Hệ nơron mờ và ứng dụng cho robot 5 bậc tự do

i ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP PHAN VĂN DƯ HỆ NƠRON MỜ VÀ ỨNG DỤNG CHO ROBOT BẬC TỰ DO Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 60520216 LUẬN VĂN THẠC SĨ KỸ THUẬT Người hướng dẫn khoa học PGS.TS LẠI KHẮC LÃI THÁI NGUYÊN - 2017 ii LỜI MỞ ĐẦU Trong thời gian thực luận văn, tác giả nhận quan tâm lớn nhà trường, khoa, phòng ban chức năng, thầy cô giáo đồng nghiệp Tác giả xin chân thành cảm ơn Ban giám hiệu, Khoa sau đại học, giảng viên tạo điều kiện cho hoàn thành luận văn Tác giả xin bày tỏ lời cảm ơn chân thành đến thầy hướng dẫn khoa học PGS.TS Lại Khắc Lãi dẫn khoa học, định hướng nghiên cứu tận tình hướng dẫn suốt trình làm luận văn Mặc dù cố gắng, song trình độ kinh nghiệm hạn chế nên luận văn thiếu sót Tác giả mong nhận ý kiến đóng góp từ thầy cô giáo bạn đồng nghiệp để luận văn hoàn thiện có ý nghĩa ứng dụng thực tế Cuối cùng, xin cảm ơn gia đình bạn bè, người ủng hộ động viên để yên tâm nghiên cứu luận văn Thái nguyên, tháng 07 năm 2017 Tác giả Phan Văn Dư iii LỜI CAM ĐOAN Tôi tên Phan Văn Dư lớp CHK17-TĐH xin cam đoan luận văn: " Hệ nơron mờ ứng dụng cho robot bậc tự do" tự tổng hợp nghiên cứu, không chép Mọi tham khảo luận văn trích dẫn rõ ràng tên tác giả, tên công trình, thời gian, địa điểm công bố Tôi xin chịu trách nhiệm khai trước nhà trường hội đồng khoa học! Thái nguyên, tháng 07 năm 2017 Tác giả luận văn Phan Văn Dư iv MỤC LỤC Trang Lời mở đầu ii Lời cam đoan iii Mục lục iv Danh mục ký hiệu, chữ viết tắt vi Danh mục bảng vii Danh mục hình vẽ, đồ thị viii MỞ ĐẦU NỘI DUNG CHƯƠNG XÂY DỰNG MÔ HÌNH TOÁN HỌC ROBOT BẬC TỰ DO 1.1 TỔNG QUAN VỀ ROBOT CÔNG NGHIỆP 1.1.1 Sơ lược trình phát triển robot công nghiệp 1.1.2 Cấu trúc robot công nghiệp 1.1.3 Cơ cấu robot bậc tự toàn khớp quay 1.2 ĐỘNG HỌC ROBOT 1.2.1 Bảng thông số DH 1.2.2 Tính toán ma trận mô tả quan hệ khâu i hệ tọa độ gốc 1.3 ĐỘNG LỰC HỌC ROBOT 10 1.3.1 Hàm Lagrange 10 1.3.2 Phương trình động lực học robot 12 1.3.3 Phương trình động lực học robot bậc tự 14 CHƯƠNG TỔNG QUAN VỀ HỆ NƠRON MỜ 24 2.1 ĐẶT VẤN ĐỀ 24 2.2 TỔNG QUAN VỀ ĐIỀU KHIỂN MỜ 24 2.2.1 Giới thiệu 24 2.2.2 Cấu trúc điều khiển mờ 25 v 2.2.3 Thiết kế điều khiển mờ 26 2.3 TỔNG QUAN VỀ MẠNG NƠRON 28 2.3.1 Mạng nơron sinh học 28 2.3.2 Mạng nơron nhân tạo 29 2.3.3 Cấu trúc mạng 35 2.4 HỆ NƠRON MỜ 39 2.4.1 Sự kết hợp logic mờ mạng nơron 39 2.4.2 Cấu trúc chung hệ mờ mạng nơron 41 2.4.3 Huấn luyện mạng nơron mờ 46 CHƯƠNG ỨNG DỤNG NƠRON MỜ ĐIỀU KHIỂN TAY MÁY DOF 52 3.1 MÔ PHỎNG ĐỐI TƯỢNG ĐIỀU KHIỂN 52 3.1.1 Cơ cấu robot DOF 52 3.1.2 Mô hình cấu chấp hành 53 3.2 THIẾT KẾ BỘ ĐIỀU KHIỂN PID ĐIỀU KHIỂN ĐỐI TƯỢNG 55 3.2.1 Tổng hợp vòng