به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "بازوی ربات" در نشریات گروه "برق"

تکرار جستجوی کلیدواژه «بازوی ربات» در نشریات گروه «فنی و مهندسی»
جستجوی بازوی ربات در مقالات مجلات علمی
  • مسلم زارعی، سیامک آذرگشسب*، نجمه چراغی شیرازی
    بازوهای رباتیک سیستمهای غیرخطی چندمتغیره با تزویج بالا و انواع عدم قطعیت ها می باشند. اگرچه روش های کنترل مقاوم و تطبیقی به منظور غلبه بر عدم قطعیت ها که شامل عدم قطعیت پارامتری، دینامیک مدل نشده، اغتشاش خارجی و خطای گسسته سازی می باشند، پیشنهاد شده اند ولی به دلیل پیچیدگی دینامیک ربات با مشکل مواجه هستند. یک سیستم فازی می تواند به عنوان یک تقریب گر عمومی برای تقریب هر تابع غیرخطی استفاده شود. از این ویژگی سیستم های فازی در طراحی کنترل کننده های فازی تطبیقی به خوبی استفاده شده است. سیستم های کنترل فازی تطبیقی بر مبنای تضمین پایداری برای بدست آوردن قوانین تطبیق طراحی می-شوند. از آنجا که در عمل، قوانین کنترل به صورت گسسته پیاده سازی می-شوند، در این مقاله، طراحی کنترل کننده های زمان-گسسته فازی تطبیقی ربات با راهبرد کنترل ولتاژ و تحلیل پایداری سیستم های کنترل پیشنهادی ارایه شده است. در این مقاله، برای جبران خطای تقریب سیستم فازی روش جدیدی ارایه شده است که نیازی به انتگرال گیری از خطای ردگیری ندارد. همچنین، قانون کنترل زمان-گسسته فازی تطبیقی با فیدبک موقعیت پیشنهادی، فقط پس خورد موقعیت مفصل را نیاز دارد.از طرف دیگر، خطای تقریب سیستم فازی و خطای گسسته سازی برای ردیابی مجانبی مسیر مطلوب به خوبی جبران شده است. قانون کنترل فازی تطبیقی مقاوم پیشنهادی بر روی یک ربات هنرمند شبیه سازی شده است. نتایج شبیه سازی نشان می دهد که خطای ردگیری ناچیز است و مقدار خطای ردگیری مفصل دوم که دارای بیشترین خطا است در نقطه پایان زمان شبیه سازی حدود رادیان می باشد. تطبیق پارامترها به خوبی نشان داده شده و همچنین موتورها رفتار خوبی تحت حداکثر مقدار مجاز ولتاژ دارند.
    کلید واژگان: کنترل زمان گسسته, ردگیری مجانبی, تخمین گر فازی تطبیقی, راهبرد کنترل ولتاژ, بازوی ربات
    Moslem Zarei, Siamak Azargoshasb *, Najmeh Cheraghi Shirazi
    Robot manipulators are nonlinear multivariable systems with high couplings and various uncertainties. Although, adaptive and robust control methods are suggested to overcome the uncertainties including parametric uncertainty, un-modeled dynamics, external disturbances and discretization error, they face many challenges because of the complexity in robot dynamics. A fuzzy system can be used as a universal approximator for any nonlinear system. This feature has been efficiently used to design the adaptive fuzzy controllers. Adaptive fuzzy control systems are designed based on guaranteeing stability. Since practical implementation of the control law is carried out using digital processors, designing a discrete-time adaptive fuzzy controller for robot manipulators based on the voltage control strategy and proposed control systems stability analysis is suggested in this paper. In this paper, a new method is developed for compensating the approximation error of the fuzzy system which does not needed integration of tracking error. Moreover, the proposed discrete-time adaptive fuzzy with position feedback control law requires feedbacks of joint positions only. On the other hand, the fuzzy system approximation error and the discretization error are well compensated for asymptotic tracking of the desired path. The proposed robust Adaptive Fuzzy control law is simulated on an articulated robot. The simulation results show that the tracking error is negligible and the value of the second joint tracking error with the highest error at the end point of the simulation time is about radians. The parameters are well matched and the motors behave well under the maximum allowable voltage.
    Keywords: Discrete time control, Asymptotic tracking, adaptive fuzzy estimator, Voltage Control Strategy, robot manipulators
  • فاطمه سادات آبادیان زاده، ولی درهمی*، مهدی رضاییان
    درکنترل بینامبنا ربات از اطلاعات استخراج شده از حسگر بصری برای کنترل حرکت ربات استفاده می شود. در روش های سنتی کنترل بینامبنا، مدل ربات و مدل دوربین مورد نیاز است. به دست آوردن این مدل ها زمان بر و گاهی اوقات غیرممکن است. بنابراین در تحقیقات اخیر از روش های هوشمند برای مقابله با این چالش استفاده می شود. در این پژوهش ابتدا از یک کنترل گر فازی ترکیبی برای کنترل بازوی ربات استفاده شده است. ورودی های بصری کنترل گر از طریق کینکت حاصل می شود و خروجی کنترل گر میزان چرخش زاویه موتورهای مفاصل ربات از موقعیت فعلی آن ها است. کنترل گر ترکیبی شامل دو کنترل گر می باشد. کنترل گر اول بر پایه مدل فازی معکوس است که تقریبی از مدل واقعی معکوس سیستم، با استفاده از داده های جمع آوری شده است. به منظور افزایش دقت، یک کنترل گر خبره فازی برای وقتی که موقعیت مجری نهایی نزدیک هدف است، طراحی شده است. از آنجا که تعیین دقیق پارامترهای کنترل گر خبره فازی ممکن نیست، همچنین به منظور تطبیق پذیری کنترل گر در برابر تغییرات جزیی در محیط کار، از معماری عملگر- نقاد که از جمله روش های یادگیری تقویتی است برای تنظیم پارامترهای آن استفاده شده است. کنترل گر ارائه شده بر روی بازوی ربات ARM_6AX18 پیاده سازی شده است. نتایج آزمایش های عملی نشان می دهد که با استفاده از روش ارائه شده، مجری نهایی به موقعیت هدف از پیش تعیین شده با دقت خوبی می رسد.
    کلید واژگان: کنترل بینامبنا, سیستم فازی, مدل معکوس فازی, بازوی ربات, یادگیری تقویتی, عملگر-نقاد
    Fatemeh Abadianzadeh, Vali Derhami *, Mehdi Rezaeain
