RU87954U1 - Система управления роботом-манипулятором с упругими звеньями - Google Patents

Система управления роботом-манипулятором с упругими звеньями Download PDF

Info

Publication number
RU87954U1
RU87954U1 RU2009125160/22U RU2009125160U RU87954U1 RU 87954 U1 RU87954 U1 RU 87954U1 RU 2009125160/22 U RU2009125160/22 U RU 2009125160/22U RU 2009125160 U RU2009125160 U RU 2009125160U RU 87954 U1 RU87954 U1 RU 87954U1
Authority
RU
Russia
Prior art keywords
output
link
input
neural network
hinge
Prior art date
Application number
RU2009125160/22U
Other languages
English (en)
Inventor
Алексей Григорьевич Булгаков
Загхлюл Саид Аль-Кхаиит Саад
Original Assignee
Государственное образовательное учреждение высшего профессионального образования "Южно-Российский государственный технический университет (Новочеркасский политехнический институт)"
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Государственное образовательное учреждение высшего профессионального образования "Южно-Российский государственный технический университет (Новочеркасский политехнический институт)" filed Critical Государственное образовательное учреждение высшего профессионального образования "Южно-Российский государственный технический университет (Новочеркасский политехнический институт)"
Priority to RU2009125160/22U priority Critical patent/RU87954U1/ru
Application granted granted Critical
Publication of RU87954U1 publication Critical patent/RU87954U1/ru

Links

Abstract

Система управления роботом-манипулятором с упругими звеньями, состоящая из блоков, каждый из которых состоит из ПД-регулятора, вход которого соединен с выходом сумматора, определяющего величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного, а выход соединен с нейросетью, имеющей в качестве активационной функции функцию Гаусса и линейную функцию, где используется в качестве величины ошибки при обучении нейросети, причем выход нейросети соединен с входом другого сумматора, в котором выход нейросети складывается с выходом ПД-регулятора; выход суматора соединен с входом блока динамической модели звена робота-манипулятора; вход нейросети соединен с выходом блока задания положения и скоростей, где задается значение угла поворота в шарнире, значение скорости поворота в шарнире, и с выходом блока динамической модели звена, где определяется действительное значение угла поворота в шарнире, действительное значение скорости поворота в шарнире, отличающаяся тем, что система дополнительно снабжена блоком расчета полного перемещения концевой точки, вход которого соединен с выходом блока динамической модели звена, а выход соединен с сумматором, определяющим величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного; также система дополнительно снабжена блоками расчета реакций в шарнире, вход которого соединен с блоком динамической модели звена, а выход соединен с входом блока преобразования сил и момента, выход блока преобразования сил и момента соединен с входом блока динамической модели предыдущего звена, вх�

Description

Полезная модель относится к области управления упругими роботами-манипуляторами, в частности для компенсации деформаций и демпфирования колебаний.
Известна система управления упругим роботом-манипулятором, состоящая из ПИД-регулятора и нейросети, соединенных таким образом, что выход ПИД-регулятора служит величиной ошибки при обучении нейросети и в то же время, предварительно просуммированный с выходом нейросети, соединен с входом робота-манипулятора. Данная система управления реализована в работе Rios Neto W., Nascimento Junior Cairo L., Goes L.C. Positional Control of a Flexible Structure using Neural Networks // Proceedings of the 4th Brazilian Conference on Neural Networks, 1999. - P.378-383.
Недостатком данной системы управления является необходимость использования временного лага и большое количество нейронов, используемое в структуре нейросети, в результате чего, система не может работать в режиме реального времени.
Наиболее близким по структуре и достигаемому результату к заявленному является система управления, состоящая из ПД-регулятора, нейросети с использованием методики обучения по сигналу обратной связи, соединенных таким образом, что выход ПД-регулятора служит величиной ошибки при обучении нейросети и в то же время, предварительно просуммированный с выходом нейросети, соединен со входом робота-манипулятора. В этой системе управления использована нейросеть с техникой обучения по сигналу обратной связи методом обратного распространения ошибки для управления положением рабочего органа. Нейросеть с радиальной базисной функцией использована для расчета сигнала управления по возмущению. Пять входных сигналов, используемых в нейросети это заданные и действительные величины положения и скорости, и заданное ускорение в шарнире. Отклонение рабочего органа использовано в расчетах ПД-регулятора.
Данная система управления реализована в работе Fernando Passold Applying RBF Neural Nets for Position control of an Inter/Scara Robot // Int. J. of Computers, Communications & Control. - 2009. - Vol.4, No.2, - P.148-157.
Недостатком этой системы управления является то, что система управления содержит большое количество нейронов что не позволяет работать в режиме реального времени. Кроме того, в нейросеть системы управления поступают сигнады всех звеньев, что затрудняет работу системы управления.
Задача полезной модели - повышение точности и скорости позиционирования концевой точки робота-манипулятора с упругими звеньями, компенсация деформаций звеньев и демпфирование колебаний.
Поставленная задача решается тем, что система управления роботом-манипулятором с упругими звеньями, состоит из блоков, каждый из которых состоит из ПД-регулятора, вход которого соединен с выходом сумматора, определяющего величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного, а выход соединен с нейросетью, имеющей в качестве активационной функции функцию Гаусса и линейную функцию, где используется в качестве величины ошибки при обучении нейросети, причем выход нейросети соединен с входом другого сумматора, в котором выход нейросети складывается с выходом ПД-регулятора; выход суматора соединен с входом блока динамической модели звена робота-манипулятора; вход нейросети соединен с выходом блока задания положения и скоростей, где задается значение угла поворота в шарнире, значение скорости поворота в шарнире и с выходом блока динамической модели звена, где определяется действительное значение угла поворота в шарнире, действительное значение скорости поворота в шарнире, система снабжена блоком расчета полного перемещения концевой точки, вход которого соединен с выходом блока динамической модели звена, а выход соединен с сумматором, определяющим величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного; также система дополнительно снабжена блоками расчета реакций в шарнире, вход которого соединен с блоком динамической модели звена, а выход соединен с входом блока преобразования сил и момента, выход блока преобразования сил и момента соединен с входом блока динамической модели предыдущего звена, вход блока преобразования сил и момента также соединен с блоком динамической модели звена, система управления снабжена этим блоком дополнительно; полное перемещение концевой точки звена учитывает упругие деформации звеньев робота-манипулятора; работа системы управления производится методом рекурсивной процедуры, использующей отдельный регулятор для построения траектории каждого упругого звена, начиная интеграцию от последнего звена многозвенного упругого робота-манипулятора, как только вращающий момент для последнего звена получен, на следующем шаге вычисляются реакции, которые будут переданы к предыдущему звену, процедура продолжается со следующим звеном в цепи так же, как и прежде, метод продолжается далее до первого звена; число блоков управления равно числу звеньев; обучение нейросети производится в режиме реального времени и обновляются все параметры активного нейрона.
В предлагаемой полезной модели использованы адаптивные нейросети с техникой обучения по сигналу обратной связи для управления положением рабочего органа каждого упругого звена. Нейросети с радиальной базисной функцией с минимальным ресурсным распределением использованы для расчета сигнала управления по возмущению. Четыре входных сигнала, используемые в каждой нейросети это заданные и действительные положения и скорости в шарнире. Полное отклонение рабочего органа использовано в расчетах ПД-регуляторов. Для управления использована величина полного перемещения каждого упругого звена, полученная как разность между движением жесткого звена и упругим отклонением концевой точки.
