Điều khiển thích nghi phi tuyến cho robot công nghiệp trên cơ sở mạng nơ ron nhân tạo

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI oOo THÁI HỮU NGUYÊN ĐIỀU KHIỂN THÍCH NGHI PHI TUYẾN CHO ROBOT CÔNG NGHIỆP TRÊN CƠ SỞ MẠNG NƠ RON NHÂN TẠO Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 62520216 LUẬN ÁN TIẾN SĨ ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC GS TS Phan Xuân Minh GS TS Nguyễn Doãn Phước HÀ NỘI - 2015 LỜI CAM ĐOAN Tơi xin cam đoan luận án cơng trình nghiên cứu thân Các kết nghiên cứu luận án trung thực chưa cơng bố cơng trình khác, ngồi cơng trình tác giả cơng bố TẬP THỂ HƯỚNG DẪN TÁC GIẢ LUẬN ÁN THÁI HỮU NGUYÊN LỜI CẢM ƠN Bản luận án hoàn thành sở kết nghiên cứu hướng dẫn khoa học GS.TS Phan Xuân Minh GS.TS Nguyễn Dỗn Phước thuộc Bộ mơn Điều khiển Tự động, trường Đại học Bách khoa Hà Nội Tơi xin bày tỏ lịng biết ơn sâu sắc tới thầy, cô tin tưởng, quan tâm, giúp đỡ tạo điều kiện cho tơi hồn thành luận án Tôi xin chân thành cảm ơn PGS.TS Nguyễn Phạm Thục Anh, GS.TSKH Cao Tiến Huỳnh, PGS.TSKH Phạm Thượng Cát, PGS.TS Hán Thành Trung, PGS.TS Hoàng Minh Sơn gợi ý khoa học q báu giúp tơi hồn thiện cơng việc nghiên cứu hồn thành luận án Xin cảm ơn quý thầy cô giáo thuộc Bộ môn Điều khiển Tự động, Viện Điện, Đại học Bách khoa Hà Nội, có nhiều giúp đỡ ủng hộ nhiệt tình thời gian tơi học tập nghiên cứu Tơi xin bày tỏ lịng biết ơn tới bậc lãnh đạo trường Đại học Sư phạm Kỹ thuật Vinh nơi công tác, tạo điều kiện thuận lợi cho thời gian vật chất suốt trình nghiên cứu Trân trọng cảm ơn Viện Đào tạo sau Đại học, Đại học Bách khoa Hà Nội tạo điều kiện thuận lợi để tơi hồn thành tốt luận án Tôi xin cảm ơn quý thầy giáo, cô giáo, bạn bè, đồng nghiệp giúp đỡ, động viên chia sẻ khó khăn, ln cho tơi thêm nghị lực để hoàn thành luận án Cuối đặc biệt quan trọng, chân thành cảm ơn người thân gia đình tơi tất TÁC GIẢ LUẬN ÁN THÁI HỮU NGUYÊN MỤC LỤC DANH MỤC CÁC CHỮ VIẾT TẮT VÀ CÁC KÝ HIỆU DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ MỞ ĐẦU 10 Tình hình nghiên cứu nước 10 Tính cấp thiết đề tài luận án 13 Mục tiêu luận án 14 Đối tượng phạm vi nghiên cứu luận án 14 Ý nghĩa khoa học thực tiễn luận án 14 Nội dung luận án .14 Chương 17 NGHIÊN CỨU, ĐÁNH GIÁ CÁC PHƯƠNG PHÁP ĐIỀU KHIỂN ROBOT 17 1.1 Mô hình tốn học định hướng thiết kế điều khiển cho robot .17 1.1.1 Mơ hình tốn học robot 17 1.1.1.1 Động học vị trí 17 1.1.1.2 Động học thuận vận tốc 18 1.1.1.3 Động lực học 18 1.1.2 Định hướng thiết kế điều khiển cho robot 20 1.2 Điều khiển chuyển động tay máy robot 22 1.2.1 Các thuật toán điều khiển kinh điển 22 1.2.1.1 Điều khiển không gian khớp 22 1.2.1.2 Điều khiển không gian làm việc 25 1.2.2 Các thuật toán điều khiển nâng cao 27 1.2.2.1 Các thuật toán điều khiển thích nghi 27 1.2.2.2 Tuyến tính hóa xác 28 1.2.2.3 Điều khiển bám quỹ đạo cho robot phương pháp Jacobian xấp xỉ thích nghi 35 1.2.2.4 Điều khiển thích nghi bền vững sử dụng kỹ thuật backstepping điều khiển chuyển động robot 40 1.2.2.5 Điều khiển thích nghi robot sở mờ mạng nơ ron 44 1.3 Hướng nghiên cứu luận án .45 1.3.1 Phát biểu toán 45 1.3.2 Phương pháp luận 45 1.4 Kết luận chương 45 Chương 46 ĐIỀU KHIỂN THÍCH NGHI TAY MÁY ROBOT SỬ DỤNG MẠNG NƠ RON TRÊN CƠ SỞ KỸ THUẬT BACKSTEPPING 46 2.1 Tổng hợp điều khiển thích nghi sử dụng mạng nơ ron 46 2.1.1 Xấp xỉ hàm số mạng nơ ron nhân tạo 46 2.1.2 Tổng hợp điều khiển thích nghi sở kỹ thuật backstepping 49 2.1.3 Phân tích tính ổn định hệ thống 56 2.1.4 Tổng hợp ANNC cho robot bậc tự 59 2.1.4.1 Biến đổi mơ hình dạng truyền ngược chặt 59 2.1.4.2 Tổng hợp ANNC 60 2.1.4.3 Kết mô 61 2.2 Tổng hợp ANNC cho robot n bậc tự 62 2.2.1 Biến đổi mơ hình dạng truyền