệu từ khối với thông số thu thập sai số e tín hiệu điều khiển u Hình 20 Cấu trúc thu thập liệu GA Chương trình khối Fcn: Khối Stop có chức ngừng mơ giá trị trả khác - tức góc theta >10 radian ngừng mơ Sử dụng khối để chạy GA loại bỏ giá trị ngẫu nhiên làm chương trình bị gián đoạn 3.2 Chương trình GA clc; 27 clear all; rand('state',sum(100*clock)); %%%%%%%%%%%%%%%%%%%%%%%%%%%% max_generation=200; %so the he toi da qua trinh chay(chay toi toi da 200 the he thi dung lai) max_stall_generation=50; epsilon=0.001; %J chuan(neu the he nao co J9500 Kp1 28 Ki1 Kd1 Kp2 Ki2 Kd2 J=(e1'*e1)+(e2'*e2) %tih J dua vao mau thu 9500 den 10000 fitness(pop_index)=1/(J+eps); else J=10^100; fitness(pop_index)=1/(J+eps); end end; [bestfit,bestchrom]=max(fitness); Kp10=par(bestchrom,1)-500; Ki10=par(bestchrom,2)-500; Kd10=par(bestchrom,3)-500; Kp20=par(bestchrom,4)-500; Ki20=par(bestchrom,5)-500; Kd20=par(bestchrom,6)-500; J0=1/bestfit+0.001; %do elitism= nen doi hoi phai co cha me tot nhat de so sanh while ~Terminal, generation = generation+1; disp(['generation #' num2str(generation) ' of maximum ' num2str(max_generation)]); pop=Encode_Decimal_Unsigned(par,sig,dec); parent=Select_Linear_Ranking(pop,fitness,0.2,elitism,bestchrom); child=Cross_Twopoint(parent,cross_prob,elitism,bestchrom); pop=Mutate_Uniform(child,mutate_prob,elitism,bestchrom); par=Decode_Decimal_Unsigned(pop,sig,dec); for pop_index=1:pop_size, Kp1=par(pop_index,1)-500; 29 Ki1=par(pop_index,2)-500; Kd1=par(pop_index,3)-500; Kp2=par(pop_index,4)-500; Ki2=par(pop_index,5)-500; Kd2=par(pop_index,6)-500; sim('mophongcanhtaymay2dof_PID_test2'); if length(e1)>9500 Kp1 Ki1 Kd1 Kp2 Ki2 Kd2 J=(e1'*e1)+(e2'*e2 fitness(pop_index)=1/(J+eps); else J=10^100; fitness(pop_index)=1/(J+eps); end end; [bestfit(generation),bestchrom]=max(fitness); if generation == max_generation Terminal = 1; elseif generation>1, if abs(bestfit(generation)-bestfit(generation-1))