مقاله و پایان نامه

مقاله و پایان نامه
آیا میدانید تمامی فایل های این سایت قبل از انتشار تست و بررسی می شود؟

ads
تماس با ما
shakhes
وی داک

در صورتی که در روند خرید مشکل دارید با ایمیل زیر در تماس باشد
info@vdoc.ir

  • slider1
  • slider2
پایان نامه ارشد: کنترل بازوی انعطاف پذیر Quanser بر اساس شبکه عصبی و فازی

چکیده:

در این نوشتار، به بررسی به کارگیری کنترل عصبی- فازی با الگوریتم آموزش عاطفی برای کنترل بازوی انعطاف پذیر Quanser پرداخته شده است. توصیف دقیق دینامیک سیستم بازوی انعطاف پذیر به دلیل ویژگی های مدل بازوی انعطاف پذیر از جمله مدل غیرخطی، متغیر با زمان و با مرتبه بالا(از نظر تئوری بی نهایت)، کار بسیار پیچیده ای است. به همین دلیل کنترل کننده هایی که طراحی آنها به صورت آزاد از مدل صورت می گیرد، می توانند گزینه مناسبی برای کنترل بازوی انعطاف پذیر باشند تا با استفاده از بهترین دانش موجود بتوان با نا معینی های موجود در مدل ساده شده روبرو شد. از جمله روش های کنترلی آزاد از مدل روش های کنترل عصبی و فازی می باشند. از این میان روش کنترل عصبی- فازی به دلیل بهره گیری از ویژگی های قانونمند و مقاوم بودن کنترل فازی و ویژگی های نگاشت غیر خطی، توانایی برخورد با عدم قطعیت ها و طبیعت تطبیقی کنترل عصبی، انتخاب شده است. از طرف دیگر، در کنترل کننده های فازی و عصبی- فازی نسبت به کنترل کننده های عصبی میزان حساسیت به شرایط اولیه نیز کاهش می یابد که این امر در پیاده سازی کنترل کننده روی مدل واقعی بیشتر خود را نشان می دهد. تحت عملگر بودن بازوی انعطاف پذیر نیز یکی از دلایلی است که انتخاب روش های کنترلی بهینه ساز را برای این سیستم مناسب می سازد. از آنجا که الگوریتم های آموزش روش های هوشمند تطبیقی هم همواره در جهت بهینه کردن یک تابع هدف پیش می روند، روش های هوشمند انتخاب مناسبی محسوب می شوند. در این تحقیق، الگوریتم آموزش عاطفی را انتخاب کردیم زیرا وقتی به دلیل وجود عدم قطعیت ها و حجم محاسبات، یک تصمیم گیری کاملا منطقی و مستدل غیر ممکن می شود، آنگاه می توان از عواطف به عنوان یک روش تقریبی برای انتخاب تصمیم مناسب استفاده کرد. در آموزش عاطفی، یک نسخه شناختی از آموزش تقویتی نشان داده می شود که در آن یک سیگنال نقاد به طور مداوم نتایج سیستمی را که با فرمان کنترلی انتخاب شده کار می کند، بر حسب معیار های عملکرد ارزیابی می کند و وظیفه آموزش کنترل کننده را بر عهده دارد. با استفاده از الگوریتم آموزش عاطفی جهت تطبیق پارامتر های کنترل کننده عصبی- فازی، پارامتر های قابل تنظیم آن شامل مراکز دسته بخش تالی و مراکز دسته و انحراف معیار توابع گوسین در بخش مقدم از طریق این الگوریتم آموزش داده شده و به صورت بهنگام به روز رسانی می شوند.

فصل اول: مروری بر بازوی انعطاف پذیر و کنترل هوشمند آن

1-1- مقدمه

در سال های اخیر، حوزه روباتیک سیر تکاملی را آغاز کرده است که مبتنی بر نیازهای کاربران می باشد. تقاضای صنعت برای زمانهای پاسخ سریعتر و مصرف انرژی کمتر، طراحان روبات را بر آن داشته تا اصلاحات بنیادی را در طراحی بازوهای روبات صورت دهند. با کاربرد مواد سبک وزن تر و بازسازی پیکربندی فیزیکی روبات، بازوها به مرور بلندتر و نازکتر شدند و اهداف آنها مبنی بر سرعت بالا، شتاب گیری سریع و مصرف انرژی کمتر تحقق یافت. این بازوهای انعطاف پذیر حوزه تحقیقاتی کاملا جدیدی را در زمینه طراحی و کنترل بازوی ربات با درجه دقت قابل قبول گشوده اند ]1[.