ngược chặt 62 2.2.2 Tổng hợp ANNC 63 2.2.3 Tổng hợp ANNC cho robot bậc tự 63 2.2.3.1 Biến đổi mơ hình dạng truyền ngược chặt 63 2.2.3.2 Tổng hợp ANNC 65 2.2.3.3 Kết mô 65 2.3 Kết luận chương 67 Chương 69 ĐIỀU KHIỂN TRƯỢT NƠ RON THÍCH NGHI BỀN VỮNG CHO TAY MÁY ROBOT BẤT ĐỊNH HÀM SỐ 69 3.1 Đặt toán tổng hợp điều khiển trượt .69 3.2 Tổng hợp điều khiển trượt 69 3.3 Xấp xỉ hàm bất định mạng nơ ron hướng tâm .71 3.4 Phân tích tính ổn định hệ thống .74 3.5 Tổng hợp RANNSMC cho robot n bậc tự 75 3.5.1 Biến đổi mơ hình dạng truyền ngược chặt 75 3.5.2 Tổng hợp RANNSMC 75 3.6 Tổng hợp RANNSMC cho robot bậc tự 76 3.6.1 Biến đổi mơ hình dạng truyền ngược chặt 76 3.6.2 Tổng hợp RANNSMC 80 3.6.3 Kết mô 80 3.7 Kết luận chương 82 Chương 83 ĐIỀU KHIỂN THÍCH NGHI BỀN VỮNG TAY MÁY ROBOT SỬ DỤNG MẠNG NƠ RON KẾT HỢP ĐIỀU KHIỂN TRƯỢT 83 4.1 Cơ sở lý thuyết 83 4.1.1 Điều khiển thích nghi sử dụng mạng nơ ron sở kỹ thuật backstepping 84 4.1.2 Điều khiển trượt 85 4.1.2.1 Tổng hợp điều khiển trượt cho đối tượng xác định 85 4.1.2.2 Tổng hợp điều khiển trượt cho đối tượng bất định 86 4.2 Tổng hợp RAC cho robot n bậc tự 87 4.2.1 Biến đổi mơ hình dạng truyền ngược chặt 87 4.2.2 Tổng hợp điều khiển RAC 88 4.3 Phân tích tính ổn định hệ thống .89 4.4 Tổng hợp ANNC, RANNSMC RAC cho robot bậc tự 94 4.4.1 Biến đổi mô hình dạng truyền ngược chặt 94 4.4.2 Tổng hợp ANNC, RANNSMC RAC 94 4.4.3 Kết mô 95 4.4.4 Nhận xét 95 4.5 Mô khiểm chứng RAC với mơ hình robot bậc tự thiết kế phần mềm Solidworks sử dụng công cụ SimMechanics .96 4.5.1 Chọn thông số mô 96 4.5.2 Kết mô 97 4.5.3 Nhận xét 99 4.6 Kết luận chương 99 KẾT LUẬN VÀ KIẾN NGHỊ 100 - Kết luận 100 - Kiến nghị 100 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN 101 TÀI LIỆU THAM KHẢO 102 DANH MỤC CÁC CHỮ VIẾT TẮT VÀ CÁC KÝ HIỆU Các chữ viết tắt: STT 10 11 12 13 14 15 16 17 18 19 20 21 Chữ viết tắt Tiếng Anh Adaptive Neural Network Control SMC Sliding Mode Control Robust Adaptive Neural RANNSMC Networks Sliding Mode Control RAC Robust Adaptive Control GAS Global Asymptotic Stable MNN Multiple Layer Neural Networks NN Neural Network RBF Radial Basis Function CLF Control Lyapunov Function PD Proportional-Derivative PID Proportional-Integral-Derivative SISO Single Input – Single Output Multiple Inputs–Multiple MIMO Outputs EL Euler – Lagrange DH Denavit – Hartenberg 3D Dimensions DOF Degree - of - Freedom ĐHT ĐHN ĐLH BĐK ANNC Tiếng Việt Điều khiển mạng nơ ron thích nghi Điều khiển trượt Điều khiển trượt nơ ron thích nghi bền vững Điều khiển thích nghi bền vững Ổn định tiệm cận toàn cục Mạng nơ ron nhiều lớp Mạng nơ ron Hàm sở xuyên tâm Hàm điều khiển Lyapunov Tỷ lệ – Vi phân Tỷ lệ - Tích phân – Vi phân Hệ vào – Hệ nhiều vào – nhiều Euler-Lagrange (tên riêng) Denavit – Hartenberg (tên riêng) Không gian chiều Bậc tự Động học thuận Động học ngược Động lực học Bộ điều khiển 22 tr . 23 diag . Ma trận đường chéo 24 sgn . Hàm dấu 25 26 DSP IPC Vết ma trận Digital signal Processor Inter-Process Communication Xử lý tín hiệu số Máy tính công nghiệp IPC Các ký hiệu: Ý nghĩa Véc tơ mô men tác dụng lên khớp quay robot STT Ký hiệu  d Véc tơ nhiễu tác động lên hệ thống F H Hˆ Véc tơ lực tác dụng lên khớp tịnh tiến robot Ma trận quán tính C Cˆ Ma trận tương hỗ ly tâm G Gˆ Véc tơ lực trọng trường Ma trận đối xứng lệch Ma trận tương hỗ, ly tâm trọng trường 13 N N Nˆ q 14 q Véc tơ tốc độ góc khớp robot 15 q Véc tơ gia tốc góc khớp robot 16 qd Véc tơ vị trí góc đặt khớp robot 17 qd Véc tơ tốc độ góc đặt khớp robot 18 qd Véc tơ gia tốc góc đặt khớp robot 19 20 W p 21 pˆ Ma trận hồi quy Véc tơ tham số động lực học robot Véc tơ ước lượng p 22 23 24 V X 25 Véc tơ gia tốc