tóm tắt luận án điều khiển thích nghi phi tuyến cho robot, công nghiệp trên cơ sở mạng nở ron nhân tạo

1 MỞ ĐẦU Tình hình nghiên cứu ngồi nước Robot đặt móng từ năm 20 kỷ XX Trải qua gần kỷ, kể từ cơng trình nghiên cứu sản phẩm robot công bố 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, nhiều vấn đề cần quan tâm nghiên cứu giải tiếp để nâng cao chất lượng phục vụ robot Do đó, lĩnh vực thu hút quan tâm nghiên cứu nhà khoa học nước Tính cấp thiết luận án Robot cơng 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 công 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 toán 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 cứu đề xuất thuật toán điều khiển thích nghi bền vững dựa công cụ điều khiển phi tuyến hàm điều khiển Lyapunov, kỹ thuật backstepping, điều khiển trượt kết hợp với mạng nơ ron nhân tạo Sự kết hợp hợp lý cơng cụ có khả tạo điều khiển có cấu trúc nhằm đảm bảo nâng cao chất lượng làm việc cho robot điều kiện cấu trúc tham số robot thay đổi có nhiễu tác động Mục tiêu luận án Mục tiêu luận án nghiên cứu đề xuất thuật tốn 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 2 Đối tượng phạm vi nghiên cứu luận án - Đối tượng nghiên cứu: robot công nghiệp n bậc tự mơ tả tốn học mơ hình vi phân phi tuyến bất định kiểu hàm số - Phạm vi nghiên cứu: Tập trung nghiên cứu phương pháp mơ tả tốn học cho robot n bậc tự có đặc tính bất định, phương pháp biến đổi mơ hình tốn học robot Nghiên cứu cơng trình cơng bố ngồi nước lĩnh vực điều khiển thích nghi robot đủ cấu chấp hành, lý thuyết điều khiển phi tuyến, điều khiển thích nghi, mạng nơ ron nhân tạo, làm tảng cho việc phát triển giải thuật điều khiển thích nghi cho robot n bậc tự có mơ hình phi tuyến bất định kiểu hàm số Nghiên cứu công cụ phần mềm để kiểm chứng tính đắn giải thuật đề xuất luận án Ý nghĩa khoa học thực tiễn luận án - Ý nghĩa khoa học: Luận án nghiên cứu đề xuất thuật tốn cấu trúc điều khiển thích nghi phi tuyến 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: Kiểm chứng khả ứng dụng thực tế thuật tốn điều khiển thích nghi bền vững sở mạng nơ ron nhân tạo đề xuất luận án công cụ mềm Nội dung luận án Bố cục luận án bao gồm: phần mở đầu, chương trình bày nội dung kết nghiên cứu, phần cuối kết luận kiến nghị Tồn luận án trình bày 106 trang, danh mục chữ viết 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 điều khiển cho robot 1.1.1 Mơ hình tốn học robot 1.1.1.1 Động học vị trí Bài tốn động học thuận: Cho trước giá trị biến khớp, thơng số hình học thông số liên kết khâu Yêu cầu xác định vị trí hướng khâu chấp hành cuối [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 việc 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]:   H  q  q  C  q, q  q  G(q)  Fd (q)   d (1.8) 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   R nn thỏa mãn C  q, q   c q với c0 số bị chặn N  q, q   H  q   2C  q, q  (1.11) ma trận đối xứng lệch, ta có: q N  q, q  q  (1.12) Đặc tính 3: [29] Tuyến tính với tham số động 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   F q  F  q   H  q  q  N  q, q  q  W (q, q, q ) p (1.13) với vector p vector tham số động lực học T v d p   m1 , , mn , I1 , , I n , v1 , , , k1 , , k n  T (1.14) 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] Được chứng minh từ mơ hình động lực học robot xây dựng sở hàm Euler-Lagrange trang 351 tài liệu [10] Thiết kế điều khiển sở ứng dụng tính phẳng: xây dựng điều khiển tựa phẳng, dựa vào tín hiệu đầu phẳng tín hiệu mong muốn biết trước từ xác định tín hiệu đặt đầu vào