Điều khiển tối ưu dùng mạng neuron với quỹ đạo chuyển động của robot

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA ZY VŨ THỊ HỒNG NGA ĐIỀU KHIỂN TỐI ƯU DÙNG MẠNG NEURON VỚI Q ĐẠO CHUYỂN ĐỘNG CỦA ROBOT Chuyên ngành Mã số ngành : : ĐIỀU KHIỂN HỌC KỸ THUẬT 2.05.01 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 12 năm 2005 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH -oOo - Cán hướng dẫn khoa học: TS NGUYỄN THIỆN THÀNH Cán chấm nhận xét 1:………………………………………… Cán chấm nhận xét 2:………………………………………… Luận văn thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, tháng 12 năm 2005 Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA -oOo - CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM Độc Lập – Tự Do – Hạnh Phúc -oOo - NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên : VŨ THỊ HỒNG NGA Phái : Nữ Ngày, tháng, năm sinh : 13/11/79 Nơi sinh : DAKLAK Chuyên ngành : ĐIỀU KHIỂN HỌC KỸ THUẬT Mã số : 2.05.01 I.TÊN ĐỀ TÀI : Điều Khiển Tối Ưu Dùng Mạng Neuron Với Q Đạo Chuyển Động Của Robot II.NHIỆM VỤ VÀ NỘI DUNG : - Tìm hiểu lý thuyết điều khiển tối ưu - Tìm hiểu lý thuyết mạng Neuron - Xây dựng điều khiển tối ưu dùng mạng Neuron - Mô q đạo chuyển động Robot dùng phần mềm Matlab - Đánh giá kết hướng phát triển đề tài III.NGÀY GIAO NHIỆM VỤ : 2/2005 IV.NGÀY HOÀN THÀNH NHIỆM VỤ : 12/2005 V.HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN : TS.Nguyễn Thiện Thành CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH BỘ MÔN QUẢN LÝ NGÀNH Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua Ngày …… tháng …… năm 2005 PHÒNG ĐÀO TẠO SĐH KHOA QUẢN LÝ NGÀNH LỜI CẢM ƠN Em xin chân thành cảm ơn tất Quý thầy cô khoa Điện-Điện tử Trường Đại Học Bách Khoa TP HCM hết lòng giảng dạy, truyền đạt kiến thức giúp đỡ em suốt thời gian học trường Em xin chân thành cảm ơn thầy TS.NGUYỄN THIỆN THÀNH, người trực tiếp hướng dẫn, tận tình bảo tạo điều kiện thuận lợi để em hoàn thành tốt luận văn tốt nghiệp Cuối cùng, xin gửi lời cảm ơn đến gia đình bạn bè hỗ trợ động viên suốt trình học tập thực luận văn tốt nghiệp Tác giả MỤC LỤC Trang Chương 1: Giới thiệu tổng quan 1.1 Giới thiệu vấn ñeà 1.1.1 Khái niệm Robot xuất robot tự hành 1.1.2 Ứng dụng phương pháp điều khiển tối ưu neuron vào việc điều khiển robot di động 1.2 Nội dung phạm vi nghiên cứu vấn đề Chương 2: Lý thuyết điều khiển tối ưu 2.1 Các khái niệm 2.1.1 Khái niệm toán tối ưu 2.1.2 Phím hàm tối ưu J 10 2.1.3 Xây dựng toán tối ưu 14 2.2 Các phương pháp điều khiển tối ưu 17 2.2.1 Phương pháp biến phân cổ điển Euler_Lagrange 17 2.2.2 Phương pháp quy hoạch