điều chỉnh động 55 3.2.2 Thiết kế điều khiển PID điều khiển đối tượng 58 3.2.3 Kết mô dùng PID 61 3.3 BỘ ĐIỀU KHIỂN NƠ RON MỜ ĐIỀU KHIỂN ROBOT DOF 62 3.3.1 Thu thập liệu để huấn luyện mạng 63 3.3.2 Cấu trúc hệ nơron mờ 65 3.3.3 Huấn luyện mạng nơron mờ 67 3.3.4 Kết mô dùng NEFCON 68 KẾT LUẬN VÀ KIẾN NGHỊ 71 TÀI LIỆU THAM KHẢO 72 vi DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Ký hiệu Tiếng Anh Tiếng Việt Trang NEFCON Neural Fuzzy Controller Bộ điều khiển nơron mờ DOF Degree of Freedom Bậc tự DH Denavit Hartenberg Tr Trace Vết ma trận 16 SISO Single Input Single Output Một vào 47 DC Direct current Động chiều 53 PID Proportional Integral Derivative Bộ điều khiển tỷ lệ vi tích phân 58 FIS Fuzzy Inference System Hệ thống suy diễn mờ 65 vii DANH MỤC CÁC BẢNG Bảng Tên hình Trang Bảng 1.1 Bảng thông số DH Bảng 1.2 Thông số DH robot DOF 15 Bảng 2.1 Tiêu chí so sánh logic mờ mạng nơron 40 Bảng 3.1 Tham số giá trị động DC 59 Bảng 3.2 Bảng thông số DH robot DOF chọn mô 59 Bảng 3.3 Kết đạt dùng PID 61 Bảng 3.4 Tập liệu huấn luyện 63 Bảng 3.5 Kết đạt dùng NEFCON 69 Bảng 3.6 So sánh kết PID NEFCON 69 viii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình Tên hình Trang Hình 1.1 Các thành phần hệ thống robot Hình 1.2 Sơ đồ kết cấu tay máy Hình 1.3 Sơ đồ tay máy robot DOF Hình 1.4 Sơ đồ khối động học Hình 1.5 Minh họa phương pháp DH Hình 1.6 Khảo sát tốc độ vi khối lượng dm 11 Hình 1.7 Hệ tọa độ robot DOF 14 Hình 2.1 Các khối chức Điều khiển mờ 26 Hình 2.2 Cấu trúc tổng quát hệ mờ 27 Hình 2.3 Mô hình nơron sinh học 28 Hình 2.4 Mô hình nơron 30 Hình 2.5 Mạng nơron lớp 30 Hình 2.6 Cấu trúc huấn luyện mạng nơron 31 Hình 2.7 Mô hình nơron đơn giản 32 Hình 2.8 Một số dạng hàm chuyển mạng nơron 33 Hình 2.9 Nơron với R đầu vào 34 Hình 2.10 Ký hiệu nơron với R đầu vào 34 Hình 2.11 Cấu trúc mạng nơron lớp 35 Hình 2.12 Ký hiệu mạng R đầu vào S nơron 36 Hình 2.13 Ký hiệu lớp mạng 37 Hình 2.14 Cấu trúc mạng nơron lớp 38 Hình 2.15 Ký hiệu tắt mạng nơron lớp 39 Hình 2.16 Mô hình hệ mờ - nơron 41 ix Hình 2.17 Cấu trúc chung hệ mờ - nơron 41 Hình 2.18 Rời rạc hóa hàm liên thuộc 44 Hình 2.19 Hàm liên thuộc tập mờ vào 44 Hình 3.1 Sơ đồ khối mô hình robot DOF Simulink 52 Hình 3.2 Sơ đồ động chiều 53 Hình 3.3 Sơ đồ cấu trúc động chiều kích thích độc lập 54 Hình 3.4 Mô hình SIMULINK động chiều kích thích độc lập 55 Hình 3.5 Sơ đồ hệ thống điều khiển vòng kín 55 Hình 3.6 Sơ đồ hệ chấp hành có điều khiển 56 Hình 3.7 Vòng điều chỉnh dòng động chiều 56 Hình 3.8 Sơ đồ khâu điều chỉnh dòng phần ứng 57 Hình 3.9 Cấu trúc hệ thống điều chỉnh tốc độ quay động chiều 58 Hình 3.10 Sơ đồ điều khiển độc lập khớp nối 58 Hình 3.11 Sơ đồ mô hệ điều khiển robot DOF PID 