1. Trang chủ
  2. » Giáo Dục - Đào Tạo

(Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy

96 6 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 96
Dung lượng 4,37 MB

Nội dung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VIỆT HÙNG ỨNG DỤNG MẠNG NƠRON ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƯỢC CHO TAY MÁY S K C 0 9 NGÀNH: KỸ THUẬT CƠ KHÍ- 60520103 S KC 0 Tp Hồ Chí Minh, tháng 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 VIỆT HÙNG ỨNG DỤNG MẠNG NƠRON ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƯỢC CHO TAY MÁY NGÀNH: KỸ THUẬT CƠ KHÍ - 60520103 Hướng dẫn khoa học: TS LƯƠNG HỒNG SÂM Tp Hồ Chí Minh, tháng 04 / 2013 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƯỢC: Họ & tên: Nguyễn Việt Hùng Giới tính: Nam Ngày, tháng, năm sinh: 20/04/1985 Nơi sinh: Đăk Lăk Quê quán: Hƣng Tây - Hƣng Nguyên - Nghệ An Dân tộc: Kinh Chỗ riêng địa liên lạc: 209/6/7 Nguyễn Văn Lƣợng, Phƣờng 10, Quận Gò Vấp, Tp Hồ Chí Minh Điện thoại quan: Điện thoại nhà riêng: Fax: E-mail:Rocketb72@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Cao đẳng: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2003 đến 03/2007 Nơi học: Trƣờng Cao đẳng Kỹ thuật Vinhempich, TP Hồ Chí Minh Ngành học: Cơ khí chuyên dùng Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2009 đến 04/2011 Nơi học: Trƣờng Đại học Sƣ phạm Kỹ thuật TP Hồ Chí Minh Ngành học: Công nghệ chế tạo máy Tên đồ án: Xây dựng phần mềm thí nghiệm ảo trang bị điện máy công nghiệp Nơi bảo vệ đồ án:Trƣờng Đại học Sƣ phạm Kỹ thuật TP Hồ Chí Minh Ngƣời hƣớng dẫn: ThS Trần Thanh Lam III QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Từ năm 2011 đến Trƣờng Đại học Trần Đại Nghĩa Công việc đảm nhiệm Giáo viên LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu tơi Các số liệu, kết nêu luận văn trung thực chƣa đƣợc công bố công trình khác Tp Hồ Chí Minh, ngày 01 tháng 4năm 2014 Nguyễn Việt Hùng ii MỤC LỤC Trang tựa TRANG Quyết định giao đề tài Lý lịch khoa học i Lời cam đoan ii Cảm tạ iii Tóm tắt iv Mục lục vi Danh sách kí hiệu khoa học ix Danh sách chữ viết tắt ix Danh sách bảng vii Danh sách hình viii Chƣơng TỔNG QUAN 1.1 Đặt vấn đề 1.2 Giới thiệu chung robot công nghiệp 1.2.1 Các phận cấu thành công nghiệp 1.2.2 Bậc tự tay máy 1.2.4 Tổng quan tình hình nghiên cứu tốn động học ngƣợc 1.3Mục đích đề tài 1.4 Nhiệm vụ đề tài giới hạn đề tài 1.5Phƣơng pháp nghiên cứu Chƣơng CƠ SỞ LÝ THUYẾT 2.1 Động học tay máy 2.1.1 Bài toán động học thuận tay máy 2.1.1.1 Quy tắc Denavit - Hartenberg 2.1.1.2 Mơ hình biến đổi 10 2.1.1.3 Các bƣớc để thiết lập hệ phƣơng trình động học cho tay máy 11 2.1.2 Bài toán động học ngƣợc tay máy 11 2.2 Lý thuyết mạng nơron 12 2.2.1 Lịch sử phát triển mạng nơron nhân tạo 13 vi 2.2.2 Mơ hình nơron sinh học 13 2.2.3 Phần tử xử lí 14 2.2.3.1 Tín hiệu vào (Inputs) -ra (Output) 15 2.2.3.2 Bộ cộng 15 2.2.3.3 Hàm chuyển đổi 16 2.2.4 Các loại mơ hình cấu trúc mạng nơron 19 2.2.5 Các tính chất mạng nơron 20 2.2.6 Các luật học 20 2.2.7 Thuật toán Backpropagation 22 2.2.7.1 Chế độ ho ̣c tƣ̀ng mẫu 23 2.2.7.2 Chế đô ̣ ho ̣c theo nhóm mẫu 23 2.2.8 Giải thuật Levenberg-Marquardt 24 2.2.8.1 Luâ ̣t câ ̣p nhâ ̣t tro ̣ng số 25 2.2.8.2 Tính tốn ma trận jacobian 26 