Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ 3.27 Cấu hình xuất tín hiệu PWM.
3.28 Điều khiển tốc độ và chiều quay động cơ.
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
Sơ đồ khối bộ điều khiển NEFCON trong phần mềm Matlab – Simulink:
Kết quả chạy thực nghiệm điều khiển cho một cánh tay Robot
Hình 3.30. Tin hiệu điều khiển quỹ đạo bám của cánh tay Robot
Hình 3.31. Tin hiệu điều khiển quỹ đạo bám của cánh tay Robot
Quỹ đạo đặt Quỹ đạo bám Tín hiệu điều khiển Tín hiệu sai lệch Quỹ đạo đặt Quỹ đạo bám
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
Nhận xét:
Bộ điều khiển NEFCON cho kết quả khá tốt trong 7 chu kỳ chạy thực nghiệm, trong một, hai chu kỳ đầu sai lệch giữa quỹ đạo thực và quỹ đạo đặt của biến khớp điều khiển khoảng 0.05, trong các chu kỳ tiếp theo quỹ đạo robot được điều khiển ổn định thể hiện trên hình 3.30 và hình 3.31.
Sử dụng bộ điều khiển NEFCON đã khắc phục được hiện tượng giật trong quỹ đạo theo chiều xuống và hầu như không còn sai lệch tĩnh theo quỹ đạo đi lên của Robot. Điều này minh chứng tính ổn định và tối ưu của bộ điều khiển theo phương pháp NEFCON.
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
KẾT LUẬN
Đề tài: "Nghiên cứu ứng dụng hệ nơron mờ để cải thiện nhận dạng hệ phi tuyến" đã hoàn thành yêu cầu đặt ra và thu được một số kết quả sau:
- Nghiên cứu lý thuyết về hệ mờ và mạng nơron; phân tích ưu nhược điểm mỗi loại và việc kết hợp chúng thành hệ nơron mờ nhằm phát phát huy ưu điểm của điều khiển mờ và mạng nơron trong điều khiển các hệ thống phi tuyến;
- Xây dựng mô hình toán học robot 3 bậc tự do; mô phỏng robot trên Matlab; xây dựng hệ điều khiển các chuyển động của robot bằng các qui luật điều khiển kinh điển, đồng thời tiến hành mô phỏng với các quĩ đạo chuyển động khác nhau để thấy rõ mối quan hệ và tác động ảnh hưởng qua lại giữa các chuyển động đến chất lượng và độ chính xác điều khiển vị trí robot;
- Xây dựng bộ điều khiển nơron mờ (NEFCON) cho mạch vòng điều khiển 2 khớp. Các kết quả mô phỏng cho thấy bộ điều khiển nơron mờ làm việc theo cơ chế thích nghi đã cho phép khắc phục một phần ảnh hưởng của các chuyển động khớp 1 đến khớp 2. Bộ điều khiển này rất linh hoạt và có thể áp dụng để điều khiển hệ thống thực.
-
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
TÀI LIỆU THAM KHẢO TIẾNG VIỆT
[1] Nguyễn Như Hiển, Lại Khắc Lãi (2006), Hệ mờ và mạng nơ ron trong kỹ thuật điều khiển, NXB Khoa học tự nhiên và Công nghệ
[2] Bùi Công Cường, Nguyễn Doãn Phước (2006), Hệ mờ mạng nơ ron và ứng dụng, NXB Khoa học và Kỹ thuật
[3] Phan Xuân Minh, Nguyễn Doãn Phước (2006), Lý thuyết điều khiển mờ, NXB Khoa học và Kỹ thuật
[4] Nguyễn Trọng Thuần (2000), Điều khiển logic và ứng dụng, NXB Khoa học và Kỹ thuật
[5] Nguyễn Doãn Phước, Phan Xuân Minh, Hán Thành Trung (2003), Lý thuyết điều khiển phi tuyến, NXB Khoa học và Kỹ thuật
[6] Nguyễn Phùng Quang (2004), Matlab và Simulink, NXB Khoa học và Kỹ thuật [7] Vũ Thanh Du (2005), Nghiên cứu ứng dụng mạng nơron để nhận dạng và điều
khiển hệ thống phi tuyến, Luận văn thạc sỹ kỹ thuật.
[8] Trần Thanh Hà (2008), ứng dụng anfis để nhận dạng và điều khiển robot hai thanh nối, Luận văn thạc sỹ kỹ thuật
TIẾNG ANH.
[9] Nikos C. Tsourveloudis, Ramesh Kolluru, Kimon P. Valavanis and Denis Gracanin, 1999, Suction Control of a Robotic Gripper: A Neuro Fuzzy Approach, Robotics and Automation Laboratory, The Center for Advanjced Computer Studies and A- CIM Center, University of Louisiana at Lafayette, Lafayette, LA, USA;
[10] Cheng-Jian Lin, Cheng-Hung Chen, Chi-Yung Lee, 2006, A TSK-Type Quantum Neural Fuzzy Network for Temperature Control”, International Mathematical Forum, 1, 2006, no. 18, 853-866
[11] S. M. Yang, Y. J. Tung, and Y. C. Liu, 2005, A Neuro fuzzy system designmethodology for vibration control, Asian Journal of Control, Vol. 7, No. 4, pp. 393-400
[12] C. Altrock and B. Krause, "Fuzzy Logic and Neurofuzzy Technologies in
Embedded Automotive Applications", Proceedings of Fuzzy Logic '93, pp. A113-1 - A113-9.
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
[13] R. Lea, Y. Jani, and H. Berenji, "Fuzzy Logic Controller with Reinforcement Learning for Proximity Operations and Docking", Fifth IEEE International Symposium on Intelligent Control, 1990.
[14] D. Nauck, F. Klawonn and R. Kruse, "Combining Neural Networks and FuzzyControllers" Fuzzy Logic in Artificial Intelligence (FLAI93), ed. Klement, Erich Peter and Slany, Wolfgang, pp. 35-46, 1993.
[15] W. Pedrycz, "Fuzzy Sets and Neurocomputations: Knowledge Representation and Processing in Intellingent Controllers", Fifth IEEE International Symposium on Intelligent Control, 1990, pp. 626 - 630.
[16] K. P. Archer and S. Wang, "Fuzzy Set Representation of Neural Network Classification Boundaries", IEEE Transactions on Systems, Man, and Cybernetics, (July/August, 1991), pp. 735-742.
[17] A. Blanco and M. Delgado, "A Direct Fuzzy Inference Procedure By Neural Networks", Fuzzy Sets and Systems, (September 1993), pp. 133-141.
[18] J. M. Keller and D. J. Hunt, "Incorporating Fuzzy Membership Functions into the Perceptron Algorithm", IEEE Transactions on Pattern Analysis and Machine Intelligence, (November, 1985), pp. 693-699.
[19] W. Pedrycz, "Fuzzy Neural Networks and Neurocomputations", Fuzzy Sets and Systems, Vol. 56, (May 1993), pp. 1-28.
[20] Berenji, Hamid R. and Khedkar, Pratap. "Learning and Tuning Fuzzy Logic Controllers Through Reinforcements" IEEE Transactions on Neural Networks Vol. 3. pp. 724 - 740, 1992.
[21] J. M. Keller, R. R. Yager, and H. Tahani, "Neural Network Implementation of Fuzzy Logic" Fuzzy Sets and Systems(Vol 45), pp. 1-12, 1992.
[22] Đoàn Quang Vinh, Trần Đình Tân, ứng dụng mạng nơron mờ để điều khiển bộ bù tĩnh, Khoa Điện, trường Đại học Bách Khoa, Đại học Đà Nẵng.