ứng dụng mạng nơron để điều khiển robot rắn

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN KIM SUYÊN ỨNG DỤNG MẠNG NƠRON ĐỂ ĐIỀU KHIỂN ROBOT RẮN S K C 0 9 NGÀNH: KỸ THUẬT ĐIỆN – 60 52 50 S KC 0 2 Tp Hồ Chí Minh, tháng 04 năm 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH  LUẬN VĂN THẠC SĨ NGUYỄN KIM SUYÊN ỨNG DỤNG MẠNG NƠRON ĐỂ ĐIỀU KHIỂN ROBOT RẮN NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 Tp Hồ Chí Minh, tháng 04/ 2014 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH  LUẬN VĂN THẠC SĨ NGUYỄN KIM SUYÊN ỨNG DỤNG MẠNG NƠRON ĐỂ ĐIỀU KHIỂN ROBOT RẮN NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 Hướng dẫn khoa học: TS NGUYỄN MINH TÂM Tp Hồ Chí Minh, tháng 04/ 2014 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƯỢC Họ & tên: NGUYỄN KIM SUYÊN Giới tính: Nam Ngày, tháng, năm sinh: 08/ 01/ 1988 Nơi sinh: Phú Yên Quê quán: Phú Yên Dân tộc: Kinh Chỗ riêng địa liên lạc: 24, Tân lập 1, P Hiệp Phú, Quận 9, TP HCM Điện thoại quan: 0837313513 Điện thoại nhà riêng: 0978145643 Fax: E-mail: suyenhitc@gmail.com; nguyenkimsuyen@hitu.edu.vn II QUÁ TRÌNH ĐÀO TẠO Trung học phổ thông: Thời gian đào tạo từ: 09/ 2004 đến 09/ 2006 Nơi học: Trường trung học phổ thông Lê Trung Kiên, tỉnh Phú Yên Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/ 2006 đến 03/ 2011 Nơi học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh Ngành học: Kỹ thuật Điện- Điện tử Tên đồ án tốt nghiệp: “XÂY DỰNG BỘ ĐIỀU KHIỂN MỜ VỚI SỰ HỖ TRỢ CỦA MATLAB” Ngày nơi bảo vệ đồ án tốt nghiệp: 01/ 2011 Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh Người hướng dẫn: Th.s NGUYỄN VIỆT HÙNG i III QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC Thời gian Nơi công tác Công việc đảm nhiệm 03/ 2011 đến Khoa Điện- Điện tử, Trường Cao đẳng Công thương Thành phố Hồ Chí Minh Giảng viên ii LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chưa công bố công trình khác Tp Hồ Chí Minh, ngày 03 tháng 03 năm 2014 (Ký tên ghi rõ họ tên) NGUYỄN KIM SUYÊN iii LỜI CẢM TẠ Tác giả chân thành cảm ơn TS Nguyễn Minh Tâm- Phó Khoa Điện- Điện tử, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, người thầy định hướng trực tiếp hướng dẫn tác giả hoàn thành luận văn Tác giả chân thành cảm ơn quý thầy cô Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh trang bị cho tác giả kiến thức tảng làm sở cho luận văn Tác giả chân thành cảm ơn Ban giám hiệu Quý thầy cô Khoa Điện – Điện Tử, Trường Cao đẳng Công thương Thành phố Hồ Chí Minh tạo điều kiện để tác giả học tập hoàn thành luận văn Tác giả chân thành cảm ơn NGƯT, TS Nguyễn Thạc San- nguyên Phó hiệu trưởng Trường Cao đẳng Công thương Thành phố Hồ Chí Minh có góp ý sâu sắc cho tác giả phương pháp luận nghiên cứu Tác giả chân thành cảm ơn tất bạn học viên động viên giúp tác giả hoàn thành luận văn Tp HCM, ngày 03 tháng 03 năm 2014 Người thực NGUYỄN KIM SUYÊN iv TÓM TẮT Robot hướng nghiên cứu trọng tâm thập niên gần đây, ứng dụng rộng rãi lĩnh vực như: nghiên cứu, sản xuất, giáo dục Đặc biệt, đối tượng thích nghi với nhiều môi trường phức