2.2.8.3 Quá trình huấn luyện 31 Chƣơng XÂY DƢ̣NG BỘ DƢ̃ LIÊU ̣ HUẤN LUYÊN ̣ ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƢỢC CHO TAY MÁY SCORBOT ER7 BẰNG MẠNG NƠRON 3.1 Giải toán động học thuận tay máy Scorbot ER7 35 3.2 Giải toán động học ngƣợc cho tay máy Scorbot ER7 37 3.3 Xây dƣ̣ng bô ̣ mẫu để huấ n luyê ̣n mạng giải toán động học ngƣơ ̣c cho tay máy Scorbot ER 40 Chƣơng HUẤN LUYÊN ̣ MẠNG NƠRON VÀPHÂN TÍCH KẾT QUẢ 4.1 Huấ n luyê ̣n ma ̣ng Net1_1 45 4.1.1 Xác định cấu trúc mạng 45 4.1.2 Huấ n luyê ̣n ma ̣ng 46 4.1.3 Đánh giá thông tin huấ n luyê ̣n và kế t qủa mô phỏng 53 4.1.4 Ứng dụng mạng Net1_1 để điều khiển tay máy theo quỹ đạo cho trƣớc 54 4.2 Huấ n luyê ̣n ma ̣ng Net2_1 60 4.2.1 Xác định cấu trúc mạng 60 vii 4.2.2 Huấ n luyê ̣n ma ̣ng 60 4.2.3 Đánh giá thông tin huấ n luyê ̣n kết qủa mô phỏng mạng Net2_1 64 4.2.4 Ứng dụng mạngNet2_1 để điều khiển tay máy theo quỹ đạo cho trƣớc 65 Chƣơng KẾT LUẬN VÀ KIẾN NGHỊ 71 TÀI LIỆU THAM KHẢO 74 PHỤ LỤC 76 viii Chƣơng TỔNG QUAN 1.1 Đặt vấn đề Ngày nay, với phát triển mạnh mẽ khoa học kỹ thuật, nước giới đẩy mạnh nghiệp cơng nghiệp hóa đại hóa vào trình sản xuất nhằm nâng cao suất, chất lượng, giảm giá thành sản phẩm giảm thiểu sức lao động người Đặc biệt mơi trường nặng nhọc, nguy hiểm như: nóng lò hơi, lây lan bệnh hiểm nghèo sở y tế, ô nhiễm khơng khí hầm mỏ, nguy hiểm duới đáy đại dương không gian vũ trụ… Để đáp ứng vấn đề trên, nước có sản xuất phát triển đưa robot công nghiệp vào dây chuyền sản xuất Robot ngày nâng cao tính lĩnh vực hoạt động Chúng trở nên thông minh hơn, linh hoạt hơn, xác đáp ứng nhanh Vì để khai thác, sử dụng cách hiệu robot trang bị, để tiến hành nghiên cứu, chế tạo robot đáp ứng nhu cầu địi hỏi ngày cao cơng nghiệp đại việc nghiên cứu Robot vấn đề sở sản xuất, nhà khoa học, trường học đại học, cao đẳng quan tâm Trong đó, giải tốn động học ngược cho tay máy điều kiện tiên để điều khiển tay máy theo quỹ đạo cho trước Hơn nữa, việc tìm phương pháp chung hiệu để giải cho tay máy n bậc tự thách thức nhà nghiên cứu tồn giới Nhiệm vụ tốn động học ngược xác định giá trị biến khớp qi, (i=1,…,n) biết trước vị trí hướng bàn kẹp tay máy Theo truyền thống, có ba phương pháp thường sử dụng để giải toán động học ngược cho tay máy là: Phương pháp giải tích, phương pháp hình học phương pháp lặp[10] Mỗi phương pháp có điểm hạn chế riêng Phương pháp giải tích khơng đảm bảo nhận nghiệm tường minh [10] Trường hợp giải theo phương pháp hình học, nghiệm tường minh cho ba khớp phải tồn phương diện hình học Bên cạnh đó, nghiệm tường minh loại tay máy dùng cho loại tay máy có dạng hình học khác [10] Phương pháp lặp hội tụ tới lời giải nhất, phụ thuộc vào vị trí ban đầu[10] Nếu số bậc tự tay máy tăng lên việc giải tốn động học ngược phương pháp truyền thống tốn nhiều thời gian, không hội tụ đến lời giải cuối việc nghiên cứu đưa phương pháp chung sử dụng có hiệu để giải vấn đề động học ngược cho tay máy đề tài có giá trị thực tiễn cao 1.2 Giới thiệu chung robot cơng nghiệp Robot cơng nghiệp hiểu thiết bị tự động linh hoạt, bắt chước chức lao động công nghiệp người [1] Những robot công nghiệp chế tạo vào năm 1956 công ty Unimation George Devol Joseph F Engelberger Mỹ [1] Các robot chủ yếu dùng để