Điều khiển bám đuổi mạng neural thích nghi cho cánh tay robot bao gồm động lực học cơ cấu truyền động

am số vượt ra ngoài giá trị ràng buộc trong (44). Hệ thống điều khiển PD dựa trên thiết kế mô hình tự do được đưa ra các đáp ứng có thể so sánh để biểu thị đặc tính của hệ thống ANNC. Các đáp ứng mô phỏng của vị trí khớp, sai số bám đuổi, và điện áp điều khiển được miêu tả như hình 9(a), (b), (c), (d) và (e), (f). Từ kết quả mô phỏng thấy rằng đặc tính bám đuổi cải thiện đáng kể và hiện tượng chattering giảm nhiều. Bây giờ, hệ thống điều khiển đề xuất được mô tả như hình 3 được áp dụng để điều khiển Tạp chí Đại học Công nghiệp 27 cánh tay robot để so sánh. Các kết quả mô phỏng của đáp ứng vị trí khớp, sai số bám đuổi và điện áp điều khiển được mô tả tương ứng như trong hình 10(a), (b), (c), (d) và (e), (f). Do tất cả các tham số của mạng neural được khởi tạo ban đầu ước lượng sơ bộ, sai số bám đuổi từng bước giảm dần thông qua quá trình huấn luyện trực tuyến bất chấp có hoặc không có tồn tại thành phần không chắc chắn. Hơn nữa đặc tính điều khiển bền vững của hệ thống ANNC cả trong trường hợp có mặt của ma sát khớp, các tham số thay đổi và nhiễu ngoài. So sánh kết quả mô phỏng này với hệ thống CTC, RFLC và PD, điện áp điều khiển của hệ thống đề xuất ANNC có sai số nhỏ và không có hiện tượng chattering. 0 5 10 15 20 -2 -1 0 1 2 Thoi gian(s) V i t ri cu a kh op 1 ( ra d) 0 5 10 15 20 -4 -2 0 2 4 Thoi gian(s) V i t ri cu a kh op 2 ( ra d) (a) (b) 0 5 10 15 20 -1 -0.5 0 0.5 Thoi gian(s) S ai s o cu a kh op 1 (r ad ) 0 5 10 15 20 -1 -0.5 0 0.5 Thoi gian(s) S ai s o cu a kh op 2 (r ad ) (c) (d) 0 5 10 15 20 -200 -100 0 100 200 Thoi gian(s) D ie n ap c ap c ho d on g co 1 (V ) 0 5 10 15 20 -40 -20 0 20 40 Thoi gian(s) D ie n ap c ho d on g co 2 (V ) (e) (f) Hình 7. Đáp ứng vị trí, sai số bám đuổi và điện áp điều khiển của hệ thống điều khiển CTC tương ứng khớp 1 và 2. Điều khiển bám đuổi mạng neural 28 0 5 10 15 20 -2 -1 0 1 2 Thoi gian(s) V i t ri cu a kh op 1 ( ra d) 0 5 10 15 20 -1.5 -1 -0.5 0 0.5 1 Thoi gian(s) V i t ri cu a kh op 2 ( ra d) (a) (b) 0 5 10 15 20 -0.2 -0.1 0 0.1 0.2 Thoi gian(s) S ai s o cu a kh op 1 (r ad ) 0 5 10 15 20 -0.2 -0.1 0 0.1 0.2 Thoi gian(s) S ai s o cu a kh op 2 (r ad ) (c) (d) 0 5 10 15 20 -50 0 50 Thoi gian(s) D ie n ap c ap c ho d on g co 1 (V ) 0 5 10 15 20 -50 0 50 Thoi gian(s) D ie n ap c ap c ho d on g co 1 (V ) (e) (f) Hình 8. Đáp ứng vị trí, sai số bám đuổi và điện áp điều khiển của hệ thống điều khiển RFLC tương ứng khớp 1 và 2. Tạp chí Đại học Công nghiệp 29 0 5 10 15 20 -2 -1 0 1 2 Thoi gian(s) V i t ri cu a kh op 1 ( ra d) Mong muon Thuc 0 5 10 15 20 -2 -1 0 1 2 Thoi gian(s) V i t ri cu a kh op 2 ( ra d) Mong muon Thuc (a) (b) 0 5 10 15 20 -0.2 -0.1 0 0.1 0.2 Thoi gian(s) S ai s o cu a kh op 1 (r ad ) 0 5 10 15 20 -0.2 -0.1 0 0.1 0.2 Thoi gian(s) S ai s o cu a kh op 2 (r ad ) (c) (d) 0 5 10 15 20 -200 -100 0 100 200 Thoi gian(s) D ie n ap c ap c ho d on g co 1 (V ) 0 5 10 15 20 -40 -20 0 20 40 Thoi gian(s) D ie n ap c ho d on g co 2 (V ) (e) (f) Hình 9. Đáp ứng vị trí, sai số bám đuổi và điện áp điều khiển của hệ thống điều khiển PD tương ứng khớp 1 và 2. Điều khiển bám đuổi mạng neural 30 0 5 10 15 20 -2 -1 0 1 2 Thoi gian(s) V i t ri cu a kh op 1 ( ra d) Mong muon Thuc 0 5 10 15 20 -2 -1 0 1 2 Thoi gian(s) V i t ri cu a kh op 2 ( ra d) data1 data2 (a) (b) 0 5 10 15 20 -0.2 -0.1 0 0.1 0.2 Thoi gian(s) S ai s o cu a kh op 1 (r ad ) 0 5 10 15 20 -0.2 -0.1 0 0.1 0.2 Thoi gian(s) S ai s o cu a kh op 2 (r ad ) (c) (d) 0 5 10 15 20 -50 0 50 Thoi gian(s) D ie n ap c ap c ho d on g co 1 (V ) 0 5 10 15 20 -10 -5 0 5 10 Thoi gian(s) D ie n ap c ho d on g co 2 (V ) (e) (f) Hình 10. Đáp ứng vị trí, sai số bám đuổi và điện áp điều khiển của hệ thống điều khiển ANNC tương ứng khớp 1 và 2. Tạp chí Đại học Công nghiệp 31 VI. KẾT LUẬN Nghiên cứu này đã ứng dụng thành công ANNC để điều khiển vị trí khớp của cánh tay robot hai khâu bao gồm động lực học cơ cấu truyền động để đạt được điều khiển vị trí mong muốn. Tất cả động lực học hệ thống có thể không biết hoặc hoàn toàn không là hằng số. Mạng neural được sử dụng để bù sự không chắc chắn của hệ thống. Tất cả luật học thích nghi trong hệ thống ANNC được đưa ra theo cảm nhận định lý Lyapunov để mạng hội tụ và ổn định hệ thống bám đuổi của hệ thống điều khiển vòng kín được đảm bảo có hoặc không có xảy ra thành phần không chắc chắn. Kết quả mô phỏng của cánh tay robot hai khâu bao gồm động lực học cơ cấu truyền động thông qua sự có mặt của các bộ điều khiển khác nhau bao gồm điều khiển CTC, RFLC và PD cũng được áp dụng trong nghiên cứu này để so sánh và hiển thị khả năng hấp dẫn của hệ thống điều khiển đề xuất. Theo kết quả được mô tả như hình 7-10, đặc tính điều khiển bám đuổi vị trí mong muốn của hệ thống ANNC có thể được kiểm soát chặt chẽ theo đường cong tham chiếu cho trước dưới sự thay đổi rộng của nhiễu. Cái chính của nghiên cứu này là xây dựng hệ thống điều khiển thông minh đơn giản và khá hiệu quả không biết động lực học của đối tượng trong khi đó vẫn đảm bảo hội tụ và sự ổn định bám đuỗi của hệ thống vòng kín. Hệ thống ANNC cũng có thể ứng dụng cho hệ thống khác như robot di động, hệ thống AC servo PHỤ LỤC Định nghĩa sai số bám đuỗi )(~ tq và hàm mục tiêu )(te )()()(~ tqtqtq d −= (40) )(~)(~)(~)( tqKtqKtqte