tạp đẩy mạnh nghiên cứu, robot rắn hướng nghiên cứu Robot rắn hệ thống phi tuyến, nhiều biến, phương trình toán phức tạp Để điều khiển hệ thống cách ổn định đòi hỏi điều khiển phải thích nghi theo đặc tính động đối trượng Vì vậy, tác giả lựa chọn đề tài “Ứng dụng mạng Nơron để điều khiển robot rắn” Mục tiêu đề tài phải kết hợp được: (1)- đặc tính ổn định điều khiển PID (2)- khả đáp ứng tốt mạng Nơron để tạo thành điều khiển RBFNN- PID thích nghi phù hợp với hệ thống robot rắn Từ đó, thiết kế thi công mô hình thực để kiểm chứng hoạt động robot rắn Bằng phương pháp nghiên cứu lý thuyết, tác giả lựa chọn mạng Nơron RBF để ứng dụng vào điều khiển robot rắn mạng Nơron RBF mạng Nơron hồi qui, liên kết Nơron tạo thành chu trình, thông tin Nơron truyền lại cho nên góp phần tác động vào chúng tạo khả lưu trữ trạng thái dạng ngưỡng kích hoạt trọng số liên kết Nơron Tính chất mạng không chứa sai số tích lũy thích hợp với toán điều khiển công nghệ robot Đặc biệt, mạng Nơron RBF có thời gian đáp ứng nhanh đảm bảo hội tụ đến cực trị toàn cục sai số trung bình phương Về mặt thực tiễn, ứng dụng thành công điều khiển RBFNN- PID vào đối tượng robot rắn tạo hệ thống thiết thực để điều khiển, khảo sát, giám sát, đo lường điều khiển hệ thống môi trường phức tạp Kết đạt đề tài, tác giả xây dựng thành công điều khiển RBFNN- PID Thông qua mô phần mềm Matlab, có so sánh kết điều khiển RBFNN- PID điều khiển PID túy thời gian đáp ứng, độ vọt lố, độ bám hướng vận tốc điều kiện: chuẩn (các thông v số ban đầu); thay đổi môi trường (hệ số ma sát); thay đổi thông số robot (chiều dài, khối lượng); thay đổi vận tốc điều khiển RBFNN- PID thích nghi điều khiển PID túy Từ kết mô phỏng, tác giả thiết kế thi công thành công robot rắn để kiểm chứng kết mô phỏng, hệ thống hoạt động tương đối thích nghi ổn định Với kết đạt được, đề tài đóng góp hướng nghiên cứu robot rắn: kết hợp hai điều khiển Nơron PID tạo thành điều khiển thích nghi với đối tượng phi tuyến, với mô hình đề tài thiết kế thành công góp phần nâng cao hiệu công tác giảng dạy, học tập nghiên cứu vi ABSTRACT Robot is a central research direction in recent decades, has been largely used in many fields such as: research, production, education Especially, for those who adapt which many complex environments is being accelerated researching, in which snake robot is a new research direction Snake robot is a non-linear system, many variables, complicated mathematical equations To control the system steadily requires that the controller must adapt according to the behaviors of system dynamics Therefore, author selected the topic "Neural Network Application to Control Snake Robot" The aim of the research is to combine: (1) - steady feature of PID controller and (2) - the ability for respond well to form RBFNN- PID controller adapting in accordance with snake robot system Since then, design and construct a real model to verify the snake robot operation By the theoretical research methods, author has selected RBF-Neural Network to apply on controlling snake robot