60 Hình 3.12 Đặc tính độ khớp điều khiển PID 61 Hình 3.13 Sơ đồ mô hệ thống điều khiển tay máy nơron mờ 62 Hình 3.14 Tải liệu huấn luyện 65 Hình 3.15 Lựa chọn số lượng dạng hàm liên thuộc đầu vào, 66 Hình 3.16 Sơ đồ cấu trúc điều khiển nơron mờ 66 Hình 3.17 Sai số tập mẫu sau 30 kỳ huấn luyện 67 Hình 3.18 Dữ liệu vào ANFIS sau huấn luyện 68 Hình 3.19 Đặc tính độ khớp điều khiển NEFCON 68 Hình 3.20 So sánh chất lượng điều khiển PID NEFCON 69 MỞ ĐẦU Lý chọn đề tài Cùng với phát triển mạnh mẽ lý thuyết điều khiển đại thông minh; hệ mờ mạng noron ngày ứng dụng rộng rãi nhiều lĩnh vực Hệ mờ dựa logic người, với ưu điểm đơn giản xử lý xác thông tin không chắn mạng nơ ron có khả tự học hỏi, tự chỉnh định cho phù hợp với thay đổi đối tượng điều khiển; kết hợp hệ mờ mạng noron nhân tạo đem lại nhiều hiệu đáng kể lĩnh vực điều khiển tự động hóa Trong năm gần có nhiều đề tài nghiên cứu ứng dụng hệ nơ ron mờ để điều khiển đối tượng phi tuyến [6], [7], [10] thu số kết định Việc nghiên cứu thiết kế điều khiển cho robot đảm bảo yêu cầu chất lượng cần thiết có ý nghĩa Trong đề tài tác giả trình bày ứng dụng mạng noron nhân tạo hệ điều khiển mờ để thiết kế điều khiển nâng cao chất lượng điều khiển cánh tay máy Xuất phát từ tính cấp thiết nâng cao chất lượng điều khiển robot mong muốn áp dụng hệ điều khiển nơ ron mờ (NEFCON) vào thực tiễn đối tượng robot bậc tự nên thân chọn đề tài : “Hệ nơ ron mờ ứng dụng cho robot bậc tự do” Mục đích nghiên cứu Xây dựng điều khiển noron mờ cho cánh tay robot đảm bảm yêu cầu chất lượng, kiểm tra kết thông qua mô thực nghiệm Đối tượng nghiên cứu Điều khiển tay robot theo hệ noron mờ Ý nghĩa khoa học, ý nghĩa thực tiễn đề tài a) Ý nghĩa khoa học Hệ thống noron mờ lên công cụ điều khiển hệ thống phi tuyến với thông số chưa xác định Việc kết hợp phương pháp noron phương pháp mờ đem lại khả tuyệt vời cho linh hoạt học theo thao tác người Điều có ý nghĩa lớn mặt khoa học việc điều khiển đối tượng phi tuyến 58 TRN 4T 8Tt ; K RN TM 2T J 4Tt K m (3.15) Với tham số ta thu hàm truyền đạt tổng quát thay vòng điều chỉnh tốc độ quay thiết kế theo tiêu chuẩn tối ưu đối xứng: GNI s n s n* s 8Tt s 8Tt s 16Tt s 16Tt 3s (3.16) Hình 3.9 Cấu trúc hệ thống điều chỉnh tốc độ quay động chiều 3.2.2 Thiết kế điều khiển PID điều khiển đối tượng Phương trình Lagrange robot DOF tìm (1.124) phương trình vi phân phi tuyến bậc hai, biến điều khiển đầu vào F lực tác động lên khớp robot chưa biết, (ta giả thiết cấu chấp hành robot xem nguồn tạo momen chủ động) Bài toán đặt điều khiển lực tác động lên khớp để đạt vị trí cuối mong muốn Có nhiều kỹ thuật phương pháp điều khiển, loại đơn giản ta xem xét điều khiển khớp nối độc lập [1][3] có sơ đồ hình 