6. Nội dung của luận án
4.5.1 Chọn thông số mô phỏng
Để có mô hình robot gần giống như đối tượng robot thực tế, luận án xây dựng mô hình robot trên cơ sở thiết kế 3D bằng phần mềm SolidWorks và kết hợp công cụ SimMechanics trong phần mềm Matlab-Simulink, cấu trúc robot Scara 3 bậc tự do được thể hiện như trong hình 4.6, thông số động học được cho như bảng 3.2.
Mô hình Robot sử dụng phần mềm SolidWorks và công cụ SimMechanics trong Matlab:
Hình 4.6: Sơ đồ mô phỏng robot Scara 3 DOF sử dụng công cụ SimMechanics
Các thông số nhiễu và lực ma sát như mục 3.6.3.
Quỹ đạo đặt cho điểm tác động cuối của robot, được thể hiện như phương trình sau: 0.3 0.035*cos( ) 0.35 0.035*sin( ) 0.5 0.06* E E E x t y t z t (4.116)
Hình 4.7: Quỹ đạo đặt điểm tác động cuối của Robot
- Sơ đồ cấu trúc bộ điều khiển:
Hình 4.8: Cấu trúc mô phỏng hệ kín sử dụng công cụ SimMechanics
4.5.2 Kết quả mô phỏng
Quỹ đạo đặt, quỹ đạo thực tế và sai lệch quỹ đạo của các khâu:
Hình 4.10: Quỹ đạo đặt, quỹ đạo thực tế và sai lệch quỹ đạo của khớp 2
Hình 4.11: Quỹ đạo đặt, quỹ đạo thực tế và sai lệch quỹ đạo của khớp 3
Quỹ đạo đặt, quỹ đạo thực tế và sai lệch quỹ đạo của điểm tác động cuối:
Hình 4.12: Quỹ đạo đặt, quỹ đạo thực tế và sai lệch quỹ đạo của điểm tác động cuối theo trục x
Hình 4.14: Quỹ đạo đặt, quỹ đạo thực tế và sai lệch quỹ đạo của điểm tác động cuối theo trục z
4.5.3 Nhận xét
Với quỹ đạo đặt giống quỹ đạo thực tế, kết quả mô phỏng hoạt động của hệ thống điều khiển RAC cho robot SCARA 3 bậc tự do, có chất lượng điều khiển bám tốt, thời gian đáp ứng nhanh, sai lệch quỹ đạo chuyển động của điểm tác động cuối và sai lệch quỹ đạo chuyển động của các khớp tiến về không.
Kết quả mô phỏng còn khẳng định khả năng ứng dụng RAC cho robot n bậc tự do có mô hình bất định kiểu hàm số và chịu ảnh hưởng của nhiễu tác động, không cần phân tích chính xác các liên hệ chéo giữa các khớp, cũng như các bất định khác của robot như phụ tải, lực ma sát... Đây cũng chính là ưu điểm nổi bật của bộ điều khiển so với các bộ điều khiển bền vững thích nghi khác mà luận án đã đề xuất. Điều đó thể hiện tính khả thi của RAC cho các robot công nghiệp.
4.6 Kết luận chương 4
Chương 4 nghiên cứu và đề xuất bộ 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 do có mô hình bất định kiểu hàm số, chịu sự ảnh hưởng của nhiễu. Phát biểu định lý 4.1 và chứng minh tính ổn định của hệ thống kín với bộ điều khiển được đề xuất.
Kết quả tổng hợp bộ điều khiển RAC được mô phỏng kiểm chứng trên mô hình robot Scara 3 DOF sử dụng phần mềm SolidWorks và công cụ SimMehanics và được so sánh với các bộ điều khiển ANNC (được đề xuất ở chương 2) và RANNSMC (đề xuất ở chương 3). Các kết quả mô phỏng cho thấy hệ thống RAC cho chất lượng tốt nhất (từ hình 4.3 đến hình 4.5). Các kết quả mô phỏng còn chỉ ra rằng hệ thống RAC có khả năng kháng nhiễu tốt bám quỹ đạo đặt với sai lệch nhỏ ngay cả khi quỹ đạo đặt gần với quỹ đạo thực tế (từ hình 4.9 đến hình 4.14).
Kết quả nghiên cứu này của tác giả đã được công bố ở 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.
KẾT LUẬN VÀ KIẾN NGHỊ
- Kết luận
Với nhiệm vụ đặt ra là nghiên cứu điều khiển thích nghi phi tuyến trên cơ sở mạng nơ ron nhân tạo cho robot công nghiệp có mô hình với các tham số bất định, chịu ảnh hưởng của nhiễu tác động, đảm bảo hệ kín ổn định và bám quỹ đạo đặt trước, luận án có những đóng góp sau:
+ Khảo sát mô hình toán học của robot, phân tích các thuộc tính, các hướng ứng dụng trong điều khiển đã được công bố và đề xuất chuyển mô hình robot n DOF về dạng truyền ngược chặt để có thể áp dụng các phương pháp điều khiển mới được đề xuất trong luận án.
+ Đề xuất ứng dụng thuật toán điều khiển thích nghi sử dụng mạng nơ ron (ANNC) cho cho robot n bậc tự do bất định kiểu hàm số.
