نویسندگان

دانشگاه علم و صنعت ایران

چکیده

چکیده: در این مقاله، کنترل‌کننده تطبیقی غیرخطی پیش‌بین مدل برای کنترل موقعیت‌ - سرعت ربات‌های بازو پیشنهاد می‌شود. به‌طور کلی، دینامیک ربات‌ها دارای عدم قطعیت هستند که شامل تغییر پارامترها، غیرخطی‌های ناشناخته ربات، تغییر بار، و گشتاور اغتشاش از طرف محیط است. تابع هزینه کنترل‌کننده طوری تعریف شده است که با تغییر پارامترهای آن، مجری نهایی ربات بتواند مسیر از قبل ‌تعیین‌‌شده‌ای را در فضای دکارتی با سرعت ثابتی دنبال نماید. علاوه بر آن، به جهت حذف عدم قطعیت‌ها، شبکه عصبی با الگوریتم آموزش لونبرگ - مارکوارت برای تخمین تطبیقی مدل ربات به‌کار برده ‌شده است. پایداری حلقه - بسته با استفاده از نظریه لیاپانوف نشان داده ‌شده است. اعتبار روش کنترلی پیشنهادی از طریق شبیه‌سازی برروی ربات بازوی سه درجه آزادی که با سرووموتورهای جریان مستقیم به حرکت درمی‌آید، نشان داده می‌شود.

کلیدواژه‌ها

عنوان مقاله [English]

Adaptive Neuro-Predictive Position/Velocity Control of Robot Manipulators in Work Space

نویسندگان [English]

  • Horiyeh Mazdarani
  • Mohammad Farrokhi

Iran University of Science and Technology

چکیده [English]

This paper proposes an adaptive Nonlinear Model Predictive Controller (NMPC) for hybrid position/velocity control of robot manipulators. Robot dynamics have generally uncertainties, including parameters variations, unknown nonlinearities of the robot, payload variations, and torque disturbances form the environment. The cost function of the NMPC is defined in such a way that by adjusting its weighting parameters, the end-effector of the robot tracks a predefined geometry path in Cartesian space with a constant velocity. Moreover, to eliminate the uncertainties, a neural network with Levenberg-Marquardt training algorithm is used to estimate adaptively the model of the robot. The closed-loop stability is demonstrated using Lyapunov theory. The validity of the proposed control method is shown by simulation results on a 3-DOF robot manipulator actuated by DC servomotors.

کلیدواژه‌ها [English]

  • Neural-network model
  • Robot manipulators
  • Hybrid position/velocity control
  • Levenberg-Marquardt algorithm
  • Model predictive control
  • Neural
  • network model
  • Levenberg
  • Marquardt algorithm
  • Lyapunov stability