На фиг.1 представлена структура нейросети с радиальной базисной функцией, выбранной прототипом данной полезной модели.
На фиг.2 представлена заявленная схема управления роботом-манипулятором с упругими звеньями.
На фиг.3 представлен алгоритм работы системы управления роботом-манипулятором с упругими звеньями.
На фиг.4 представлены результаты моделирования полного перемещения концевой точки двухзвенного упругого робота-манипулятора.
На фиг.5 представлены результаты моделирования треугольной траектории перемещения концевой точки двухзвенного упругого робота-манипулятора.
Система управления каждым звеном состоит из ПД-регулятора 1, нейросети 2 и блока динамической модели звена 3 робота-манипулятора. Вход ПД-регулятора 1 соединен с выходом сумматора 4, выход ПД-регулятора 1 соединен с входом сумматора 5; выход нейросети 2 соединен с входом сумматора 5, выход сумматора 5 соединен с входом блока динамической модели звена 3; вход сумматора 4 соединен с выходом блока вычисления заданного полного перемещения концевой точки звена 6 и выходом блока вычисления действительного полного перемещения концевой точки 7. Вход блока 6 соединен с выходом блока задания положения и скорости 8; вход нейросети 2 соединен с выходом блока динамической модели звена 3 и выходом блока задания положения и скорости 8. Выход блока динамической модели звена 3 соединен с входом блока рассчета реакций в шарнире 9, выход блока рассчета реакций в шарнире 9 соединен с входом преобразования сил и момента 10, выход блока преобразования сил и момента 10 соединен с входом динамической модели звена 3, вход блока преобразования сил и момента 10 соединен с выходом блока динамической модели звена 3.
В качестве активационной функции нейронов нейросети 2 принята функция Гаусса, количество нейронов нейросети 2 изменяется в зависимости от активности каждого нейрона, алгоритм обучения нейросети 2 работает по правилу «победитель получает все».
В заявке предлагается управляющая структура, которая использует ПД-регулятор, чтобы стабилизировать систему и нейросеть для каждого упругого звена, обучаемые в режиме on-line, чтобы компенсировать нелинейности, как например, трение, центростремительные и Кориолисовы эффекты, и силы тяжести.
В предлагаемой системе управления использованы адаптивные нейросети с техникой обучения по сигналу обратной связи (Feedback-Error-Learning technique) для управления положением рабочего органа упругого звена. Нейросеть с радиальной базисной функцией с минимальным ресурсным распределением использована для расчета сигнала управления по возмущению. Четыре входных сигнала нейросети это заданные и действительные положения и скорости в шарнире. Полное отклонение рабочего органа использовано в расчетах ПД-регулятора.
Работает система управления роботом-манипулятором с упругими звеньями следующим образом. При включении системы управления производится чтение исходных данных из блока задания положения и скорости 8 для дальнейшей обработки, это заданный угол поворота в шарнире, заданная скорость поворота в шарнире. Полное заданное перемещение концевой точки упругого звена робота-манипулятора вычисляется в блоке 6. Действительное значение угла поворота в шарнире, действительное значение скорости поворота в шарнире вычисляются в блоке динамической модели звена 3, угол поворота поперечного сечения концевой точки упругого звена, действительное отклонение концевой точки упругого звена робота-манипулятора вычисляются в блоке динамической модели звена 3. Действительное полное перемещение концевой точки звена вычисляется в блоке 7.
Далее производится вычисление ошибки полного отклонения концевой точки от заданного значения в сумматоре 4, результаты которых далее поступают в ПД-регулятор 1. На следующем этапе работы регулятора производится одновременное вычисление управляющих сигналов ПД-регулятора 1 и нейросети 2 и последующее их суммирование в сумматоре 5 для передачи в блок динамической модели звена 3 робота-манипулятора. Перед следующим циклом вычислений производится подсчет критериев ошибки обучения нейросети 2 и при неудовлетворительном результате происходит обновление параметров нейрона нейросети, центр активационной функции которого ближе других к заданному значению (алгоритм «победитель получает все»). При удовлетворении критериев условиям количество нейронов сравнивается с максимально допустимым значением и если число нейронов N нейросети 2 меньше максимального Nmax, то к сети добавляется новый нейрон, если число нейронов нейросети 2 максимально, то удаляется нейрон, наименее эффективный, не обновляемый в течение нескольких циклов, и место него добавляется новый нейрон. Затем процесс повторяется до завершения моделирования.
Работа системы управления производится методом рекурсивной процедуры, использующей отдельный регулятор для построения траектории каждого упругого звена, начиная интеграцию от последнего звена для моделирования многозвенного упругого робота. Как только вращающий момент для последнего звена получен в блоке расчета реакций в шарнире 9, на следующем шаге вычисляются реакции, которые будут переданы к следующему звену в цепи после обработки в блоке преобразования сил и моментов 10. Эти реакции рассчитаны по условию равновесия. Процедура продолжается со следующим звеном в цепи так же, как и прежде, но теперь силы реакции присутствуют и поэтому учтены в расчетах. Метод продолжается далее до первого звена.