động Belman 19 2.2.3 Nguyeân lý cực tiểu Pontryagin_Hamilton 22 2.3 Điều khiển tối ưu hệ thống rời rạc 24 2.3.1 Công thức toán 24 2.3.2 Lời giải toán 26 2.4 Điều khiển tối ưu hệ thống liên tục 28 Chương 3: Một số phương pháp tối ưu liên quan đến đề tài 33 3.1 Điều khiển tối ưu dạng toàn phương tuyến tính 33 3.1.1 Ổn định Lyapunov hệ thống tuyến tính 33 3.1.2 Điều khiển tối ưu hệ tuyến tính với tiêu chất lượng dạng toàn phương 35 3.13 p dụng phương pháp LQR vào đề tài 37 3.2 Điều khiển tối ưu phương pháp giải tích 38 3.2.1 Điều khiển tối ưu phương pháp giải tích 39 3.2.2 p dụng phương pháp giải tích vào đề tài 43 Chương 4: Mạng Neuron nhân tạo 44 4.1 Caùc khaùi niệm 44 4.1.1 Mạng neuron nhân tạo 44 4.1.2 Phần tử xử lý 45 4.1.3 Phân loại maïng neuron 47 4.1.4 Huấn luyện mạng neuron 50 4.2 Mạng truyền thẳng thuật toán lan truyền ngược 58 4.2.1 Mạng truyền thẳng 58 4.2.2 Thuaät toán lan truyền ngược 61 4.3 Mạng hồi quy thuật toán lan truyền ngược 62 4.3.1 Mạng hồi qui toàn phần 63 4.3.2 Thuật toán lan truyền ngược 64 4.3.3 Các thông số thuật toán lan truyền ngược 65 4.4 Mạng neuron hệ thống điều khiển 66 4.4.1 Cấu hình chép từ điều khiển sẵn có 66 4.4.2 Cấu hình nhận dạng hệ thoáng 67 4.4.3 Cấu hình nhận dạng hệ thống đảo 68 4.4.4 Cấu hình sai phân mô hình 68 Chương 5: Xây dựng mô hình toán tối ưu cho quỹ đạo chuyển động robot thuật toán điều khiển neuron 69 5.1 Mô hình toán tối öu cuûa mobile robot 69 5.1.1 Mô hình toán 70 5.1.2 Xaây dựng điều khiển tối ưu 71 5.2 Thuật toán điều khiển neuron 77 Chương 6: Báo cáo kết hướng phát triển đề tài 78 6.1 Kết mô 78 6.1.1 Kết mô hệ thống với điều khiển tối ưu 79 6.1.2 Kết mô hệ thống với điều khiển tối ưu dùng Neuron 84 6.2 Kết luận hướng phát triển đề tài 86 6.2.1 Keát luaän 86 6.2.2 Hướng phát triển đề tài 86 LỜI GIỚI THIỆU #" Vào đầu kỷ trước, ý tưởng Robot xuất hiện, thể ước mơ cháy bỏng người tạo người máy thay công việc nặng nhọc, nhàm chán, nguy hiểm Các nhà khoa học bắt tay vào việc nghiên cứu chế tạo robot, robot đời vào năm 1940 Ngày bùng nổ công nghiệp máy tính với phát triển sở lý thuyết lónh vực xử lý thông tin nhân tố quan trọng để giúp dần tới mục tiêu “người máy hoá” Robot sử dụng rộng rãi sản xuất, nghiên cứu khoa học đời sống, đặc biệt hệ thống sản xuất linh hoạt Vấn đề đặt cho nhà nghiên cứu lónh vực robot phải thiết kế điều khiển để điều khiển trình hoạt động Robot phù hợp với nhu cầu sử dụng khác người Một toán điều khiển robot nhiều tác giả nghiên cứu đưa vào ứng dụng thực tế, toán điều khiển quỹ đạo chuyển động robot đến vị trí đặt trước Đã có nhiều phương