ba ++=  (41) Xem xét cánh tay robot n khâu mô tả bởi (13), nếu luật điều khiển được đưa ra như (42) và hệ số điều khiển của luật điều khiển được thiết kế như (43) và (44), thì hội tụ của sai số bám đuỗi và ổn định của hệ thống RFLC có thể được đảm bảo. )sgn(),,()~( 00 ekqqqHqqKeMU rddfl ++++= ∗∗  (42) )sgn()sgn(10 T d qeMK −∗= (43) br dk = (44) Trong đó )(ysign kí hiệu hàm dấu của mỗi phần tử trong vectơ y, e và q~ được mô tả ở (40), (41). Thành phần 'd được coi như là toàn bộ động lực học không chắc chắn. Do đó, giới hạn của toàn bộ động lực học không chắc chắn giả sử cho như sau, nghĩa là bdd ≤' , trong đó ⋅ kí hiệu Euclidean norm, và db là hằng số dương cho trước. Chứng minh: định nghĩa hàm Lyapunov như sau: eMeL Tfl ∗= 02 1 . (45) Từ (13) và (42) chúng ta có [ ]'10 )sgn(~ dekMqke rc −−−= −∗ . (46) Vi phân (45) và sử dụng (43), (44) và (46) chúng ta kết luận rằng [ ][ ] 0~ ~)~sgn()sgn( ))(sgn(~)~sgn()sgn( )sgn( )sgn(~)~sgn()sgn( )sgn(~)~sgn()sgn( )sgn( ~)~sgn()sgn( 11 ' ' ' ' 1 00 0 ≤−= −≤ −−−= + −−≤ +−−= −− −= = ∑∑ == −∗∗ ∗ n i i n i i TT b TTT T b TTT T b TTT T b T TT TT fl qe qqee ddeeqqee dee deeqqee dedeeqqee dedee qqeMMe eMeL  (47) Theo định lý ổn định Lyapunov [7], [9], thực thi điều khiển ổn định của hệ thống RFLC có thể được đảm bảo. Điều khiển bám đuổi mạng neural 32 TÀI LIỆU THAM KHẢO [1] Jinzhu Peng, Yaonan Wang, Wei Sun, Yan Liu, “A neural network sliding mode controller with application to robotic manipulator,” IEEE Conf. Int. Control, vol. 1, pp. 2101-2105, Apr. 2000. [2] B.K. Yoo and W.C Ham, “Adaptive control of robot manipulator using fuzzy compensator,” IEEE Trans. Ind. Electron., vol. 8, no. 2, pp. 186-199, Apr. 2000. [3] Shuzhi S. Ge, “Adaptive neural network control of robot manipulator in task space,” IEEE Trans. Ind. Electron., vol. 44, no. 6, pp. 746-752, Apr. 1997. [4] B.S. Chen, H.J. Uang, and C.S. Tseng, “Robust tracking enhancement of robot systems including motor dynamics: A fuzzy-based dynamic game approach,” IEEE Trans. Fuzzy syst., vol. 11, no. 4, pp. 538-552, Nov. 1998. [5] Rong-Jong Wai, Po-Chen Chen, “Robust Neural-Fuzzy-Network control for robot manipulator including actuator dynamics,” IEEE Trans. Ind. Electron., vol. 53, no. 4, pp. 1328-1349, Aug. 2006. [6] R.J. Schilling, Fundamentals of Robotics: Analysis and control. Hoboken, NJ: Prentice-Hall, 1998. [7] J.J.E. Slotime and W. Li, Applied Nonlinear Control. Hoboken, NJ: Prentice-Hall, 1991. [8] R. Murray, G. Goodwin, “Adaptive computed torque control for rigid link manipulators,” Syst. Cont. 10 (4) (1988) 9-16. [9] H. K. Khalil, Nonlinear Systems. Englewood Cliffs, NJ: Prentice-Hall, 1996.