1. Trang chủ
  2. » Luận Văn - Báo Cáo

Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot

89 629 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 89
Dung lượng 1,69 MB

Nội dung

Luận văn thạc sĩ kỹ thuật -1- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC CÔNG NGHIỆP NGUYỄN THỊ GIANG NGHIÊN CỨU ỨNG DỤNG LEARNING FEED FORWARD TRÊN CƠ SỞ ĐIỀU KHIỂN THÍCH NGHI THEO MÔ HÌNH MẪU (MRAS) ĐIỀU KHIỂN VỊ TRÍ CÁNH TAY ROBOT Chuyên ngành: Tự động hóa LUẬN VĂN THẠC SĨ KỸ THUẬT Thái Nguyên - 2013 Luận văn thạc sĩ kỹ thuật -2- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn LỜI CAM ĐOAN Tên tôi là: Nguyễn Thị Giang Sinh ngày 18 tháng 10 năm 1987 Học viên lớp cao học khoá 13 - Tự động hoá - Trường đại học kỹ thuật Công nghiệp Thái Nguyên. Hiện đang công tác tại Trường Cao đẳng nghề Cơ điện và xây dựng Bắc Ninh. Xin cam đoan luận văn “Nghiên cứu ứng dụng Learning Feed Forward (LFFC) trên cơ sở điều khiển thích nghi theo mô hình mẫu (MRAS) điều khiển vị trí cánh tay Robot ” do thầy giáo T.S Nguyễn Duy Cương hướng dẫn là công trình nghiên cứu của riêng tôi. Tất cả các tài liệu tham khảo đều có nguồn gốc, xuất xứ rõ ràng. Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng như nội dung trong đề cương và yêu cầu của thầy giáo hướng dẫn. Nếu có vấn đề gì trong nội dung của luận văn tác giả xin hoàn toàn chịu trách nhiệm với lời cam đoan của mình. Thái Nguyên, ngày tháng năm 2012 Học viên Nguyễn Thị Giang Luận văn thạc sĩ kỹ thuật -3- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn LỜI CẢM ƠN Sau thời gian nghiên cứu, làm việc khẩn trương và được sự hướng dẫn tận tình giúp đỡ của thầy giáo T.S Nguyễn Duy Cương, luận văn với đề tài “Nghiên cứu ứng dụng Learning Feed Forward (LFFC) trên cơ sở điều khiển thích nghi theo mô hình mẫu (MRAS) điều khiển vị trí cánh tay Robot” đã được hoàn thành. Tác giả xin bày tỏ lòng biết ơn sâu sắc tới: Thầy giáo hướng dẫn T.S Nguyễn Duy Cương đã tận tình chỉ dẫn, giúp đỡ tác giả hoàn thành luận văn. Thầy giáo Nguyễn Văn Chí – Bộ môn Đo lường và điều khiển tự động- Khoa Điện tử, cùng các thầy cô giáo Trường Đại học kỹ thuật công nghiệp Thái Nguyên và một số đồng nghiệp, đã quan tâm động viên, giúp đỡ tác giả trong suốt quá trình học tập để hoàn thành luận văn này. Mặc dù đã cố gắng hết sức, song do điều kiện thời gian và kinh nghiệm thực tế của bản thân còn ít, cho nên đề tài không thể tránh khỏi thiếu sót. Vì vậy, tác giả mong nhận được sự đóng góp ý kiến của các thầy giáo, cô giáo và các bạn bè đồng nghiệp. Tôi xin chân thành cảm ơn! Thái Nguyên, ngày….tháng….năm 2012 Tác giả Nguyễn Thị Giang Luận văn thạc sĩ kỹ thuật -4- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn MỤC LỤC LỜI CAM ĐOAN 1 LỜI CẢM ƠN 3 MỤC LỤC 4 DANH MỤC CÁC CHỮ VIẾT TẮT 6 DANH MỤC CÁC HÌNH VẼ 7 LỜI NÓI ĐẦU 9 CHƢƠNG 1 : TỔNG QUAN VỀ ĐIỀU KHIỂN ROBOT CÔNG NGHIỆP 11 Giới thiệu: 11 1.1.TỔNG QUAN VỀ ROBOT CÔNG NGHIỆP 11 1.1.1.Khái niệm về Robot công nghiệp 11 1.1.2. Phân loại Robot công nghiệp. 13 1.1.3. Sơ đồ tổ chức kỹ thuật của Robot. 