vận chuyển vật thể phạm vi nhỏ 1.2.1 Các phận cấu thành robot công nghiệp Cấu tạo robot cơng nghiệp thơng thường hình 1.1[1] gồm phận chủ yếu sau: Tay máy: cấu khí gồm khâu, khớp Chúng hình thành cánh tay để tạo chuyển động bàn kẹp để trực tiếp thao tác đối tượng Tay máy gồm có phận sau: Đế (1), thân (2), cánh tay (3), cánh tay (4), bàn kẹp (5) Hệ thống truyền dẫn động: phận chủ yếu tạo nên chuyển dịch khớp động Hệ thống điều khiển:đảm bảo hoạt động robot theo thông tin đặt trước nhận biết trình làm việc Hình 1.1Các phận cấu thành robot cơng nghiệp Hệ thống cảm biến tín hiệu:thực việc nhận biết biến đổi thông tin hoạt động thân robot (cảm biến nội tín hiệu) mơi trường, đối tượng mà robot phục vụ (cảm biến ngoại tín hiệu) 1.2.2 Bậc tự tay máy Để định vị định hướng bàn kẹp cách tùy ý khơng gian ba chiều tay máy cần có bậc tự do, bậc tự để định vị ba bậc tự để định hướng Một số công việc nâng hạ, xếp dỡ, … cần số bậc tự Tay máy hàn, sơn thường có bậc tự Trong số trường hợp cần khéo léo, linh hoạt cần tối ưu hóa quỹ đạo,… người ta dùng tay máy có số bậc tự lớn Thông thường khâu cấu tay máy nối ghép với khớp quay khớp tịnh tiến, chúng thuộc khớp động học loại Trong cấu tay máy khâu nối liên tiếp với gọi cấu hở thông thường khâu gắn liền với nguồn lực riêng, loại cấu dùng khớp động loại số bậc tự cấu số khâu động 11 Raşit Kokưr & Cemil Ưz, Tarik Çakar, Hüseyin Ekiz, A Study of Neural Network Based Inverse Kinematics Solution for a Planar Three Joint Robot , Sakarya University, 2003 12.Alavandar S and Nigam M J Neuro-Fuzzy based Approach for Inverse Kinematics Solution of Industrial Robot Manipulators, Int J of Computers, Communications & Control, ISSN 1841-9836, E-ISSN 1841-9844 Vol III ,2008, pp 224-234 13.Jolly Shah and S.S.Rattan and B.C.Nakra, Kinematic Analysis of a Planer Robot Using Artificial Neural Network, International Journal of Robotics and Automation (IJRA) Vol.1, 2012, pp 145 - 151 14.Raşit Kokör, A neuro-genetic approach to the inverse kinematics solution of robotic manipulators,Scientific Research and Essays Vol 6, 2011, pp 2784-2794 15.Bogdan M Wilamowski and J David Irwin, The Industrial lectronics Handbook, Second Edition, 2011, pp 12-1 – 12-16 16 Howard Demuth and Mark Beale , Neural Network Toolbox User’s Guide,Version 3.0,MathWorks,1998 17 Martin T.Hagan and Howard B.Demuth and Mark Beale, Neural Network Design, PWS Publishing Company, 1996 18 Joe Zhizhong, Application of Force Control on a Robot, M.S Thesis, National Central University established Mechanical Engineering Research Institute, China, 2001 19 Panchanand Prediction of Jha, Novel Artificial Neural Network Application for Inverse Kinematics of Manipulator,M.S Thesis,Department of Mechanical Engineering National Institute of Technology Rourkela, India, 2009 20 Scorbot ER user’s manual, catalog #100017, Eshed Robotec,1998 21 C.S.G.Lee and M.Ziegler, A geometric approach in solving the inverse kinematics of puma robots, University of Michigan,1983 75 PHỤ LỤC PHỤ LỤC 1: Chương triǹ h lấ y mẫu huấ n luyê ̣n kiểm tra ma ̣ng Net 1_1 format long fileID1 = fopen('teta_HL11.txt','a'); fileID= fopen('vitri_HL11.txt','a'); for i=1:3000 x1 =-125*pi/180.0; y1 =0 ; th1= x1 + (y1-x1) *rand; %lấy giá trị ngẫu nhiên khoảng x1-y1 x4 = -20*pi/180; y4 = 0; th4=x4 + (y4-x4) *rand; x2 = -90*pi/180 ; y2 =0 ; th2=x2 + (y2-x2) *rand; th3= -th4-th2; th5 = th1; an1=-pi/2; an2=0; an3=0; an4=-pi/2; an5=0; a1=50; a2=300; a3=350; a4=0; a5=0; d1=385.5; d2= -40; d3=0; d4=0; 76 d5=251; A1=[cos(th1) -sin(th1) a1*cos(th1); sin(th1) cos(th1) a1*sin(th1); -1 d1; 0 1]; A2=[cos(th2) -sin(th2) a2*cos(th2); sin(th2) cos(th2) a2*sin(th2); 0 d2; 0 1]; A3=[cos(th3) -sin(th3) a3*cos(th3); sin(th3) cos(th3) a3*sin(th3); 0 0; 0 1]; A4=[cos(th4) -sin(th4) 0; sin(th4) cos(th4) 0; -1 0; 0 1]; A5=[cos(th5) -sin(th5) 0; sin(th5) cos(th5) 0; 0 d5; 0 1]; T5=A1*A2*A3*A4*A5; C=[th1,th2,th3,th4,th5]; th1d=th1*180/pi; th2d=th2*180/pi; th3d=th3*180/pi; th4d=th4*180/pi; th5d=th5*180/pi; D=[th1d,th2d,th3d,th4d,th5d]; B=[T5(1,4), T5(2,4), T5(3,4)]; fprintf(fileID,'%2f %14f %16f\n',B); fprintf(fileID1,'%2f %12f %10f %14f %14f\n',D); end fclose(fileID); fclose(fileID1); 77 PHỤ LỤC 2: Chương trình lấ y mẫu huấ n luyê ̣n ma ̣ng Net 2_1 format long fileID1 = fopen('teta_HL21.txt','a'); fileID= fopen('vitri_HL21.txt','a'); for i=1:3000 x1 =0; y1 =125*pi/180.0 ; th1= x1 + ((y1-x1) *i)/3000; x4 = -20*pi/180; y4 = 0; th4= x4 + (y4-x4) *rand; x2 = -90*pi/180 ; y2 =0 ; th2= x2 + (y2-x2) *rand; th3= -th4-th2; th5 = th1; an1=-pi/2; an2=0; an3=0; an4=-pi/2; an5=0; a1=50; a2=300; a3=350; a4=0; a5=0; d1=385.5; d2= -40; d3=0; d4=0; d5=251; A1=[cos(th1) -sin(th1) a1*cos(th1); sin(th1) cos(th1) a1*sin(th1); -1 d1; 0 1]; A2=[cos(th2) -sin(th2) a2*cos(th2); sin(th2) cos(th2) a2*sin(th2); 0 d2; 0 1]; A3=[cos(th3) -sin(th3) a3*cos(th3); sin(th3) cos(th3) a3*sin(th3); 0 0; 0 1]; A4=[cos(th4) -sin(th4) 0; sin(th4) cos(th4) 0; -1 0; 0 1]; A5=[cos(th5) -sin(th5) 0; sin(th5) cos(th5) 0; 0 d5; 0 1]; T5=A1*A2*A3*A4*A5; C=[th1,th2,th3,th4,th5]; th1d=th1*180/pi; th2d=th2*180/pi; th3d=th3*180/pi; th4d=th4*180/pi; th5d=th5*180/pi; 78 D=[th1d,th2d,th3d,th4d,th5d]; % tinh theo B=[T5(1,4), T5(2,4), T5(3,4)]; fprintf(fileID,'%2f %14f %16f\n',B); fprintf(fileID1,'%2f %12f %10f %14f %14f\n',D); end fclose(fileID); fclose(fileID1); PHỤ LỤC 3: Chương triǹ h lấ y mẫu kiểm tra ma ̣ng Net 2_1 format long fileID1 = fopen('teta_KT21.txt','a'); fileID= fopen('vitri_KT21.txt','a'); for i=1:1000 x1 =0; y1 =125*pi/180.0 ; th1= x1 + ((y1-x1) *i)/1000; x4 = -20*pi/180; y4 = 0; th4= x4 + (y4-x4) *rand; x2 = -90*pi/180 ; y2 =0 ; th2= x2 + (y2-x2) *rand; th3= -th4-th2; th5 = th1; an1=-pi/2; an2=0; an3=0; an4=-pi/2; an5=0; a1=50; a2=300; a3=350; a4=0; a5=0; d1=385.5; d2= -40; d3=0; d4=0; d5=251; A1=[cos(th1) -sin(th1) a1*cos(th1); sin(th1) cos(th1) a1*sin(th1); -1 d1; 0 1]; A2=[cos(th2) -sin(th2) a2*cos(th2); sin(th2) cos(th2) a2*sin(th2); 0 d2; 0 1]; A3=[cos(th3) -sin(th3) a3*cos(th3); sin(th3) cos(th3) a3*sin(th3); 0 0; 0 1]; 79 A4=[cos(th4) -sin(th4) 0; sin(th4) cos(th4) 0; -1 0; 0 1]; A5=[cos(th5) -sin(th5) 0; sin(th5) cos(th5) 0; 0 d5; 0 1]; T5=A1*A2*A3*A4*A5; C=[th1,th2,th3,th4,th5]; th1d=th1*180/pi; th2d=th2*180/pi; th3d=th3*180/pi; th4d=th4*180/pi; th5d=th5*180/pi; D=[th1d,th2d,th3d,th4d,th5d]; % ttính theo độ B=[T5(1,4), T5(2,4), T5(3,4)]; fprintf(fileID,'%2f %14f %16f\n',B); fprintf(fileID1,'%2f %12f %10f %14f %14f\n',D); end fclose(fileID); fclose(fileID1); PHỤ LỤC 4: Chương trình giải tốn động học ngược cho vị trí đường trịn nằm vùng huấn luyện mạng Net1_1 a1=50; a2=300; a3=350; a4=0; a5=0; d1=385.5; d2=-40; d3=0; d4=0; d5=251; load dt1_1.txt %vị trí đường trịn fileID = fopen('teta_dt11.txt','a'); for i=1:30 px=dt1_1(i,1); py= dt1_1(i,2); pz= dt1_1(i,3); k= sqrt(px^2+py^2-(d2+d3)^2) ; th1 = atan2(py*k-px*(d2+d3), px*k + py*(d2+d3)) ; if th1>0 k= -sqrt(px^2+py^2-(d2+d3)^2) ; th1 = atan2(py*k-px*(d2+d3), px*k + py*(d2+d3)) ; th234=0 %(3.4); th5=th1; 80 th3=abs( acos(((k-a1)^2+(d1-pz- d5)^2- a2^2-a3^2)/(2*a2*a3 ))); sth2 = ( (- pz+d1 - d5)*(a2+a3*cos(th3))-(k - a1)*a3*sin(th3) )/((ka1)^2+(d1+d5-pz)^2 ); cth2= ( ((k - a1 )*(a2+a3*cos(th3))+ (- pz+d1- d5)*a3*sin(th3)))/((ka1)^2+(d1+d5-pz)^2 ); th2 = atan2(sth2,cth2); th4=th234-th2-th3; end th234=0 %(3.4); th5=th1; th3=abs(acos(((k-a1)^2+(d1-pz- d5)^2- a2^2-a3^2)/(2*a2*a3 ))); sth2 = ( (- pz+d1 - d5)*(a2+a3*cos(th3))-(k - a1)*a3*sin(th3) )/((ka1)^2+(d1+d5-pz)^2 ); cth2= ( ((k - a1 )*(a2+a3*cos(th3))+ (- pz+d1- d5)*a3*sin(th3)))/((ka1)^2+(d1+d5-pz)^2 ); th2 = atan2(sth2,cth2); th4=th234-th2-th3; B=[th1,th2,th3,th4,th5]; th1d=th1*180/pi; th2d=th2*180/pi; th3d=th3*180/pi; th4d=th4*180/pi; th5d=th5*180/pi; D=[th1d,th2d,th3d,th4d,th5d ]; % Tinh theo fprintf(fileID,'%2f %12f %10f %14f %14f\n',D); end fclose(fileID); PHỤ LỤC 5: Chương trình giải tốn động học ngược cho vị trí đường trịn nằm vùng huấn luyện mạng Net2_1 a1=50; a2=300; a3=350; a4=0; a5=0; d1=385.5; d2=-40; d3=0; d4=0; d5=251; load dt2_1.txt fileID = fopen('teta_dt21.txt','a'); %vị trí đường trịn 81 for i=1:15 px=dt2_1(i,1); py= dt2_1(i,2); pz= dt2_1(i,3); k= sqrt(px^2+py^2-(d2+d3)^2) ; th1 = atan2(py*k-px*(d2+d3), px*k + py*(d2+d3)) ; if th1

Ngày đăng: 08/12/2021, 06:44

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
1. Nguyễn Thiện Phúc, Robot công nghiệp, nhà xuất bản Khoa Học và Kỹ Thuật, 2004 Sách, tạp chí
Tiêu đề: Robot công nghiệp
Nhà XB: nhà xuất bản Khoa Học và Kỹ Thuật
2. Phạm Hữu Đức Dục, Mạng nơron & ứng dụng trong điều khiển tự động, nhà xuất bản Khoa Học và Kỹ Thuật, 2009 Sách, tạp chí
Tiêu đề: Mạng nơron & ứng dụng trong điều khiển tự động
Nhà XB: nhà xuất bản Khoa Học và Kỹ Thuật
3. Nguyễn Đình Thúc, Trí tuệ nhân tạo - Mạng nơron phương pháp và ứng dụng, nhà xuất bản Giáo dục, 2000 Sách, tạp chí
Tiêu đề: Trí tuệ nhân tạo - Mạng nơron phương pháp và ứng dụng
Nhà XB: nhà xuất bản Giáo dục
4. Đào Văn Hiệp, Kỹ thuật robot, nhà xuất bản Khoa Học và Kỹ Thuật, 2003 Sách, tạp chí
Tiêu đề: Kỹ thuật robot
Nhà XB: nhà xuất bản Khoa Học và Kỹ Thuật
5. Lương Hồng Sâm, Nâng cao độ chính xác định vị cho tay máy bằng phương pháp hiệu chỉnh sai lệch vị trí, luận án tiến sĩ kỹ thuật, Đại học Bách khoa TP Hồ Chí Minh, năm 2006 Sách, tạp chí
Tiêu đề: Nâng cao độ chính xác định vị cho tay máy bằng phương pháp hiệu chỉnh sai lệch vị trí
6.Nguyễn Phùng Quang, Matlab/Simulink dành cho kỹ sư điều khiển tự động, Nhà xuất bản Khoa học và Kỹ thuật, 2004 Sách, tạp chí
Tiêu đề: Matlab/Simulink dành cho kỹ sư điều khiển tự động
Nhà XB: Nhà xuất bản Khoa học và Kỹ thuật
7. Lương Hồng Sâm, Nguyễn Việt Hùng, Ứng dụng mạng nơron để giải bài toán động học ngược tay máy, Tạp chí Cơ khí Việt Nam,số 3, năm 2014 Sách, tạp chí