không gian làm việc 26 X Xd 27 Xd Véc tơ vận tốc đặt không gian làm việc 28 Xd Véc tơ gia tốc đặt không gian làm việc 29 Ma trận Jacobi 30 J Jˆ 31 KP , KI , KD 32 33 34 L K P 10 11 12 X Ma trận quán tính ước lượng Ma trận tương hỗ ly tâm ước lượng Véc tơ lực trọng trường ước lượng Ma trận ước lượng N Véc tơ vị trí góc khớp robot Hàm Lyapunov Véc tơ quỹ đạo không gian làm việc Véc tơ vận tốc không gian làm việc Véc tơ quỹ đạo đặt không gian làm việc Ma trận Jacobi ước lượng Hệ số tỷ lệ, tích phân, vi phân Hàm Lagrange Hàm tổng động Hàm tổng 35 Hàm lượng 36 A Fd 37 u,U Tín hiệu điều khiển véc tơ tín hiệu điều khiển 38 e, E Sai lệch véc tơ sai lệch 39 e, E Đạo hàm sai lệch véc tơ đạo hàm sai lệch 40 41 42 43 I l m x, x Mơ men qn tính Chiều dài cánh tay robot Khối lượng cánh tay robot Biến trạng thái véc tơ trạng thái 44 x, x Đạo hàm biến trạng thái đạo hàm véc tơ biến trạng thái 45 x, x Đạo hàm bậc biến trạng thái đạo hàm bậc véc tơ biến trạng thái 46 xˆ , xˆ Biến trạng thái véc tơ biến trạng thái ước lượng 47 xd , xd 48 xd Véc tơ đạo hàm tín hiệu đặt 49 xd Véc tơ đạo hàm bậc tín hiệu đặt 51 L f 52 r 53 z, Z , Z 54 y Bậc tương đối hệ Tín hiệu vào, véc tơ tín hiệu vào, véc tơ tín hiệu vào có thành phần đỡ mạng nơron nhân tạo Tín hiệu đầu 55 yd Tín hiệu mong muốn 56 R W ( s) Bộ điều khiển gán điểm cực 58 59 60 S W,V Mặt trượt Ma trận trọng số mạng nơ ron Thành phần phi tuyến mạng nơ ron 61 * W ,V * 62 ˆ ˆ W,V Ma trận trọng số ước lượng 63 W,V Ma trận sai số 64 Wˆ ,Vˆ Ma trận đạo hàm ma trận Wˆ ,Vˆ 65 Đạo hàm ma trận sai số 66 W  w , v 67 z Tập compact 68 69 A B Ma trận hệ thống Ma trận quan sát 57 S Véc tơ lực ma sát Tín hiệu đặt véc tơ tín hiệu đặt Đạo hàm Lie Hàm truyền đạt Ma trận trọng số lý tưởng Ma trận số Ma trận điều khiển 71 C Am 72 Bm Ma trận quan sát mẫu 73 Cm Ma trận điều khiển mẫu 74 75 76 z 70 Ma trận hệ thống mẫu Véc tơ trạng thái sau phép đổi trục Số nơ ron lớp Véc tơ tham số động học 78 T Tˆ  79 F ( x) Hàm phi tuyến, bất định 80 Fˆ ( x) Hàm ước lượng F ( x) 81 F ( x) Véc tơ hàm phi tuyến, bất định 82 Fˆ ( x) Véc tơ hàm ước lượng F ( x ) 83 F ( x) Véc tơ hàm sai lệch 84  Hàm sở xuyên tâm mạng nơ ron RBF 85 f (.) Hàm phi tuyến trơn bất định 86 fˆ (.) Hàm ước lượng f (.) 77 Véc tơ tham số động học ước lượng Hàm ước lượng sai lệch mạng nơ ron DANH MỤC CÁC BẢNG Bảng 2.1: Thông số động học tay máy DOF Bảng 2.2: Thông số động học Robot DOF Bảng 3.1: Thông số động học DH Robot Scara DOF Bảng 3.2: Thông số động học Robot Scara DOF 92 (ii) Vzi  zi2  i ( xi 1 , zi   i 1 )d  zi2 gi   g (x i i 1 , zi   i 1 )d (4.89) với j  1, , ổn định hiệu điều khiển hệ thống kín phát biểu sau: xét hệ thống khép kín bao gồm hệ thống truyền ngược (4.47) thoả mãn giả thiết 1, sử dụng điều khiển (4.64), luật cập nhật trọng số NN (4.52), (4.57) với điều kiện ban đầu bị chặn (i) tất tín hiệu hệ thống vịng kín bị chặn, véc tơ Z j tồn tập compact   zj   Z j  2  z (t )  C ,  W j j 1 j 1 C0 , min ( w1 )  j V j 1 j F   C0 , x    d ( j  1) d ( j  1) min ( v1 )  (4.90) với số C0  (ii) bất đẳng thức 2 j t z (  ) d    j t  t 1 g j0 lim  z 2j (t )  2Vs (0)e t  s j 1 cj (4.91) j 1 s  c j , t  (4.92) j 1 với c j ,Vs (0), s số dương Chứng minh (i) Để đơn giản ký hiệu, cho w  wj , v  vj ,  w   wj  v   vj với j  1, Chọn hàm Lyapunov: Vs  V12     T 1  W j  w W j  tr V jT v1V j  j 1  (4.93) lấy đạo hàm theo thời gian (4.93) kết hợp với (2.23) ta có Vs    k j (t)z 2j +W jT ( Sˆ j  Sˆ 'jVˆ jT Z j ) z j  Wˆ jT Sˆ 'jV jT Z j z j j 1  (4.94)  (duj   j ) z j Wˆ  Wˆ j  tr V  Vˆ j   T j 1 w T j 1 v Sử dụng luật điều chỉnh thích nghi (4.52), (4.57) thực tế   Wˆ jT Sˆ 'jV jT Z j  tr V jT Z jWˆ jT Sˆ 'j , (4.95)   ta