due to RBF-Neural Network is a neural regression network, the neural links forming cycle, the information of neurons are transmitted to itself, so it have contributed to them and create the ability for storage status under integral activation threshold except the weights link neurons The network nature is not contained accumulated error so that it’s very suit with control and robot technology In particular, RBF-Neural Network has fast response time and always ensure converge to the global extreme values of the average square error Regarding to reality side, the successful application of RBFNN - PID controller on snake robot object will create a very practical system to control, survey, monitor, measure and control systems in the complex environment Main results achieved by the subject that author has successfully built RBFNN-PID controller Through simulation on Matlab software, which compares results between RBFNN-PID controller and PID controller purely about response times, overshooting, adhesion of direction and velocity in the following conditions: vii 4.2.2.2 Mô hình hệ thống Mô hình thực tế hệ thống: Hình 4.9 Mô hình thực tế hệ thống 101 Chương KẾT LUẬN VÀ KHUYẾN NGHỊ 5.1 Kết luận 5.1.1 Những kết đạt Theo mục tiêu đề tài, tác giả hoàn thành tốt hai mục tiêu sau:  Xây dựng điều khiển RBFNN- PID việc thiết kế thi công robot rắn  Thiết kế thi công robot rắn theo điều khiển RBFNN- PID Để đạt hai kết ấy, tác giả đạt số kết cụ thể sau:  Đã lựa chọn phương trình toán hiệu vào việc điều khiển robot rắn  Đã vận dụng phương pháp điều khiển đường cong Serpenoid với robot rắn  Đã vận dụng hệ thống điều khiển PID vào robot rắn  Đã thiết kế hệ thống điều khiển RBFNN- PID vào robot rắn  Đã mô thành công chuyển động robot rắn ứng dụng  Đã thiết kế thi công mô hình robot rắn theo điều khiển RBFNN- PID Với kết đạt luận văn này, mang lại giá trị sau:  Giá trị khoa học: + Đề tài đóng góp hướng nghiên cứu robot rắn: kết hợp hai điều khiển PID Nơron + Bộ điều khiển kết hợp mà đề tài xây dựng kiểm nghiệm thực tế di chuyển ổn định, hiệu robot rắn không gian hai chiều Nói cách khác, giả thiết đề tài nêu chứng minh + Trên sở lí thuyết đề tài này, nghiên cứu thêm thiết kế robot rắn làm nhiệm vụ khó khăn không gian 102 ba chiều như: leo trèo, vượt qua chướng ngại vật, lấy vật khó ngóc ngách Nói khác, đề tài mở tiền đề lí thuyết để tiếp tục nghiên cứu hiệu di chuyển robot rắn  Giá trị thực tiễn: + Đề tài thiết kế thi công robot rắn di chuyển ổn định, hiệu theo điều khiển RBFNN- PID không gian hai chiều, cụ thể là: di chuyển tốt hơn, hiệu so với robot rắn di chuyển theo điều khiển PID; bảo vệ không thấm nước robot rắn di chuyển theo điều khiển RBFNN- PID lội qua sinh lầy + Đề tài gợi mở việc thiết kế thi công robot rắn thực nhiệm vụ khó khăn không gian ba chiều dựa hướng nghiên cứu kết hợp RBFNN- PID + Về công tác giảng dạy học tập, đề tài có ý nghĩa thiết thực vào việc kích thích hướng nghiên cứu cho sinh viên, vào việc bổ sung kiến thức vào việc định hướng tập giảng cụ thể môn chuyên ngành 5.1.2 