để đem lại kết mong muốn [18] Đặc tính 5: Mơ hình động lực học robot có tính thụ động [28, 33] Xây dựng điều khiển tựa thụ động dựa nguyên lý dạng hàm lượng bù lượng tổn hao sở hàm điều khiền Lyapunov 1.2 Điều khiển chuyển 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 mô hình: Thuật tốn điều khiển trình bày [30]:    u   (1.21) với:   H (q)    V ( q, q )  G ( q ) u  q  K E  K E ; đó: E  qd  q d D P (1.22) với : K pi , K di  b) Phương pháp PD bù trọng trường, phương pháp sử dụng PID Mô men điều khiển PD [33]:   K p E  K D q  G(q) (1.25) Mô men điều khiển PID [33]:   K p E  K D q  K I  Edt (1.26) d) Giải thuật Li-Slotine Mô men điều khiển [34]:   H (q)v  C (q, q)v  K D r  G(q) (1.28) đó: v  qd  (qd  q)  qd  E  v  qd  E (1.29) r  v  q  qd  q  (qd  q)  E  E  r  v  q (1.30) 1.2.1.1 Điều khiển không gian làm việc a) Điều khiển thông qua chuyển đổi đảo sang không gian khớp [34] Chuyển đổi đảo: q  ĐHĐ ( X )  (1.33) q  J X  q  J X  J X b) Điều khiển trực tiếp [34] Phương pháp J : Luật điều khiển theo phương pháp PD-bù trọng trường: (1.35)   K E  K q  G(q) d d 1 d d 1 d 1 d p d D Luật điều khiển theo phương pháp J :   K J ( X  X )  K J X  G ( q )  J  K ( X  X )  K X   G (q ) Luật điều khiển theo phương pháp JT: (1.36)   J T F  G (q)  J T  K P ( X d  X )  K D X   G ( q)   (1.41) 1 P 1 d 1 D P d D 1.2.2 Các thuật toán điều khiển nâng cao 1.2.2.1 Các thuật tốn điều khiển thích nghi Các phương pháp điều khiển thích nghi [29, 33, 34] gồm thuật tốn sau: - Điều khiển thích nghi theo mơ hình mẫu: Ứng dụng cho hệ thống robot đơn giản có số bậc 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 ˆ Luật điều khiển   H (q)  q  K E  K E   N (q, q) (1.45) d 1 d P ˆ Luật cập nhật p  p    B Px b) Điều khiển thích nghi theo phương pháp Li-Slotine ˆ ˆ ˆ Mơ men điều khiển   H (q)v  C (q, q)v  K D r  G(q) (1.47) Trong đó: v  qd  (qd  q)  qd  E (1.48) r  v  q  qd  q  (qd  q)  E  E (1.49) T T ˆ Luật cập nhật thích nghi tham số động lực học p  p  1Y T r (1.51) 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  1 m ; l2  0.8 m ; m1  1 kg  ; m2  1 kg  ; lg1  0.5  m ; lg  0.4  m ; I1  0.728 kgm2  ; I  0.196 kgm2      Yêu cầu tốn tìm điều khiển phản hồi phi tuyến để đưa đối tượng dạng tuyến tính tương đương từ áp dụng luật điều khiển đối tượng tuyến tính b) Tuyến tính hóa xác mơ hình robot bậc tự Mơ hình trạng thái Khớp1: x11 = x12 (1.60) x12 = f1 ( x1 )+ G1u1 Khớp 2: x21 = x22 (1.61) x22 = f ( x2 )+ G2 u2 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 điều khiển cho khớp thực hoàn tồn độc lập mà khơng bị ảnh hưởng qua lại kênh c) Thiết kế điều khiển sở mơ hình tuyến tính [11, 25, 26] Áp dụng phương pháp thiết kế phản hồi trạng thái gán điểm cực nhằm đảm bảo động học hệ thống bám, để khử sai lệch bám, tác giả sử dụng điều khiển theo luật tích phân Chọn điểm cực đặt trước: s1  10; s2  5  R   50 15 , điều khiển tích phân RI cho vịng ngồi, ta chọn K I  50 Kết mô sử dụng điều khiển R RI 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 bất 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 Jacobian xấp xỉ thích nghi a) Mơ hình tốn học robot Phương trình động lực học tổng quát robot n bậc tự [30, 32]: 1  (1.73) H  q  q   H  q   N  q, q   q  G  q    2  đó: q  [q1 , q2 , , qn ]T  Rn biến khớp; H (q)  R nn ma trận qn tính,   R n mơ men đặt lên trục khớp robot, G(q)  R n thành phần trọng lực robot, N (q, q)  R nn ma trận đối xứng lệch b) Thiết kế điều khiển Luật điều khiển thích nghi sở ma trận Jacobian xấp xỉ [35, 61]: ˆ ˆ ˆ ˆ ˆ ˆ (1.88)    J