có Vs    k j (t)z 2j +(duj   j ) z j  wWˆ jTWˆ j   vtr V jTVˆ j  ,  j 1  z 2j Vs    j 1   j  1  w   0  g j ( x j 1 , z j   j 1 )d   W j  g j ( x j 1 , z j   j 1 )  g1 ( z1  yd ) j  v Vj (4.96) F   cj ,  (4.97) (4.98) 93 1 c j   j  W j*  V j* 4 F W * j        w W j*  v V j*  2 2 j F (4.99) Xem xét (4.89), (4.93) (4.97), ta có: Vs  sVs   c j (4.100) s   g10 / 1 , g 20 /  ,  w / max ( w1 ),  v / max ( v1 ) (4.101) j 1 Theo (4.100) ta có: Vs (t )  Vs (0)e st  s  c j , t  0, (4.102) j 1 số Vs (0)   j 1  z j (0)  j  x j 1 (0),    j 1 (0)  d (4.103)   W jT (0) w1W j (0)  tr V jT (0)v1V j (0)    2   với  j  x j 1 (0),    j 1 (0)   1   yd (0)  ; j  Xem xét (4.93) ta thấy  Wj j 1  2Vs (t ) ; V min ( w1 ) j 1 j Theo (4.88) (4.93) ta thấy Vs (t )  Vsn   Vzj  j 1 F  2Vs (t ) min (v1 ) 2  z j (t ) j 1 (4.104) (4.105) (4.106) Bất đẳng thức (4.102), (4.105) (4.106) cho ta thấy tất tín hiệu x, z j ,Wˆ j ,Vˆ j hệ thống kín bị chặn Cho C0  2Vs (0)  (2 / s ) ci , (4.107) i 1 kết luận tồn tập compact  zj định nghĩa (4.90), véc tơ Z j zj ; t (ii) ta có g j ( x j )  g j từ giả thiết 0  g j ( x j 1 , z j   j 1 )d  g j / (4.108) bất đẳng thức (4.97) viết lại sau: z 2j j 1 2 j Vs   (1  g j )   c j (4.109) j 1 Lấy tích phân bất đẳng thức khoảng [0, t] dẫn đến 2  j  ci  ; j  1, 2, , n 0 z j ( )d   g Vs (0)  t  i 1  t j0 (4.110) 94 điều khẳng định tồn bất đẳng thức (4.91) Từ (4.102) (4.106) suy sai lệch biểu thức (4.92) bị chặn □ 4.4 Tổng hợp ANNC, RANNSMC RAC cho robot bậc tự 4.4.1 Biến đổi mơ hình dạng truyền ngược chặt Robot Scara bậc tự gồm hai khớp quay khớp tịnh tiến, bước tính tốn động học mục 3.6.1, biến đổi cuối ta có mơ hình robot n bậc tự dạng truyền ngược chặt sau:  xi1   xi1  xi , với xi    ; i  1, 2,3   xi  fi ( xi )  ui  xi  (4.111) đó: fi ( xi ) hàm trơn chưa biết bị chặn Với phép đổi biến:   H (q)u; u  R n (4.112) Các thông số động học robot cho bảng 3.2 4.4.2 Tổng hợp ANNC, RANNSMC RAC Trên sở tổng hợp ANNC mục 2.2.2, ta có:   gi1 ( xi1 ) zi1  ki (t ) zi  WˆiT2 Si (VˆiT2 Zi )  với i  1, 2,3 ui   gi ( xi )  (4.113) sở tổng hợp RANNSMC mục 3.6.2, ta có: u  K sgn( S )   w  w   x  fˆ (q , q ) với i  1, 2,3 (4.114) sở tổng hợp RAC mục 4.2.2, ta có: ui ei1  ki (t )ei  Wˆi T2 Si (VˆiT2 Zi )  K sgn( Si1 )  aqi1d  qi1d  aqi1  fˆi1 (4.115) i i i i i i i i 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 Các thông số điều khiển: 1  1.0,   5.0;  w1   w2  diag{1.0};  v1   v  diag{10.0};  w1   w  1102 ; v1  1104 ;  v  1103 Trọng số mạng nơ ron khởi tạo là: Wˆ1 (0)  Wˆ2 (0)  0.0;Vˆ1 (0)  Vˆ2 (0)  0.0 Hệ số khuếch đại cho điều khiển trượt là: K  300 95 4.4.3 Kết mơ 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 96 4.5 Mơ khiểm chứng RAC với mơ hình robot bậc tự thiết kế phần mềm Solidworks sử dụng công cụ SimMechanics 4.5.1 Chọn thơng số mơ Để có mơ hình robot gần giống đối tượng robot thực tế, luận án xây dựng mơ hình robot sở thiết kế 3D phần mềm SolidWorks kết hợp công cụ SimMechanics phần mềm Matlab-Simulink, cấu trúc robot Scara bậc tự thể hình 4.6, thơng số động học cho bảng 3.2 Mơ hình Robot sử dụng phần mềm SolidWorks công cụ SimMechanics Matlab: Hình 4.6: Sơ đồ mơ robot Scara DOF sử dụng công cụ SimMechanics Các thông số nhiễu lực ma sát mục 3.6.3 Quỹ đạo đặt cho điểm tác động cuối robot, thể phương trình sau:  xE  0.3  0.035*cos(t )   yE  0.35  0.035*sin(t )  z  0.5  0.06* t  E khoảng thời gian từ đến 30s quỹ đạo có dạng: (4.116) 97 Hình 4.7: Quỹ đạo đặt điểm tác động cuối Robot - Sơ đồ cấu trúc điều khiển: Hình 4.8: Cấu trúc mơ hệ kín sử dụng công cụ SimMechanics 4.5.2 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 98 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 