برای بازوی روباتیک صلب، کنترل مسیر نوک دست، معادل کنترل محرک حالت صلب (انعطاف ناپذیر) است. اما برای کنترل مطلوب بازوی انعطاف پذیر، کنترل مطمئن تری از حالات انعطاف ناپذیر لازم است تا ارتعاشات اجتناب ناپذیر و بدون محدودیت در آن مد نظر قرار گیرند. در نتیجه، ردگیری دقیق روبات با بازوی انعطاف پذیر مسئله ای بحث برانگیز شناخته می شود. این را هم باید در نظر گرفت که همواره صلبیت بازوها، یک فرض ایده آل است و با افزایش نسبت بار به وزن بازو، سرعت حرکت و پهنای باند کنترل ممکن است از این صلبیت کاسته شود ]15[.

این درست است که این بازوها به علت سبک بودن و کاهش اینرسی دارای عملکرد سریع تری نسبت به بازوهای صلب هستند و به گشتاور کمتری برای حرکت نیاز دارند و این خود باعث کاهش مصرف انرزی الکتریکی می شود و اقتصادی تر است ]1[. ولی از دیدگاه مدلسازی، طبیعت توزیع یافته دینامیک این بازوها واستعداد طبیعی انعطاف پذیری، امکان اینکه بتوان مدل دقیقی با بعد معین بدست آورد، را غیر ممکن می سازد و علاوه بر این به علت ایجاد نوسانات ناشی از کاهش صلبیت در حرکت، کنترل دقیق مسیر حرکت بسیار مشکل می شود ]3[.

2-1- ویژگی های مدل سیستم

از دیدگاه مدلسازی، طبیعت توزیع یافته دینامیک این بازوها واستعداد طبیعی انعطاف پذیری ساختمان، امکان اینکه بتوان مدل دقیقی با بعد معین بدست آورد، را غیر ممکن می سازد. در نتیجه مدلی غیرخطی، متغیر با زمان و با مرتبه بالا ( از نظر تئوری بی نهایت ) خواهیم داشت ]3[.

علاوه بر این، به علت ناهم خوانی موقعیت سنسورها و محرکها (ورودی ها و خروجی ها)، چنانچه مستقیما موقعیت انتهای بازو را به عنوان خروجی بگیریم، منجر به کنترل غیر متمرکز[1] و رفتار دینامیک غیر مینیمم فاز خواهد شد. به عبارت دیگر، تابع تبدیل حلقه باز سیستم از محل اعمال گشتاور در مفصل تا موقعیت انتهای بازو، صفر های ناپایدار خواهد داشت.این ویژگی تا وقتی که بهره پایداری حلقه بسته مد نظر باشد، محدودیت های شدیدی را بر طراحی کنترل کننده تحمیل می کند ]3[.

از اینها گذشته، به علت کمتر بودن تعداد محرکها نسبت به درجات آزادی سیستم، سیستم کنترل زیر فعال[2] خواهد بود که خود محدودیت های زیادی را بر آنچه که از طریق کنترل کردن می توان به آن دست یافت، ایجاد می کند. زیرا با تنها یک ورودی باید بتوانیم جابجایی زاویه ای بازو را به نحوی کنترل کنیم که میزان نوسانات انتهای بازو میرا شود ]3[.

3-1- چرا کنترل هوشمند

سیستم های مکانیکی که به صورت نرم افزاری شبیه سازی شده اند، معمولاً ویژگی های اجزای صلب را نشان می دهند، در حالی که، در واقعیت محرکها، بازوها و مفصل ها، به دلیل اینکه صلب مطلق نیستند، نسبت به آنچه که به صورت تئوری بدست می آید، تاحدودی کاهش در عملکرد کنترل را نشان می دهند. استفاده از یک سیستم کنترل خاص ، یکی از راه های حل این مشکل است ]5[.

