كنترل مقاوم بازوهاي رباتيك با بكارگيري تخمين گر تطبيقي عصبي عدم قطعيت

Robust control of robotic manipulators using an adaptive neural network estimator of uncertainty

اين مقاله روشي نوين براي كنترل مقاوم بازوهاي رباتيك با تخمين گر تطبيقي عدم قطعيت و راهبرد كنترل ولتاژ ارايه مي نمايد. تخمين گر پيشنهادي يك شبكه عصبي چند لايه است كه پارامترهاي آن با الگوريتم پس انتشار خطا تنظيم مي شوند. نوآوري طرح مذكور در بكارگيري راهبرد كنترل ولتاژ است كه با راهبرد متداول كنترل گشتاور فرق اساسي دارد. مزيت كنترل پيشنهادي آن است كه مستقل از مدل ديناميكي ربات است. بعلاوه، مشكل فقدان اطلاعات براي تخمين تابع عدم قطعيت حل مي شود. در واقع، بجاي بكارگيري خطاي تخمين در الگوريتم پس انتشار خطا از خطاي ردگيري و مشتق آن بطور موثري استفاده مي گردد. پايداري سيستم كنترل با تحليل رياضي اثبات مي گردد. كارايي روش كنترل پيشنهادي و تخمين گر عدم قطعيت با شبيه سازي بر روي ربات اسكارا مجهز به موتورهاي الكتريكي جريان مستقيم مغناطيس دايم نشان داده مي شود. عملكرد روش كنترل پيشنهادي با روش كنترلي ديگر كه از سيستم فازي براي تخمين عدم قطعيت استفاده مي كند مقايسه مي شود. نتايج شبيه سازي ها برتري روش پيشنهادي را در ردگيري، نقطه تنظيم و تخمين عدم قطعيت نشان مي دهند.

This paper presents a novel robust control approach for robotic manipulators by using a neural network estimator and the voltage control strategy. The proposed estimator is an adaptive multi-layer neural network that its parameters are regulated by a propagation algorithm. The novelty of the proposed design is the use of voltage control strategy that is different with the common torque control strategy. As an advantage, it is free from the dynamical model of the robotic manipulator. Compared with the conventional robust control, it does not require the determination of the bounds of uncertainty and bounding functions. In addition, the problem of lacking data for estimation of uncertainty is solved. In fact, the back-propagation algorithm uses the tracking error and its derivative instead of the estimation error. Stability of the control system is proven by analysis. The efficiency of the proposed control approach and the estimator of uncertainty are shown by simulation of the SCARA robot driven by permanent magnet dc motors. The control performance of the proposed control is compared with a control approach which uses a fuzzy system to estimate the uncertainty. The simulation results show the superiority of the proposed control in tracking control, set point control and estimation of uncertainty.