T q, T K X  K X  J T q, T KS  W  q, q, q , q  p   D P    x r r Trong đó: X  X  X d , X  X  X d ; Kd , K p , K ma trận đường chéo ˆ cấp n xác định dương Các thông số động học ước lượng T mà trận ˆ  q, T  cập nhật luật sau: ˆ Jacobian J  ˆ T  RY T  q, q  Kd X  K p X  (1.89) ˆ thông số động lực học p ước lượng luật cập nhật sau: ˆ p  W T  q, q, qr , qr  S ff (1.90) nn đó: R  R ,   R ma trận đường chéo có phần tử dương c) Kiểm chứng thuật tốn robot phẳng nối Các thơng số thực robot sau: m1 , m2 , m3 , l1 , l2 , l3 , lg1  l l1 l m l2 , lg  , lg3  ; I1  I  I  1 2 12 Quỹ đạo chuyển động mong muốn:   3  7  2   8  t  cos   t  t  xd  cos   t  375  1125   18 25   18 150     3  7  2   8   t  sin   t  t 1  yd  sin   t  375  1125   18 25   18 150     d     (1.106) Kết mơ phỏng: hình 1.21 đến hình 1.22 Trường hợp 1: m1  6kg; m2  4kg; m3  2kg; l1  0.7m; l2  0.6m; l3  0.5m Hình 1.21: Quỹ đạo x y không gian làm việc (trường hợp 1) Trường hợp 2: m1  10kg; m2  8kg; m3  6kg; l1  0.8m; l2  0.7m; l3  0.6m Hình 1.22: Quỹ đạo x y không gian làm việc (trường hợp 2) d) Nhận xét: Từ phân tích lý thuyết theo tiêu chuẩn ổn định Lyapunov cho thấy điều khiển thích nghi sử dụng ma trận Jacobian xấp xỉ đảm bảo hệ thống ổn định toàn cục Kết mô kiểm định hệ thống điều khiển ổn định, tín hiệu vị trí thực tay máy robot hội tụ tín hiệu vị trí đặt với tốc độ hội tụ nhanh sai số bám nhỏ thông số hệ thống bất 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 điều khiển bền vững kết hợp kỹ thuật backstepping chuyển động 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 trọng số bị chặn, mang đến đặc tính bền 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 robot [24] 1.3 Hướng nghiên cứu luận 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 robot cơng nghiệp gặp nhiều khó khăn, phức tạp việc xác định khối lượng, mơ men kích thước hình học robot, ngồi tham số cịn bị thay đổi phụ thuộc vào chế độ công tác robot Do đó, mơ hình động lực học tổng qt robot mơ hình trạng thái bất định kiểu hàm số Đây mơ hình đối tượng toán điều khiển đề cập đến luận án Mục tiêu điều khiển: xây dựng điều khiển bám quỹ đạo đặt trước cho robot có mơ hình bất định kiểu hàm số đảm bảo hệ kín ổn định bền vững tồn cục (GAS), sai lệch bám tiến không không chịu ảnh hưởng nhiễu 1.3.2 Phương pháp luận Căn vào việc phân tích đặc tính động học mơ hình trạng thái robot, sở nghiên cứu phương pháp điều khiển phi tuyến, thích nghi mạng nơ ron nhân tạo để từ đề xuất giải thuật điều khiển đạt mục tiêu điều khiển Do vậy, định hướng nghiên cứu luận án đề xuất điều khiển thích nghi bền vững sở kết hợp điều khiển phi tuyến với mạng nơ ron nhân tạo 1.4 Kết luận Chương luận án trình bày phương pháp xây dựng mơ hình động lực học robot, phân tích đặc tính đặc trưng mơ hình robot Nghiên cứu số phương pháp tổng hợp điều khiển đặc trưng cho robot cơng nghiệp, mơ từ đánh giá khả phát triển thuật toán điều khiển sở phương pháp điều khiển Tuy nhiên, phần lớn phương pháp nghiên cứu đến thời điểm giải triệt để toán tổng hợp điều khiển cho robot có mơ hình xác định mơ hình bất định kiểu số, cịn đề xuất tổng hợp điều khiển cho robot có mơ hình bất định kiểu hàm số Chương 2: ĐIỀU KHIỂN THÍCH NGHI TAY MÁY ROBOT SỬ DỤNG MẠNG NƠ RON TRÊN CƠ SỞ KỸ THUẬT BACKSTEPPING 2.1 Tổng hợp điều khiển thích nghi sử dụng mạng nơ ron Xét đối tượng phi tuyến có cấu trúc truyền ngược [21, 22]:  xi  fi  x1, x2 ,, xi   gi  x1 , x2 ,, xi  xi 1   (2.1)  xn  f n  x   g n  x  u y  x   ( x   x1 , x2 , , xn   R n ; u  R; xd   xd1 , xd , , xdn    yd , yd , , ydn 1)   R n ;   y  R; i  1, 2, , n  tương ứng biến trạng thái, tín hiệu điều khiển, tín hiệu T T T đặt đầu hệ thống Trong fi (.) , f n (.) gi (.) , g n (.) hàm số trơn bị chặn bất định 2.1.1 Xấp xỉ hàm số mạng nơ ron nhân tạo Dựa vào phân tích tài liệu [23, 37, 38], chọn MNN lớp truyền thẳng lựa chọn hợp lý với giả thiết sau: Giả thiết 1: Biết dấu g  x  , tồn số gi  biết trước i i hàm trơn gi  xi  , vậy: gi  xi   gi  xi   gi , xi  Ri Giả thiết 2: véc tơ trạng thái mong muốn xdi với i  1, 2, , n  liên tục biết trước xdi  di  Ri với  di tập compact biết trước Giả thiết 3: Cho hàm trơn h  Z  xấp xỉ MNN (1.1) tồn ˆ ˆ trọng số lý tưởng W * ,V * để    với   0; Z z ; W ,V trọng số ước lượng W * V * Sai số ước lượng trọng số đuợc xác định ˆ ˆ sau: W  W  W * ; V  V  V * (2.2) Sử dụng MNN để xấp xỉ hàm trơn bất định h  Z  : R m  R ˆ Ta có cấu trúc mạng: h  Z   W T S V T Z  (2.3) với véc tơ đầu vào là: Z   Z T ,1 T (2.4) ma trận trọng số từ lớp đến lớp W  (w1 , w2 , , w )  R (2.7) ma trận trọng số từ lớp vào đến lớp V   v1 , v2 , , v (2.8) T  T  R m1 Số lượng nơ ron lớp thỏa mãn  Sai số ước lượng MNN (2.3) biểu diễn sau: ˆ ˆ ˆ ˆ ˆ ˆ ˆ W T S (V T Z )  W *T S (V *T Z )  W T ( S  S 'V T Z )  W T S 'V T Z  d (2.12) u 2.1.2 Tổng hợp điều khiển thích nghi sở kỹ thuật backstepping Bước 1: [21, 22, 37] Xét (2.1), với i  ta có: x1  f1 ( x1 )  g1 ( x1 ) x2 (2.27) ˆ ˆ Xấp xỉ hàm mạng nơ ron: h1 (Z1 )  W1 S1 (V1 Z1 ) ta có tín hiệu điều khiển: (2.37) ˆ ˆ [k1 (t ) z1  W1T S1 (V1T Z1 )] g1 ( x1 ) (2.38) T 1  u1  T 2 1 ˆ' ˆT ˆ T ˆ' 1   g1 ( z1  yd )d  Z1W1 S1 F  S1V1 Z1  1   Hằng số 1  0, trọng số NN cập nhật k1 (t )   W   [( S  S 'V T Z ) z   W ] ˆ ˆ ˆ ˆ  ˆ1 w1 1 1 w1  ˆ ˆ ˆ' ˆ V1  v1[ Z1W1T S1 z1   v1W1 ]  (2.39) (2.40) 10 thực tương tự cho i  2, , n  Bước n: Xét zn  xn  n1 (2.93) có: zn  xn  n1  f n ( x)  gn ( x)u  n1 Bộ điều khiển chọn sau:  ˆ ˆ uNN   gn 1 ( xn 1 ) zn 1  kn (t ) zn  WnT Sn (VnT Z n )   gn ( x)  đây: kn (t )  2 1 ˆ' ˆT ˆ T ˆ' 1   gn ( xn1 , zn   n1 )d  ZnWn Sn F  SnVn Zn  n   với số n    zi (2.102) (2.103) luật học mạng nơron W   ( S  S ' V T Z ) z   W  ˆ ˆ ˆ ˆ ˆ wn  n n n n n wn n   n  ˆ ˆ ˆ' ˆ Vn  vn  Z nWnT Sn zn   vnVn     2.1.3 Phân tích tính ổn định Ta thấy sau bước xuất hàm xác định dương: Vzi  (2.94) (2.104) (2.108) i ( xi 1 ,   i 1 )d , i  2,3, , n ta chọn làm hàm Lyapunov, điểm mấu chốt quan trọng phương pháp Theo giả thuyết 1, biết rằng: (2.109)  i ( xi 1 ,  i 1 )  g1 ( xi 1 ,  i 1 ) / gi tính chất sau: 1 z2 (i) Vzi  zi2 i ( xi 1 , zi  i 1 )d  zi2  d  i (2.110) 0   zi2 gi (ii) Vzi  zi2 i ( xi 1 , zi  i 1 )d     g (x i i 1 , zi  i 1 )d (2.111) 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 tay máy bậc tự có phương trình sau: (2.133) ( I  ml )q  K N q  (ml  Mlc ) g.cos q  u Đặt: y    x1 ;  x1  x2 ; x   x1 , x2    ,    T T x x lúc (2.133) viết lại:   (2.134)  x2  f ( x )  G ( x ).u với f ( x)   K N x2   ml  Mlc  g cos x1 I  ml ; G ( x)  I  ml hàm bất định xấp xỉ mạng nơ ron lớp 2.1.4.2 Tổng hợp ANNC Từ sở phân tích phần 2.1.2, a có điều khiển: 11 ˆ ˆ 1  k1 (t ) z1  W1T S1 (V1T Z1 ) ; u   z1  k2 (t ) z2  W2T S2 (V2T Z2 ) 2.1.4.3 Kết mô Các thông số điều khiển chọn:   3.0; 1  1.0;   5.0 ;  w1   w2  1102 ;  v1  1104 ; v2  1103 (2.135) w1  w2  diag 1.0 ; v1  v2  diag 10.0 ˆ ˆ ˆ ˆ trọng số khởi tạo: W1 (0)  0.0, W2 (0)  0.0 ; V1 (0) , V2 (0) lấy ngẫu nhiên 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); lc  0.15(m) Th2: B  0.2(kgm2 / s); I  0.05(kg.m2 ); M  1.5(kg ); m  0.5(kg ); l  0.6(m); lc  