99 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 không 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, 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 công 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 mơ 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 nghiên cứu tác giả công bố hội nghị quốc tế ICCAIS 2013, Nha Trang 11/2013: - Robust Adaptive Control of Robots Using Neural Network and Sliding Mode Control 2013 International Conference on Control, Automation and Information Sciences, ICCAIS-2013 Nha Trang 11/2013 100 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 cơng nghiệp có mơ hình phi tuyến bất định kiểu hàm số, 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 cơng 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 tốn 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, mơ 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 101 DANH MỤC CÁC CƠNG TRÌNH ĐÃ CƠNG BỐ CỦA LUẬN ÁN Phan Xuân Minh, Thái Hữu Nguyên: Application of the Exact Linearization Method to Robot The tenth international Conference on control Automation, Robotics and Vision, ICARCV IEEE Hà nội 12/2008 Thái Hữu Nguyên, Nguyễn Phạm Thục Anh: Thiết kế điều khiển bám quỹ đạo cho robot phương pháp Jacobian xấp xỉ thích nghi Hội nghị tồn quốc lần thứ Cơ Điện tử, VCM-2012 Thái Hữu Nguyên, Phan Xuân Minh: Điều khiển thích nghi mạng nơ ron cho hệ chuyển động sử dụng kỹ thuật chiếu Tạp chí KH&CN, Đại học cơng nghiệp Hà Nội Số 16, 6/2013 Thái Hữu Nguyên, Nguyễn Công Dân, Hồ gia Quyết: Điều khiển thích nghi mạng nơ ron cho đối tượng robot công nghiệp sử dụng kỹ thuật chiếu Tạp chí nghiên cứu KH&CN Quân sự, 6/2013 Nguyễn Phạm thục Anh, Thái Hữu Nguyên: Áp dụng phương pháp backstepping điều khiển bền vững chuyển động Robot Hội nghị toàn quốc lần thứ Điều khiển Tự động hoá, VCCA-2013 Thái Hữu Ngun, Phan Xn Minh, Hồng Minh Sơn, Nguyễn Cơng Dân, Hồ gia Quyết: Robust Adaptive Control of Robots Using Neural Network and Sliding Mode Control 2013 International Conference on Control, Automation and Information Sciences, ICCAIS-2013 IEEE Nha Trang 11/2013 Thái Hữu Nguyên, Phan Xuân Minh, Nguyễn Công Khoa: Điều khiển trượt nơ ron thích nghi bền vững cho robot ba bậc tự Tạp chí Khoa học Công nghệ (ISSN: 0866-708X), Viện Hàn lâm Khoa học Công nghệ Việt Nam, tập 52, số 5, năm 2014 102 TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt (Sách) [1] Trịnh Quang Vinh, Nguyễn Đăng Bình, Phan Thành Long (2008): Robot công nghiệp NXB KH&KT [2] Nguyễn Mạnh Tiến (2007): Điều khiển robot công nghiệp NXB KH&KT [3] Đào Văn Hiệp (2006): Kỹ thuật robot NXB KH&KT [4] Nguyễn Thiện Phúc (2011): Robot công nghiệp NXB KH&KT [5] Nguyễn Văn Khang, Chu Anh Mỳ (2011): Cơ sở Robot công nghiệp NXB Giáo dục Việt Nam [6] Lê Quốc Hồi (2005): Robot cơng nghiệp tập NXB ĐHQG TP.HCM [7] Phạm Đăng Phước (2007): Robot công nghiệp NXB Xây dựng [8] Nguyễn Doãn Phước (2009): Lý thuyết điều khiển nâng cao NXB KH&KT [9] Nguyễn Doãn Phước, Phan Xuân Minh, Hán Thành Trung (2006): Lý thuyết điều khiển phi tuyến NXB KH&KT [10] Nguyễn Dỗn Phước (2012): Phân tích điều khiển hệ phi tuyến, NXB KH&KT [11] Nguyễn Dỗn Phước (2009): Lý thuyết điều khiển tuyến tính NXB KH&KT [12] Bùi Cơng Cường, Nguyến Dỗn Phước (2006): Hệ mờ, mạng nơ ron ứng dụng NXB KH&KT [13] Nguyễn Doãn Phước, Phan Xuân Minh (2000): Điều khiển tối ưu & Bền vững NXB KH&KT [14] Phạm Hữu Đức Dục (2009): Mạng nơron & Ứng dụng điều khiển tự động NXB KH&KT [15] Nguyễn Công Định, Nguyễn Thanh Hải (2012): Điều khiển phi tuyến sở mạng ron nhân tạo NXB KH&KT Tài liệu Tiếng Việt (Bài báo luận án) [16] Nguyễn Doãn Phước (2011): Bàn khả ứng dụng lý