16 1.2. PHƢƠNG TRÌNH ĐỘNG HỌC CỦA ROBOT 18 Kết luận chƣơng 1: 20 CHƢƠNG 2 : TỔNG QUAN VỀ LEARNING FEED FORWARD CONTROL (LFFC) VÀ MODEL REFERENCE ADAPTIVE YSTEM(MRAS) 21 Giới thiệu: 21 2.1. TỔNG QUAN VỀ LFFC 21 2.1.1. Giới thiệu. 21 2.1.2. Điều khiển học (Learning Control - LC) 22 2.1.3. Bộ điều khiển học sử dụng sai lệch phản hồi (Feedback Error Learning - FEL) 26 2.1.4. Learning Feed forward Control (LFFC) 33 2.2. ĐIỀU KHIỂN THÍCH NGHI THEO MÔ HÌNH MẪU 34 2.2.1. Khái quát chung 34 2.2.2. Cơ chế thích nghi 39 2.2.3. Mô hình độ nhạy: 47 2.2.4. Phƣơng pháp ổn định của Liapunov. 49 2.3. BỘ ĐIỀU KHIỂN LFFC TRÊN CƠ SỞ MRAS 61 Luận văn thạc sĩ kỹ thuật -5- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 2.3.1. Khái niệm chung 61 2.3.3. Luật điều khiển thích nghi. 65 Kết luận chƣơng 2: 70 CHƢƠNG 3 : THIẾT KẾ VÀ MÔ PHỎNG BỘ ĐIỀU KHIỂN LFFC TRÊN CƠ SỞ MRAS ĐỂ ĐIỀU KHIỂN VỊ TRÍ CÁNH TAY ROBOT 71 3.1. THIẾT KẾ BỘ ĐIỀU KHIỂN 71 3.1.1. Chọn khâu khởi tạo tín hiệu đặt 72 3.1.2. Chọn bộ điều khiển PD 72 3.1.3. Tính toán bộ điều khiển LFFC 73 3.2. Mô phỏng hệ thống 75 3.2.1. Cấu trúc mô phỏng 75 3.2.2.Kết quả mô phỏng 81 Kết luận Chƣơng 3 87 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 88 TÀI LIỆU THAM KHẢO 89 Luận văn thạc sĩ kỹ thuật -6- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC CÁC CHỮ VIẾT TẮT LC Learning Control- Bộ điều khiển học LFFC Learning Feed Forward Control MLP Multi Layer Perceptron FEL Feedback Error Learning MRAS Model Reference Adaptive System CMAC Cerebellar Model Articulation Controller Luận văn thạc sĩ kỹ thuật -7- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC CÁC HÌNH VẼ Hình Tên hình vẽ Hình 1.1 Sơ đồ hệ thống điều khiển vị trí Hình 1.2 Các dạng Robot 3 bậc tự do Hình 1.3 Sơ đồ tổ chức kĩ thuật của Robot Hình 1.4 Mô hình Robot 2 bậc tự do Hình 2.1 Cực tiểu cục bộ trong kĩ thuật học Hình 2.2 Bộ điều khiển phản hồi sai lệch Hình 2.3 Đối tượng và nhiễu phát sinh Hình 2.4 Học theo sai số phản hồi Hình 2.5 Hệ thích nghi tham số Hình 2.6 Hệ thích nghi tín hiệu Hình 2.7 Điều khiển sơ cấp và cấp hai Hình 2.8 Mô hình mẫu và đối tượng Hình 2.9a Sự thay đổi tham số b p dẫn tới sự thay đổi đáp ứng đầu ra Hình 2.9b Đáp ứng đầu ra của đối tượng (Y p ), đáp ứng mô hình mẫu (Y p1 ) và sai lệch hai đáp ứng đầu ra (e) khi thay đổi tham số b p . Hình 2.10a Bộ điều khiển thích nghi dựa vào luật MIT theo tham số K b Hình 2.10b Kết quả việc thích nghi dựa vào luật MIT theo tham số K b . Hình 2.11 Kết quả việc thích nghi của K a và K b . Hình 2.12 Việc hiệu chỉnh của K a và K b với tốc độ cao hơn của bộ thích nghi Hình 2.13 Tính phi tuyến trong hệ thống điều khiển thích nghi. Hình 2.14 Hệ thống điều khiển thích nghi dựa trên mô hình độ nhạy. K a được hiệu chỉnh để bù cho sự thay đổi của a P . Hình 2.15 Hệ thống thích nghi được thiết kế theo phương pháp ổn định Liapunov Hình 2.16 Đáp ứng đầu ra của mô hình mẫu (Y m ), mô hình đối tượng (Y p ), sai Luận văn thạc sĩ kỹ thuật -8- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn lệch (e), và tham số hiệu chỉnh (K a , K b ). Hình 2.17 Hệ thống thích nghi được thiết kế theo phương pháp ổn định Liapunov có bổ xung khâu tỷ lệ. Hình 2.18 Các đáp ứng nhận được khi tham