Những mặt hạn chế Bên cạnh kết đạt được, đề tài số hạn chế sau:  Vì không chuyên môn khí nên hệ thống khí đề tài chưa hoàn chỉnh  Robot rắn hoạt động môi trường khô, chưa lội sình lầy chưa có hệ thống bảo vệ bên 103 5.2 Khuyến nghị Để phát triển đề tài, tác giả có bốn kiến nghị sau:  Nghiên cứu, xây dựng phương trình điều khiển robot rắn không gian ba chiều  Nghiên cứu phương pháp điều khiển robot rắn chuyển động theo nhiều quỹ đạo khác nhau, thích nghi với môi trường  Nghiên cứu điều khiển hệ thống online, tránh vật cản  Cập nhật vài nội dung cụ thể giảng môn: đo lường điều khiển máy tính, hệ thống điều khiển thông minh 104 TÀI LIỆU THAM KHẢO TIẾNG VIỆT Nguyễn Chí Ngôn, Đặng Tín, “ Điều khiển PID nơron thích nghi dựa nhận dạng nơron mờ hồi qui áp dụng cho hệ bóng” Tạp chí Khoa học 2011:20a 159-168 Đặng Thị Thu Hiền, “Bài toán nội suy mạng Nơron RBF” Luận án tiến sĩ Đại học quốc gia Hà Nội 2009 Lê Tiến Mười, “Mạng Nơron RBF ứng dụng nhận dạng chữ viết tay” khóa luận tốt nghiệp Đại học quốc gia Hà Nội 2009 Nguyễn Thị Phương Hà- Huỳnh Thái Hoàng “Lý thuyết điều khiển tự động”, NXB Đại học quốc gia Tp HCM TS Nguyễn Như Hiền- TS Lại Khắc Lãi “Hệ mờ Nơron kĩ thuật điều khiển”, NXB Khoa học tự nhiên công nghệ Hà Nội 2007 TIẾNG NƯỚC NGOÀI M Saito, M Fukaya and T Iwasaki, Serpentine locomotion with robotic snake, IEEE Control Systems Magazine, Vol.22, No.1, pp.64-81, 2002 P Prautsch, T Mita, and T Iwasaki, Analysis and control of a gait of snake robot, Transactions of IEEJ, Industry Applications Society, Vol.120-D, No.3, pp.372-381, 2000 Y Shan and Y Koren, Design and motion planning of a mechanical snake, IEEE Trans Sys Man Cyb, vol.23, no.4, pp.1091–1100, 1993 M Nilsson, Snake robot free climbing, IEEE Control Systems Magazine, vol.18, no.1, pp.21–26, 1998 10 Jim Ostrowski, Joel Burdick, Improvement of Manipulability for Locomotion of a Snake Robot by Mass Dirtribution, in SICE 2002, Aug, OSAKA,page 105 2214 – 2217 11 Shugen MA, Hiroaki ARAYA, LiLY, Development of a Creeping SnakeRobot, Department of Systems Engineering, Ibaraki University, Hitachi- Shi, 316- 8511 JAPAN 2001 12 Mitsue Kato, Shoichiro Fujisawa, A Skill-Based PID Controller Using Artificial Nơron Networks, IEEE, 2005 13 F Shahraki, M.A Fanaei, A.R Arjomandzadeh, Adaptive System Control with PID Nơron Networks, IEEE, 2006 14 Leila Fallah Araghi, M Habibnejad Korayem, Amin Nikoobin, Farbod Setoudeh, Nơron Network Controller Based on PID Controller for Two linksRobotic Manipulator Control, Proceedings of the World Congress on Engineering and Computer Science 2008 WCECS 2008, San Francisco, USA, 2008 15 Liu Luoren, Luo Jinling, Research of PID Control Algorithm Based on Nơron Network, ESEP 2011, Singapore 9-10 December 2011 16 Ming-guang Zhang, Ming-hui Qiang, Study of PID Nơron Network Control for Nonlinear System, IEEE, 2006 106 PHỤ LỤC Các hàm Matlab điều khiển 1.1 Phuong trinh trang thai function y=snake(x) n=6; ct=0.1; cn=10; m0=0.3; l=1; A=zeros(n-1,n); A(1:n-1,1:n-1)=eye(n-1)+diag(ones(n-2,1),1); A(n-1,n)=1; %Ma