Claims (1)

  1. Система управления роботом-манипулятором с упругими звеньями, состоящая из блоков, каждый из которых состоит из ПД-регулятора, вход которого соединен с выходом сумматора, определяющего величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного, а выход соединен с нейросетью, имеющей в качестве активационной функции функцию Гаусса и линейную функцию, где используется в качестве величины ошибки при обучении нейросети, причем выход нейросети соединен с входом другого сумматора, в котором выход нейросети складывается с выходом ПД-регулятора; выход суматора соединен с входом блока динамической модели звена робота-манипулятора; вход нейросети соединен с выходом блока задания положения и скоростей, где задается значение угла поворота в шарнире, значение скорости поворота в шарнире, и с выходом блока динамической модели звена, где определяется действительное значение угла поворота в шарнире, действительное значение скорости поворота в шарнире, отличающаяся тем, что система дополнительно снабжена блоком расчета полного перемещения концевой точки, вход которого соединен с выходом блока динамической модели звена, а выход соединен с сумматором, определяющим величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного; также система дополнительно снабжена блоками расчета реакций в шарнире, вход которого соединен с блоком динамической модели звена, а выход соединен с входом блока преобразования сил и момента, выход блока преобразования сил и момента соединен с входом блока динамической модели предыдущего звена, вход блока преобразования сил и момента также соединен с блоком динамической модели звена, система управления снабжена этим блоком дополнительно; полное перемещение концевой точки звена учитывает упругие деформации звеньев робота-манипулятора; работа системы управления производится методом рекурсивной процедуры, использующей отдельный регулятор для построения траектории каждого упругого звена, начиная интеграцию от последнего звена многозвенного упругого робота-манипулятора, как только вращающий момент для последнего звена получен, на следующем шаге вычисляются реакции, которые будут переданы к предыдущему звену, процедура продолжается со следующим звеном в цепи так же, как и прежде, метод продолжается далее до первого звена; число блоков управления равно числу звеньев; обучение нейросети производится в режиме реального времени, и обновляются все параметры активного нейрона.
    Figure 00000001
RU2009125160/22U 2009-06-30 2009-06-30 Система управления роботом-манипулятором с упругими звеньями RU87954U1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2009125160/22U RU87954U1 (ru) 2009-06-30 2009-06-30 Система управления роботом-манипулятором с упругими звеньями

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2009125160/22U RU87954U1 (ru) 2009-06-30 2009-06-30 Система управления роботом-манипулятором с упругими звеньями

Publications (1)

Publication Number Publication Date
RU87954U1 true RU87954U1 (ru) 2009-10-27

Family

ID=41353438

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2009125160/22U RU87954U1 (ru) 2009-06-30 2009-06-30 Система управления роботом-манипулятором с упругими звеньями

Country Status (1)

Country Link
RU (1) RU87954U1 (ru)

Similar Documents

Publication Publication Date Title
CN110275436B (zh) 一种多单臂机械手的rbf神经网络自适应控制方法
Mitrovic et al. Adaptive optimal feedback control with learned internal dynamics models
Miao et al. Optimization design of compliant constant-force mechanism for apple picking actuator
JP3436320B2 (ja) 非線形システムの出力軌道と動特性の制御方法および装置
CN109901397B (zh) 一种使用粒子群优化算法的机械臂逆运动学方法
RU85392U1 (ru) Система управления гибким звеном робота-манипулятора
Nanda et al. A novel application of artificial neural network for the solution of inverse kinematics controls of robotic manipulators
Zebin et al. Modeling and Control of a Two-link Flexible Manipulator using Fuzzy Logic and Genetic Optimization Techniques.
CN113219825B (zh) 一种四足机器人单腿轨迹跟踪控制方法及系统
Muscolo et al. A comparison between two force-position controllers with gravity compensation simulated on a humanoid arm
Zebin et al. Dynamic modeling and fuzzy logic control of a two-link flexible manipulator using genetic optimization techniques
RU87954U1 (ru) Система управления роботом-манипулятором с упругими звеньями
Shah et al. Kinematic Analysis of 2-DOF planer robot using artificial neural network
Nawrocka et al. Neural network control for robot manipulator
CN112428262B (zh) 基于超椭球映射解析算法并联冗余柔索机构伺服控制方法
Rani et al. An optimal control approach for hybrid motion/force control of coordinated multiple nonholonomic mobile manipulators using neural network
CN114967459A (zh) 一种机械臂时间收敛性的控制方法及其7 dof机械臂
Urrea et al. Design of a generalized dynamic model and a trajectory control and position strategy for n-link underactuated revolute planar robots
Tarvirdizadeh et al. An algorithm for dynamic object manipulation by a flexible link robot: Numerical solution and robustness
Wang et al. Fuzzy-neuro position/force control for robotic manipulators with uncertainties
Li et al. Robust control of a two-link flexible manipulator with neural networks based quasi-static deflection compensation
Jiang et al. Impedance control of flexible joint robots based on singular perturbation method
Zhang et al. Inverse kinematics solution for six-DOF serial robots based on BP neural network
Ji et al. Trajectory Generation and Tracking based on Energy Minimization for a Four-Link Brachiation Robot
Ueki et al. Adaptive coordinated control of multi-fingered hands with rolling contact

Legal Events

Date Code Title Description
MM1K Utility model has become invalid (non-payment of fees)

Effective date: 20100701

NF1K Reinstatement of utility model

Effective date: 20120320

MM1K Utility model has become invalid (non-payment of fees)

Effective date: 20130701