thuyết hệ phẳng vào phân tích điều khiển hệ phi tuyến VCCA-2011 [17] Từ Diệp Công Thành (2008): Mô điều khiển neuron với luật học hệ số học thích nghi phương pháp xung lượng Tạp chí phát triển KH&CN, Tập 11, số 03 [18] Nguyễn Hùng Cường, Chu Xuân Dũng, Nguyễn Phùng Quang (2010): Điều khiển tựa phẳng động khơng đồng Rotor lồng sóc Tạp chí KH&CN trường ĐH KT số 75-2010 trang 31-35 Tài liệu Tiếng nước (Sách) [19] Shankar Sastry (1999): Nonlinear Systems (Analyis, Stability and Control) Springer-Verlag, New York 103 [20] Alberto Isidori (2001): Nonlinear Control Systems Springer-verlag, Lodon Printed in Great Britain [21] Hassan K Khalil (2002): Nonlinear Systems (third edition) Printed in the United States of America [22] Miroslav Krstić, Loannis Kanellakopoulos, Petar Kokotović (1995): Nonlinear and Adaptive Control Design copyright by John Wiley & Sons, canada Printed USA [23] Jeffrey T Spooner, Manfredi Maggiore, Rẳl Ordóđez, Kevin M Passino (2002): Stable Adaptive Control and Estimation for Nonlinear System copyright by John Wiley & Sons, Inc [24] Omid M Omidvar and David L Elliott (1997): Neural Systems for Control Coppy by Academic Prees ISBN: 0125264305 and is posted with permission from Elsevier [25] Richard C.Dorf, Robert H Bishop (2005): Modern Cotrol Systems Pearson prentice Hall is a trademark of Pearson Education Prited USA [26] D K Anand, R B Zmood (1995): Introduction to Control Systems (third edition) Printed in Great Britain by Hartnolls limited, bodmin Cornwall [27] Wilfrid Prerruquetti, Jean Pierre Barbot (Eds) (2002): Sliding Mode Control in Engineerring Copyright by Marcel Dekker, Inc All Rights Reserved Printed USA [28] Romeo Ortega, Antonio Loría, Per Johan Nicklasson and Hebertt Sira-Ramírez (1998): Passivity-based Control of Euler-Lagrange System Springer-Verlag London Limited Printed in Great Britain [29] Frank L.Lewis, Darren M.Dawson, Chaouki T.Abdallah (2004): Robot Manipulator Control (Theory and Practice) Copyright by Marcel Dekker, Inc [30] Jonh j.Craig (2005): Induction to Robotics (Mechanics and Control) Pearson prentice Hall Pearson Education, Inc Printed USA [31] R Kelly, V Santibáđez and A Loría (2005): Control of Robot Manipulators in Joint Space Springer-Verlag London Limited [32] Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani, Giuseppe Oriolo (2009): Robotics (Modelling, Planning and Cotrol) Springer-Verlag London Limited [33] W Khalil, E.Dombre (2004): Modeling, Identification and Control of Robots Kogan page Science, London [34] Bruno Siciliano, Oussama Khatib (Eds.) (2008): Springer Handbook of Robotics, pringer-Verlag Berlin Heidelberg [35] Sao Kawamura, Mikhail Svinin (Eds) (2006): Advances in Robot Control pringerVerlag Berlin Heidelberg [36] Thomas R Kurfess (2005): Robotic and Automation Handbook Copyright by CRC press LLC Printed USA 104 Tài liệu Tiếng nước (Bài báo luận án) [37] T Zhang, S S Ge*, C C Hang (2000): Adaptive Neural Network Control for Strict-feedback Nonlinear Systems using Backstepping Design Automatica, vol.36, pp.1835-1846 [38] Tao Zhang, S.S Ge, C.C Hang (1999): Adaptive Neural Network Control for Strict-Feedback Nonlinear System Using Backstepping Design Proceedings of the American Control Conference California, June 1999, pp.1062-1066 [39] Shuzhi Sam Ge, Thanh-Trung Han (2007): Semiglobal ISpS Disturbance Attenuation with Output Tracking via Direct Adaptive Design IEEE Trans On NN Vol 18 No 4, pp.1129-1148 [40] LI Tieshan, ZOU Zaojian and ZHOU Xiaoming (2008): Adaptive NN Control for a Class of Strict-feedback Nonlinear Systems Washington, American Control Conference June 11-12, 2008, pp.81-86 [41] Shuzhi Sam Ge, Jing Wang (2002): Robust Adaptive Neural Network Control for a Class of Pertubed Strict Feedback Nonlinear Systems IEEE Trans On NN, vol 13, No.6, pp 1409-1419 [42] J.Q Gong, Bin Yao (2001): Neural Network Adaptive Robust Control of Nonlinear System in Semi-strict Feedback Form Proceedings of the American Control Conference Arlington VA June 25-27, 2001, pp.3533-3538 [43] Wenjie Dong, Yuanyuan Zhao, Jay A Farrell (2008): Tracking Control of Nonaffine Systems: A Self-Organizing Approximation Approach American Control Conference Washington, June 11-13, 2008 [44] Wenjie Dong, Yuanyuan Zhao, Yiming Chen (2012): Tracking Control for Nonaffine Systems: A Self-organizing Approximation Approach IEEE Transaction on Neural Networks and Learning systems, vol.23, no.2, February 2012 [45] Withit Chatlatanagulchai, Peter H Meckl (2004): Model-Free Observer Backstepping Control Design for Nonlinear Systems in Strict Feedback Form 43rd IEEE Conference on Decision and Control, December 14-17, 2004, Atlantis, Paradise Island, Bahamas [46] Shuzhi S Ge, Cong Wang (2002): Direct Adaptive NN Control of a Class of Nonlinear Systems IEEE Trans On NN, vol 13, No.1, pp 214-221 [47] T C Kuo, Y J Huang (2008): Global Stabilization of Robot Cotrol with Neural Network and Sliding Mode Engineering Letter, 16:1, EL_16_1_09 (Advance online publication: 19 February 2008) [48] M Fallahi, S Asadi (2009): Adaptive Control of a DC Motor Using Neural Network Sliding Mode Control IMECS 2009, March 18-20, 2009, Hong Kong [49] W S Lin, C S Chen (2002): Robust Adaptive Sliding Mode Control Using Fuzzy Modelling for a Class of Uncertain MIMO Nonlinear Systems IEE Proc-Control Theory Appl, Vol 149, No.3, May 2002 105 [50] Seyed Ehsan Shafiei, Mohammad Reza Soltanpour (2011): Neural Network Sliding-Mode-PID Controller Design for Electrically Driver Robot Manipulators ICIC Internationnal 2011 ISSN 1349-4198, pp.511-524 [51] Suzana Uran - Riko Šafarič (2012): Neural-Network Estimation of the Variable Plant for Adaptive Sliding-Mode Controller Strojniški vestnik-Journal of Mechanical Engineering Vol 58, No.2, pp.93-101 [52] Wei Sun, Yaonan Wang (2004): A Recurrent Fuzzy NeuralNetwork Based Adaptive Control and Its Application on Robotic Tracking Control Neural Information Processing-Letters and Reviews, Vol 5, No 1, October 2004 [53] Meng Joo Er, Yang Gao (2003): Robust Adaptive Control of Robot Manipulators Using Generalized Fuzzy Neural Networks IEEE Trans On Industrial Electronic, vol 50, No.3, pp.620-628 [54] Chiman Kwan, Frank L Lewis, Darren M Dawson (1998): Robust Neural-Network Control of Rigid-Link Electrically Driven Robots IEEE Trans On NN, vol 9, No.4, pp 581-588 [55] C Kwan, D.M Dawson, F.L Lewis (2001): Robust Adaptive Control of Robots Using Neural Network: Global Stability Asian Journal of Control, Vol 3, No.2, pp.111-121 [56] M.R.Soltanpour, S.E Shafiei (2009): Robust Backstepping Control of Robot Manipulator in Task Space with Uncertainties in Kinematics and Dynamics T125 Automation, Robotics No.8(96), pp.75-80 [57] Chang Boon Low, Khuan Holm Nah, and Meng Joo Er (2004): Real-time Implementation of a Dynamic Fuzzy Neural Networks Controller for a Scara Journal of The Institution of Engineers, Singapore Vol 44 Issue 2004 [58] Ai Wu, Peter K S Tam (2002): Stable Fuzzy Neural Tracking Control of a Class of Unknown Nonlinear Systems Based on Fuzzy Hierarchy Error Approach IEEE Transactions on Fuzzy Systems, Vol.10, No.6, December 2002 [59] Hanlei Wang, Yongchun Xie (2009): Prediction Error Based Adaptive Jacobian Tracking of Robots With Uncertain Kinematics and Dynamics IEEE