tran D D=zeros(n-1,n); D(1:n-1,1:n-1)=eye(n-1)-diag(ones(n-2,1),1); D(n-1,n)=-1; %Ma tran he so dung heso_d=ones(n,1); %Ma tran he so ngang heso_n=ones(1,n); %Ma tran he so cheo heso_c=diag(heso_n); %Cac ma tran tham so e=ones(n,1); E=[e zeros(size(e)); zeros(size(e)) e]; Ct=ct*heso_c; 107 Cn=cn*heso_c; L=l*heso_c; M=m0*heso_c; J=m0*(l^2)/3*heso_c; Df=[Ct*M zeros(size(Ct*M));zeros(size(Cn*M)) Cn*M]; Dto=Cn*J; H=L*A'*inv(D*inv(M)*D')*A*L; N=inv(M)*D'*inv(D*inv(M)*D')*A*L; m=n*m0; %Cac ma tran co chua bien theta theta=x(1:6); sintheta=diag(sin(theta)); costheta=diag(cos(theta)); ohmtheta=[costheta -sintheta;sintheta costheta]; Q=[sintheta*N' -costheta*N']'; C=sintheta*H*costheta-costheta*H*sintheta; F=J+sintheta*H*sintheta+costheta*H*costheta; %He phuong trinh trang thai y(1:8) = (9:16); RSP=[Dto zeros(6,2);zeros(2,8)]+[Q';E']*ohmtheta*Df*ohmtheta'*[Q E]; y(9:16)=inv([Fzeros(6,2); zeros(2,6)m*eye(2,2)])*(-[C*(x(9:14).*x(9:14)); zeros(2,1)]-RSP*x(9:16)+[D'; zeros(2,5)]*x(17:21)); 1.2 Tinh si function y=si(x) y=(x(1)+x(2)+x(3)+x(4)+x(5)+x(6))/6; 1.3 Tinh van toc function y=v(x) 108 y=x(2)*cos(x(1))+x(3)*sin(x(1)); 1.4 Tinh x_y function y=Tinh_xy(x) n=6; ct=0.1; cn=10; m0=0.3; l=1; A=zeros(n-1,n); A(1:n-1,1:n-1)=eye(n-1)+diag(ones(n-2,1),1); A(n-1,n)=1; %Ma tran D D=zeros(n-1,n); D(1:n-1,1:n-1)=eye(n-1)-diag(ones(n-2,1),1); D(n-1,n)=-1; %Ma tran he so dung heso_d=ones(n,1); %Ma tran he so ngang heso_n=ones(1,n); %Ma tran he so cheo heso_c=diag(heso_n); %Cac ma tran tham so e=ones(n,1); E=[e zeros(size(e)); zeros(size(e)) e]; Ct=ct*heso_c; 109 Cn=cn*heso_c; L=l*heso_c; M=m0*heso_c; J=m0*(l^2)/3*heso_c; Df=[Ct*M zeros(size(Ct*M)); zeros(size(Cn*M)) Cn*M]; Dto=Cn*J; H=L*A'*inv(D*inv(M)*D')*A*L; N=inv(M)*D'*inv(D*inv(M)*D')*A*L; m=n*m0; T=[D;e'*M/m]; theta=x(1:6); wx=x(7); wy=x(8); y(1:6)=inv(T)*[-A*L*cos(theta);wx]; y(7:12)=inv(T)*[-A*L*sin(theta);wy]; 1.5 Snake robot function [sys,x0]=SnakeRobot(t,x,u,flag,ts); global PendAnim2 if flag==2, if any(get(0,'Children')==PendAnim2), if strcmp(get(PendAnim2,'Name'),'Snake Robot'), set(0,'currentfigure',PendAnim2); hndl=get(gca,'UserData'); l1=0.1; l2=0.1;l3=0.1;l4=0.1;l5=0.1;l6=0.1; x00=u(7)-l1*cos(u(1)); y00=u(13)-l1*sin(u(1)); x1=u(8)-l2*cos(u(2)); y1=u(14)-l2*sin(u(2)); 110 x2=u(9)-l3*cos(u(3)); y2=u(15)-l3*sin(u(3)); x3=u(10)-l4*cos(u(4)); y3=u(16)-l4*sin(u(4)); x4=u(11)-l5*cos(u(5)); y4=u(17)-l5*sin(u(5)); x5=u(12)-l6*cos(u(6)); y5=u(18)-l6*sin(u(6)); x6=u(12)+l6*cos(u(6)); y6=u(18)+l6*sin(u(6)); x=[x00 x1 x1 x2 x2 x3 x3 x4 x4 x5 x5 x6]; y=[y00 y1 y1 y2 y2 y3 y3 y4 y4 y5 y5 y6]; plot(u(19),u(20),'Marker','.','color','b'); set(hndl,'XData',x,'YData',y); drawnow; end end sys=[]; elseif flag==0, animinit('Snake Robot'); [flag,PendAnim2] = figflag('Snake Robot'); bbb = axes('Parent',PendAnim2,'Box','on', 'Color',[1 1], 'Position',[0.05 0.05 0.7 1], 'Tag','Axes1', 'XColor',[0 0], 'YColor',[0 0]); axis([-40 40 -40 40]); hold on; l1=0.1; l2=0.1;l3=0.1;l4=0.1;l5=0.1;l6=0.1; 111 