    Vision-based robot control is a method to motion control of a robot using information extracted from visual sensors. In traditional approaches, a model of robot and camera are needed. Obtaining these models are time consuming and sometimes impossible. Recently, intelligent methods are used to cope the above challenges. In this paper, a hybrid fuzzy controller is proposed to control a robot manipulator. Visual inputs of the controller are provided by Kinect and outputs are the rotation of joints motors. The hybrid controller contains two controllers. The first controller in based on fuzzy inverse model which approximates real inverse model of robot using gathered data. In order to increase accuracy, a fuzzy expert controller is designed and it is used when the end-effector is in the predefined near-goal area. Since determining exact value of the fuzzy expert controller parameters is impossible, in addition to make system adaptive with small changes in the environment, actor-critic architecture is used. This architecture is a well known continuous reinforcement learning methods. The proposed method is applied to control a real robot manipulator (ARM_6AX18). Experimental results show that using the proposed method in practice, the end-effector reaches from any random start position to the goal position with a good accuracy in robot workspace.
    Keywords: Visual servoing, Fuzzy systems, Fuzzy inverse model, Robot manipulator, Reinforcment learning, Actor-critic
  • محمد ویسی، محمدرضا سلطانپور*
    در بیشتر تحقیقاتی که تاکنون در حوزه ی کنترل موقعیت بازوی ربات انجام شده است، فرض بر این است که یا سینماتیک بازوی ربات و یا ماتریس ژاکوبین ربات از فضای مفصلی به فضای کار کاملا معلوم است. در حالیکه هیچکدام از پارامترهای فیزیکی موجود در معادلات بازوی ربات را نمی توان با دقتی بالا محاسبه نمود. به علاوه وقتی که بازوی ربات جسمی را بر می دارد، عدم قطعیت ها در طول، جهت و نقطه ی تماس مجری نهایی با آن بروز می نماید. بنابراین نتیجه می شود که سینماتیک بازوی ربات نیز دارای عدم قطعیت می گردد و به خاطر عملیاتهای مختلفی که برعهده ی بازوی ربات گذاشته می شود، حتما سینماتیک آن نیز دچار تغییر می شود. برای غلبه بر این عدم قطعیت ها، در این مقاله، کنترل مدلغزشی فازی تطبیقی ساده ای برای ردگیری موقعیت بازوی ربات، در حضور عدم قطعیت های موجود در دینامیک، سینماتیک و ماتریس ژاکوبین بازوی ربات ارایه گردیده است. در کنترل پیشنهادی، با استفاده از یک تقریبگر فازی تطبیقی کران عدم قطعیت های موجود به صورت آنلاین تعیین شده و در نهایت عملکرد کنترل کننده به گونه ای رقم می خورد که خطای ردگیری بازوی ربات به سمت صفر همگرا می شود. در طراحی تقریبگر پیشنهادی، برخلاف روش های مرسوم از قواعد فازی یک ورودی – یک خروجی استفاده شده است. بنابراین، در پیاده سازی عملی کنترل پیشنهادی نیاز به سنسورهای اضافی مرتفع شده و حجم محاسبات ورودی کنترل نیز کاهش می یابد. اثبات ریاضی نشان می دهد که کنترل پیشنهادی، دارای پایداری مجانبی سراسری است. برای بررسی عملکرد کنترل پیشنهادی، شبیه سازی هایی در چند مرحله بر روی یک بازوی ربات دو درجه آزادی پیاده سازی می گردد. نتایج شبیه سازی ها عملکرد مطلوب کنترل پیشنهادی را نشان می دهد.
    کلید واژگان: مدلغزشی فازی تطبیقی, ماتریس ژاکوبین نامعین, بازوی ربات, فضای کار, لرزش, عدم قطعیت
    Mohammad Veysi, Mohammad Reza Soltanpour *
    In most of the researches that have been done in the position control of robot manipulator, the assumption is that robot manipulator kinematic or robot Jacobian matrix turns out from the joint-space to the task-space. Despite the fact that none of the existing physical parameters in the equations of the robot manipulator cannot be calculated with high precision. In addition, when the robot manipulator picks up an object, uncertainties occur in length, direction and contact point of the end-effector with it. So, it follows that the robot manipulator kinematic is also has the uncertainty and for the various operations that the robot manipulator is responsible, its kinematics be changed too, certainly. To overcome these uncertainties, in this paper, a simple adaptive fuzzy sliding mode control has been presented for tracking the position of the robot manipulator end-effector, in the presence of uncertainties in dynamics, kinematics and Jacobian matrix of robot manipulator. In the proposed control, bound of existing uncertainties is set online using an adaptive fuzzy approximator and in the end, controller performance happens in a way that the tracking error of the robot manipulator will converge to zero. In the proposed approximator design, unlike conventional methods, single input-single output fuzzy rules have been used. Thus, in the practical implementation of the proposed control, the need for additional sensors is eliminated and calculations volume of control input decreases too. Mathematical proofs show that the proposed control, is global asymptotic stability. To evaluate the performance of the proposed control, in a few steps, simulations are implemented on a two-link elbow robot manipulator. The simulation results show the favorable performance of the proposed control.
    Keywords: adaptive fuzzy sliding mode, uncertain Jacobian matrix, robot manipulator, task-space, chattering, uncertainties
  • مهندس فرزانه نادی، ولی درهمی*، مهدی رضاییان