Tiêu đề: Ứng dụng mạng nơron để giải bài toán động học ngược tay máy
8. Trần Hoàng Nam, Giải bài toán ngược động học, động lực học và điều khiển trượt rôbốt dư dẫn động dựa trên thuật toán hiệu chỉnh gia lượng véc tơ tọa độ suy rộng,luận án tiến sĩ kỹ thuật, Viện Cơ học, 2010 Sách, tạp chí
Tiêu đề: Giải bài toán ngược động học, động lực học và điều khiển trượt rôbốt dư dẫn động dựa trên thuật toán hiệu chỉnh gia lượng véc tơ tọa độ suy rộng
9. Lê Tiến Dũng, Đoàn Quang Vinh, Phân tích động học các cấu hình kì dị của tay máy robot song song phẳng hai bậc tự do, chuyên san Kỹ thuật Điều khiển và Tự động hóa số 8, 2013.TIẾNG NƯỚC NGOÀI Sách, tạp chí
Tiêu đề: Phân tích động học các cấu hình kì dị của tay máy robot song song phẳng hai bậc tự do
10. Sreenivas Tejomurtula, Inverse kinematics in robotics using neural networks, M.S. Thesis, Louisiana State University, 1998 Sách, tạp chí
Tiêu đề: Inverse kinematics in robotics using neural networks
11. Raşit Kokửr & Cemil ệz, Tarik ầakar, Hỹseyin Ekiz, A Study of Neural Network Based Inverse Kinematics Solution for a Planar Three Joint Robot , Sakarya University, 2003 Sách, tạp chí
Tiêu đề: A Study of Neural Network Based Inverse Kinematics Solution for a Planar Three Joint Robot
12.Alavandar S. and Nigam M. J. Neuro-Fuzzy based Approach for Inverse Kinematics Solution of Industrial Robot Manipulators, Int. J. of Computers, Communications & Control, ISSN 1841-9836, E-ISSN 1841-9844 Vol. III ,2008, pp. 224-234 Sách, tạp chí
Tiêu đề: Neuro-Fuzzy based Approach for Inverse Kinematics Solution of Industrial Robot Manipulators
13.Jolly Shah and S.S.Rattan and B.C.Nakra, Kinematic Analysis of a Planer Robot Using Artificial Neural Network, International Journal of Robotics and Automation (IJRA) Vol.1, 2012, pp. 145 - 151 Sách, tạp chí
Tiêu đề: Kinematic Analysis of a Planer Robot Using Artificial Neural Network
14.Raşit Kokửr, A neuro-genetic approach to the inverse kinematics solution of robotic manipulators,Scientific Research and Essays Vol. 6, 2011, pp.2784-2794 Sách, tạp chí
Tiêu đề: A neuro-genetic approach to the inverse kinematics solution of robotic manipulators
15.Bogdan M. Wilamowski and J. David Irwin, The Industrial lectronics Handbook, Second Edition, 2011, pp. 12-1 – 12-16 Sách, tạp chí
Tiêu đề: The Industrial lectronics Handbook, Second Edition
16. Howard Demuth and Mark Beale , Neural Network Toolbox User’s Guide,Version 3.0,MathWorks,1998 Sách, tạp chí
Tiêu đề: Neural Network Toolbox User’s Guide,Version 3.0
17. Martin T.Hagan and Howard B.Demuth and Mark Beale, Neural Network Design, PWS Publishing Company, 1996 Sách, tạp chí
Tiêu đề: Neural Network Design
18. Joe Zhizhong, Application of Force Control on a Robot, M.S. Thesis, National Central University established Mechanical Engineering Research Institute, China, 2001 Sách, tạp chí
Tiêu đề: pplication of Force Control on a Robot
19. Panchanand Jha, Novel Artificial Neural Network Application for Prediction of Inverse Kinematics of Manipulator,M.S. Thesis,Department of Mechanical Engineering National Institute of Technology Rourkela, India, 2009 Sách, tạp chí