x00=0; y00=-5; x1=x00+l1; y1=y00+l2; x2=x1+l2; y2=y1+l2; x3=x2+l3; y3=y2+l3; x4=x3+l4; y4=y3+l4; x5=x4+l5; y5=y4+l5; x6=x5+l6; y6=y5+l6; x=[x00 x1 x1 x2 x2 x3 x3 x4 x4 x5 x5 x6]; y=[y00 y1 y1 y2 y2 y3 y3 y4 y4 y5 y5 y6]; hndl=plot(x,y, 'EraseMode','background', 'Color','g', %[0.11 0.84 0.56] 'LineWidth',5, 'Marker','.', 'MarkerSize',30); set(gca,'DataAspectRatio',[1 1]); set(gca,'UserData',hndl); sys=[0 0 20 0]; x0=[]; end 1.6 RBFNN-PID function [sys,x0,str,ts]=nnrbf_pid(t,x,u,flag,T,nn,K_pid, eta_pid,xite,alfa,beta0,w0) switch flag, case 0, [sys,x0,str,ts] = mdlInitializeSizes(T,nn); 112 case 2, sys = mdlUpdates(u); case 3, sys = mdlOutputs(t,x,u,T,nn,K_pid,eta_pid, xite,alfa,beta0,w0); case {1, 4, 9}, sys = []; otherwise, error(['Unhandled flag = ',num2str(flag)]); end % function [sys,x0,str,ts] = mdlInitializeSizes(T,nn) sizes = simsizes; sizes.NumContStates = 0; sizes.NumDiscStates = 3; sizes.NumOutputs = 4+5*nn; sizes.NumInputs = 9+15*nn; sizes.DirFeedthrough = 1; sizes.NumSampleTimes = 1; sys=simsizes(sizes); x0=zeros(3,1); str=[]; ts=[T 0]; % function sys = mdlUpdates(u) sys=[u(1)-u(2); u(1); u(1)+u(3)-2*u(2)]; % function sys = mdlOutputs(t,x,u,T,nn,K_pid,eta_pid, xite,alfa,beta0,w0) ci_3=reshape(u(7: 6+3*nn),3,nn); ci_2=reshape(u(7+5*nn: 6+8*nn),3,nn); ci_1=reshape(u(7+10*nn: 6+13*nn),3,nn); bi_3=u(7+3*nn: 6+4*nn); bi_2=u(7+8*nn: 6+9*nn); bi_1=u(7+13*nn: 6+14*nn); w_3= u(7+4*nn: 6+5*nn); w_2= u(7+9*nn: 6+10*nn); w_1= u(7+14*nn: 6+15*nn); xx=u([6;4;5]); if t==0 ci_1=w0(1)*ones(3,nn); bi_1=w0(2)*ones(nn,1); w_1=w0(3)*ones(nn,1); K_pid0=K_pid; else, K_pid0=u(end-2:end); end for j=1: nn % Gaussian basis h 113 h(j,1)=exp(-norm(xx-ci_1(:,j))^2/(2*bi_1(j)*bi_1(j))); end dym=u(4)-w_1'*h; w=w_1+xite*dym*h+alfa*(w_1-w_2)+beta0*(w_2-w_3); for j=1:nn d_bi(j,1)=xite*dym*w_1(j)*h(j)*(bi_1(j)^(-3))*norm(xx-ci_1(:,j))^2; d_ci(:,j)=xite*dym*w_1(j)*h(j)*(xx-ci_1(:,j))*(bi_1(j)^(-2)); end bi=bi_1+d_bi+alfa*(bi_1-bi_2)+beta0*(bi_2-bi_3); ci=ci_1+d_ci+alfa*(ci_1-ci_2)+beta0*(ci_2-ci_3); dJac=sum(w.*h.*(-xx(1)+ci(1,:)')./bi.^2); % Jacobian KK=K_pid0+u(1)*dJac*eta_pid.*x; sys=[u(6)+KK'*x; KK; ci(:); bi(:); w(:)]; 114 [...]... đồ chi tiết khối Snake Robot 54 Hình 3.4 Cấu trúc bộ điều khiển địa phương 55 Hình 3.5 Sơ đồ bộ điều khiển địa phương 56 Hình 3.6 Sơ đồ chi tiết bộ điều khiển C 56 Hình 3.7 Sơ đồ mô phỏng bộ điều khiển hướng ( C ) của robot rắn 57 Hình 3.8 Sơ đồ mô phỏng bộ điều khiển vận tốc (Cv) của robot rắn 57 Hình 3.9 Sơ đồ hệ thống điều khiển robot rắn dùng PID 58 Hình... liên quan đến điều khiển robot rắn, tác giả nhận thấy rằng phương trình toán hiệu quả để điều khiển robot rắn theo đường cong Serpenoid là tối ưu nhất, nhưng các kết quả chỉ dừng lại ở điều kiện ổn định, đối với những điều kiện thay đổi (thông số robot, môi trường) thì chưa đề cập đến Để giải quyết vấn đề robot rắn phải thích nghi với môi trường, với đặc tính động của robot rắn thì mạng Nơron là hướng... 