- 57 Hình 2 25 Ví dụ vềñồ thị Bode của T
b. kết quả mô phỏng
kết quả mô phỏng với bộ tham số của cánh tay robot 2 baacjj tự do như sau:
TT Thông số Giá trị Ghi chú
1 Khối lượng cánh tay m1: 1 1(kg) 22 Khối lượng cánh tay2: m2 1(kg) 3 độ dài cánh tay 1: l1 0.5(m) 4 độ dài cánh tay 2: l2 0.5(m) 5 Coulomb friction khơp 1 0.02 (N) 6 Coulomb friction khớp 2 0.035 (N) 7 Viscous friction khớp 1 0.01(Ns/m) 8 Viscous friction khớp 2 0.01(Ns/m) 9 Mô men quán tắnh khớp 1 0.03 (N) 10 Mô men quán tắnh khớp 1 0.023 (N)
- Dạng tắn hiệu vào ựiều khiển
- 79 -
-
Hình 3.15. Các tắn ựầu vào của bộựiều khiển LFFC
- Tắn hiệu ựặt tắn hiệu ra thực tế và sai số của bộựiều khiển khi hệ thống chỉ dùng bộựiều khiển PID:
- 80 -
Hình 3.16. Tắn hiệu ựặt tắn hiệu vào ra và sai lệch khi chỉ có bộựiều khiển PID
- Nhiễu do ma sát coulomb và tắn hiệu bù do BSN tạo ra: + Chếựộ quá ựộ
+ Chếựộ xác lập
- 81 -
Hình 3.17. Nhiễu do ma sát coulomb và tắn hiệu hiệu chỉnh ma sát coulomb do LFFC tạo ra
- Tắn hiệu ựặt, tắn hiệu ra thực tế khi chỉ có LFFC bù ma sát coulomb tác ựộng:
Hình 3.18. Tắn hiệu và ra và sai lệch khi LFFC bù ma sát coulomb
- Nhiễu do ma sát nhớt và tắn hiệu bù ma sát nhớt do BSN tạo ra:
- 82 -
Hình 3.19. Nhiễu do ma sát nhớt sinh ra và tắn hiệu bù ma sát nhớt do LFFC tạo ra
- Tắn hiệu ựặt và tắn hiệu thực tế khi có LFFC tham gia bù ma sát coulomb và ma sát nhớt:
Hình 3.19. Tắn hiệu ựặt tắn hiệu vào ra và sai lệch khi hệ thống có LFFC bù ma sát coulomb và ma sát nhớt
- 83 -
Kết luận Chương 3
Từ các cơ sở lý thuết của Chương 1 và Chương 2, tác giảựã xây dựng ựược bộ ựiều khiển cho cánh tay robot 2 bậc tự do kết hợp bộ ựiều khiển Feedback và LFFC trên cơ sở mạng nơ ron. Kết quảựiều khiển ựược kiểm chứng bằng mô phỏng trên phần mềm Matlab simulink.
Qua kết quả mô phỏng có các kết luận:
- Hệ thống hoạt ựộng ổn ựịnh trong thời gian lây dài;
- Vị trắ tham chiếu thực bám với vị trắ tham chiếu ựặt khi cho vị trắ tham chiếu ựặt biến ựổi. Trong luận văn này giả thiết vị trắ ựặt biến thiên theo quy luật hàm Sin. Kết quả này cũng ựúng khi cho vị trắ ựặt bất kỳ.
- Tắn hiệu bám tốt, với các nhiễu do hệ thống tạo ra, bộ ựiều khiển LFFC trên cơ
sở mạng nơ ron ựã tạo ra tắn hiệu bù phù hợp ựể khử các tắn hiệu nhiễu.
- Chất lượng hoạt ựộng của hệ thống khi có LFFC tốt hơn khi chỉ sử dụng bộựiều khiển truyền thống PID. điều này ựược thể hiện ở sai số khi chỉ sử dụng bộựiều khiển PID và bộựiều khiển có thêm LFFC.