Transaction on Automatic Control, vol 54, no.12 [60] C F N Cowan, S Chen, P.M Grant (1991): Orthogonal Least Squares Learning Algorithm for Radial Basis Function Networks IEEE Transaction on Neural Networks, vol.2, no.2 [61] Chien Chern Cheah, Masanori Hirano, Sadao Kawamura, Suguru Arimoto (2003): Approximate Jacobian Control for Robots with Uncertain Kinematics and Dynamics IEEE, Transaction on Robotics and Automation, Vol.19, N.4 [62] H Yazarel, C C Cheah (2002): Task-Space Adaptive Control of Robotic Manipulators with Uncertainties in Gravity Regressor Matrix and Kinematics IEEE, Transaction on Robotics and Automation, Vol.47, N.9 106 [63] LI Tieshan, ZOU Zaojian and ZHOU Xiaoming (2008): Adaptive NN Control for a Class of Strict-feedback Nonlinear Systems American Control Conference [64] Wenjie Dong, Yuanyuan Zhao, Yiming Chen (2012): Tracking Control for Nonaffine Systems: A Self-Organizing Approximation Approach IEEE Transactinos on Neural Networks [65] Salim Ibrir (2009): Algebraic Observer Design for a Class of UniformlyObservable Nonlinear Systems: Application to 2-Link Robotic Manipulator, Proceedings of the 7th Asian Control Conference,Hong Kong, China, August 2729, 2009 [66] John M Daly and Howard M Schwartz (2005): Non-Linear Adaptive Output Feedback Control of Robot Manipulators, Carleton University [67] Alessandro De Luca, Giuseppe Oriolo (2002): Trajectory Planning and Control for Planar Robots with Passive Last Joint, The International Journal of Robotics Research, Vol 21, No.5, pp.575-590 [68] Ezio Bassi, Francesco Benzi, Luca Massimiliano Capisani, Davide Cuppone, Antonella Ferrara (2009): Hybrid Position/Force Sliding Mode Control of a Class of Robotic Manipulators Joint 48th IEEE Conference on Decision and Control and 28th Chinese Control Conference Shanghai, P.R China, December 16-18, 2009 [69] Nei E Cotter: The Stone–Weiestras Theorem and Its Application to Neural Networks, IEEE Transaction on Neural Networks Vol.1, No.4.1990, PP.290-295 [70] Hornik K, Stinchcomble M & White H.: Multilayer Feedforward Networks are Univesal Appoximator Neural Network, No.2, 1989, PP.359-365 [71] Gomn J B., Yu D L: Selecting Radial Basis Function Networks Centers with Resursive Orthogonal Least Sepuares Training IEEE Transaction on Neural Networks Vol.11, ISSUE 2, 2000, PP.306-314 [72] Panchapakesan C., Ralph D & Palanisami M: Effects of Moving the Center in an RBF Network Proceeding of the 1998 IEEE Wold Congress on computational Intelligence Neural Networks Vol 2, 1990, PP.1256-1269 [73] Huang S N., Tan K K., Lee T H: A Combined PID/Addaptive Controller for a Class of Nonlinear Systems Automatica 37(2001), PP.611-618 [74] Ortega J M.: Matrix Theory, Plenum Press NewYork, 1987 [75] Gantmaxer Ph R.: Matrix Theory Nauka Moscow 1977 [76] Christopher E., Sarah K.: Sliding Mode Control: Theory and Applications Taylor & Francis UK, 1998 [77] Trang web thư viện Quốc gia: http://luanan.nlv.gov.vn/luanan [78] Tuyển tập Hội nghị toàn quốc lần thứ Điều khiển Tự động hoá VCCA-2011 [79] Tuyển tập cơng trình Hội nghị Cơ điện tử toàn quốc lần thứ VCM-2012 [80] Tuyển tập Hội nghị toàn quốc lần thứ Điều khiển Tự động hoá VCCA-2013 ... Điều khiển mạng nơ ron thích nghi Điều khiển trượt Điều khiển trượt nơ ron thích nghi bền vững Điều khiển thích nghi bền vững Ổn định tiệm cận toàn cục Mạng nơ ron nhiều lớp Mạng nơ ron Hàm sở. .. 46 ĐIỀU KHIỂN THÍCH NGHI TAY MÁY ROBOT SỬ DỤNG MẠNG NƠ RON TRÊN CƠ SỞ KỸ THUẬT BACKSTEPPING 46 2.1 Tổng hợp điều khiển thích nghi sử dụng mạng nơ ron 46 2.1.1 Xấp xỉ hàm số mạng nơ ron nhân. .. 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 Nghi? ?n