số K a , K b bổ xung khâu tỷ lệ. Hình 2.19a MRAS cho sự thích nghi của các tham số bộ điều khiển Hình 2.19b MRAS với mô hình có thể hiệu chỉnh cho nhận dạng tham số. Hình 2.19c Cấu trúc MRAS với khâu khởi tạo tín hiệu đặt Hình 2.20 Nhận dạng mô hình ngược của đối tượng Hình 2.21 Bộ điều khiển LFFC Hình 3.1 Mô hình cánh tay robot 2 bậc tự do Hình 3.2 Sơ đồ mô phỏng Robot 2 bậc tự do Hình 3.3 Sơ đồ khối mô phỏng đối tượng Robot 2 bậc tự do Hình 3.4 Sơ đồ khối bộ điều khiển LFFC trên cơ sở điều khiển thích nghi theo mô hình mẫu. Hình 3.5 Sơ đồ khối mô phỏng toàn hệ thống Hình 3.6 Mô hình khâu khởi tạo tín hiệu đặt (Setpoint generator) Hình 3.7 Sơ đồ mô phỏng bộ điều khiển PD của 1 khâu Hình 3.8 Sơ đồ cấu trúc bộ điều khiển MRAS Hình 3.9 Tín hiệu vào của khối LFFC Hình 3.10 Đáp ứng của hệ thống khi chỉ có bộ điều khển PD tác động Hình 3.11 Tín hiệu ma sát coulomb ở chế độ quá độ Hình 3.12 Tín hiệu ma sát coulomb ở chế độ xác lập Hình 3.13 Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb Hình 3.14 Lực Viscous thực tế và lực Viscous tạo ra Hình 3.15 Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb và bù lực Viscous Luận văn thạc sĩ kỹ thuật -9- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn LỜI NÓI ĐẦU Ngày nay, điều khiển robot công nghiệp đã và đang được ứng dụng rộng rãi trong nhiều lĩnh vực sản xuất và đời sống. Để điều khiển robot đã có rất nhiều phương pháp khác nhau như dùng bộ điều khiển truyền thống PID, LQR(Linear Quadratic Regulator), LQG (Linear Quadratic Gaussian), STR (Self Tuning Regulator) Các bộ điều khiển trên được thiết kế trên cơ sở mô hình tuyến tính hoá với những thông số biết trước. Tuy nhiên Robốt là hệ cấu trúc có tính phi tuyến mạnh, các tham số không rõ và thay đổi hoặc chứa các thành phần phi tuyến. Ngoài ra trong quá trình làm việc hệ còn chịu tác động của các nhiễu bên ngoài có tham số thay đổi [8]. Do vậy đối với các robot làm việc với yêu cầu đồng thời có độ ổn định và độ chính xác cao thì các bộ điều khiển trên thể hiện các hạn chế. Hệ thống điều khiển thích nghi là hệ thống mà cấu trúc và tham số của bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao cho chất lượng đảm bảo các chỉ tiêu đã định [1], [6]. Đặc biệt hệ điều khiển Learning Feed Forward (LFFC)[2] trên cơ sở thích nghi theo mô hình mẫu (Model Reference Adaptive System: MRAS) [3], đã được nghiên cứu và thiết kế ứng dụng trong thực tế [7],[4]. Bộ điều khiển này có ưu điểm là có khả năng kháng nhiễu hệ thống (System Noise) có hiệu quả, nhờ đó độ chính xác và độ ổn định của hệ có thể đồng thời đạt được. Việc ứng dụng Learning Feed Forward trên cơ sở MRAS để điều khiển vị trí cánh tay rôbốt sẽ nâng cao chất lượng của hệ thống. Vì vậy tác giả lựa chọn đề tài ”Nghiên cứu ứng dụng Learning Feed - Forward (LFFC) trên cơ sở điều khiển thích nghi theo mô hình mẫu (MRAS) điều khiển vị trí cánh tay Robot” Luận văn tập trung nghiên cứu xây dựng bộ điều khiển vị trí cánh tay robot dựa trên các lý thuyết cơ bản về bộ điều khiển LFFC trên cơ sở MRAS Phương pháp nghiên cứu của đề tài như sau: - Nghiên cứu lý thuyết và xây dựng mô hình toán của