pháp giải toán điều khiển quỹ đạo chuyển động robot như: phương pháp PID, Neuron, tối ưu…đều cho kết tốt Với phương pháp điều khiển tối ưu đảm bảo cho hệ thống điều khiển robot di chuyển với quỹ đạo tối ưu sai số, thời gian, lượng,….Còn với điều khiển dùng mạng neuron cho phép điều khiển có khả tư giống não người Kết ứng dụng mạng neuron không lónh vực điều khiển robot mà nhiều lónh vực khác như: truyền thông, kỹ thuật, vật lý, …đã mang lại thành công rực rỡ cho nhân loại Trong luận văn xin trình bày phương pháp điều khiển tối ưu dùng mạng neuron cho quỹ đạo chuyển động robot Phương pháp kết hợp ưu điểm phương pháp điều khiển tối ưu mạng neuron Tuy nỗ lực trình thực luận văn, song không tránh khỏi thiếu sót Do mong nhận đóng góp sửa đổi hay bổ sung thêm từ phía bạn đọc, xin gửi theo địa hongngavuh@yahoo.com Luận văn gồm có chương: Chương 1: Giới thiệu tổng quan 1.1 Giới thiệu vấn đề 1.1.1 Khái niệm Robot xuất robot tự hành 1.1.2 Ứng dụng phương pháp điều khiển tối ưu neuron vào việc điều khiển robot di động 1.2 Nội dung phạm vi nghiên cứu vấn đề Chương 2: Lý thuyết điều khiển tối ưu 2.1 Các khái niệm 2.1.1 Khái niệm toán tối ưu 2.1.2 Phím hàm tối ưu J 2.1.3 Xây dựng toán tối ưu 2.2 Các phương pháp điều khiển tối ưu 2.2.1 Phương pháp biến phân cổ điển Euler_Lagrange 2.2.2 Phương pháp quy hoạch động Belman 2.2.3 Nguyên lý cực tiểu Pontryagin_Hamilton 2.3 Điều khiển tối ưu hệ thống rời rạc 2.3.1 Công thức toán 2.3.2 Lời giải toán 2.4 Điều khiển tối ưu hệ thống liên tục Chương 3: Một số phương pháp tối ưu liên quan đến đề tài 3.1 Điều khiển tối ưu dạng toàn phương tuyến tính 3.1.1 Ổn định Lyapunov hệ thống tuyến tính 3.1.2 Điều khiển tối ưu hệ tuyến tính với tiêu chất lượng dạng toàn phương 3.13 p dụng phương pháp LQR vào đề tài 3.2 Điều khiển tối ưu phương pháp giải tích 3.2.1 Điều khiển tối ưu phương pháp giải tích 3.2.2 p dụng phương pháp giải tích vào đề tài Chương 4: Mạng Neuron nhân tạo 4.1 Các khái niệm 4.1.1 Mạng neuron nhân tạo 4.1.2 Phần tử xử lý 4.1.3 Phân loại mạng neuron 4.1.4 Huấn luyện mạng neuron 4.2 Mạng truyền thẳng thuật toán lan truyền ngược 4.2.1 Mạng truyền thẳng 4.2.2 Thuật toán lan truyền ngược 4.3 Mạng hồi quy thuật toán lan truyền ngược 4.3.1 Mạng hồi qui toàn phần 4.3.2 Thuật toán lan truyền ngược 4.3.3 Các thông số thuật toán lan truyền ngược 75 m=1000 %khoi luong J=50 %moment quan tinh d=200 %khoang cach tu u1 va u2 den truc xe • Sơ đồ mô simulink 76 Hình 5.2: Sơ đồ mô simulink với tín hiệu vào hàm nấc 77 5.2 Thuật Toán Điều Khiển Neuron Ta sử dụng mạng truyền thẳng lớp với thuật toán lan truyền