Tiêu đề: Panchanand Jha," Novel Artificial Neural Network Application for Prediction of Inverse Kinematics of Manipulator
20. Scorbot ER 7 user’s manual, catalog #100017, Eshed Robotec,1998 Sách, tạp chí
Tiêu đề: Scorbot ER 7 user’s manual

HÌNH ẢNH LIÊN QUAN

Mạng Nơron nhân tạo (Artificial Neural Network- ANN) là mô hình xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh của sinh vật,  bao gồm số lượng lớn các Nơron được gắn kết để xử lý thông tin - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
ng Nơron nhân tạo (Artificial Neural Network- ANN) là mô hình xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh của sinh vật, bao gồm số lượng lớn các Nơron được gắn kết để xử lý thông tin (Trang 19)
Hình 2.2 Mô hình của một dạng nơron sinh học - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 2.2 Mô hình của một dạng nơron sinh học (Trang 21)
Hình 2.6Hàm chuyển đổi dạng tuyến tính bão hòa - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 2.6 Hàm chuyển đổi dạng tuyến tính bão hòa (Trang 24)
Hình 2.7Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 2.7 Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng (Trang 24)
Hình 2.16 Liên kết của nơro nj với các phần khác trong ma ̣ng. - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 2.16 Liên kết của nơro nj với các phần khác trong ma ̣ng (Trang 34)
Hình 3.1 Tay máy Scorbot ER7 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 3.1 Tay máy Scorbot ER7 (Trang 41)
Hình 3.2 Sơ đồ động học của tay máy Scorbot ER7 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 3.2 Sơ đồ động học của tay máy Scorbot ER7 (Trang 42)
Hình 3.3 Vùng làm việc của tay máy Scorbot ER7 trong mă ̣t phẳng Oxy và phân chia vùng huấn luyê ̣n - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 3.3 Vùng làm việc của tay máy Scorbot ER7 trong mă ̣t phẳng Oxy và phân chia vùng huấn luyê ̣n (Trang 47)
Hình 3.7Vùng làm việc của tay máy Scorbot ER7 trong mă ̣t phẳng Oxy dùng cho ma ̣ng Net2_1  - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 3.7 Vùng làm việc của tay máy Scorbot ER7 trong mă ̣t phẳng Oxy dùng cho ma ̣ng Net2_1 (Trang 51)
Hình 4.1 Giao diê ̣n của Neural Network Toolbox - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.1 Giao diê ̣n của Neural Network Toolbox (Trang 53)
Hình 4.2 Nhâ ̣p dữ liệu vào Neural Network Toolbox. - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.2 Nhâ ̣p dữ liệu vào Neural Network Toolbox (Trang 53)
Hình 4.4 Khởi ta ̣o ma ̣ng Net1_1 và lựa chọn thông tin cho mạng nơron - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.4 Khởi ta ̣o ma ̣ng Net1_1 và lựa chọn thông tin cho mạng nơron (Trang 54)
Hình 4.5 Cấu trúc của ma ̣ng Net1_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.5 Cấu trúc của ma ̣ng Net1_1 (Trang 55)
Hình 4.8 Các thông số huấn luyện mạngNet 1_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.8 Các thông số huấn luyện mạngNet 1_1 (Trang 56)
Hình 4.10 Đồ thị thể hiện tổng bình phương sai số trong quá trình huấn luyện mạng Net1_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.10 Đồ thị thể hiện tổng bình phương sai số trong quá trình huấn luyện mạng Net1_1 (Trang 57)