3.10 Mỗi khớp nối tay máy robot xem hệ thống vào ra, ràng buộc khớp coi thành phần nhiễu S Động học ngược * ĐK bám vị trí u Cơ cấu chấp hành (BBĐ+ĐC) Đối tượng robot DOF Hình 3.10 Sơ đồ điều khiển độc lập khớp nối Bộ điều khiển PID thử nghiệm biểu diễn sau: 59 t F  K p e  Ki  e  d  K d e Với  * vị trí đặt khớp tính toán từ lượng đặt vị trí tay robot không gian làm việc (S) thông qua khâu tính toán động học ngược; e sai số giá trị đặt giá trị đầu ra; K p , Ki , Kd hệ số tỷ lệ, tích phân, vi phân điều khiển PID Hàm truyền điều khiển PID viết dạng: GPID  s   K p    KI  K D s  K p 1   TD s  s  TI s  Với TI  K P K ; TD  K D K số thời gian tích phân vi phân I P Gắn động vào robot ta xây dựng sơ đồ mô hệ thống điều khiển vị trí khớp tay máy PID kinh điển Hàm truyền đạt cấu chấp hành bao gồm khâu điều chỉnh dòng, khâu điều chỉnh tốc độ quay ta thu (3.16) Bảng 3.1 Tham số giá trị động DC lựa chọn để mô Tham số Điện trở phần ứng Điện cảm phần ứng Giá trị Ra 250 m La mH Momen quán tính Từ thông danh định 0,012 kgm2 0,04 Vs K e 236,8 J Hằng số động Km 38, Bảng 3.2 Bảng thông số DH robot DOF lựa chọn để mô Khâu Khớp nối  i i di 0-1 1 900 1-2 2 0 2-3 3 0 60 3-4 4 900 4-5 5 Với thông số động lựa chọn bảng 3.1, số thời gian khâu chỉnh lưu Tt 100 s thông số robot DOF lựa chọn bảng 3.2 từ phần mềm tối ưu Matlab ta xác định thông số tối ưu điều khiển PID kinh điển: KP 545;TI 59530; TD 0.1 Hình 3.11 Sơ đồ mô hệ điều khiển robot DOF PID 61 3.2.3 Kết mô dùng PID Hình 3.12 Đặc tính độ khớp điều khiển PID Kết mô cho thấy đáp ứng đầu bám giá trị đặt cho trước, tiêu chất lượng thu bảng 3.3 Tuy nhiên kết đạt hạn chế chất lượng, cụ thể độ điều chỉnh lớn (trên 10%) Để khắc phục điều ta sử dụng điều khiển thích nghi phi tuyến xây dựng sở lý thuyết điều khiển đại Bảng 3.3 Theta Theta1 Theta2 Theta3 Theta4 Theta5 Độ điều chỉnh % 10.81 10.96 Thời gian xác lập (s) 0.023 0.0494 12.56 10.73 10.06 0.024 0.024 0.024 Sai lệch tĩnh 0 0 62 3.3 BỘ ĐIỀU KHIỂN NƠ RON MỜ ĐIỀU KHIỂN ROBOT DOF Hệ mờ - nơron hệ sử dụng mạng nơron công cụ mô hình mờ; hệ mờ có phương pháp tiếp cận đặc trưng tự động điều chỉnh mạng nơron, thay đổi chức chúng (mờ hoá, giải mờ, suy luận mờ hàm lôgic bản) Trong hệ thống này, mạng nơron sử dụng việc làm tăng tốc độ trình xử lý tập mờ Các hệ mờ - nơron vốn hệ lôgic mờ chúng ứng dụng vào lĩnh vực điều khiển công nghiệp nhằm mục đích cải thiện hạn chế chất lượng hệ thống mà điều khiển PID kinh điển không đáp ứng được, từ nâng cao chất lượng hệ thống, sơ đồ điều khiển nơ ron mờ điều khiển đối tượng robot DOF hình 3.13 Hình 3.13 Sơ đồ mô hệ thống điều khiển tay máy nơron mờ Qúa trình thiết kế thực theo bước sau: - Bước 1: Thu thập liệu để huấn luyện mạng 