Điều khiển cánh tay robot học vẽ
Từ khi mới ra đời robot công nghiệp được áp dụng
trong nhiều lĩnh vực dưới góc độ thay thế sức người.
Nhờ vậy các dây chuyền sản xuất được tổ chức lại,
năng suất và hiệu quả sản xuất tăng lên rõ rệt. Mục
tiêu ứng dụng robot công nghiệp nhằm góp phần
nâng cao năng suất dây chuyền công nghệ, giảm giá
thành, nâng cao chất lượng và khả năng cạnh tranh
của sản phẩm đồng thời cải thiện điều kiện lao động.
Đạt được các mục tiêu trên là nhờ khả năng to lớn của
robot như: làm không biết mệt mỏi, chịu được phóng
xạ và các môi trường làm việc độc hại, nhiệt độ cao
Ngoài ra Robot được dùng thay thế con người trong
những trường hợp thực hiện những công việc tuy
không nặng nhọc nhưng đơn điệu, dễ gây mệt mỏi,
nhầm lẫn. Bài báo này giới thiệu một ứng dụng của
Robot là Điều khiển cánh tay Robot học vẽ.
Tóm tắt nội dung tài liệu: Điều khiển cánh tay robot học vẽ
![Điều khiển cánh tay robot học vẽ Điều khiển cánh tay robot học vẽ](https://s1.tailieubachkhoa.net/rl6k7x3q9zfh00j8/thumb/2021/11/25/dieu-khien-canh-tay-robot-hoc-ve_gtt1YeM2JP.jpg)
>> HOẠT ĐỘNG NGHIÊN CỨU KHOA HỌC ĐỊA PHƯƠNG 2 > ĐẶC SAN THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ TÓM TẮT: Từ khi mới ra đời robot công nghiệp được áp dụng trong nhiều lĩnh vực dưới góc độ thay thế sức người. Nhờ vậy các dây chuyền sản xuất được tổ chức lại, năng suất và hiệu quả sản xuất tăng lên rõ rệt. Mục tiêu ứng dụng robot công nghiệp nhằm góp phần nâng cao năng suất dây chuyền công nghệ, giảm giá thành, nâng cao chất lượng và khả năng cạnh tranh của sản phẩm đồng thời cải thiện điều kiện lao động. Đạt được các mục tiêu trên là nhờ khả năng to lớn của robot như: làm không biết mệt mỏi, chịu được phóng xạ và các môi trường làm việc độc hại, nhiệt độ cao Ngoài ra Robot được dùng thay thế con người trong những trường hợp thực hiện những công việc tuy không nặng nhọc nhưng đơn điệu, dễ gây mệt mỏi, nhầm lẫn. Bài báo này giới thiệu một ứng dụng của Robot là Điều khiển cánh tay Robot học vẽ. I. KHÁI NIỆM VỀ MẠNG NEURON Mạng neural nhân tạo mô phỏng hoạt động của não người để giải quyết các bài toán kỹ thuật. Bộ não người có khoảng 1010 neural. Các neural này được kết nối với nhau thành mạng. Việc xử lý thông tin được thực hiện nhờ vào sự lan truyền của tín hiệu từ neural này sang neural khác thông qua các sợi trục thần kinh (axon). Mạng neural nhân tạo được đặc trưng bởi 3 yếu tố: + Phần tử xử lý (neural). + Cấu trúc và ghép nối của các phần tử xử lý. + Phương pháp huấn luyện mạng. II. NHẬN DẠNG VÀ ĐIỀU KHIỂN CÁNH TAY ROBOT DÙNG MẠNG NEURAL 2.1. Nhận dạng Giả sử ta nhận dạng hàm y = sign(x2-10x1) - Sơ đồ tạo data: ĐIỀU KHIỂN CÁNH TAY ROBOT HỌC VẼ || ThS. Phạm Chí Hiếu Viện CNTT - Điện - Điện Tử, Trường Đại học BR-VT Kết quả mô phỏng tạo data: Hình 2.2. Tín hiệu vào của mạng nhận dạng Hình 2.3. Tín hiệu ra mong muốn Nhận dạng dùng mạng truyền thẳng Để đơn giản ta khảo sát mạng neural có hai ngõ vào x 1 , x2 Lớp ẩn: 3 neural: z 1 , z2, z3 Lớp ra: 1 neural y. Với hàm tích hợp tuyến tính, hàm tác động tansig và hàm mục tiêu Mô hình neural network: Hình 2.4. Mô hình mạng neural network Lan truyền thuận: Hình 2.1. Sơ đồ tạo data 21 ( ) 2 J d y= − ĐẶC SAN THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ < 3 HOẠT ĐỘNG NGHIÊN CỨU KHOA HỌC ĐỊA PHƯƠNG << Huấn luyện mạng: Dùng giải thuật lan truyền ngược: + Hàm mục tiêu: Luật cập nhật trọng số v: Luật cập nhật trọng số w: - Sơ đồ simulink: 2.2. Điều khiển mô hình nội hệ tuyến tính: Hình 2.7. Sơ đồ khối hệ thống điều khiển mô hình nội hệ tuyến tính 2.3. Điều khiển mô hình nội hệ phi tuyến: Hình 2.8. Sơ đồ khối hệ thống điều khiển mô hình nội hệ phi tuyến dùng neural network Sơ đồ điều khiển mô hình nội phi tuyến được đưa ra dựa trên sơ đồ điều khiển mô hình nội tuyến tính. Rõ ràng khi mô hình mô tả chính xác đặc tính động của hệ thống và không có nhiễu thì tín hiệu hồi tiếp bằng 0, khi đó hệ thống trên trở thành hệ thống điều khiển vòng hở. Nếu có nhiễu n(t) ảnh hưởng đến quá trình điều khiển thì tín hiệu phản hồi sẽ bằng n(t) và không gây ra ảnh hưởng đến tác động điều khiển, nhiễu n(t) bị trừ khỏi tín hiệu chuẩn, do đó ảnh hưởng của nhiễu đo lường ở ngõ ra của quá trình điều khiển hoàn toàn bị triệt tiêu. Bộ lọc được sử dụng để tăng độ bền vững của hệ thống đối với sai số mô hình ở miền tần số cao và nhiễu đo lường. III. KHẢO SÁT MÔ HÌNH TOÁN CÁNH TAY ROBOT HAI KHỚP NỐI 1 2 12 1 11 1 12 2 10 1 1 2 2 21 1 22 2 20 2 2 2 3 31 1 32 2 30 3 3 2 . . . 2 1 1 . . . 2 1 1 . . . 2 1 1 T netz T netz T netz netz w x w x w w x z e netz w x w x w w x z e netz w x w x w w x z e − − − = + − = = − + = + − = = − + = + − = = − + 11 1 12 2 13 3 10( ) Ty net y v z v z v z v v z= = + + − = 21 ( ) 2 J d y= − 1 1 1 2 2 2 3 3 3 ( 1) ( ) ( ). ( 1) ( ) ( ). ( 1) ( ) ( ). v k v k d y z v k v k d y z v k v k d y z η η η + = + − + = + − + = + − 1 1 1 2 2 2 3 3 3 w ( 1) w ( ) ( ). . w ( 1) w ( ) ( ). . w ( 1) w ( ) ( ). . k k d y v x k k d y v x k k d y v x η η η + = + − + = + − + = + − Hình 2.5. Sơ đồ simulink Hình 2.6. Kết quả mô phỏng nhận dạng >> HOẠT ĐỘNG NGHIÊN CỨU KHOA HỌC ĐỊA PHƯƠNG 4 > ĐẶC SAN THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ Trên cơ sở phân tích của hệ thống vật lý, mô hình toán của cánh tay robot hai khớp nối là phương trình vi phân bậc 2 chuyển động của cánh tay dạng phi tuyến được mô tả như sau: 3.1. Sơ đồ hệ thống điều khiển mô hình nội cánh tay robot hai khớp nối dùng mạng neural Hình 3.2. Sơ đồ khối hệ thống điều khiển dùng mạng neural 3.2. Cấu trúc mạng Mạng học tập động lực học thuận: Hình 3.1. Mô tả cánh tay robot Scara .. 2 2 11 1 2 1 2 2 1 2 2 ... . . 2 2 12 2 2 1 2 2 2 2 1 2 2 2 2 1 2 1 1 2 2 1 2 .. .. 2 2 12 2 2 2 1 2 2 2 2 2 . 2 2 1 2 1 2 2 2 1 2 ( ) 2 cos cos (2 )sin ( ) cos cos( ) cos sin cos( ) m m a m a m m m a m a a m a a m m ga m ga m a m a a m a m a a m ga τ θ θ θ θ θ θ θ θ θ θ θ τ θ θ θ θ θ θ θ = + + + + + + − + + + + + + = + + + + + + x1 x2 x3 x4 q1net q2net Lôùp ñaàu vaøo Lôùp aån Lôùp ñaàu ra i=1÷2 j=1÷12 q=1÷4 wjq vij z1 z2 z3 z12 Mạng học tập động lực học nghịch: 3.3. Giải thuật học lan truyền ngược trong nhận dạng và điều khiển cánh tay robot hai khớp nối * Đối với mạng học động lực học thuận: Mạng gồm 3 lớp, lớp đầu vào có 4 neural, lớp ẩn có 12 neural, lớp đầu ra có 2 neural. Lan truyền thuận: Hình 3.4. Sơ đồ chi tiết mạng neural học tập động lực học nghịch Hình 3.3. Sơ đồ chi tiết mạng neural học tập động lực học thuận x1 x2 x3 x4 x5 x6 τ1(k) τ2(k) Lôùp ñaàu vaøo Lôùp aån Lôùp ñaàu ra z1 z2 z3 z12 i=1÷2 j=1÷12 vij wjqq=1÷6 1 2 12 1 11 1 12 2 13 3 14 4 10 1 1 2 2 21 1 22 2 23 3 24 4 20 2 2 2 12 121 1 122 2 123 3 124 4 120 12 12 2 . . . . . 2 1 1 . . . . . 2 1 1 . . . . . . . 2 1 1 T netz T netz T netz netz w x w x w x w x w w x z e netz w x w x w x w x w w x z e netz w x w x w x w x w w x z e − − − = + + + − = = − + = + + + − = = − + = + + + − = = − + 1 1 11 1 12 2 13 3 111 11 112 12 10 1 2 2 21 1 22 2 23 3 211 11 212 12 20 2 ( ) ..... ( ) ..... net T net T q net y v z v z v z v z v z v v z q net y v z v z v z v z v z v v z = = + + + + + + − = = = + + + + + + − = ĐẶC SAN THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ < 5 HOẠT ĐỘNG NGHIÊN CỨU KHOA HỌC ĐỊA PHƯƠNG << Huấn luyện mạng: Dùng giải thuật lan truyền ngược: + Hàm mục tiêu: + Luật cập nhật trọng số v: ( 1) ( ) .( ).i i i iv k v k d y zη+ = + − Với i = 1÷2 + Luật cập nhật trọng số w: Với i = 1÷2 ; j = 1÷12 Mô phỏng mạng thuận: Hình 3.5. Sơ đồ chi tiết mô hình thuận - Kết quả mô phỏng: 2 2 2 2 1 1 2 2 1 1 1 1 ( ) ( ) ( ) 2 2 2 i ii J d y d y d y = = − + − = Σ − ( ) 2 2 1 ( 1) ( ) (1 ). .j j j i i iji w k w k z x d y vη = + = + − Σ − Nhận xét: Ta thấy đáp ứng ngõ ra của mạng nhận dạng bám theo đáp ứng ngõ ra của đối tượng. * Đối với mạng học động lực học nghịch: Mạng gồm 3 lớp, lớp đầu vào có 6 neural, lớp ẩn có 12 neural, lớp đầu ra có 2 neural. Lan truyền thuận: Hình 3.6. Đáp ứng ngõ ra của q1 Hình 3.7. Đáp ứng ngõ ra q1net của mạng thuận Hình 3.8. Đáp ứng ngõ ra của q2 Hình 3.9. Đáp ứng ngõ ra q2net của mạng thuận 1 2 1 11 1 12 2 13 3 14 4 15 5 16 6 10 1 1 2 2 21 1 22 2 23 3 24 4 25 5 26 6 20 2 2 2 12 121 1 122 2 123 3 124 4 125 5 1 . . . . . . . 2 1 1 . . . . . . . 2 1 1 . . . . . . . T netz T netz netz w x w x w x w x w x w x w w x z e netz w x w x w x w x w x w x w w x z e netz w x w x w x w x w x w − − = + + + + + + − = = − + = + + + + + + − = = − + = + + + + + + 12 26 6 120 12 12 2 . . 2 1 1 T netz x w w x z e− − = = − + >> HOẠT ĐỘNG NGHIÊN CỨU KHOA HỌC ĐỊA PHƯƠNG 6 > ĐẶC SAN THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ Huấn luyện mạng: Dùng giải thuật lan truyền ngược: + Hàm mục tiêu: + Luật cập nhật trọng số v: + Luật cập nhật trọng số w: Mô phỏng mạng ngược: Hình 3.10. Sơ đồ chi tiết mô hình ngược - Kết quả mô phỏng: Hình 3.11. Đáp ứng ngõ ra q1 của mạng ngược 1 1 11 1 12 2 13 3 111 11 112 12 10 1 2 2 21 1 22 2 23 3 211 11 212 12 20 2 ( ) ..... ( ) ..... T T y net y v z v z v z v z v z v v z y net y v z v z v z v z v z v v z = = + + + + + + − = = = + + + + + + − = 2 2 2 3 5 4 1 1 ( ) ( ) 2 2 J x x x x= + + + 1 1 2 3 2 2 5 4 ( 1) ( ) .( ). ( 1) ( ) .( ). v k v k x x z v k v k x x z η η + = + + + = + + Hình 3.12. Đáp ứng ngõ ra q2 của mạng ngược Nhận xét: Ta thấy ngõ ra của mạng học động lực học nghịch bám theo tín hiệu đặt. IV. KẾT QUẢ MÔ PHỎNG 4.1. Kết quả mô phỏng với tín hiệu vào từ giao diện tín hiệu đặt Hình 4.1. Cửa sổ giao diện vẽ tín hiệu đặt Hình 4.2. Đáp ứng bộ chấp hành 1 Hình 4.3. Đáp ứng bộ chấp hành 2 Hình 4.4. Kết quả mô phỏng ĐẶC SAN THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ < 7 HOẠT ĐỘNG NGHIÊN CỨU KHOA HỌC ĐỊA PHƯƠNG << Nhận xét: Ta thấy đáp ứng của bộ chấp hành 1,2 bám rất tốt với tín hiệu đặt. 4.2. Kết quả mô phỏng khi thay đổi thông số cánh tay Robot hai khớp nối Trường hợp: Chọn các thông số cánh tay Robot như sau: a 1 = 0,2m; a2 = 0,1m; m1 = 2,0kg; m2 = 0,75kg; m t = 0,5kg Hình 4.5. Cửa sổ giao diện vẽ tín hiệu đặt khi thay đổi a1, a2, m1, m2 Hình 4.6. Đáp ứng bộ chấp hành 1 Hình 4.7. Đáp ứng bộ chấp hành 2 Hình 4.8. Kết quả mô phỏng Nhận xét: Ta thấy khi giảm a 1 , a2, m1, m2 thì đáp ứng của bộ chấp hành 1 bám rất tốt với tín hiệu đặt, còn bộ chấp hành 2 hơi lệch so với quỹ đạo khớp của tín hiệu đặt. 4.3. Kết quả mô phỏng khi có nhiễu Hình 4.9. Cửa sổ giao diện chương trình chính khi có nhiễu Hình 4.10. Cửa sổ giao diện vẽ tín hiệu đặt khi có nhiễu Hình 4.11. Đáp ứng bộ chấp hành 1 >> HOẠT ĐỘNG NGHIÊN CỨU KHOA HỌC ĐỊA PHƯƠNG 8 > ĐẶC SAN THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ TÀI LIỆU THAM KHẢO [1] Lê Hoài Quốc, “Kỹ thuật người máy phần I - Robot công nghiệp”, NXB Đại Học Quốc Gia TPHCM 2005. [2] Nguyễn Thiện Thành, “Mạng Neuron, nhận dạng, Dự báo và Điều khiển” [3] Nguyễn Đức Thành, “Matlab và ứng dụng trong điều khiển”, NXB Đại học Quốc Gia TPHCM, 2004. [4] Nguyễn Thị Phương Hà, Huỳnh Thái Hoàng, “Lý thuyết điều khiển tự động”, NXB ĐH Quốc Gia Tp.HCM, 2005. [5] Frank L.Lewis, Darren M.Dawson, Chaouki T.Abdallah, “Robot Manipulator Control Theory and Practice”, Marcel Dekker, INC, 2004. [6] Heikki Koivo, “ANFIS (Adaptive Neuro-Fuzzy Inference System)”, 2000. [7] Katalin M.Hangos, Rozalia Lakner, Miklos Gerzson, “Intelligent Control systems”, Kluwer Academic Publisher,2001. V. KẾT LUẬN Trong bài báo này trình bày việc thiết kế một bộ điều khiển neural mô hình nội để điều khiển cho cánh tay robot hai khớp nối. Các mô phỏng trên máy tính cho thấy rằng các bộ điều khiển được thiết kế đã đáp ứng được yêu cầu đặt ra là: Khi ta thay đổi các thông số động lực học của đối tượng thì tín hiệu ngõ ra thực sự của đối tượng luôn luôn bám theo tín hiệu ngõ ra mong muốn. P.C.H Hình 4.13. Kết quả mô phỏngHình 4.12. Đáp ứng bộ chấp hành 2
File đính kèm:
dieu_khien_canh_tay_robot_hoc_ve.pdf