- Phương pháp nhận dạng không tham số và nhận dạng tham số
2. HƯỚNG PHÁT TRIỂN
Để hoàn thành nghiên cứu, dự kiến em sẽ nghiên cứu và thực hiện những nội dung sau:
• Đánh giá mô hình nhận dạng robot Delta có phải là hệ phi tuyến hay không.
• Hoàn thiện mô hình điều khiển robot Delta bằng ANFIS.
• Thực hiện điều khiển robot Delta với các phương pháp điều khiển khác để so sánh với kết quảđề tài.
TRANG 64 TÀI LIỆU THAM KHẢO TÀI LIỆU THAM KHẢO
Tiếng việt:
1. Nguyễn Như Hiền, Lại Khắc Lãi, ” Hệ mờ và nơron trong kỹ thuật điều khiển”, NXB Khoa học tự nhiên, 2007.
2. Nguyễn Việt Hùng, Nguyễn Tấn Đời, Trương Ngọc Anh, Tạ Văn Phương, “Bài giảng Điều khiển thông minh”, ĐH Sư Phạm Kỹ Thuật TP.HCM, 2008. 3. Nguyễn Thương Ngô, “Lý thuyết điều khiển tựđộng hiện đại” – NXB Khoa
học và Kỹthuật – 1999.
4. Một số Luận văn Thạc sĩ chuyên ngành Tự động hoá - Trường ĐH Thái Nguyên.
5. Một số Luận văn Thạc sĩ chuyên ngành Kỹ thuật điện tử - Trường ĐH Sư Phạm Kỹ Thuật TP.HCM.
Tiếng anh:
1. Chiew Foong Kwong, Teong Chee Chuah and Sze Wei Lee, “Adaptive Neuro-Fuzzy Inference System Hand off Algorithm”, INTI University College, 2010.
2. V.Seydi Ghomsheh, M. Aliyari Shoorehdeli, M. Teshnehlab, “Training ANFIS Structure with Modified PSO Algorithm”, K. N. Toosi university technology Tehran, Iran, 2007.
3. Srinivasan Alavandar, M.J. Nigam, “Inverse Kinematics Solution of 3DOF Planar Robot using ANFIS”, Int. J. of Computers, Communications & Control, 2008.
4. Tiberiu Vesselenyi, Simona Dzitac, Ioan Dzitac, Misu-Jan Manolescu,
“Fuzzy and Neural Controllers for a Pneumatic Actuator”, International Journal of Computers, Communications and Control, Vol. II, No. 4, pp. 375- 387, 2007.
5. Rasit Koker, Cemil Oz, Tark Cakar, Huseyin Ekiz, “A study of neural network based inverse kinematics solution for a three-joint robot,” Robotics and Autonomous Systems, 49, 227-234, 2004.
TRANG 65
6. J.-S. R. Jang , “ANFIS: Adaptive-Network-based Fuzzy Inference Systems,”
IEEE Transactions on Systems, Man, and Cybernetics, 23(03), 665-685, May 1993.
7. Jang, J., Sun, C., and Mizutani, E., “Neuro Fuzzy and Soft Computing”,
Printice-Hall, Upper Saddle River, NJ, 1997.
8. Yang Ming Lu, Lu Guizhang, Li Jiangeng, “An Inverse Kinematics Solution for Manipulators,” Proceedings of IEEE, Vol.4, 400-404, 2001.
9. A. Vivas, Ph. Poignet, “Model based predictive control of a fully parallel robot”, 7th International IFAC Symposium on Robot Control, Poland, 2003. 10. Isolde Dressler, Johannes Schiffer, Anders Robertsson,” Modeling and
Control of a Parallel Robot Using Modelica”, Proceedings 7th Modelica Conference, Como, Italy, Sep. 20-22, 2009.
11. Ondrej Linda, “Uncertainty-Robust Design of Interval Type-2 Fuzzy Logic Controller for Delta Parallel Robot”, Milos Manic, Senior Member, IEEE. 12. Kazuo Kiguchi, Takakazu Tanaka, and Toshio Fukuda, “Neuro-Fuzzy
Control of a Robotic Exoskeleton With EMG Signals”, IEEE
TRANSACTIONS ON FUZZY SYSTEMS, VOL. 12, NO. 4, AUGUST 2004.
13. André Olsson, “Modeling and control of a Delta-3 robot”, Department of Automatic Control, Lund University February 2009.
14.Robert Babuška, Henk Verbruggen, “Neuro-fuzzy methods for nonlinear system identification”, Annual Reviews in Control 27 (2003) 73–85. 15. Flavien Paccot, Philippe Lemoine, Nicolas Andreff, DamienChablat, Philippe
Martinet, “A Vision-based Computed Torque Control for Parallel Kinematic Machines”, In Chemnitz Parallel Kinematics Seminar, pages 359–378, Chemnitz, Germany, April 2006.