ngược theo phương pháp Newton - Lớp vào có đơn vị là: u1 u2 - Lớp ẩn có 20 đơn vị: số đơn vị lớp ẩn chọn cho kết huấn luyện tốt - Lớp có đơn vị là: toadox, toadoy theta - Hàm kích hoạt ngõ vào hàm Sigmoid: y= - 1 − e −λneti Hàm kích hoạt ngõ hàm tuyến tính: y = a.net(i) = neti - Dữ liệu huấn luyện mạng lấy từ điều khiển tối ưu - Số hệ: chọn vừa đủ để kết huấn luyện đạt đến sai số mong muốn - Sai số mong muốn: 1e-3 - Tốc độ học: 0.1 Để xây dựng điều khiển neutron với thông số ta lập trình matlab, C, C++,… với thuật toán huấn luyện trình bày phần lý thuyết mạng Neuron Hoặc ta dùng hàm có sẵn matlab sau: net=newff([u1min u1max;u2min u2max],[20,3],{'tansig','purelin'},'trainlm'); 78 CHƯƠNG BÁO CÁO KẾT QUẢ VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 6.1 KẾT QUẢ MÔ PHỎNG Kết mô thực phần mềm Matlab Gồm phần sau: - Kết mô hệ thống tối ưu quỹ đạo chuyển động cho robot sử dụng điều khiển tối ưu dùng phương pháp giải tích + Khi thay đổi thông số K1, K2 phiếm hàm tối ưu + Khi thay đổi giới hạn cho phép vận tốc gia tốc chuyển động - Kết mô hệ thống tối ưu quỹ đạo chuyển động cho robot sử dụng điều khiển tối ưu dùng mạng neuron 79 6.1.1 Kết mô hệ thống với điều khiển tối ưu K1 = 10 ; K2 = 10 K1 = ; K2 = R = 10 rad ; theta = 45o R = 10 rad ; theta = 45o KẾT QUẢ MÔ PHỎNG KHOẢNG CÁCH 12 12 10 10 H C A C G N A O H K H C A C G N A O H K 6 tin hieu tin hieu dat 0 10 20 30 THOI GIAN 40 50 tin hieu tin hieu dat 60 10 20 30 THOI GIAN Hình 40 50 60 Hình KẾT QUẢ MÔ PHỎNG GÓC QUAY 1 0.9 0.9 0.8 0.8 0.7 0.7 A T E H T Y A U Q C O G A T E H T Y A U Q C O G 0.6 0.5 0.4 0.3 0.6 0.5 0.4 0.3 0.2 0.2 tin hieu tin hieu dat 0.1 0 10 20 30 THOI GIAN 40 50 tin hieu tin hieu dat 0.1 60 10 20 30 THOI GIAN Hình 40 50 60 Hình KẾT QUẢ MÔ PHỎNG Q ĐẠO CHUYỂN ĐỘNG 8 7 6 Y O D A O T Y O D A O T 4 2 1 0 TOA DO X Hình 0 TOA DO X Hình 6 80 KẾT QUẢ MÔ PHỎHG SAI SỐ 10 10 sai so khoang cach sai so goc dat 7 O S I A S O S I A S 5 3 2 1 sai so khoang cach sai so goc dat 10 20 30 THOI GIAN 40 50 60 10 20 30 THOI GIAN 40 50 60 Hình Hình KẾT QUẢ MÔ PHỎHG VẬN TỐC DÀI 4 3.5 3.5 3 2.5 c ot n a v 2.5 c ot n a v 2 1.5 1.5 1 0.5 0.5 0 10 20 30 THOI GIAN 40 50 60 10 20 30 THOI GIAN 40 50 60 40 50 60 Hình 10 Hình KẾT QUẢ MÔ PHỎHG VẬN TỐC GÓC c ot n a v 0.25 0.25 0.2 0.2 c ot n a v 0.15 0.15 0.1 0.1 0.05 0.05 0 10 20 30 THOI GIAN Hình 11 40 50 60 0 10 20 30 THOI GIAN Hình 12 81 • Nhận xét: - Khi sử dụng điều khiển tối ưu không ràng buộc, kết tối ưu đạt phụ thuộc vào cách chọn thông số hàm mục tiêu Ta phải thay đổi nhiều lần để tìm thông số thích hợp với hệ thống điều