Đề tài thiết kế bộ điều khiển cho hệ cánh tay robot 1 bậc tự do

Đồng nghĩa với việc nghiệm của bài toán đặc ra có thể vẫn chưa tối ưu, nhưng bù lại tốc độ giải nghiệm cho bài toán sẽ nhanh.. • Nếu số lượng cá thể trong quần thể quá lớn thì vùng tìm k

TRƯỜNG ĐẠ I H ỌC SƯ PHẠ M KỸ THUẬT TP.HCM

KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

––––🙠🙟🕮🙝🙢 🙠🙟🕮🙝🙢 ––––

ĐỀ TÀI: THIẾT KẾ B Ộ ĐIỀ U KHI ỂN

CHO H CÁNH TAY ROBOT 1 B C T Ệ Ậ Ự DO

GVHD: TS TRẦN ĐỨ C THI N Ệ

SVTH: Dương Minh Trí 18151135 Trầ n Tr ọng Lượng 18151092 Đặng Văn Hùng 18151079

M ục lụ c

1 Thiết kế bộ điều khiển m cho hờ ệ cánh tay robot một bậc tự do: 1

1.1 Tính toán lí thuyết: 1

1.1.1 Phương trình vi phân: 1

1.1.2 Thiết kế bộ điều khiển: 2

1.2 Mô phỏng trên matlab simulink: 4

1.2.1 Sơ đồ kết nối: 4

1.2.2 Kết quả mô phỏng: 6

1.2.3 Nhận xét: 6

2 Thiết kế bộ điều khiển thần kinh: 7

2.1 Cấu trúc hệ thu nhập (sơ đồ khối): 7

2.2 Thiết kế bộ điều khiển: 9

3 Áp d ng gi i thu t di truyụ ả ậ ền để tìm thông s b ố ộ điều khi n: 14ể 3.1 Cơ sở lý thuyết: 14

3.1.1 Các khái niệm và những thông số trong giải thuật di truyền: 14

3.1.2 Cấu trúc của giải thuật di truyền: 14

3.1.3 Các phương pháp đột biến: 16

3.1.4 Các phương pháp chọn lọc: 16

3.2 Mô phỏng: 16

3.2.1 Chương trình chính: 16

3.2.2 Các bước thiết lập trên matlab simulink: 19

3.2.3 Kết quả mô phỏng: 20

1 Thiết kế bộ điều khiển m cho h cánh tay robot m t b c t : ờ ệ ộ ậ ự do

1.1 Tính toán lí thuyết:

1.1.1 Phương trình vi phân:

Figure 1: Mô hình cánh tay robot 1 b c t ậ ự do

Đặc tính động học của hệ cánh tay robot m t b c t do cho bộ ậ ự ởi phương trình:

( J ml + 2) & ( ) t + B t & ( ) + ( ml Ml g + c) sin ( ) t = u t ( ) (1.1) Trong đó:

( )

u t : momen tác động lên trục quay của cánh tay robot

( ) t : góc quay (v trí) c a cánh tay robot ị ủ

J: momen quán tính c a cánh tay máy ủ ( J = 0.05 ) kg m2

M: khối lượng c a cánh tay robot ủ ( M = 1 kg )

m: khối lượng của vật nặng ( m = 0.1 kg )

l: chi u dài cánh tay robot ề ( l = 0.4 m )

c

l: kho ng cách t tả ừ ọng tâm cánh tay đến tr c quay ụ ( lc= 0.15 m )

B: h s ma sát nhệ ố ớt ( B = 0.2 kg m2/ s )

g: gia t c trố ọng trường ( g = 9.81 / m s2)

1.1.2 Thiết kế bộ điều khiển:

Cấu trúc b ộ điều khi n PI m dùng h quy t c Mamdani: ể ờ ệ ắ

Figure 4: Hàm liên thu c ngõ vào 2 ộ

Figure 5: Hàm liên thu c ngõ ra ộ

Do cánh tay robot có th di chuy n trong tể ể ầm 0 nên − E , do đó hệ số chuẩn hóa

Hệ s ốKuđược ch n trong quá trình tinh chỉnh chọ ất lượng của h th ng nên ch n ệ ố ọ K =u 8

Hệ quy tắc điều khiển được suy ra t kinh nghiừ ệm

Figure 6: Sơ đồ ế k t nối điều khi n cánh tay robot ể

Figure 7: Thông s set point ố

Figure 8: Sơ đồ ế k t n i kh i Arm robot ố ố

Chương trình khối Robot Arm

function theta_dd = robot_arm(u,theta,theta_d)

2 Thiết kế bộ điều khiển thần kinh:

2.1 Cấu trúc hệ thu nhập (sơ đồ khối):

Figure 11: C u trúc h thu th p d u ấ ệ ậ ữ liệ

• Dự liệu cần thu thập để huấn luyện mạng neural được lấy tại các điểm đặt khối

“to workspace”

Trong khối ‘to workspace’

Figure 12: Thông s ố khối workspace

8

Figure 13: Các điểm được thu th p d u ậ ữ liệ

Figure 14: Đáp ứng ngõ ra sau khi thu th p d u ậ ữ liệ

Figure 15: Tín hi ệu điều khiể n sau khi thu th p ậ

2.2 Thiết kế bộ điều khiển:

Chương trình mạng neural:

Figure 16: Chương trình tạo m ạng

Kết qu ả chạy chương trình:

10

Figure 17: Các bi ến ở workspace

Figure 18: B ng hu n luy n m ng neural ả ấ ệ ạ

12

Figure 19: K t qu ế ả huấ n luy ện ở simulink

Bộ điều khi n b ng m ng neural: ể ằ ạ

Figure 20: Sơ đồ ế k t n i v i b ố ớ ộ điều khi n m ng neural ể ạ

Figure 21: Đáp ứng ngõ ra

14

3 Áp d ng gi i thu t di truyụ ả ậ ền để tìm thông s b ố ộ điều khi n: ể

3.1 Cơ sở lý thuyết:

3.1.1 Các khái niệm và những thông số trong giải thuật di truyền:

3.1.1.1 Khái niệm trong thuật toán giải thuật di truyền:

Trong m t quộ ần th có s ể ố lượng cá th nhể ất định thì các cá th ể đó được lai ghép với nhau để sản sinh

ra các th h ế ệ con, trong đó các thế hệ con nào mang đặc tính tốt hơn các thế hệ cha m thì s ẹ ẽ được ưu tiên trong việc lưu trữ và được ti p t c lai ghép vế ụ ới nhau để ả s n sinh ra các th h con ti p theo, còn ế ệ ếcác th h con không có nhế ệ ững đặc tính tốt hơn từ thế h ệ cha me thì cũng được lưu trữ lại nhưng mức

độưu tiên thấp hơn và việc lai ghép là hoàn toàn ngẫu nhiên Vi c s d ng gi i thu t di truy n trong ệ ử ụ ả ậ ềcác bài toán nh m mằ ục đích tìm ra thế ệ h con (nghi m cệ ủa bài toán) có đặc tính t t nh t giúp thõa ố ấmãn các yêu cầu đặc ra của bài toán đó

3.1.1.2 Những thông số trong giải thuật di truyền:

❖ Size of population : số lượng cá thể dùng để lai ghép trong quần thể

• Nếu số lượng cá thể trong quần thể nhỏ thì các thế hệ con sinh ra ít, tỉ lệ cá thể mang đặc tính xấu sẽ ảnh hưởng trực tiếp đến quần thể Đồng nghĩa với việc nghiệm của bài toán đặc ra có thể vẫn chưa tối ưu, nhưng bù lại tốc độ giải nghiệm cho bài toán sẽ nhanh

• Nếu số lượng cá thể trong quần thể quá lớn thì vùng tìm kiếm các cá thể mang đặc tính tốt sẽ rộng hơn tuy nhiên việc các thế hệ con mang đặc tính tốt phải mất rất nhiều thời gian trong việc lai ghép với nhau để tác động lên quần thể Nghĩa là thời gian tìm được nghiệm tối ưu cho bài toán đặc ra sẽ lâu hơn

❖ Crossover : Tỉ lệ lai ghép, nếu tỉ lệ lai ghép càng lớn thì thế hệ con sau khi lai ghép có xu hướng giống với thế hệ của bố và mẹ

❖ Mutation : Tỉ lệ đột biến

• Ưu điểm: nếu tỉ lệ đột biến lớn thì cơ hội tìm được các đột biến càng cao và nếu tìm được đột biến tốt thì nghiệm của bài toán áp dụng giải thuật di truyền sẽ bám sát được kết quả tối ưu

• Nhược điểm: Không phải đột biến nào cũng có lợi, bên cạnh việc xuất hiện các đột biến

có lợi thì cũng có thể xuất hiện đột biến không có lợi cho quần thể và đa phần việc xuất hiện các đột biến đều không có lợi

(Thông thường tỉ lệ lai ghép + tỉ lệ đột biến = 1, và tỉ lệ đột biến t l lai ghép) ỉ ệ

3.1.2 C ấu trúc của giải thuật di truyền:

Cấu trúc chương trình mô phỏng:

Figure 23 : Cấu trúc chương trình

Các thông s kh i t o cho gi i thu t di truy n ố ở ạ ả ậ ề

• Số lượng thế hệ tối đa (max_generation): Sau khi lai tạo và phân tích, khi thế hệ thứ ‘n’ vượt qua số lượng thế hệ tối đa thì chương trình sẽ dừng lại và đưa ra kết quả

• Số cá thể giống nhau (max_stall_generation) : khi số lượng cá thể giống nhau bằng giá trị

16

• Ngưỡng (epsilon) : khi thế hệ có giá trị J nhỏ hơn giá trị ngưỡng thì đã tìm được giá trị thõa mãn, chương trình dừng lại và xuất kết quả

• Số lượng cá thể cha, mẹ trong quần thể (pop_size)

• Số lượng nhiễm sắc thể trong quần thể (npar) : Ở đây đề bài là tìm thông số PID nên có 3 nhiễm sắc thể tương ứng là Kp, Ki và Kd

• Khoảng giá trị của các nhiễm sắc thể (range)

• Vị trí dấu chấm thập phân (dec)

• Số chữ số có nghĩa của giá trị các nhiễm sắc thể (sig)

3.2.2 Các bước thiết lập trên matlab simulink:

Figure 24: Sơ đồ ế k t n i trên matlab simulink ố

Figure 25: Thông s set point ố