1.1.3.1 Tên đề tài ỨNG DỤNG MẠNG NƠRON ĐỂ ĐIỀU KHIỂN ROBOT RẮN” 1.1.3.2 Lý do chọn đề tài Về mặt lý thuyết, mạng Nơron được ứng dụng rất nhiều lĩnh vực trong thời gian gần đây, đặc biệt đối với những bài toán phi tuyến, bài toán động, thời gian thực, thì mạng Nơron RBF là giải pháp tối ưu Đối với bộ điều khiển dùng PID được dùng khá phổ biến bởi đặc tính ổn định Vì vậy, bộ điều khiển RBFNN- PID là... Khách thể nghiên cứu của đề tài là các loại robot rắn được điều khiển theo bộ điều khiển PID và bộ điều khiển mạng Nơron 1.2.3 Đối tượng nghiên cứu Đối tượng nghiên cứu của đề tài là robot rắn hoạt động theo mô hình kết hợp giữa bộ PID và bộ điều khiển Nơron hay còn gọi là bộ điều khiển RBFNN- PID 1.3 Nhiệm vụ của đề tài và giới hạn đề tài 1.3.1 Nhiệm vụ đề tài Để đạt được mục tiêu của đề tài thì phải... hoàn thành một số nhiệm vụ sau đây:  Mô hình hóa robot rắn  Phương pháp điều khiển robot rắn  Xây dựng hệ thống điều khiển robot rắn theo bộ điều khiển RBFNN- PID  Thiết kế và thi công robot rắn theo bộ điều khiển RBFNN- PID 1.3.2 Giới hạn đề tài Với mục tiêu của đề tài, đề tài có một số giới hạn sau:  Nội dung đề tài nghiên cứu chuyển động của robot rắn trong không gian hai chiều, hoạt động trên... hai bộ điều khiển RBFNN và PID với mong muốn kết quả điều khiển robot rắn được tối ưu hơn là lý do của đề tài này Về mặt thực tiễn, nếu nghiên cứu, thiết kế và điều khiển thành công robot rắn sẽ ứng dụng để khảo sát, giám sát, thu thập dữ liệu được rất nhiều môi trường phức tạp, là cơ sở nền tảng để nghiên cứu các cánh tay robot đa bậc tự do, 1.1.3.3 Giả thiết khoa học  Sẽ xây dựng được bộ điều khiển. .. và xây dựng bộ điều khiển PID thích nghi áp dụng để điều khiển đối tượng phi tuyến chưa biết trước tham số và cấu trúc Bộ điều khiển PID được tổ chức dưới dạng một nơron tuyến tính mà ở đó ba trọng số kết nối của ba ngõ vào nơron tương ứng là bộ ba thông số Kp, Ki và Kd của bộ điều khiển Kết quả mô phỏng trên hệ thanh và bóng cho thấy đáp ứng của đối tượng thỏa mãn các yêu cầu điều khiển, cụ thể là... .57 xi 3.2.2.2 Bộ điều khiển vận tốc 57 3.2.3 Xây dựng bộ điều khiển trên Matlab 58 3.2.4 Kết quả mô phỏng 58 3.3 Xây dựng bộ điều khiển dùng RBFNN- PID 65 3.3.1 Bộ điều khiển địa phương 65 3.3.2 Bộ điều khiển vòng ngoài 65 3.3.2.1 Bộ điều khiển hướng .65 3.3.2.2 Bộ điều khiển vận tốc 69 3.3.3 Xây dựng bộ điều khiển trên Matlab... Fujisawa đã nghiên cứu những kiến thức cơ bản để ứng dụng bộ điều khiển PID vào mạng nơron thông qua ví dụ về giám sát và điều khiển bình áp suất Hệ thống này là phi tuyến, các biến luôn thay đổi trong quá trình hoạt động, vì vậy với bộ điều khiển này hệ thống sẽ tự động thích nghi để đáp ứng ngõ ra được tối ưu nhất 4 Hình 1.2 Sơ đồ điều khiển thích nghi PID- Nơron của Mitsue Kato, Shoichiro Fujisawa h... tháng 11 Chương 2 NHỮNG CƠ SỞ LÝ THUYẾT ĐỂ XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN ROBOT RẮN 2.1 Mô hình hóa robot rắn Sự chuyển động của robot rắn dựa trên lực ma sát và moment xoắn của thân robot rắn và mặt phẳng Từ kiến thức và định luật vật lý, tác giả mô hình hóa phương trình chuyển động của robot Trong phần này, chúng ta sẽ xây dựng mô hình toán học của robot rắn Xét robot rắn gồm n đoạn kết nối với nhau qua