robot, thiết kế bộ điều khiển. - Kiểm chứng kết quả thiết kế thông qua mô phỏng bằng phần mềm Matlab Simulink Luận văn thạc sĩ kỹ thuật -10- Chuyên ngành tự động hóa Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Luận văn bao gồm các phần chính như sau: Chương 1: Tổng quan về điều khiển Rôbốt công nghiệp. Chương 2: Tổng quan về LFFC và MRAS Chương 3: Thiết kế bộ điều khiển và mô phỏng hệ thống điều khiển vị trí robot 2 khâu ứng dụng LFFC trên cơ sở MRAS. Kết luận và hướng phát triển của đề tài. Thái Nguyên, ngày tháng năm 2012 Học viên Nguyễn Thị Giang [...]... cần mô hình mở rộng Cách hoạt động của một bộ FEL được so sánh với cách hoạt động của hệ thống điều khiển thích nghi Kết luận rằng, trong trường hợp mô hình đối tượng chính xác được sử dụng trong các hệ thống điều khiển thích nghi, quá trình bám của bộ điều khiển thích nghi và của bộ điều khiển FEL là tương tự như nhau Khi FEL hội tụ chậm hơn bộ điều khiển thích nghi, trong tình huống này bộ điều khiển. .. tự động hóa 2.2 ĐIỀU KHIỂN THÍCH NGHI THEO MÔ HÌNH MẪU Hệ thống điều khiển thích nghi là hệ thống mà cấu trúc và tham số của bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao cho đảm bảo các chỉ tiêu đã định Hệ thống điều khiển thích nghi theo mô hình mẫu có nhiều dạng khác nhau Chúng ta bắt đầu bằng một cách tiếp cận trực giác, chỉ ra rằng các ý tưởng hồi tiếp cơ sở giúp chúng ta... phương pháp điều khiển Có 2 kiểu điều khiển là điều khiển hở và điều khiển kín - Điều khiển hở, dùng truyền động bước (dùng động cơ điện hoặc động cơ thủy lực, khí nén ) mà quãng đường hoặc góc dịch chuyển tỉ lệ với số xung điều khiển Kiểu này đơn giản nhưng độ chính xác thấp - Điều khiển kín (điều khiển servo) sử dụng tín hiệu phản hồi vị trí để tăng độ chính xác điều khiển Có 2 kiểu điều khiển kín là... bộ điều khiển feed- forward Để bù chính xác cho hệ thống động học và nhiễu tái sinh, yêu cầu cần phải có một mô hình chi tiết Sự không chính xác về mô hình có thể làm cho bộ điều khiển feed- forward vận hành kém Khi một mô hình chính xác khó có thể xác định được, thì một phương pháp thay thế có thể được thực hiện Thay vì đi thiết kế một bộ điều khiển feed- forward dựa trên những đặc điểm cơ bản của mô hình. .. dựa trên sự khác nhau giữa: - Những hệ thống với sự điều chỉnh trực tiếp của các tham số của bộ điều khiển, không cần nhận dạng rõ ràng các tham số của đối tượng (điều khiển thích nghi trực tiếp) - Những hệ thống với sự điều chỉnh gián tiếp của các tham số bộ điều khiển, không cần nhận dạng rõ ràng các tham số của đối tượng (điều khiển thích nghi gián tiếp) Các hệ thống điều khiển thích nghi mô hình mẫu, ... của bộ xấp xỉ, điều này sẽ làm thay đổi bộ điều khiển LC từ chỗ hoàn toàn là 1 bộ điều khiển feed- forward nguyên bản chuyển sang bộ điều khiển feed- forward dưới đây Các thí nghi m đã chỉ ra rằng bộ LC này khắc phục được một số lỗi của bộ điều khiển FEL gốc r n    r Hàm xấp xỉ + r + C + P y - Hình 2.4 Học theo sai số phản hồi Phương thức thứ 2 là sử dụng nhiều bộ điều khiển feed- forward, mỗi một... BỘ ĐIỀU KHIỂN Tín hiệu điều khiển Quỹ đạo thực ROBOT HỆ THỐNG ĐO (CÁC SENSOR) Hình 