- Trong luận văn này tác giả mởi lấy tắn hiệu tại khớp thứ nhất, các tắn hiệu này ựã có lien kết với khớp 2. Kết quả mô phỏng tại khớp 2 tương tự như khớp 1 này.
- 84 -
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA đỀ TÀI
Luận văn ựã hoàn thành những yêu cầu ựặt ra là ứng dụng Learning FeedForward trên cơ sở mạng nơ ron ựiều khiển vị trắ cánh tay robot.
Các ựóng góp chắnh và hướng phát triển của ựề tài nghiên cứu:
- đã tổng hợp ựược các tài liệu về learning feedforward, mạng nơ ron và các
ứng dụng của nó ựể có cái nhìn tổng quan về kết cấu, các luật học và các phương pháp ứng dụng learning feedforward trên cơ sở mạng nơ ron ựể ựiều khiển vị trắ cánh tay robot.
- Bằng phương pháp phân tắch, tổng hợp luận văn này ựã tắnh toán xây dựng
ựược mô hình ựộng học của robot 2 bâc tự do, thiết kếựược bộ ựiều khiển, khảo sát mô phỏng cho cánh tay robot 2 bậc tự do bằng ứng dụng learning feedforward trên cơ sở mạng nơ ron. Trong luận văn ựã trình bày một phương pháp ựiều khiển ựã khử ựược các tham số phi tuyến do ựối tượng là cánh tay robot gây ra như ma sát coulomb, ma sát bám dắnhẦ qua ựó ựã nâng cao chất lượng ựiều khiển của cánh tay robot 2 bậc tự do.
- Do thời gian nghiên cứu có hạn trong khuôn khổ luận văn này mới chỉ thiết kế mô phỏng ựược hệ thống ựiều khiển. Từ kết quả mô phỏng với các tham số của bài toán có thể phát triển ứng dụng ựể thiết kế trên mô hình thực tế và phát triển với cánh tay robot với số bậc tự do lớn hơn, ngoài ra cơ sở của luận văn này cũng có thể
dung ựể thiết kế các hệ thống tương ựương như sử dụng LFFC trên cơ sở MRAS. Vì vậy luận văn này là một hướng nghiên cứu mở, có thể phát triển tiếp tục hướng nghiên cứu này ở các công trình khoa học cấp cao hơn.
- 85 -
TÀI LIỆU THAM KHẢO
Tiếng Việt:
[1]. Phạm ựăng phước; Robot công nghiệp Ờ tailieu.vn;
[2] Nguyễn Như Hiển, Lại Khắc Lãi; Hệ mờ & Nơ ron trong kỹ thuật ựiều
khiển- NXB khoa học tự nhiên và công nghệ;
[3] Nguyễn Doãn Phước; Lý thuyết ựiều khiển phi tuyến-NXB Khoa học và
Kỹ thuật ;
[4] Nguyễn Doãn Phước, Phan Xuân Minh, Hán Thành Trung; Lý thuyết
ựiều khiển phi tuyến- NXB Khoa học và Kỹ thuật ;
Tiếng Anh:
[5] D. Nguyen, and B. Widrow, ỘNeural Networks for Self- Learning
Control Systems,Ợ IEEE Control System Magazine, vol. 10, no. 1, pp. 18-23,
Feb. 1990;
[6] Dr. Nguyen Duy Cuong , ỘAdvanced Controllers for
Electromechanical Motion SystemsỢ. University of Twente, March, 2008;
[7]. W.J.R. Velthuis. ỘLearning feed-forward control: theory, design and;
application.ỢPhd thesis, University of Twente, Enschede, the Netherlands,
2000;.
[8] Z. Hendzel, ỘAdaptive Critic Neural Networks for Motion Control of
Wheeled Mobile Robot,Ợ Nonlinear Dynamics, vol. 50, no. 4, pp. 849-855,
2007;
[9] K.S. Narenda, and K. Pathasarathy, ỘIdentification and control of
dynamic systems using neural network,Ợ IEEE Transaction on Neural
Networks, vol. 1, no. 1, pp. 4-27, 1990.