khiển - Trong phần mô chọn K1 K2 thay đổi khoảng [0.01 100], ta tìm giá trị K1=1 K2=1 cho kết tối ưu tốt Tuy nhiên tóm tắt biểu diễn kết hai trường hợp đại điện K1=10, K2=10 K1=1, K2=1 - Kết mô ôû hình 1, hình 2, hình 3, hình ta thấy Robot di chuyển đến khoảng cách đặt góc đặt trường hợp K1=1, K2=1 nhanh - Kết mô hình 7, hình ta thấy sai số tiến đến trường hợp K1=1, K2=1 nhanh trường hợp K1=10, K2=10 - Kết mô hình 9, hình 10, hình 11, hình 12 ta thấy vận tốc dài vận tốc góc trường hợp K1=1, K2=1 lớn trường hợp K1=10, K2=10 Như robot di chuyển đến vị trí đặt nhanh - Kết mô hình 5, hình biểu diễn q đạo chuyển động Robot Ta thấy K1=1, K2=1 robot di chuyển với q đạo ngắn hơn, phân tích vận tốc trường hợp lớn Do chọn K1=1 K2=1 robot di chuyển đến vị trí đặt nhanh với sai số tiến nhanh - Khi chọn K1, K2 ta xét tiếp kết mô thay đổi giới hạn vận tốc 82 K1 = ; K2 = K1 = ; K2 = R = 10 rad ; theta = 450 R = 10 rad ; theta = 450 ≤ v ≤ rad/s ; ≤ ϖ ≤ 0.5 rad/s ≤ v ≤ rad/s ; ≤ ϖ ≤ 0.1 rad/s KẾT QUẢ MÔ PHỎNG KHOẢNG CÁCH 12 12 10 10 H C A C G N A O H K H C A C G N A O H K 6 tin hieu tin hieu dat 0 10 15 THOI GIAN 20 25 30 tin hieu tin hieu dat Hình 14 10 15 THOI GIAN 20 25 30 Hình 13 KẾT QUẢ MÔ PHỎNG GÓC QUAY 1 0.9 0.9 0.8 0.8 0.7 A T E H T Y A U Q C O G 0.7 A T E H T Y A U Q C O G 0.6 0.5 0.4 0.3 0.6 0.5 0.4 0.3 0.2 0.2 tin hieu tin hieu dat 0.1 0 10 15 THOI GIAN 20 25 Hình 16 0.1 30 10 tin hieu tin hieu dat 15 THOI GIAN Hình 15 20 25 30 KẾT QUẢ MÔ PHỎNG Q ĐẠO CHUYỂN ĐỘNG 8 7 6 Y O D A O T Y O D A O T 4 2 1 0 TOA DO X Hình 17 0 TOA DO X Hình 18 83 KẾT QUẢ MÔ PHỎHG SAI SOÁ 10 10 sai so khoang cach sai so goc dat 8 7 O S I A S O S I A S 5 3 2 1 sai so khoang cach sai so goc dat 10 15 THOI GIAN 20 25 30 10 15 THOI GIAN 20 25 30 20 25 30 40 50 60 Hình 20 Hình 19 KẾT QUẢ MÔ PHỎHG VẬN TỐC DÀI 4 3.5 3.5 3 2.5 c ot n a v 2.5 c ot n a v 1.5 1.5 1 0.5 0.5 0 10 15 THOI GIAN 20 25 30 10 15 THOI GIAN Hình 22 Hình 21 KẾT QUẢ MÔ PHỎHG VẬN TỐC GÓC c ot n a v 0.25 0.25 0.2 0.2 0.15 c ot n a v 0.15 0.1 0.1 0.05 0.05 0 10 20 30 THOI GIAN Hình 23 40 50 60 0 10 20 30 THOI GIAN Hình 24 84 • Nhận xét: - Từ hình 13 đến hình 24 kết toán tối ưu có xét tới giới hạn vận tốc chuyển động Robot - Khi giới hạn vận tốc lớn robot di chuyển nhanh tới vị trí mong muốn, sai số tiến tới không nhanh hơn, q đạo chuyển động Robot ngắn - Dựa vào kết thu ta thấy toán tối ưu đề tài cho kết tốt hai trường hợp tối ưu không ràng buộc tối ưu có ràng buộc - Với K1=1, K2=1, ≤ v ≤ rad/s ; ≤ ϖ ≤ 0.5 rad/s2 cho kết tối ưu tốt Ta lấy tập mẫu huấn luyện vào để thiết kế điều khiển tối ưu