63 - Bước 2: Sử dụng công cụ ANFIS phần mềm Matlab để thiết kế điều khiển nơron mờ huấn luyện theo tập liệu có đạt sai số cho phép 3.3.1 Thu thập liệu để huấn luyện mạng Sau khảo sát đối tượng ta tiến hành thu thập liệu để huấn luyện mạng nơron Dữ liệu huấn luyện mạng có vai trò định đến chất lượng điều khiển, có nhiều cách thu thập liệu huấn luyện, ví dụ dùng hệ thích nghi (áp dụng cho đối tượng có tham số thay đổi có nhiễu lớn), sử dụng hệ tối ưu Trong luận văn tác giả sử dụng phần mềm tối ưu matlab để chọn thông số tối ưu PID kinh điển, sau đo tín hiệu vào - ta tập liệu huấn luyện Với điều khiển nơron mờ có cấu trúc hình 3.13, tập liệu huấn luyện bao gồm cột: e, ie, U dk (bảng 3.4) Bảng 3.4 Tập liệu huấn luyện e 3.36e-01 2.40e-01 1.52e-01 4.80e-02 -4.86e-03 -4.59e-02 -7.50e-02 -9.22e-02 -1.03e-01 -1.07e-01 -1.08e-01 -1.06e-01 -1.02e-01 -9.67e-02 -9.07e-02 -8.43e-02 … 3.13e-08 2.77e-08 2.46e-08 2.17e-08 1.92e-08 ie 9.09e-04 1.11e-03 1.26e-03 1.33e-03 1.35e-03 1.33e-03 1.28e-03 1.22e-03 1.15e-03 1.07e-03 9.86e-04 9.06e-04 8.27e-04 7.53e-04 6.83e-04 6.17e-04 … -1.84e-10 -1.62e-10 -1.43e-10 -1.25e-10 -1.10e-10 U dk 1.96e+02 1.93e+02 1.41e+02 9.55e+01 7.16e+01 4.90e+01 3.24e+01 2.04e+01 1.12e+01 4.61e+00 -1.28e-01 -3.46e+00 -5.71e+00 -7.15e+00 -7.99e+00 -8.39e+00 … 5.57e-06 5.00e-06 4.49e-06 4.03e-06 3.62e-06 64 1.70e-08 1.50e-08 1.33e-08 1.17e-08 1.03e-08 9.10e-09 8.01e-09 7.05e-09 6.20e-09 5.45e-09 4.78e-09 4.19e-09 3.68e-09 3.22e-09 2.81e-09 2.46e-09 2.14e-09 1.87e-09 1.62e-09 1.41e-09 1.22e-09 1.06e-09 9.12e-10 -8.10e-10 1.22e-09 1.15e-09 5.80e-10 6.13e-10 4.81e-10 3.68e-10 3.03e-10 2.36e-10 1.82e-10 1.39e-10 1.02e-10 7.21e-11 4.72e-11 2.65e-11 9.57e-12 -4.36e-12 -1.57e-11 -9.64e-11 -8.44e-11 -7.38e-11 -6.45e-11 -5.62e-11 -4.90e-11 -4.26e-11 -3.69e-11 -3.20e-11 -2.76e-11 -2.38e-11 -2.04e-11 -1.75e-11 -1.49e-11 -1.26e-11 -1.06e-11 -8.92e-12 -7.42e-12 -6.11e-12 -4.97e-12 -3.99e-12 -3.13e-12 -2.40e-12 -2.37e-12 -2.28e-12 -1.22e-12 -6.40e-13 -1.92e-13 2.26e-13 5.39e-13 7.91e-13 9.93e-13 1.15e-12 1.27e-12 1.36e-12 1.43e-12 1.47e-12 1.50e-12 1.51e-12 1.51e-12 1.51e-12 3.25e-06 2.91e-06 2.61e-06 2.34e-06 2.10e-06 1.89e-06 1.69e-06 1.52e-06 1.37e-06 1.23e-06 1.11e-06 9.96e-07 8.97e-07 8.09e-07 7.30e-07 6.59e-07 5.96e-07 5.40e-07 4.89e-07 4.44e-07 4.03e-07 3.67e-07 3.34e-07 -5.62e-07 7.58e-07 4.17e-07 2.65e-07 3.17e-07 2.52e-07 2.21e-07 2.01e-07 1.77e-07 1.59e-07 1.44e-07 1.30e-07 1.18e-07 1.08e-07 9.89e-08 9.09e-08 8.38e-08 7.74e-08 65 Sau có tập liệu huấn luyện, sử dụng công cụ ANFIS để tải tập liệu huấn luyện hình 3.14 Hình 3.14 Tải liệu huấn luyện 3.3.2 Cấu trúc hệ nơron mờ Trước bắt đầu huấn luyện FIS ta cần mô hình cấu trúc FIS Bộ điều khiển nơron mờ xây dựng theo nhiều cấu trúc khác nhau, có hai đầu vào (sai lệch e tích phân sai lêch) đầu Mỗi đầu vào có nơron mô tả hàm liên thuộc dạng Gauss, đầu mạng có dạng tuyến tính hình 3.15 hình 3.16 66 Hình 3.15 Lựa chọn số lượng dạng hàm liên thuộc đầu vào, Hình 3.16 Sơ đồ cấu trúc điều khiển nơron mờ 67 3.3.3 Huấn luyện mạng nơron mờ Khi hoàn thiện tải liệu để huấn luyện mạng, thiết lập cấu trúc điều khiển ta thực công việc huấn luyện mạng -Thiết lập số kỳ huấn luyện 30 kỳ -Sau huấn luyện mạng kiểm tra sai số liệu vào thầy trò: 0.03485, sai số chấp nhận hình 3.17 Hình 3.17 Sai số tập mẫu sau 30 kỳ huấn luyện 68 Hình 3.18 Dữ liệu vào ANFIS sau huấn luyện 3.3.4 Kết mô dùng NEFCON Hình 3.19 Đặc tính độ khớp điều khiển NEFCON 69 Kết mô cho thấy đáp ứng đầu bám giá trí đặt cho trước Hình 3.19 thể đáp ứng đầu góc thứ tự từ đến hai sử dụng điều khiển NEFCON; góc thứ tự từ ba đến năm sử dụng điều khiển PID Hình 3.20 thể đáp ứng góc thứ sử dụng điều khiển PID điều khiển mờ nơron Bảng 3.5 NEFCON PID Theta Độ điều chỉnh % Theta1 Theta2 Theta3 Theta4 Theta5 3.58 3.59 12.56 10.73 10.06 Thời gian xác lập (s) Sai lệch tĩnh 0.018 0.018 0.024 0.024 0.024 0 0 So sánh điều khiển PID NEFCON điều khiển góc theta1 Hình 3.20 So sánh chất lượng điều khiển PID NEFCON Bảng 3.6 PID NEFCON Chỉ tiêu chất lượng góc Theta1 Độ điều chỉnh (%) Thời gian lên (sec) Sai lệch tĩnh 10.81 0.023 3.58 0.018 70 Bộ điều khiển mờ - nơron áp dụng để điều khiển tay máy robot bậc tự cho kết tốt, đặc tính độ tốt so với điều khiển PID kinh điển Cụ thể trình độ diễn ngắn hơn, độ điều chỉnh đặc tính độ nhỏ So sánh tiêu chất lượng (xuất từ câu lệnh stepinfo Matlab) hai điều khiển tóm tắt bảng 3.4 KẾT LUẬN CHƯƠNG Chương 3: " Ứng dụng nơron mờ điều khiển tay máy DOF" giải số vấn đề sau: Thứ mô robot bậc tự do, cấu chấp hành Matlab/Simulink; xây dựng hệ điều khiển chuyển động robot qui luật điều khiển kinh điển, bao gôm ba vòng điều khiển dòng điện, tốc độ, vị trí Thứ hai xây dựng thiết kế điều khiển nơron mờ (NEFCON) cho mạch vòng điều khiển khớp Qua kết mô bảng 3.6 cho thấy sử dụng hệ nơron mờ để điều khiển cánh tay robot bậc tự đạt hiệu chất lượng hệ thống cải thiện lên nhiều (độ điều chỉnh nhỏ, thời gian xác lập ngắn hơn) so với hệ thống điều khiển kinh điển 71 KẾT LUẬN VÀ KIẾN NGHỊ Trong luận văn với đề tài " Hệ nơ ron mờ ứng dụng cho robot bậc tự do" tác giả đưa mô hình động học, động lực học robot bậc tự dựa vào bảng thông số DH mô hình động học động chiều Từ áp dụng kỹ thuật điều khiển đảm bảo tiêu chất lượng hệ thống thời gian xác lập, độ điều chỉnh, sai lệch tĩnh So sánh với việc sử dụng điều khiển kinh điển, tác giả đề xuất giải pháp dùng điều khiển mờ - nơron để điều khiển robot bậc tự toàn khớp quay Các kết mô phần mềm Matlab cho thấy chất lượng hệ thống cải thiện lên nhiều (độ điều chỉnh nhỏ, thời gian xác lập ngắn hơn) so với hệ thống điều khiển kinh điển Do thời gian trình độ có hạn nên việc xây dựng tập liệu huấn luyện cho mạng nơron chưa làm chi tiết, chủ yếu dựa vào kết điều khiển thích nghi có sẵn [5] chất lượng điều khiển chưa mong muốn Để hoàn thiện nâng cao chất lượng điều khiển tay máy điều khiển nơron mờ, tác giả có số kiến nghị sau: - Tìm kiếm phương pháp để thu nhận tập liệu huấn luyện nhanh sát với hệ thống thực; - Tiếp tục xây dựng điều khiển nơron mờ cho chuyển động tay máy 72 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Nguyễn Như Hiển, Lại Khắc Lãi, Hệ mờ nơron kỹ thuật điều khiển, NXB Khoa học tự nhiên công nghệ, Hà Nội, 2007 [2] Nguyễn Thiện Phúc, Robot công nghiệp, NXB khoa học kỹ thuật, 2006 Bùi Công Cường, Nguyễn Doãn Phước, Hệ mờ mạng nơ ron ứng dụng, NXB [3] Khoa học Kỹ thuật, 2006 [4] Nguyễn Phùng Quang, Matlab&Simulink, NXB khoa học kỹ thuật, Hà Nội, 2006 [5] Nguyễn Mạnh Tiến, Điều khiển robot công nghiệp, NXB khoa học kỹ thuật, Hà Nội, 2006 [6] Trần Anh Dũng, Nghiên cứu xây dựng mô hình tay máy robot sử dụng điều khiển mờ, Khoa Điện, Trường Đại học Hàng Hải [7] Trần Thị Vân Anh, Lại Khắc Lãi, Điều khiển mức nước bao điều khiển mờ - nơron, Tạp chí Khoa học Công nghệ, Số 2(46) Tập 1, Năm 2008 Tiếng Anh [8] Kosko, Neural networks and fuzzy control, Prentice Hall, 1991 [9] E Khan, Fuzzy Logic Design Based on Neural Network Learning, Springer-Verlag Berlin Heidelberg,1994 [10] Ch Ravi Kumar,K R Sudha, D V Pushpalatha, Modelling and control of 5DOF Robot Arm using Neuro-Fuzzy Controller, IJERT, Vol Issue 7, September – 2012 [11] Martin T Hagan, Howard B Demuth, Mark Hudson Beale, Orlando De Jesús, Neural Network Design, 2nd Edition [12] Frank L.Lewis, Darren M.Dawson, Chaouki T.Abdallah, Robot Manipulator Control Theory and Practice, Marcel Dekker, Inc., New York, 2009 [13] Spong, M W., Hutchinson, S., and Vidyasagar, M., Robot Modeling and Control, John Wiley & Sons, New York, 2009 ... U 52 5 J 5U 55 T  ; h 552  h5 25 (1.111) h533  Tr U 53 3 J 5U 55 T  ; (1.112) h534  Tr U 53 4 J 5U 55 T  ; h543  h534 (1.113) h5 35  Tr U 53 5 J 5U 55 T  ; h 553  h5 35 (1.114) h544  Tr U 54 4... h5 15  Tr U 51 5 J 5U 55 T  ; h 551  h5 15 (1.107) h522  Tr U 52 2 J 5U 55 T  ; (1.108) h523  Tr U 52 3 J 5U 55 T  ; h532  h523 (1.109) h524  Tr U 52 4 J 5U 55 T  ; h542  h524 (1.110) h5 25. .. i   h5 h511  Tr U 51 1 J 5U 55 T  ; (1.103) h512  Tr U 51 2 J 5U 55 T  ; h521  h512 (1.104) h513  Tr U 51 3 J 5U 55 T  ; h531  h513 (1.1 05) h514  Tr U 51 4 J 5U 55 T  ; h541  h514 (1.106)