Trang 1 Hội nghị Khoa học trẻ ỉần 5 năm 2023YSC2023-ỈUHYSC5.F124CẤU TRÚC BỌ ĐIỀU KHIỂN KÉP BAO GỊM MƠ HÌNH TIỂU NÃO MỜ Tự TỎ CHỨC SỬ DỤNG HÀM LIÊN THUỘC GAUSSIAN XẾP CHÒNG VÀ MẠNG LƯỚI H
Hội nghị Khoa học trẻ ỉần 5 năm 2023(YSC2023)-ỈUH YSC5.F124 CẤU TRÚC BỌ ĐIỀU KHIỂN KÉP BAO GÒM MÔ HÌNH TIỂU NÃO MỜ Tự TỎ CHỨC SỬ DỤNG HÀM LIÊN THUỘC GAUSSIAN XẾP CHÒNG VÀ MẠNG LƯỚI HỌC TẠP CẢM XÚC CỦA NÃO CHO HẸ THỐNG ROBOT SONG SỎNG LÊ TỐNG TÂN HÒA1’, NGÔ THANH QUYỀN1, NGUYỄN VĂN THỌ1, LÂM BÌNH MINH1 }Khoa công nghệ Điện, Trường Đại học Công nghiệp Thành phổ Hồ Chỉ Minh * ỉetongtanhoa78@gmaiỉ.com Tóm tăt Hệ thống robot song song được áp dụng trong nhiều lĩnh vực khác nhau như ỵ tế, sản xuất, vận chuyển, Tuy nhiên, việc điều khiển một hệ thống phi tuyến bất kỉ luôn gặp hở ngại lớn bởi luôn có thành phần bất định tồn tại trong các hệ thống đó Điều đó khiến cho mô hình toán của hệ thống rất khó xác định Bài báo này đề xuất bộ điều khiển sử dụng cấu trúc tự tổ chức cho hệ thống Robot 2 bậc song song của hãng Quanser Robot có hai động cơ sẽ điều khiển bốn thanh, bao gồm hai thanh gắn trực tiếp vào động cơ và hai thanh bị động Bộ điều khiển đề xuất là sự kết hợp giữa mặt trượt và hai hệ thống con hoạt động độc lập song song bao gồm brain emotional learning network (BEL), cerebellar model articulation controller network (CMAC) Bộ điều khiển đề xuất được áp dụng vào hệ thống đã mô tả ở trên nhằm kiểm nghiệm tính xác thực giữa lý thuyết và thực tế thông qua nhiều kết quả mô phỏng và thực nghiệm Từ khóa Kỹ thuật tự tổ chức, bộ điều khiển mô hình tiểu não, điều khiển thích nghi, bộ điều khiển học tập cảm xúc não DOUBLE CONTROLLER STRUCTURE INCLUDES A SELF-ORGANIZING EMOTIONAL FUZZY MODEL ARTICULATION CONTROLLER BASED OVERLAPPING GAUSSIAN MEMBERSHIP FUNCTION BRAIN EMOTIONAL LEARNING NETWORK FOR PARALLEL ROBOT SYSTEM Abstract Parallel robotic systems are applied in many different fields such as medicine, manufacturing, transportation, etc However, controlling any nonlinear system is always a big obstacle because those systems always have problems with uncertainty components That makes the mathematical model of the system very difficult to determine This paper proposes a controller using a self-organizing structure for Quans er's 2 DOF parallel robot system A robot with 2 motors will control 4 connecting rods, of which 2 are dữectlỵ attached to die engine and 2 are passive The proposed controller is a combination of sliding surface generator and two independent parallel subsystems including a brain-emotional learning (BEL) network, and a cerebellar model articulation control network (CMAC) The proposed controller is applied to die Robot described above to test the authenticity between theory and reality through many simulations and experimental results Keywords Self-organizing technique, cerebellar model articulation controller, adaptive control, brain emotional learning network (BEL) 1 GIỚI THIỆU Điều khiển hệ thống phi tuyến được coi là nhiệm vụ quan họng trong kỹ thuật điều khiển Đặc biệt, bộ điều khiển cần xử lý được tính phi tuyến của hệ thống để kiểm soát được hiệu quả [1], [2] Tuy nhiên, mô hình toán học cho tính chất phi tuyến gặp nhiều khó khăn và đồng thời cũng làm giảm chất lượng của bộ điều khiển [3], [4] Vì vậy, bộ điều khiển dựa