عيب يابي روبات موازي 3-پي اِس پي با استفاده از روش آناليز مولفه هاي اصلي

Fault detection of the 3-PSP parallel robot using the principal components analysis method

در اين مقاله، از روش آناليز مولفه هاي اصلي موسوم به روش پي سي اِي براي تعيين حالت معيوب ربات موازي 3-پي اس پي استفاده شده است. اين روش يك روش آماري محسوب مي شود كه در آن تعدادي متغير همبسته به مجموعه‌اي كوچك‌تر از متغيرهاي ناهمبسته منتقل مي شود. از يك مدل پي سي اِي مي توان براي تعيين حد آستانه آماري و همچنين مربع خطاهاي پيش بيني مشاهدات جديد، به‌منظور بررسي وجود عيب در ربات استفاده كرد. براي بررسي كارايي اين روش به‌منظور عيب يابي ربات، يك كنترلر غيرخطي با استفاده از مدل غيرخطي ديناميكي سيستم براي ربات طراحي شده است. اين روش موسوم به روش كنترل گشتاور محاسبه شده مي باشد. در اين روش، از مدل ديناميك معكوس ربات در حلقه بازخورد كنترلي براي خطي سازي و خنثي سازي ديناميك سيستم استفاده شده و همچنين از مدل ديناميك مستقيم بجاي مدل واقعي ربات در حلقه كنترلي استفاده مي شود. در اين مقاله، دو عيب به‌صورت مصنوعي به مدل شبيه سازي شده ي ربات اعمال گرديده و اثرات ناشي از اين عيوب بر روي سيستم مورد بررسي قرار گرفته است. اين عيوب شامل عيب در ولتاژ ورودي سروو موتورها يا سروو درايوها و عيب در سنسورهاي مكان يا عيوب مربوط به لقي اتصالات مي باشند. با اعمال اين دو عيب به مدل كنترلي ربات در طي يك مسير حركتي، خروجي هاي سيستم براي حالت هاي بدون عيب و معيوب با هم مقاسيه شده و عيب يابي براي ربات با استفاده از روش پي سي اِي انجام شده است.

In this paper, a multivariate statistical method called Principal Components Analysis, PCA, is utilized for detection faults in a 3-PSP parallel manipulator. This statistical method transfers original correlated variables into a new set of uncorrelated variables. PCA method can be used to determine the thresholds of statistics and calculate square prediction errors of new observations for checking the system when a fault occurs in the robot. To investigate the ability of the PCA method for fault detection of the robot, a nonlinear model-based controller called Computed Torque Control, CTC, is designed. In this control scheme, rigid-body inverse dynamics model of the robot is utilized to linearize and cancel the nonlinearity in the controlled system. Also, instead of using the robot prototype model, direct dynamics of the robot is used in the robot-control system. In this paper, two faults are artificially applied to the robot-control system. These two faults consist of faults in servo drive or servo motors and faults in joints clearances or position sensors. Finally, these faults are applied on the robot throughout a desired end-effector trajectory and the resultant outputs are obtained for both with and without faults in the manipulator. Consequently, the desired and faulty outputs are compared and fault detection using PCA method for the robot is performed.