Hình 4.11 Đồ thị thể hiện gradien, hê ̣ số kết hợp „mu‟ và sai số trên bô ̣ dữ liê ̣u - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.11 Đồ thị thể hiện gradien, hê ̣ số kết hợp „mu‟ và sai số trên bô ̣ dữ liê ̣u (Trang 57)
Hình 4.15 Đồ thị thể hiện sai lệch của θ2 khi mô phỏngma ̣ng Net1_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.15 Đồ thị thể hiện sai lệch của θ2 khi mô phỏngma ̣ng Net1_1 (Trang 59)
Hình 4.18 Đồ thị thể hiện sai lệch của θ5 khi mô phỏngma ̣ng Net1_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.18 Đồ thị thể hiện sai lệch của θ5 khi mô phỏngma ̣ng Net1_1 (Trang 60)
Hình 4.17 Đồ thị thể hiện sai lệch của θ4 khi mô phỏngma ̣ng Net1_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.17 Đồ thị thể hiện sai lệch của θ4 khi mô phỏngma ̣ng Net1_1 (Trang 60)
Hình 4.25 Vị trí mong muốn và vị trí mạng Net1_1 xác định được khi mô phỏng theo quỹ đa ̣o đường tròn - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.25 Vị trí mong muốn và vị trí mạng Net1_1 xác định được khi mô phỏng theo quỹ đa ̣o đường tròn (Trang 66)
Hình 4.24 Sai lê ̣ch vi ̣trí của ma ̣ng Net1_1 khi mô phỏng theo quỹ đa ̣o đường tròn - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.24 Sai lê ̣ch vi ̣trí của ma ̣ng Net1_1 khi mô phỏng theo quỹ đa ̣o đường tròn (Trang 66)
Hình 4.28 Đồ thị thể hiện tổng bình phương sai số trong quá trình huấn luyện mạng Net2_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.28 Đồ thị thể hiện tổng bình phương sai số trong quá trình huấn luyện mạng Net2_1 (Trang 68)
Hình 4.27 Quá trình huấn luyện mạngNet2_1 đươ ̣c hoàn thành với 1867 bước lă ̣p - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.27 Quá trình huấn luyện mạngNet2_1 đươ ̣c hoàn thành với 1867 bước lă ̣p (Trang 68)
Hình 4.32 Đồ thị thể hiện sai lệch của θ2 khi mô phỏngma ̣ng Net2_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.32 Đồ thị thể hiện sai lệch của θ2 khi mô phỏngma ̣ng Net2_1 (Trang 70)
Hình 4.31 Đồ thị thể hiện sai lệch của θ1 khi mô phỏngma ̣ng Net2_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.31 Đồ thị thể hiện sai lệch của θ1 khi mô phỏngma ̣ng Net2_1 (Trang 70)
Hình 4.35 Đồ thị thể hiện sai lệch của θ5 khi mô phỏngma ̣ng Net2_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.35 Đồ thị thể hiện sai lệch của θ5 khi mô phỏngma ̣ng Net2_1 (Trang 71)
Hình 4.36 Sai lê ̣ch của θ1 khi mô phỏng theo quỹ đa ̣o đường tròn dùng ma ̣ng Net2_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.36 Sai lê ̣ch của θ1 khi mô phỏng theo quỹ đa ̣o đường tròn dùng ma ̣ng Net2_1 (Trang 73)
Hình 4.37 Sai lê ̣ch của θ2 khi mô phỏng theo quỹ đa ̣o đường tròn dùng ma ̣ng - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.37 Sai lê ̣ch của θ2 khi mô phỏng theo quỹ đa ̣o đường tròn dùng ma ̣ng (Trang 73)
Hình 4.39 Sai lê ̣ch của θ4 khi mô phỏng theo quỹ đa ̣o đường tròn dùng ma ̣ng Net2_1 - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.39 Sai lê ̣ch của θ4 khi mô phỏng theo quỹ đa ̣o đường tròn dùng ma ̣ng Net2_1 (Trang 74)
Hình 4.41 Sai lê ̣ch vi ̣trí của ma ̣ng Net2_1 khi mô phỏng theo quỹ đa ̣o đường tròn - (Luận văn thạc sĩ) ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy
Hình 4.41 Sai lê ̣ch vi ̣trí của ma ̣ng Net2_1 khi mô phỏng theo quỹ đa ̣o đường tròn (Trang 76)

TỪ KHÓA LIÊN QUAN

w