عنوان مقاله :
طراحي يك كنترل‌كننده ردياب فيدبك خروجي براي بازوهاي متحرك با استفاده از يك تكنيك مقاومِ تطبيقيِ عصبي
عنوان به زبان ديگر :
Designing an Output Feedback Tracking Controller for Mobile Manipulators by Using a Neural Adaptive Robust Technique
پديد آورندگان :
پور واعظ، نوشين دانشگاه آزاد اسلامي نجف آباد - دانشكده مهندسي برق , شجاعي، خوشنام دانشگاه آزاد اسلامي نجف آباد - دانشكده مهندسي برق
كليدواژه :
اشباع عملگر , بازوهاي متحرك , كنترل غيرخطي مقاوم تطبيقي , شبكه عصبي تابع پايه شعاعي
چكيده فارسي :
در اين مقاله، كنترل رديابي يك بازوي ربات متصل بر روي يك پايه متحرك چرخ‌دار مورد توجه قرار مي‌گيرد. يك الگوريتم كنترلي غيرخطي مقاوم تطبيقي عصبي به منظور كنترل ردياب فيدبك خروجي براي يك بازوي متحرك چرخ‌دار بدون اندازه‌گيري سرعت سيستم براي مقابله با ديناميك‌هاي مدل نشده سيستم، نامعيني‌هاي پارامتري و غيرپارامتري و اغتشاشات خارجي، پيشنهاد شده است. يك تحليل پايداري مبتني بر لياپانوف نشان مي‌دهد كه خطاهاي رديابي و رؤيت حالت نهايتاً به طور يكنواخت كران‌دار هستند و به توپ كوچكي شامل مبدأ همگرا مي‌شوند. يك شبكه عصبي مبتني بر توابع پايه شعاعي براي جبران نامعيني‌هاي ناشي از ديناميك‌هاي بازوي متحرك به كار گرفته شده است. نامعيني‌هاي غير پارامتري و خطاي تقريب شبكه عصبي نيز با يك كنترل كننده مقاوم تطبيقي جبران شده اند. علاوه بر اين، تابع تانژانت هايپربوليك در طراحي كنترل كننده فيدبك خروجي به كار گرفته شده است تا خطر اشباع عملگرها را كاهش دهد و سيگنال‌هاي كنترلي هموارتري توليد كند. در نهايت، نتايج شبيه سازي تأثير الگوريتم پيشنهادي در اين مقاله را به خوبي نشان مي‌دهند.
چكيده لاتين :
In this paper, the tracking control of a robotic arm mounted on a wheeled mobile platform is considered. A nonlinear neural adaptive robust control algorithm is proposed for the output feedback tracking control of a wheeled mobile manipulator without measuring system velocities to deal with the unmodeled system dynamics, parametric uncertainties and external disturbances. A Lyapunov-based stability analysis shows that tracking and observation errors are Uniformly Ultimately Bounded (UUB) and converge to a small ball containing the origin. A Radial Basis Function Neural Network (RBFNN) is employed to compensate for the uncertainties of mobile manipulator dynamics. Nonparametric uncertainties and NN approximation errors are also compensated by an adaptive robust controller. In addition, hyperbolic tangent function is employed in the design of the output feedback controller to reduce the risk of actuators saturation and to produce smoother control signals. Finally, simulation results demonstrate the effectiveness of the proposed controller well.