0.3(m) Cấu trúc NN chọn với số nơ ron lớp vào lớp ẩn 3,3 biểu diễn hình 2.4a 6,6 biểu diễn hình 2.4b, với tham số động 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 mơ hình 2.4 cho thấy: chọn NN có số phần tử nơ ron lớn lớp chất lượng hệ thống tốt Nhưng thực tế, chọn số nơ ron lớp lớn ảnh hưởng đến thời gian huấn luyện mạng đẫn đến khó đảm bảo tính thời gian thực điều khiển Dựa vào kết trên, NN thích hợp xấp xỉ 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 dụng NN lớp ẩn lớp vào với nơ ron tham số robot thay đổi theo giá trị biểu diễn bảng 2.1 Các kết mơ 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 12 Nhận xét: Qua kết mô cho thấy - Khi tăng số nơ ron lớp thời gian đáp ứng độ giảm (Hình 2.4 a b) - 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 bậc 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 trận H ta chuyển mơ hình (2.1.39) dạng n hệ truyền ngược chặt sau: qi  xi1  xi1   , với xi    ; i  1, 2, , n (2.144) qi  xi  xi  q  x  f ( x )  u i2 i i i  i Trong đó: fi ( xi ) hàm trơn chưa biết bị chặn Phép đổi biến ui  H 1 (qi ) i   i  H (qi )ui ; i  1, 2, , n (2.147) 2.2.2 Tổng hợp ANNC Từ (2.144) ta có điều khiển cho hệ robot n bậc tự do: ui  ˆ ˆ  gi1 ( xi1 ) zi1  ki (t ) zi  WiT Si (ViT Zi )  ; i  1, 2, , n 2  gi ( xi )  (2.145) Luật cập nhật tham số: ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ Wi  wi ( Si  Si'ViT Zi ) zi   wiWi  ;Vi  vi ( ZiWiT Si' zi   viVi  ; i  1, 2, , n     (2.146) 2.2.3 Tổng 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 Tổng hợp ANNC Tương tự mục 2.2.2, với i  1, 2.2.3.2 Kết mô Các tham số NN chọn phần trên, thông số động học tay máy thay đổi theo giá trị biểu diễn bảng 2.2 Th1: m1  5kg; m2  3kg; l1  0.45m; l2  0.35m Th1: m1  7kg; m2  5kg; l1  0.65m; l2  0.55m Quỹ đạo đặt: q1d  sin(t ) q2d  0.5sin(t) +sin(0.5t) , tham số động học hệ thống thay đổi theo bảng 2.2 thành phần bất định xấp xỉ NN có nơ ron lớp vào lớp ẩn, ta kết mơ biểu diễn từ hình 2.8 đến hình 2.11 13 a) Trường hợp b) Trường hợp Hình 2.8: Quỹ đạo sai lệch quỹ đạo khớp a) Trường hợp b) Trường hợp Hình 2.9: Quỹ đạo sai lệch quỹ đạo khớp a) Trường hợp b) Trường hợp Hình 2.10: Vận tốc sai lệch vận tốc khớp a) Trường hợp b) Trường hợp Hình 2.11: Vận tốc sai lệch vận 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 đối tượng phi tuyến bất định hàm số dạng truyền ngược chặt cách kết hợp kỹ thuật backstepping với mạng nơ ron nhân tạo, đề xuất phương pháp chuyển đổi mơ hình động lực học robot dạng thích hợp với ANNC Thay đổi cấu trúc NN để xác định cấu trúc phù hợp đảm bảo tham số động học robot thay đổi chất lượng hệ thống điều khiển tự động không đổi Các kết mô kiểm chứng cho mô hình robot bậc tự cho thấy tính đắn giải thuật điều khiển khả ứng dụng thực tế cho robot công nghiệp Do giải thuật ANNC chưa quan tâm đến việc khắc phục nhiễu từ bên tác động vào đối tượng điều khiển nên không đảm bảo chất lượng hoạt động robot trường hợp có nhiễu Mặt khác để áp dụng phương pháp backstepping yêu cầu toán phải tuân thủ điều kiện giả thiết Có nghĩa phải tìm giá trị chặn gi ( xi ) của hàm gi ( xi ) , mà thực tế có trường hợp khó khăn khơng thể tìm khơng thể áp dụng phương pháp hạn chế phương pháp Để khắc phục hạn chế nghiên cứu nhằm giải đồng thời tính bất định kiểu hàm số robot khắc phục nhiễu Luận án đề xuất phương pháp thiết kế điều khiển trượt nơ ron thích nghi bền vững (RANNSMC) cho tay máy robot n bậc 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 bất định hàm số bậc hai thụ động dạng truyền