از طرفی، توصیف دقیق دینامیک یک سیستم غیر صلب، به خاطر ویژگی خاص مدل سیستم، مثل غیر خطی بودن، مرتبه بالا و متغیر با زمان بودن معادلات مدل سیستم ، کار بسیار پیچیده ای است ]5[.

مدل های تخمین زده شده توسط روش های معمول ریاضی مثل معادلات دیفرانسیلی نیوتن–اویلر یا لاگرانژ-اویلر، نیاز به ظرفیت محاسباتی بالا و اطلاعات از پیش تعیین شده در مورد پارامترهای سیستم دارد که استفاده کاربردی از آنها را در سیستم های کنترل محدود می کند. بنابراین وجود نا معینی های دینامیک سیستم، مهمترین فاکتوری است که استفاده از روش های کنترل کلاسیک را برای تحلیل سیستم های کنترل غیر صلب نامناسب می کند ]5[.

در طول سال های زیادی، مهندسان کنترل کلاسیک با مدل های ریاضی کار می کردند و اطلاعات بیشتری از سیستم بدست نمی آوردند. اما امروزه مهندسان کنترل علاوه بر اینکه از تمام مراجع اطلاعات کلاسیک استفاده می کنند، از کنترل کننده های غیر کلاسیک، از جمله کنترل کننده هوشمند نیز که به عنوان یک کنترل کننده آزاد از مدل[1] شناخته می شود، استفاده می کنند. از داده های عددی (ورودی/خروجی) و/ یا اطلاعات فرد خبره به عنوان یک مدل تخمینی استفاده می کنند و کنترل کننده ای براساس قانون اگر-آنگاه[2] فازی و یا بر اساس شبکه عصبی با گره هایی در چند لایه طراحی می کنند ]66[.

تحلیل مقالاتی که به کنترل سیستم های انعطاف پذیر با روش های هوشمند از طریق شبکه عصبی پرداخته اند ، نشان از نتیجه مطلوب کنترل کننده های عصبی با آموزش بهنگام[3]، برای غلبه بر مشکل نامعینی و وابسته به زمان بودن دینامیک سیستم ، دارد. نگاشت غیرخطی، طبیعت تطبیقی[4] و توانایی برخورد با عدم قطعیت ها، در شبکه های عصبی آنها را ابزار توانمندی برای کنترل بازوی انعطاف پذیر ساخته است ]44[.

استفاده کاربردی از تئوری مجموعه های فازی در کنترل سازه های انعطاف پذیر نیز روز به روز علاقمندان بیشتری پیدا می کند. کنترل کنندههای فازی، بستری ساده و مقاوم[5] برای ایجاد قوانین کنترلی غیرخطی می باشند که توانایی اصلاح نامعینی و بی دقتی را هم دارند. چنانچه توصیف زبانی[6] از کنترل موجود باشد یا بتوان ایجاد کرد، کنترل کننده های فازی می توانند بدون مدل ریاضی سیستم طراحی شوند و پیاده سازی براساس توصیف زبانی هم به صورت تئوری و هم به صورت عملی ممکن است. بنابراین منطق فازی می تواند ابزار مناسبی برای کنترل سیستم هایی مانند بازوی انعطاف پذیر باشد که مدل ریاضی دقیقی ندارند ]8[.

در کنار این ها کنترل فازی تطبیقی یا کنترل عصبی- فازی نیز مطرح می شود که بنای کار در این پایان نامه می باشد. کنترل عصبی- فازی علاوه بر داشتن مزایای کنترل فازی به عنوان یک کنترل قانونمند و مقاوم، از مزیت تطبیقی بودن شبکه های عصبی هم بهره می برد و می تواند به صورت بهنگام خود را با نا معینی ها و تغییرات نقطه کار سیستم بازوی انعطاف پذیر Quanser تطبیق دهد. علاوه بر این میزان حساسیت به شرایط اولیه نیز کاهش می یابد که این امر در پیاده سازی کنترل کننده روی سیستم Quanser بیشتر خود را نشان می دهد.

RIAL 100,000 – خرید

متن کامل را می توانید دانلود نمائید چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه) ولی در فایل دانلودی متن کامل پایان نامه همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است