1.1 Sơ đồ hệ thống điều khiển vị trí Sơ đồ Hình 1.1 là sơ đồ điển hình của hệ thống điều khiển vị trí, trên sơ đồ thể hiện các vị trí và tốc độ của khớp thường được đo bởi các sensor như chiết áp, máy phát tốc, các thiết bị mã hoá Các tín hiệu ra được đưa đến khối điều khiển tạo ra tín hiệu điều khiển, điều khiển các... PHƢƠNG TRÌNH ĐỘNG HỌC CỦA ROBOT Với robot công nghi p có nhiều loại khác nhau và sử dụng nhiều luật điều khiển khác nhau Trong khuôn khổ luận văn này tác giả khảo sát robot 2 bậc tự do dùng Feedback kết hợp LFFC (Learning Feedforward Control) trên cơ sở điều khiển thích nghi theo mô hình mẫu( MRAS) Phương trình động học của robot hai bậc tự do được miêu tả bởi công thức sau: [2]        M  ... mẫu, hầu hết đều sử dụng MRAC hoặc MRAS, chủ yếu được áp dụng cho điều khiển thích nghi trực tiếp Tuy nhiên, dưới đây sẽ chứng minh ứng dụng của MRAS để nhận dạng hệ thống Triết lý cơ bản đối với ứng dụng của MRAS là hiệu suất mong muốn của hệ thống được đưa ra bởi một mô hình toán học, mô hình mẫu Khi hoạt động của mạch khác với hoạt động “lý tưởng”, mà được xác định bởi mô hình mẫu, đối tượng sẽ được... cận đa mô hình Đầu ra của tất cả các mô hình trong ngân hàng của các mô hình được so sánh với đầu ra của đối tượng được điều khiển Một bộ điều khiển có thể được thiết kế và thực hiện dựa trên mô hình mà đầu ra của nó tương đồng nhất với đầu ra của đối tượng Trong thực tế không thể áp dụng điều khiển feedfoward hoặc gain scheduling đối với nhiều biến khác nhau Một vài dạng của hệ thống thích nghi, hiểu . Forward (LFFC) trên cơ sở điều khiển thích nghi theo mô hình mẫu (MRAS) điều khiển vị trí cánh tay Robot Luận văn tập trung nghi n cứu xây dựng bộ điều khiển vị trí cánh tay robot dựa trên các. ĐẠI HỌC CÔNG NGHI P NGUYỄN THỊ GIANG NGHI N CỨU ỨNG DỤNG LEARNING FEED FORWARD TRÊN CƠ SỞ ĐIỀU KHIỂN THÍCH NGHI THEO MÔ HÌNH MẪU (MRAS) ĐIỀU KHIỂN VỊ TRÍ CÁNH TAY ROBOT Chuyên. ứng dụng Learning Feed Forward trên cơ sở MRAS để điều khiển vị trí cánh tay rôbốt sẽ nâng cao chất lượng của hệ thống. Vì vậy tác giả lựa chọn đề tài Nghi n cứu ứng dụng Learning Feed - Forward

Ngày đăng: 20/11/2014, 19:54

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1]. Nguyễn Doãn Phước,Phan Xuân Minh: Điều khiển tối ưu và bên vững, NXB Khoa học kĩ thuật, 1999 Sách, tạp chí
Tiêu đề: Điều khiển tối ưu và bên vững
Nhà XB: NXB Khoa học kĩ thuật
[2]. W.J.R. Velthuis. Learning feed-forward control: theory, design and application. Phd thesis, University of Twente, Enschede, the Netherlands, 2000 Sách, tạp chí
Tiêu đề: Learning feed-forward control: theory, design and "application
[3]. Amerongen, J.van; Intelligent Control (part 1)- MRAS, Lecture notes; University of Twente, The Netherlands, March, 2004 Sách, tạp chí
Tiêu đề: Intelligent Control (part 1)- MRAS
[4]. Amerongen, J.van; A MRAS- based Learning Feed Forward controller; University of Twente, The Netherlands, March, 2006 Sách, tạp chí
Tiêu đề: A MRAS- based Learning Feed Forward controller
[5]. Nguyễn Doãn Phước, Phan Xuân Minh, Hán Thành Trung: Lý thuyết điều khiển phi tuyến, NXB Khoa học & kỹ thuật, 2006 Sách, tạp chí