hên mạng nơ ron nhân tạo đã phát triển nhanh chóng các để đạt được tốc độ hội tụ nhanh và khả năng đáp ứng linh hoạt [5] Đối với các hệ thống thực tế, bộ điều khiển © 2023 Trường Đại học Công nghiệp Thành phố Hồ Chí Minh 257 Hội nghị Khoa học trẻ lần 5 nám 2023(YSC2023)-ỈUH cần đáp ứng nhanh để xử lí tình huống một cách hiệu quả Một số bộ điều khiển dựa trên mạng no' ron đã cải thiện chất lượng điều khiển [6] Ngoài ra, bộ điều khiển có thể sử dụng mạng nơ ron kết hợp mạng học tập cảm xúc của não và mạng chức năng tự tồ chức [7], Tuy nhiên, việc bố sung như vậy chỉ cho phép thêm hoặc xóa mỗi lần một nơ-ron nên cần có một phưong pháp hiệu quả hơn Ngoài ra, Huynh và các cộng sự đã xây dựng một cấu trúc tự tổ chức để điều khiển các hệ thống phi tuyến [8], [9] Trong nghiên cứu này, các tác giả đã thêm hoặc loại bỏ nhiều trọng số trong mỗi chu kỳ lặp Bằng kết quả thực nghiệm, tác giả nhận thấy rằng bộ điều khiển học tập cảm xúc của não mạng (BEL) có hiệu suất tốt hơn trong điều khiển bám vì tính chất cấu trúc kép của nó Trong nghiên cứu [9], hai kênh trong BEL chia sẻ trọng số và cùng cấu trúc mạng Các tác giả cũng sử dụng CM AC, một mạng nơ ron kênh đon đã được sử dụng rộng rãi trong hệ thống điều khiển robot [10], Vì rây, việc sử dụng cấu trúc mạng CMAC để cải thiện BEL và kết hợp tính toán nhằm nâng cao chất lượng điều khiển trong hệ phi tuyến là một lựa chọn có tiềm năng phát triển Dựa vào nhận định trên, nghiên cứu này đề xuất một mạng nơ ron tự tổ chức mới gọi là bộ điều khiển tự tổ chức khớp nối mô hình tiểu não cảm xúc (SOEDNN), kết hợp mạng CM AC và bộ điều khiển học tập cảm xúc của não (BELC) Đặc biệt, cấu trúc tự tố chức được tích hợp vào mạng đề xuất để xác định khi nào tạo ra một lớp mới hoặc xóa một lớp trọng số Để đảm bảo chất lượng bền vững của hệ thống, các quỵ tắc học tập của CM AC và bộ điều khiển bền vững được dựa trên hàm Lyapunov Dựa trên mạng mói này, nghiên cứu này úng đụng vào hệ thống robot hai bậc song song nhằm kiểm nghiệm tính xác thực giữa thực tế và lí thuyết đề ra Phần còn lại của bài viết được tỗ chức như sau Phần II giói thiệu mô hình toán học của đối tưọng Phần III trình bày lý thuyết về mô hình SOEDNN Phần IV mô tả quá trình thực nghiệm giải thuật SOEDNN Phần V là kết quả thực nghiệm Phần VI là phần kết của nghiên cứu này 2 MÔ HÌNH TOÁN HỌC CỦA ĐỐI TƯỢNG Hình 1 Sơ đồ cấu trúc robot song song hai bậc Hình 1 thể hiện sơ đồ cấu trúc của một robot song song hai bậc Phương trinh động lực học của cánh tay robot được mô tả như sau: M(q’Ỵq + c(q',q')q + Bmq + g(q') = KTỉm (1) q’ - ơ(q) (2) Trong đó q' = (qt> q2>q3>qì)T là tọa độ tổng quát của các khớp robot và q = hai khớp đỉều khiển; q', q, 'q E Rn lần lượt là các vector vị trí, vận tốc và gia tốc khớp; M(g'~) E R2x2 là ma trận của mô men quán tính; C(q'>q') E R2x2 đại diện cho lực hướng tâm rà hiệu ứng Coriolis; Bm = (ốmi,ốm2)> trong đó bmi (i = 1,2) biểu thị độ nhớt của động cơ thứ i; g(q') E R2xlỉà vectơ trọng lực; /mi(i = 1,2) là dòng điện phần ứng của động cơ thứ i; KT = diag(.KTi) Ktf) là hằng số đạc trưng cho sự biến đổi cơ điện giữa dòng điện và mômen Mối liên hệ giữa q' và q được thể hiện qua ơ(q) có thể biểu diễn bằng phương trinh sau : = arctan + arctan fesil _ q (3) q3 = arctan U0ji,q2)+í,4sin((j2+q2) = 2L4p(q1,q2) = lị - ^4 -22(