ngược, có điểm cân gốc tọa độ có mơ hình thể sau [10], [27]:  x1  x2 ; với x = x1   x2  f ( x )  u   d x2 y  x  (3.1) f  x  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 hợp điều khiển trượt Định nghĩa mặt trượt: S (e)  e  e (3.2) đó: e  w  x1 ; e  w  x1  w  x2 Để đảm bảo lim e(t )  , phải t  chọn hệ số   mặt trượt đảm bảo điều kiện S (0)  Chọn hàm Lyapunov cho hệ kín sau: VSMC ( S )  S (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 uSMC : (3.8) uSMC  K sgn(S )   w  w   x1  f ( x) Muốn tổng hợp 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 ˆ sử dụng mạng nơ ron để xấp xỉ hàm f ( x ) Thay f (.)  f (.) vào (3.8) ta điều khiển trượt cho đối tượng bất định hàm ˆ (3.9) uSMC K sgn(Sc )   w  w   x1  f ( x) 3.3 Xấp xỉ hàm bất định mạng nơ ron hướng tâm Từ (3.1) bỏ qua tác động nhiễu, biến đổi ta viết lại dạng sau:  x (t )  Ax (t )  Bu (t )  F  x   (3.10)   y  x1   T  0 T đó, x(t )   x1 (t ) x2 (t ) ; A    ; B  1  ; F  x   0 F  x        a21 a22  với F  x   a21 x1  a22 x2  f  x  ; a21  0; a22  (3.12) Cấu trúc mạng RBFNN mơ tả hình 3.3 Hình 3.3: Cấu trúc mạng RBFNN đó: F  x   Wii  x  (3.14) i 1 Trong hàm sở i  x  chọn dạng [23] tr59:    x  Ci    exp    (3.15)   i 1   bi2     Với Ci véc tơ chiều biểu diễn tâm hàm sở thứ i , bi biểu diễn độ trải rộng hàm sở Động học mơ hình xấp xỉ miêu tả phương trình: ˆ ˆ ˆ  xm (t )  Am xm (t )  Bm u (t )  F  x  (3.20)  ˆ  y  Cm x ˆ đó: xm (t ) - véc tơ trạng thái; Am , Bm - ma trận với kích thước tương i  x   exp   x  Ci bi2 T T ˆ ˆ ứng Am  A; Bm  B; F  x   0 F  x  ; Cm  1 0 Lấy phương trình   16 (3.11) trừ cho phương trình (3.20) ta được: E (t )  Am E (t )  F  x  , (3.21) T ˆ đó, E(t )  x(t )  xm (t ); F  x   F  x   F  x   0 F  x  ;   (3.22) ˆ F  x   F  x   F  x  Quá trình hiệu 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: (3.23) V ( E,W )  ET PE  W TW với P ma trận đối xứng xác định dương Đạo hàm V (.) theo thời gian ta được: V ( E,W )  ET PE  ET PE  W TW  W TW Biết đổi thay véc tơ số vào, cuối ta có được: T V ( E,W )  ET ( Am P  PAm ) E  ET QE  (3.24) (3.30) Vậy hàm V . định nghĩa (3.23) hàm Lyapunov hệ, 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 mơ hình robot biểu diễn dạng truyền ngược cho phép sử dụng 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 dụng điều khiển RANNSMC - Tổng hợp điều khiển trượt: xét mơ hình (3.31) với fi (.) biết trước 17 Các bước Tổng hợp phần 3.2, ta có điều khiển cho khớp: (3.34) ui  K sgn(Si )   qid  qid  qi  fi (qi , qi ); i  1, 2, , n Nhưng thực tế fi (qi , qi ) (3.31) hàm phi tuyến bất định Do vậy, để sử dụng điều khiển (3.34), luận án đề xuất sử dụng cấu trúc RBFNN để xấp xỉ hàm fi (qi , qi ) , lúc ta có: ˆ (3.36) u  K sgn(S )   q  q   q  f (q , q ); i  1, 2, , n i i id id i i i i - Xấp xỉ hàm phi tuyến bất định Nhờ mạng nơ ron xấp xỉ ta có F  q, q  từ dễ dàng xác định f  q, q  theo biểu thức sau: f  q, q   F  q, q   (a21q  a22 q) (3.35) a21  0; a22  tham số chọn trước Luật cập nhật trọng số mạng: Wi  i (q, q)  p21e1  p22 e2  (3.29) Quá trình hiệu chỉnh thực sở sử dụng 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 dạng truyền ngược chặt Xét robot Scara bậc tự bao gồm có hai khớp quay khớp tịnh tiến, Các khâu 1, có khối lượng chiều 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: u j  K sgn(S j )   q jd  q jd  q j  f j với j  1, 2, , n (3.64) 3.6.3 Kết mô Các thông số robot cho sau: m1  3.27kg; m2  2.93kg; m3  2.13kg; l1  0.45m; l2  0.45m; l3  0.565 Các thông số điều khiển:  10; K  300 Quỹ đạo đặt cho khớp sau: qd  (sin(t )  esin(0.6t ) )sin(0.6t ) (rad )   sin(0.5t ) )sin(0.5t ) (rad ) qd  (sin(t )  e q  0.1sin(t ) (m)  d  - Nhiễu tải, thời điểm t   2( s); t   4( s) là:  d - Lực ma sát nhớt khô: Fmsi  3* qi  2*sgn qi (3.65)  10 10 10 (3.66) T (3.67) Lực ma sát nhiễu biểu thức (3.63) (3.64) có dạng hình 3.11 Hình 3.8: Quỹ đạo sai lệch quỹ đạo khớp 18 Hình 3.9: Quỹ đạo sai lệch quỹ đạo khớp Hình 3.10: Quỹ đạo sai lệch quỹ đạo khớp Hình 3.11: Dạng đặc tính lực ma sát nhiễu tác động lên khớp 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 công 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 thuyết Bộ điều khiển RAC xác định biểu thức sau: u(t )  uSMC (t )  uNN (t ) (4.1) ˆ kết hợp ta có Nhiệm vụ tốn tìm thành phần u ; u f 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    ˆ ˆ  g  x  z  k  t  zi  WiT Si ViT Zi     gi  xi   i 1 i 1 i 1 i được: i  (4.12) trọng số mạng nơ ron cập nhật biểu thức:   W    S  S 'V T Z z   W  ˆ ˆ ˆ ˆ wi i i i i wi i   i   T ˆ' ˆ ˆ ˆ V   vi  Z iWi Si zi   viVi     (4.15) với i  2, , n 1 Cuối đến bước thứ n có điều khiển sau: uNN   n  (4.17) ˆ ˆ   gn 1 ( xn 1 )  kn (t ) zn  WnT Sn (VnT Z n )   gn ( x )  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  x2  ;    xn  f ( x )  u  y  x1  x1 với x= (4.18) x2 xn Định nghĩa mặt trượt: S (e)  a0 e  a1 de  dt chọn hệ số  an  d n  e d n 1e  dt n  dt n 1 (4.19) đa thức đặc tính (4.20) A(s)  a0  a1s  an 2 s n   s n 1 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) (4.26) đó: D(e, , e(n1) )  e  a1e   an2e(n1)  an1w(n) (4.27) 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 )  W T S (V T Z ) (4.28) ta có hàm xấp xỉ: fi ( xi )   hi (Zi )  xi 1 zi  i ( xi 1 , zi  i 1 ) d  i 1 i ( x.i 1 , zi  i 1 )d xi 1 i ( xi )  (4.39) ˆ thay f (.)  f (.) vào (3.24) ta điều khiển trượt cho đối tượng bất định hàm: u  K sgn(S )  D(e, , e( n 1) )  fˆ ( x) (3.46) SMC 4.2 Tổng hợp RAC cho robot n bậc tự 4.2.1 Biến đổi mơ dạng truyền ngược chặt Mơ 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 Tổng hợp điều khiển RAC cho khớp Bước 1: Tính hàm điều khiển trung gian: ˆ ˆ 1  k1 (t ) z1  W1T S1 (V1T Z1 ) Trọng số ˆ ˆ W1 ,V1 cập nhật sau: ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ W1   w1[( S1  S1'V1T Z1 ) z1   w1W1 ];V1  v1[ Z1W1T S1' z1   v1W1 ] Bước 2: Chọn điều khiển: ˆ ˆ u1NN  e1  k2 (t )e2  W2T S2 (V2T Z2 ) Trọng số (4.49) (4.52) (4.53) ˆ ˆ W2 ,V2 cập nhật sau: ˆ ˆ' ˆ ˆ ˆ ˆ ˆ ˆ' ˆ W2   w2 [( S2  S2V2T Z ) z2   w2W2 ];V2  v [ Z 2W2T S2 z2   v 2W2 ] (4.57) Bước 3: ta chọn hàm: S1 (e1 )  ae1  de1 ,a 0 dt (4.58) Bước 4: Xác định điều kiện trượt dV (S ) ta chọn S  K sgn( S ); với V  S   SS  SK sgn(S )  0; K  (4.60) dt Bước 5: Xác định thành phần trượt điều khiển Kết hợp điều kiện trượt ta có: aq1d  q1d  aq1  ( fˆ1  u1 ) K sgn(S1 )   aq1d  q1d  aq1  ( fˆ1  u1 )  K sgn(S1 ) (4.61)   ˆ Vậy ta có được: u1SMC K sgn( S1 )  aq1d  q1d  aq1  f1 (4.62) Trên sở bước Tổng hợp backstepping nhờ mạng nơ ron xấp xỉ để tính hàm phi tuyến đối tượng tận dụng kết đưa vào thành phần điều khiển trượt Hàm phi tuyến bất định đối tượng xác định sau:  (q ,  e   ) h2 ( Z )  q1e2   2 d  1   22 (q1 , e2  1 )d 0 q1 (4.63) fˆ12 (q1 ,q1 )   (q1 ) Bước 6: Tổng hợp điều khiển RAC: ˆ ˆ ˆ u e1  k2 (t )e2  W2T S2 (V2T Z2 )  K sgn(S1 )  aq1d  q1d  aq1  f1 (4.64) tương tự ta xác định điều khiển cho khớp cịn 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 mơ tả 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   1 (  1 )d    ( x1 ,   1 )d  S 0 V1 V2 V3 Đạo hàm (4.65) theo thời gian