Tiêu đề: Lý thuyết điều khiển phi tuyến
Nhà XB: NXB Khoa học & kỹ thuật
[6] Karl J.Astrom & Bjorn Wittenmark; Adaptive control, Addison-Wesley Publishing Company, 1995 Sách, tạp chí
Tiêu đề: Adaptive control
[7]. Amerongen, J.van; Adaptive steering of ships- a model reference approach, Automatica 20 Sách, tạp chí
Tiêu đề: Adaptive steering of ships- a model reference approach
[8]. Phạm Đăng Phước;Rôbốt công nghiệp; NXB Khoa học kĩ thuật Sách, tạp chí
Tiêu đề: Rôbốt công nghiệp
Nhà XB: NXB Khoa học kĩ thuật

Xem thêm

HÌNH ẢNH LIÊN QUAN

Sơ đồ Hình 1.1 là sơ đồ điển hình của hệ thống điều khiển vị trí, trên sơ đồ thể hiện các vị trí và tốc độ của khớp thường được đo bởi các sensor như chiết áp, máy phát tốc, các thiết bị mã hoá.. - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 1.1 là sơ đồ điển hình của hệ thống điều khiển vị trí, trên sơ đồ thể hiện các vị trí và tốc độ của khớp thường được đo bởi các sensor như chiết áp, máy phát tốc, các thiết bị mã hoá (Trang 12)
1.1.3. Sơ đồ tổ chức kỹ thuật của Robot. - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
1.1.3. Sơ đồ tổ chức kỹ thuật của Robot (Trang 16)
Hình 2.4. Học theo sai số phản hồi - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.4. Học theo sai số phản hồi (Trang 31)
Hình 2.5. Hệ thích nghi tham số - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.5. Hệ thích nghi tham số (Trang 37)
Hình 2.7. Điều khiển sơ cấp và cấp hai - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.7. Điều khiển sơ cấp và cấp hai (Trang 38)
Hình 2.8. Mô hình mẫu và đối tượng - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.8. Mô hình mẫu và đối tượng (Trang 39)
Hình 2.9b: Đáp ứng đầu ra của đối tượng (Y p ), đáp ứng mô hình mẫu (Y p1 ) và - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.9b Đáp ứng đầu ra của đối tượng (Y p ), đáp ứng mô hình mẫu (Y p1 ) và (Trang 41)
Hình 2.10b: Kết quả việc thích nghi dựa vào luật MIT theo tham số K b . - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.10b Kết quả việc thích nghi dựa vào luật MIT theo tham số K b (Trang 42)
Hình 2.11: Kết quả việc thích nghi của K a và K b . - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.11 Kết quả việc thích nghi của K a và K b (Trang 44)
Hình 2.12: Việc hiệu chỉnh của K a và K b với tốc độ cao hơn của bộ - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.12 Việc hiệu chỉnh của K a và K b với tốc độ cao hơn của bộ (Trang 45)
Hình 2.13: Tính phi tuyến trong hệ thống điều khiển thích nghi. - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.13 Tính phi tuyến trong hệ thống điều khiển thích nghi (Trang 46)
Hình 2.14: Hệ thống điều khiển thích nghi dựa trên mô hình độ nhạy. K a - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.14 Hệ thống điều khiển thích nghi dựa trên mô hình độ nhạy. K a (Trang 49)
Hình 2.15: Hệ thống thích nghi được thiết kế theo phương pháp ổn định Liapunov - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.15 Hệ thống thích nghi được thiết kế theo phương pháp ổn định Liapunov (Trang 56)
