سينماتيك وارون ربات بازوي 7 درجه آزادي تحت محدوديت هاي موقعيت مفاصل و مانع در فضاي كاري ربات با استفاده از شبكه عصبي-فازي و روش برنامه-ريزي مرتبه دو

Inverse Kinematics of 7 DOF Robot Manipulator under Joint Angle Limits and Obstacle in the Workspace of Robot using Neural network, Fuzzy System and Quadratic Programming Approach

تحليل سينماتيك وارون ربات های بازوی سری افزونه از جمله ابزار های ضروری در زمينه های مختلف رباتيكی مانند طراحی، توليد مسير و كنترل اين سيستم‌ها می باشد. با توجه به اين‌كه در بسياری از ربات های افزونه، جواب تحليلی برای سينماتيك وارون آن ها وجود ندارد، شيوه های حل عددی نيازمند اجرا و بررسی در اين زمينه می باشند. در اين مقاله، از تركيب شبكه‌های عصبی، سيستم‌های فازی و روش برنامه ريزی مرتبه دو برای تعيين متغير مفاصل استفاده خواهدشد. بر اساس رويكرد پيشنهادی، هفت شبكه عصبی متناظر با هر متغير مفصل در نظر گرفته شده و با تطبيق وزن آن ها توسط روش برنامه ريزی مرتبه دو، پيكربندی مناسب ربات جهت رديابی مسير مطلوب در فضای دكارتی تعيين می شود. از طرفی، وزن اوليه شبكه ها با استفاده از سيستم فازی و بر اساس مجاورت مجری نهايی تا نقطه مطلوب و امكان-پذيری متغير مفاصل تعيين می شود. برنامه اجتناب از مانع با بررسی شرايطی چون انتخاب متغير مفاصل درگير در معادلات قيود بازو ها و تعيين بحرانی ترين بازو صورت می‌گيرد. به‌منظور برقراری قيود مسئله در روش برنامه ريزی مرتبه دو، از تحقق‌يافتن شرايط كان-تاكر استفاده خواهدشد. ارزيابی عمكلرد روش پيشنهادی با شبيه سازی و تحليل نتايج بر روی ربات بازوی PA-10 صورت خواهدگرفت.

Analysis of the inverse kinematics of redundant manipulators is one of the nesseccary tools in various robotic fields such as design, motion planning and control of these systems. Since, there is not an analytical solution for the inverse kinematics of several redundant manipulators, numerical approaches are needed to execute and investigate in this field. In this paper, combination of the neural networks, fuzzy systems and quadratic programming is used to obtain the joint variables. According to the proposed approach, seven neural networks are considered according to the each joint variable and by adaptation of the neural network’s weights, suitable configurations of the robot is determined to track a desired trajectory in the Cartesian space. Meanwhile, initial weights of the neural networks are obtained by fuzzy systems based on the vicinity of the end-effector to desired point and feasibility of the joint variables. Obstacle avoidance scheme is performed by investigation of the conditions including choosing the joint variables that involved in the equations of the arms constraints and determination of the most critical arm. In order to establish the constraints of the problem in the quadratic programming, realization of the Kun-Tucker conditions will be used. Evaluation of the proposed approach will be carried out on the PA-10 manipulator by simulation and analysis of the results.