ta có V  V1  V2  V3 (4.66) Cuối ta có V  k1  t  z  k2  t  z  KS sgn(S ) 2 (4.85) Với k1 (t )  0, k2 (t )  0, K  ta có: V  V12  V3  k1  t  z12  k2  t  z2  KS sgn(S )  (4.86) Ta thấy V  sai lệch biến trạng thái hệ thống không (tức đồng thời z1  0, z2  0, S  ), ta có hệ ổn định tiệm cận Như định lý chứng minh □ Sử dụng 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 hợp ANNC, RANNSMC RAC robot ba bậc tự 4.4.1 Biến đổi mơ 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 ˆ  gi1 ( xi1 ) zi1  ki (t ) zi  Wi T Si (ViT Zi )  với i  1, 2,3 2  gi ( xi )  sở tổng hợp RANNSMC mục 3.6.2, ta có: ui  (4.113) ˆ ui  K sgn(Si )   wi  wi   xi  fi (qi , qi ) với i  1, 2,3 sở tổng hợp RAC mục 4.2.2, ta có: (4.114) ˆ ˆ ui ei1  ki (t )ei  WiT Si (ViT Zi )  K sgn(Si1 )  aqi1d  qi1d  aqi1  fˆi1 (4.115) 2 với i  1, 2,3 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 lệch quỹ đạo khớp quỹ đạo đặt hàm 1(t) Hình 4.4: Quỹ đạo sai lệch quỹ đạo khớp quỹ đạo đặt hàm 1(t) Hình 4.5: Quỹ đạo sai lệch quỹ đạo khớp quỹ đạo đặt hàm 1(t) 4.4.4 Nhận xét Kết mô cho thấy hệ thống điều khiển RAC cho chất lượng bám tốt hai hệ thống điều khiển ANNC, RANNSMC 4.5 Mô khiểm chứng RAC với mơ hình robot bậc tự thiết kế phần mềm Solidworks sử dụng công cụ SimMechanics 4.5.1 Chọn 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 )  z  0.5  0.06* t  E (4.116) 4.5.1 Kết mô Quỹ đạo đặt, quỹ đạo thực tế sai lệch quỹ 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 khơng 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 cơng nghiệp 4.6 Kết luận chương Chương nghiên cứu đề xuất điều khiển thích nghi bền vững có cấu trúc song song sử dụng mạng nơ ron kết hợp điều khiển trượt cho đối tượng robot n bậc tự có mơ hình bất định kiểu hàm số, chịu ảnh hưởng nhiễu Phát biểu định lý 4.1 chứng minh tính ổn định hệ thống kín với điều khiển đề xuất Kết tổng hợp điều khiển RAC mô kiểm 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 mô cho thấy hệ thống RAC cho chất lượng tốt (từ hình 4.3 đến hình 4.5) Các kết mơ cịn hệ thống RAC có khả kháng nhiễu tốt bám quỹ đạo đặt với sai lệch nhỏ quỹ đạo đặt gần với quỹ đạo thực tế (từ hình 4.9 đến hình 4.14) KẾT LUẬN VÀ KIẾN NGHỊ - Kết luận Với nhiệm vụ đặt nghiên cứu điều khiển thích nghi phi tuyến sở mạng nơ ron nhân tạo cho robot công nghiệp có mơ hình với tham số bất định, chịu ảnh hưởng nhiễu tác động, đảm 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 thuộc tính, hướng ứng dụng 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 dụng thuật toán điều khiển thích nghi sử dụng mạng nơ ron (ANNC) cho robot n bậc tự bất định kiểu hàm số + Xây dựng điều khiển trượt nơ ron thích nghi bền vững (RANNSMC), phát biểu chứng minh định lý 3.1 (tr.73) tính ổn định cho hệ kín, mô kiểm chứng RANNSMC robot bậc 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 điều khiển sản phẩm DSP, Vi điều khiển IPC điều khiển cho robot công nghiệp  ... khiển thích nghi bền vững sở mạng nơ ron nhân tạo đề xuất luận án công cụ mềm Nội dung luận án Bố cục luận án bao gồm: phần mở đầu, chương trình bày nội dung kết nghi? ?n cứu, phần cuối kết luận kiến... công cụ phần mềm để kiểm chứng tính đắn giải thuật đề xuất luận án Ý nghĩa khoa học thực tiễn luận án - Ý nghĩa khoa học: Luận án nghi? ?n cứu đề xuất thuật tốn cấu trúc điều khiển thích nghi phi. .. khiển Do vậy, định hướng nghi? ?n cứu luận án đề xuất điều khiển thích nghi bền vững sở kết hợp điều khiển phi tuyến với mạng nơ ron nhân tạo 1.4 Kết luận Chương luận án trình bày phương pháp xây