Hình 2.16: Đáp ứng đầu ra của mô hình mẫu (Y m ), mô hình đối tượng (Y p ), - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.16 Đáp ứng đầu ra của mô hình mẫu (Y m ), mô hình đối tượng (Y p ), (Trang 57)
Hình 2.18 Các kết quả với luật thích nghi tỷ lệ tích phân α 1 =60, α P =120, β 1 =10, β P = 20 - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
nh 2.18 Các kết quả với luật thích nghi tỷ lệ tích phân α 1 =60, α P =120, β 1 =10, β P = 20 (Trang 59)
Hình 2.19a: MRAS cho sự thích nghi của các tham số bộ điều khiển - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.19a MRAS cho sự thích nghi của các tham số bộ điều khiển (Trang 62)
Hình 2.19b: MRAS với mô hình có thể hiệu chỉnh cho nhận dạng tham số. - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.19b MRAS với mô hình có thể hiệu chỉnh cho nhận dạng tham số (Trang 63)
Hình 2.20: Nhận dạng mô hình ngược của đối tượng - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.20 Nhận dạng mô hình ngược của đối tượng (Trang 64)
Hình 2.21: Bộ điều khiển LFFC - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 2.21 Bộ điều khiển LFFC (Trang 65)
Hình 3.2. Sơ đồ mô phỏng Robot 2 bậc tự do - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 3.2. Sơ đồ mô phỏng Robot 2 bậc tự do (Trang 75)
Sơ đồ khối bộ điều khiển LFFC: - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Sơ đồ kh ối bộ điều khiển LFFC: (Trang 78)
Hình 3.6. Mô hình khâu khởi tạo tín hiệu đặt (Setpoint generator) - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 3.6. Mô hình khâu khởi tạo tín hiệu đặt (Setpoint generator) (Trang 79)
4. Sơ đồ cấu trúc bộ điều khiển MRAS - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
4. Sơ đồ cấu trúc bộ điều khiển MRAS (Trang 80)
Hình 3.9. Tín hiệu vào của khối LFFC a-theta; b-theta_1dot; c-sgn theta_1dot; d-theta_2dot - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 3.9. Tín hiệu vào của khối LFFC a-theta; b-theta_1dot; c-sgn theta_1dot; d-theta_2dot (Trang 81)
Hình 3.10. Đáp ứng của hệ thống khi chỉ có bộ điều khển PD tác động - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 3.10. Đáp ứng của hệ thống khi chỉ có bộ điều khển PD tác động (Trang 82)
Hình 3.11. Tín hiệu ma sát coulomb ở chế độ quá độ - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 3.11. Tín hiệu ma sát coulomb ở chế độ quá độ (Trang 83)
Hình 3.13: Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 3.13 Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb (Trang 84)
Hình 3.14. Lực Viscous thực tế và lực Viscous tạo ra - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 3.14. Lực Viscous thực tế và lực Viscous tạo ra (Trang 85)
Hình 3.15: Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb và bù - Nghiên cứu ứng dụng Learning Feed Forward trên cơ sở điều khiển thích nghi theo mô hình mẫu (Mras) điều khiển vị ytis cánh tay Robot
Hình 3.15 Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb và bù (Trang 86)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

Bộ điều khiển học sử dụng sai lệch phản hồi (Feedback Error Khái quát chung Cơ chế thích nghi Mô phỏng hệ thống

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w