dùng mạng Neuron 6.1.2 Kết mô hệ thống với điều khiển tối ưu dùng Neuron • Thông số điều khiển K1 = ; K2 = ; R = 10 ; theta = 450; ≤ v ≤ rad/s ; ≤ ϖ ≤ 0.5 rad/s2 • Chọn mạng Neuron: ta sử dụng mạng truyền thẳng lớp với thuật toán lan truyền ngược theo phương pháp Newton cải tiến - Lớp vào có đơn vị là: u1 u2 - Lớp ẩn có 20 đơn vị: số đơn vị lớp ẩn chọn cho kết huấn luyện tốt - Lớp có đơn vị là: toadox, toadoy theta - Hàm kích hoạt ngõ vào hàm Sigmoid: y = - Hàm kích hoạt ngõ hàm tuyến tính: y = a.net(i) = neti - Dữ liệu huấn luyện mạng lấy từ điều khiển tối ưu - Số hệ: tuỳ theo lần huấn luyện - Sai số mong muốn: 1e-3 1 − e −λneti Tốc độ học: 0.1 85 KẾT QUẢ MÔ PHỎNG DÙNG MẠNG NEURON 15 0.8 tin hieu tin hieu dat 0.7 10 0.6 0.5 H C A C G N A O H K A T E H T Y A U Q C O G 0.4 0.3 0.2 0.1 -5 -10 10 15 20 25 30 THOI GIAN 35 40 45 -0.1 50 tin hieu tin hieu dat Hình 25: Khoảng cách R 10 15 20 25 30 THOI GIAN 35 40 45 50 Hình 26: Góc quay theta 20 sai so khoang cach sai so goc dat 15 10 O S I A S Y O D A O T -5 0 10 15 20 25 30 THOI GIAN 35 40 45 Hình 27: Sai số R theta 50 TOA DO X Hình 28: Q đạo chuyển động 86 Nhận xét: Khi thay điều khiển tối ưu Neuron kết đạt tốt Tuy nhiên sử dụng điều khiển Neuron ta xây dựng mô hình toán phức tạp điều khiển tối ưu, tiết kiệm chi phí thiết kế điều khiển 6.2 Kết luận hướng phát triển đề tài 6.2.1 Kết luận - Khi giải toán dùng điều khiển tối ưu, kết thu phụ thuộc nhiều vào cách chọn hàm mục tiêu thông số hàm mục tiêu Nếu chọn K1 K2 nhỏ tốc độ sai số tiến đến không nhanh, hay robot tiến tới vị trí đặt nhanh hệ thống hoạt động ổn định Do trình giải toán tối ưu ta phải thay đổi nhiều lần giá trị K1 K2 để tìm giá trị tốt cho hệ thống - Để giải toán tối ưu phi tuyến theo phương pháp giải tích hay phương pháp LQR (sau tuyến tính hoá) số ngõ phải nhỏ số ngõ vào số toán ta không giải Để khắc phục nhược điểm ta thay điều khiển tối ưu điều khiển neuron - Khi xây dựng điều khiển tối ưu dùng mạng neuron điều quan trọng ta phải có tập mẫu huấn luyện thật tốt, ta phải chọn loại mạng dùng để huấn luyện, số lớp mạng, số học, sai số …phù hợp để thu kết huấn luyện tốt 6.2.2 Hướng phát triển đề tài - Ta giải toán cách dùng mạng học củng cố, tăng tính linh động cho toán - Ngoài mở rộng xây dựng toán tối ưu sai số, lượng thời gian 87 TÀI LIỆU THAM KHẢO [1] “Điều Khiển Tối Ưu Bền Vững”, Nhà Xuất Bản Khoa Học Kỹ Thuật, 2000 [2] “Lý Thuyết Điều Khiển Hiện Đại”, TP HCM 2005 [3] “Robot Công Nghiệp”, Nhà Xuất Bản Khoa Học Kỹ Thuật, 2002 [4] “Lý Thuyết Điều Khiển Phi Tuyến”, Nhà Xuất Bản Khoa Học Và Kỹ Thuật Hà Nội, 6/2003 [5] “Kỹ Thuật Robot”, Nhà Xuất Bản Khoa Học Và Kỹ Thuật Hà Nội, 2003 [6] “Lý Thuyết Điều Khiển Nâng Cao”, Nhà Xuất Bản Khoa Học Và Kỹ Thuật Hà Nội, 2005 [7] “ Neural Systems for Control”, Academic Press,1997 [8] “An optimal tracking neuro-controller for nonlinear dynamic system” In IFAC Conference Control system design,2000 [9] “Control of Robotic Manipulator with Nonlinear End Point Feedback”, University of Washing ton, 1996 [10] “Control of a Flexible Link Robotic Manipulator in Zero Gravity Conditions”, University of Waterloo, 2003 [11] “The synergetics theory of control” Energoatomizdat, 1994 [12] “Experiments in Modeling and End-Point Control of Two-Link Flexible Manipulators”, Dissertation Stanford University, 1991 [13] “Optimal Control”, A Wiley-Interscience Publication John Wiley & Sons, INC 1995 [14] “Adaptive NN Con trol of Robot Manipulator with unknow Dynamic Friction”, Department of Electrical and Computer Engineering National University of Singapore, 2001 88 [15] “Neural Networks: Basics using Matlab Neural Network Toolbox”, 2000 [16] “The Matlab Handbook”, Springer, 1997 [17] “Mạng Neuron: Nhận dạng, Dự báo Điều khiển”, trường Đại Học Bách Khoa Tp.HCM, 03/2001 [18] “Nonlinear Systems”, Prentice Hall, 1996 [19] “Control Systems: Classical, Neural, and Fuzzy”, Oregon Graduate Institude, Lecture Notes – 1998 [20] “Neural Network-Based Adaptive Controller Design Manipulators with an Observer”, Senior Member, IEEE, 2001 of Robotic TÓM TẮT LÝ LỊCH TRÍCH NGANG Họ tên: Vũ Thị Hồng Nga Ngày, tháng, năm sinh: 13/11/1979 Phái: Nữ Nơi sinh: Daklal Địa liên lạc: số 9, Cù Chính Lan, TP Ban Mê Thuột, tỉnh Daklal Quá trình đào tạo công tác: - Từ Năm 1997-2002: học đại học trường Đại Học Bách Khoa TP Hồ Chí Minh - Từ Năm 2003-2005: học cao học trường Đại Học Bách Khoa TP Hồ Chí Minh - Từ Năm 2002-2003: giảng dạy trường Cao Đẳng Kỹ Thuật Vihempich TP Hồ Chí Minh - Từ Năm 2003 nay: giảng dạy trường Đại Học Công Nghiệp TP Hồ Chí Minh ... Với phương pháp điều khiển tối ưu đảm bảo cho hệ thống điều khiển robot di chuyển với quỹ đạo tối ưu sai số, thời gian, lượng,….Còn với điều khiển dùng mạng neuron cho phép điều khiển có khả tư... ngành : ĐIỀU KHIỂN HỌC KỸ THUẬT Mã số : 2.05.01 I.TÊN ĐỀ TÀI : Điều Khiển Tối Ưu Dùng Mạng Neuron Với Q Đạo Chuyển Động Của Robot II.NHIỆM VỤ VÀ NỘI DUNG : - Tìm hiểu lý thuyết điều khiển tối ưu -... luận văn xin trình bày phương pháp điều khiển tối ưu dùng mạng neuron cho quỹ đạo chuyển động robot Phương pháp kết hợp ưu điểm phương pháp điều khiển tối ưu mạng neuron Tuy nỗ lực trình thực luận