+ Xây dựng bộ điều khiển trượt nơ ron thích nghi bền vững mới (RANNSMC), phát biểu và chứng minh định lý 3.1 (tr.73) về tính ổn định cho hệ kín, mô phỏng kiểm chứng RANNSMC bằng robot 3 bậc tự do bất định kiểu hàm số và có nhiễu tác động.
+ Tổng hợp bộ điều khiển thích nghi bền vững (RAC) có cấu trúc song song trên cơ sở kết hợp ANNC và SMC, phát biểu và chứng minh định lý 4.1 (tr.88), mô phỏng kiểm chứng bằng robot 3 bậc tự do bất định kiểu hàm số và có nhiễu tác động. Chất lượng điều khiển của bộ RAC được so sánh với bộ ANNC (chương 2) và bộ RANNSMC (chương 3), các kết quả mô phỏng cho thấy hệ thống RAC cho chất lượng điều khiển tốt nhất (từ hình 4.3 đến hình 4.5).
- Kiến nghị
Phát triển thành bộ điều khiển sản phẩm trên nền DSP, Vi điều khiển hoặc IPC điều khiển cho robot công nghiệp.
DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN
1
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.
2
Thái Hữu Nguyên, Nguyễn Phạm Thục Anh: Thiết kế bộ điều khiển bám quỹ đạo cho robot bằng phương pháp Jacobian xấp xỉ thích nghi. Hội nghị toàn quốc lần thứ 6 về Cơ Điện tử, VCM-2012.
3
Thái Hữu Nguyên, Phan Xuân Minh: Điều khiển thích nghi bằng mạng nơ ron cho hệ chuyển động sử dụng kỹ thuật cuốn chiếu. Tạp chí KH&CN, Đại học công nghiệp Hà Nội. Số 16, 6/2013.
4
Thái Hữu Nguyên, Nguyễn Công Dân, Hồ gia Quyết: Điều khiển thích nghi bằng mạng nơ ron cho đối tượng robot công nghiệp sử dụng kỹ thuật cuốn chiếu. Tạp chí nghiên cứu KH&CN Quân sự, 6/2013.
5
Nguyễn Phạm thục Anh, Thái Hữu Nguyên: Áp dụng phương pháp backstepping trong điều khiển bền vững chuyển động của Robot. Hội nghị toàn quốc lần thứ 2 về Điều khiển và Tự động hoá, VCCA-2013.
6
Thái Hữu Nguyên, Phan Xuân Minh, Hoàng Minh Sơn, Nguyễn Công 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.
7
Thái Hữu Nguyên, Phan Xuân Minh, Nguyễn Công Khoa: Điều khiển trượt nơ ron thích nghi bền vững cho robot ba bậc tự do. Tạp chí Khoa học và Công nghệ (ISSN: 0866-708X), Viện Hàn lâm Khoa học và Công nghệ Việt Nam, tập 52, số 5, năm 2014.
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 Hoài (2005): Robot công nghiệp tập 1. 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 Doãn Phước (2012): Phân tích và điều khiển hệ phi tuyến, NXB KH&KT. [11]. Nguyễn Doãn Phước (2009): Lý thuyết điều khiển tuyến tính. NXB KH&KT. [12]. Bùi Công Cường, Nguyến Doãn Phước (2006): Hệ mờ, mạng nơ ron và 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 trong điều khiển tự động. NXB KH&KT.
[15]. Nguyễn Công Định, Nguyễn Thanh Hải (2012): Điều khiển phi tuyến trên cơ sở mạng ron nhân tạo. NXB KH&KT.
Tài liệu Tiếng Việt (Bài báo và luận án)
[16]. Nguyễn Doãn Phước (2011): Bàn về khả năng ứng dụng lý thuyết hệ phẳng vào phân tích và điều khiển hệ phi tuyến. VCCA-2011
[17]. Từ Diệp Công Thành (2008): Mô phỏng bộ điều khiển neuron với luật học hệ số học thích nghi và 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 cơ không đồng bộ Rotor lồng sóc. Tạp chí KH&CN các trường ĐH KT số 75-2010 trang 31-35.
Tài liệu Tiếng nước ngoài (Sách)
[19]. Shankar Sastry (1999): Nonlinear Systems (Analyis, Stability and Control). Springer-Verlag, New York.
[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, Raúl Ordóñez, 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. Santibáñez 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. pringer- Verlag Berlin Heidelberg.
[36]. Thomas R. Kurfess (2005): Robotic and Automation Handbook. Copyright by CRC press LLC. Printed USA.
Tài liệu Tiếng nước ngoài (Bài báo và 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.
[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 3 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.
[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 uniformly-observable nonlinear systems: Application to 2-link robotic manipulator, Proceedings of the 7th Asian Control Conference,Hong Kong, China, August 27-29, 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 của thư viện Quốc gia: http://luanan.nlv.gov.vn/luanan
[78]. Tuyển tập Hội nghị toàn quốc lần thứ 2 về Điều khiển và Tự động hoá VCCA-2011 [79]. Tuyển tập công trình Hội nghị Cơ điện tử toàn quốc lần thứ 6 VCM-2012