    سیستم کنترل خودفرمان بینایی، به سیستمی اتلاق می شود که از اطلاعات بازخوردی دوربین برای کنترل ربات استفاده می کند؛ تا ربات، از نقاط شروع دلخواه به نقطه هدف برسد. راه های متنوعی از جمله کنترل با استفاده از مدل ربات، طراحی کنترلگر بصورت مستقیم، و استفاده از ماتریس ژاکوبین در این زمینه مطرح شده است. اما، از آنجا که در بسیاری از مواقع، مدلی از ربات دردسترس نیست و یا بدست آوردن آن کاری دشوار و زمانبر خواهد بود، فرمان کنترل با استفاده از ماتریس ژاکوبین تولید می شود. در اینجا، با استفاده از شبکه های عصبی مصنوعی و آموزش برون خط آن ها با داده های آموزشی، معکوس ماتریس ژاکوبین تقریب زده می شود؛ تا مستقیما در قانون کنترل موردنظر استفاده شود. به ازای هر کدام از درجات آزادی بازوی ربات، یک شبکه عصبی دو لایه با ساختار پیشرو درنظر گرفته شده است. فاصله مجری نهایی با هدف (در دو بعد x و y) و مختصات مفصل شانه در دو بعد x و y، ورودی های این شبکه ها، و خروجی آن ها، بیان کننده میزان تغییرات ویژگی ها به تغییر در مقادیر متغیرهای مفصل ربات (المانهای معکوس ماتریس ژاکوبین) می باشد. روش ارائه شده بر روی بازوی ربات واقعی پیاده سازی شده است و نتایج آزمایشات حاکی از موفقیت روش پیشنهادی در رساندن مجری نهایی به نقاط هدف مختلف در محیط کاری با دقت مناسب است.

    کلید واژگان: کنترل خودفرمان بینایی, ماتریس ژاکوبین, بازوی ربات, شبکه های عصبی مصنوعی
    Eng. Farzane Nadi, Dr. Vali Derhami, Dr. Mehdi Rezaeian

    Visual servoing system is a system to control a robot by visual feedback so that robot drives from any arbitrary start position to the target positions. Various ways، including control by using model of the robot، designing controller directly، and using Jacobian matrix have been studied. Since there is not access to model of robot and obtaining a model of robot would be difficult and time consuming، in many cases، the control law is obtained using Jacobian matrix. In this paper، inverse of Jacobian matrix is approximated using artificial neural networks. The approximated neural models are used in control law directly. For each degree of freedom of the robot manipulator، a two-layer feedforward neural network is considered. The distance between end-effector and target along the x-axis and y-axis، and the shoulder joint coordinates along the x-axis and y-axis are the inputs of each of the networks and the outputs are the fraction of the related robot joint changes to the image features changes (the elements of the inverse of Jacobian matrix). The proposed method has been implemented on a real robot manipulator. The experimental results show that the proposed control system can move the end-effector to different target positions in workspace with good accuracy.

    Keywords: Visual servoing, Jacobian matrix, robot manipulator, artificial neural network
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال