tóm tắt luận văn thạc sĩ kỹ thuật nghiên cứu ứng dụng learning feed forward (LFFC) trên cơ sở điều khiển thích nghi theo mô hình mẫu (MRAS) điều khiển vị trí cánh tay robot

Hệ thống điều khiển thích nghi là hệ thống mà cấu trúc và tham sốcủa bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao chochất lượng đảm bảo các chỉ tiêu đã định [1],

LỜI NÓI ĐẦU Ngày nay, điều khiển robot công nghiệp đã và đang được ứng dụng rộng

rãi trong nhiều lĩnh vực sản xuất và đời sống Để điều khiển robot đã có rấtnhiều phương pháp khác nhau như dùng bộ điều khiển truyền thống PID,

LQR(Linear Quadratic Regulator), LQG (Linear Quadratic Gaussian), STR

(Self Tuning Regulator) Các bộ điều khiển trên được thiết kế trên cơ sở môhình tuyến tính hoá với những thông số biết trước Tuy nhiên Robốt là hệ cấutrúc có tính phi tuyến mạnh, các tham số không rõ và thay đổi hoặc chứa cácthành phần phi tuyến Ngoài ra trong quá trình làm việc hệ còn chịu tác độngcủa các nhiễu bên ngoài có tham số thay đổi [8] Do vậy đối với các robotlàm việc với yêu cầu đồng thời có độ ổn định và độ chính xác cao thì các bộđiều khiển trên thể hiện các hạn chế

Hệ thống điều khiển thích nghi là hệ thống mà cấu trúc và tham sốcủa bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao chochất lượng đảm bảo các chỉ tiêu đã định [1], [6] Đặc biệt hệ điều khiểnLearning Feed Forward (LFFC)[2] trên cơ sở thích nghi theo mô hình mẫu(Model Reference Adaptive System: MRAS) [3], đã được nghiên cứu và thiết

kế ứng dụng trong thực tế [7],[4] Bộ điều khiển này có ưu điểm là có khảnăng kháng nhiễu hệ thống (System Noise) có hiệu quả, nhờ đó độ chính xác

và độ ổn định của hệ có thể đồng thời đạt được

Việc ứng dụng Learning Feed Forward trên cơ sở MRAS để điều khiển vị trícánh tay rôbốt sẽ nâng cao chất lượng của hệ thống Vì vậy tác giả lựa chọn đề

tài ”Nghiên cứu ứng dụng Learning Feed - Forward (LFFC) trên cơ sở điều

khiển thích nghi theo mô hình mẫu (MRAS) điều khiển vị trí cánh tay Robot”

Luận văn tập trung nghiên cứu xây dựng bộ điều khiển vị trí cánh tayrobot dựa trên các lý thuyết cơ bản về bộ điều khiển LFFC trên cơ sở MRAS

Phương pháp nghiên cứu của đề tài như sau:

- Nghiên cứu lý thuyết và xây dựng mô hình toán của robot, thiết kế bộđiều khiển

- Kiểm chứng kết quả thiết kế thông qua mô phỏng bằng phần mềm

Matlab Simulink

Luận văn bao gồm các phần chính như sau:

Chương 1: Tổng quan về điều khiển Rôbốt công nghiệp.

Chương 2: Tổng quan về LFFC và MRAS

Chương 3: Thiết kế bộ điều khiển và mô phỏng hệ thống điều khiển vị trí

robot 2 khâu ứng dụng LFFC trên cơ sở MRAS.

Kết luận và hướng phát triển của đề tài.

Thái Nguyên, ngày tháng năm 2012

Học viên

Nguyễn Thị Giang

CHƯƠNG 1 TỔNG QUAN VỀ ĐIỀU KHIỂN ROBOT CÔNG NGHIỆP

Giới thiệu:

Nhu cầu về năng suất và chất lượng của sản phẩm ngày càng đòi hỏi ứngdụng các phương tiện tự động hóa vào sản xuất Xu hướng tạo ra những dâychuyền thiết bị tự động có tính linh hoạt cao đang dần hình thành Các thiết bịnày đang dần thay thế các thiết bị cứng chỉ đáp ứng được một công việc nhấtđịnh Vì thế ngày càng tăng nhanh nhu cầu ứng dụng Robot để tạo ra các hệthống sản xuất tự động linh hoạt

1.1.TỔNG QUAN VỀ ROBOT CÔNG NGHIỆP

1.1.1.Khái niệm về Robot công nghiệp

 Robot là một cơ cấu cơ khí có một vài bậc tự do

 Robot công nghiệp là một cơ cấu máy có thể lập trình được

 Robot là cơ cấu máy có chức năng như con người

1.1.2 Phân loại Robot công nghiệp.

1 Phân loại theo số bậc tự do trong môi trường công tác

 Chuyển động tịnh tiến theo các hướng x,y,z trong không gian Đềcác

 Chuyển động quay xung quanh các trục x, y, z (Ký hiệu là R: Rotation)

2 Phân loại theo phương pháp điều khiển.

Có 2 kiểu điều khiển là điều khiển hở và điều khiển kín

3 Phân loại theo hệ thống năng lượng

 Hệ năng lượng điện :

 Hệ năng lượng thuỷ lực – khí động:

 Hệ khí nén

1.2 PHƯƠNG TRÌNH ĐỘNG HỌC CỦA ROBOT

Phương trình động học của robot hai bậc tự do được miêu tả bởi côngthức sau: [2]

M    ,   sgn     (1.1)

Với:

-  là véc tơ góc của khớp nối

- M   : ma trận mô men quán tính

- C   : mô hình lực coriolis và quán tính ly tâm

-D: hệ số ma trận đường chéo ma sát nhớt

-S : hệ số ma trận đường chéo ma sát Coulomb

-G   : trọng lực

-u: mô men xoắn của khớp

Trong hình sau mô tả mô hình robot 2 bậc tự do:

Hình 1.4 Mô hình robot 2 bậc tự do

Phương trình động học của robot 2 bậc tự do được chỉ ra bởi biểu thức (1.2)

sau:

1 2 2

2 1 1 1 2 1 2 2 2

2 2

1

2

1 2

1 2

1 2

1 2 2

1

2 2 2 2 1 2 2 2 2

1

2

1 2

2 2 2 1

1 2

2 2 1

2 2

2 2 2 1

2 2 1

2 1

2 1 2 2 1

2 2 2 2

1

1

cos

cos cos

sgn

sgn 0

0

0

0 0

sin

sin sin

2

cos 2

cos 2

cos 2

u

u l

gm

m m gl

l gm s

s

d

d m

l

m l m

l

l m r

J m

l l

m l l m l l l

l m

0

, 0

0

1 1

1

1 1

I

u M

S M G

M

D M

C M

Chương 1 đã tìm hiểu những khái niêm ban đầu về robot công nghiệp: kháiniệm, phân loại, sơ đồ khối, phương trình động lực học của một robot 2 khâuđiển hình Từ phương trình động lực học của robot 2 khâu ta nhận thấy robot

là đối tượng có tính phi tuyến mạnh Các thông số đầu ra của robot thay đổitheo sự thay đổi của các nhiễu là các lực bên ngoài( lực ma sát nhớt, lực masát coulomb…) tác động vào hệ thống và mang tính phi tuyến Để điều khiểnrobot hiện nay vẫn dùng các bộ điều khiển truyền thống như bộ điều khiểnPID Tuy nhiên với bộ PID thì các thành phần phi tuyến của nhiễu khôngđược triệt tiêu hết sẽ làm ảnh hưởng đến độ chính xác khi điều khiển Do vậycần thiết phải có phương pháp để khử các nhiễu phi tuyến để nâng cao độchính xác khi điều khiển cánh tay robot

CHƯƠNG 2 TỔNG QUAN VỀ LEARNING FEED FORWARD CONTROL(LFFC)

VÀ MODEL REFERENCE ADAPTIVE SYSTEM(MRAS)

Giới thiệu:

Như đã nhận xét ở cuối chương 1, robot là đối tượng có tính phi tuyến mạnh

vì vậy cần có phương pháp để nâng cao độ chính xác về vị trí khi điều khiển cánh tay robot Chương này, tác giả sẽ nghiên cứu phương pháp để nâng cao

độ chính xác cho cách tay robot khi làm việc

- Hệ thống quá phức

- Mô hình quá khó hoặc quá đắt để đánh giá Một số đặc tính của một

số tính chất (phi tuyến) khó có thể đạt được, ví dụ như ma sát…

- Đối tượng có thể chịu ảnh hưởng lớn của nhiễu

- Các thông số của đối tượng có thể biến đổi theo thời gian

Bộ điều khiển thích nghi có thế là một giải pháp khi cấu trúc của môhình động học của đối tượng và nhiễu mô hình tác động lên nó được biếttrước trong khi các giá trị của các thông số thì không thể xác định được Khi

mô hình không xác định hoặc có nhiều thông số không xác định thì lúc đóđiều khiển học sẽ được xét đến

2.1.2 Điều khiển học (Learning Control - LC)

Định nghĩa 2.1: Một bộ LC là một hệ thống điều khiển bao gồm trong

đó 1 hàm xấp xỉ các ánh xạ đầu vào – đầu ra tương ứng trong suốt quá trìnhđiều khiển mà một hoạt động mong muốn của hệ thống điều khiển đạt được

Định nghĩa 2.2 (hàm xấp xỉ): Một hàm xấp xỉ là một ánh xạ vào/rađược xác định bởi một hàm được lựa chọn F ,  , với các véc tơ thông số được lựa chọn để hàm F  được xấp xỉ tốt nhất.

Nói chung một cách sơ bộ, các bộ hàm xấp xỉ có thể được sử dụngtheo 2 cách:

- sử dụng để tạo (một phần) tín hiệu điều khiển

- sử dụng để học một mô hình đối tượng tương ứng được kiểm soátTrên cơ sở những suy xét này, chúng ta có thể đưa ra một số các thuộctính sau mà một bộ LC :

Dễ dàng sử dụng trong một hệ thống điều khiển có sẵn

Có khả năng sử dụng những kiến thức dự đoán của đối tượng

Hàm xấp xỉ nên phù hợp cho việc điều khiển Điều này có nghĩa rằng:

- Cần sử dụng dung lượng nhớ nhỏ

-Việc tính toán đầu ra của hàm xấp xỉ và sự tương thích của quan

hệ vào/ra phải được thực hiện một cách nhanh chóng

Cơ chế học cần hội tụ nhanh

Cơ chế học không nên bị cực tiểu cục bộ

Hàm xấp xỉ có khả năng tự khái quát hoá tốt

Sự mềm mại của giá trị xấp xỉ cần điều khiển được

Đáp ứng ngắn hạn là học tốt

Sự ổn định lâu dài cần phải được bảo đảm

2.1.3 Bộ điều khiển học sử dụng sai lệch phản hồi (Feedback Error Learning - FEL)

2.1.3.1 Cấu trúc điều khiển

2.1.4 Learning Feed forward Control (LFFC)

Trong luận văn này một hệ thống LC được xét có cấu trúc tương tựnhư cấu trúc của bộ điều khiển FEL (hình 2.2) Tuy nhiên, phần feed-forwardcủa bộ điều khiển LC được thực hiện bởi các thông số am, bm, cm, dm của bộđiều khiển thích nhi theo mô hình mẫu

2.2 ĐIỀU KHIỂN THÍCH NGHI THEO MÔ HÌNH MẪU

Hệ thống điều khiển thích nghi là hệ thống mà cấu trúc và tham số của

bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao cho đảm bảo các chỉ tiêu đã định Hệ thống điều khiển thích nghi theo mô hình mẫu

có nhiều dạng khác nhau Chúng ta bắt đầu bằng một cách tiếp cận trực giác, chỉ ra rằng các ý tưởng hồi tiếp cơ sở giúp chúng ta tìm ra các thuật toán hiệu chỉnh tham số Chúng ta chú ý rằng sẽ có hai câu hỏi nảy sinh ra Thứ nhất đó là làm thế nào để tìm các tín hiệu thích hợp mà hiệu chỉnh các tham số thích hợp ở những thời điểm thích hợp Thứ hai là làm thế nào để đảm bảo sự ổn định cho một hệ thống thích nghi mà vốn đã phi tuyến do sự xuất hiện của các bộ nhân trong hệ thống Chúng ra sẽ có cái nhìn sâu hơn đối với câu hỏi đầu tiên bằng cách xét phương pháp mô hình nhạy cảm Sự ổ định có thể được bảo đảm bằng cách ứng dụng lý thuyết ổn định Liapunov’s cho việc thiết kế các hệ thống thích nghi.

2.2.1 Khái quát chung

Một hệ thống thích nghi có thể được định nghĩa như sau:

Hàm xấp xỉ

“ Một hệ thống thích nghi là một hệ thống mà trong đó thêm vào cấutrúc (hồi tiếp) cơ bản, các phép đo tường minh được thực hiện để bù tự độngcho những thay đổi về các điều kiện hoạt động, cho những thay đổi về độnghọc quá trình hoặc cho những thay đổi về nhiễu, để duy trì một hoạt động tối

ưu của hệ thống”

Các hệ thống điều khiển thích nghi có thể được phân loại theo nhiều cáchkhác nhau Một trong những cách phân loại đó là dựa trên sự khác nhau giữa:

- Những hệ thống với sự điều chỉnh trực tiếp của các tham số của bộ

điều khiển, không cần nhận dạng rõ ràng các tham số của đối tượng (điều

khiển thích nghi trực tiếp)

- Những hệ thống với sự điều chỉnh gián tiếp của các tham số bộ điều

khiển, không cần nhận dạng rõ ràng các tham số của đối tượng (điều khiển

thích nghi gián tiếp)

2.2.2 Cơ chế thích nghi

Trong các tài liệu một vài phương pháp đã được đưa ra để thiết kế các

hệ thống thích nghi Nhưng ta có thể có được cái nhìn sâu hơn vào mộtphương pháp bằng cách tự tư duy làm thế nào để tìm ra được các thuật toán.Việc này giúp ta thực sự hiểu được phải làm gì tiếp theo Trong Hình 2.8 là

sơ đồ khối được đưa ra cho một hệ thống mà sẽ được dùng như là một ví dụxuyên suốt tài liệu này

Hình 2.8 Mô hình mẫu và đối tượng

Trong ví dụ này, đối tượng (tuyến tính) được mô tả bằng hàm truyền:

Kω

s + 2ξω s + ω (2.8)

Sự biến đổi trong tham số ap có thể được bù bằng cách hiệu chỉnh Ka

và sự biến đổi trong tham số bp có thể được hiệu chỉnh bằng cách điều chỉnh

Kb Việc này được thể hiện một cách trực tiếp từ hàm truyền của bộ điềukhiển cộng đối tượng trong Hình 2.8:

Tham số Kb được hiệu chỉnh khi u, tín hiệu trực tiếp chịu ảnh hưởngbởi Kb, là lớn và tham số Ka được hiệu chỉnh khi x2, tín hiệu trực tiếp chịuảnh hưởng bởi Ka, là lớn

Do vậy đến lúc này chúng ta phải đối mặt với 2 vấn đề:

1 Một dạng ‘tốc độ động thích nghi’ được cần đến để nhận ra là mỗitham số chỉ được hiệu chỉnh khi kết quả sai lệch là nhạy cảm với sự thay đổicủa tham số đó

2 Bài toán ổn định còn tồn tại khi hệ số thích nghi được tăng lên như làmột kết quả của sự đòi hỏi tăng tốc độ thích nghi Bài toán ổn định này dễdàng được giải quyết bằng phương pháp phân tích tuyến tính bởi vì sự thíchnghi tạo ra sự phi tuyến cho hệ thống

Hai bài toán này chính là khởi nguồn của các phương pháp khác nhau đểthiết kế MRAS

(2.13) (2.14)

- Phương pháp độ nhạy Phương pháp này nhấn mạnh việc xác định ‘ tốc

độ động thích nghi’ với sự trợ giúp của hệ số nhạy

- Phương pháp ổn định Phương pháp này nhấn mạnh đến bài toán ổn

định Do đặc tính phi tuyến của một hệ thích nghi nên cần thiết phải sự dụngđến lý thuyết ổn định của hệ phi tuyến Chúng ta sẽ nhận thấy rằng, songsong với việc kiểm tra tính ổn định, những luật thích nghi hữu dụng cũng cóthể được tìm ra

2.2.3 Mô hình độ nhạy:

Phương pháp độ nhạy có ưu điểm là đơn giản và dễ hiểu Nhược điểmchính của nó là sự ổn định chỉ có thể được chứng minh bằng mô phỏng hoặckiểm nghiệm thực tế Một chứng minh bằng toán học cho sự ổn định khôngthể đưa ra được

2.2.4 Phương pháp ổn định của Liapunov.

Việc thiết kế các hệ thống thích nghi dựa trên lý thuyết ổn định được bắtnguồn từ những bài toán về ổn định trong thiết kế ví dụ như những bài toándựa trên các mô hình độ nhạy

Từ đó, những bước dưới đây là cần thiết để thiết kế một bộ điều khiểnthích nghi sử dụng phương pháp Liapunov

1 Xác định phương trình vi phân cho e

của Liapunov So sánh với những cấu trúc mô hình mẫu tiêu chuẩn hơn thì

hệ thống này có hiệu suất tốt hơn Nó phản ứng nhanh, bền vững và không nhạy cảm với nhiễu đo lường Sự mô phỏng với một đối tương bậc 2 bất kì và với mô hình của đối tượng cơ điện tử bậc 4 điển hình sẽ minh họa hệ thống này.

2.3.2 MRAS dựa trên điều khiển feed - forward

Đối với những hệ thống có thể xấp xỉ bằng 1 hàm truyền tuyến tính, sựbiểu diễn dưới dạng hàm truyền hầu như không yêu cầu bộ nhớ và vì vậy rấthiệu quả Khi chúng ta nhận dạng khâu tạo tín hiệu đặt bằng phương pháp sửdụng bộ lọc biến trạng thái, trạng thái của những bộ lọc như thế này – mà làđạo hàm của đầu ra - có thể được sử dụng để tạo ra 1 mô hình ngược Điềunày được minh họa bằng ví dụ ở hình 2.20 Đối tượng được mô tả bởi hàmtruyền Hp và mô hình mẫu là Href

2 2

2 2

2

1

n n

n ref

p p p

p

s s

H

c s b

m m m n n

n ref

c s b s a

c s b s a s

0 1

1 , 22 21 11

2 , 22 21 22

3 , 22 21 33

m m

m

m m

m

m m

m

c dt x e p e p

c

b dt x e p e p

b

a dt x e p e p

Như bất kì một hệ thống dựa trên MRAS nào, việc bù nhiễu thích nghi

có thể được thêm vào, bằng cách nhận thấy rằng tham số dm hoạt động trênmột tín hiệu đầu vào bổ sung 1, thay cho trên một trong các biến trạng thái

11 , 1 / , 1 /

/

1    và 1 /  gọi là các hệ số thích nghi Chúng xác định tốc

độ thích nghi và theo lý thuyết, chúng có thể được lựa chọn tùy ý

Biểu thức (2.89) có thể được tổng quát hóa thành biểu thức cho các hệthống có bậc cao hơn Với một hệ thống bậc n, ta có thể xác định tham số am,i

dựa trên biểu thức:

i m n

k

k nk ii

Trong luật hiệu chỉnh, đạo hàm của sai lệch là cần thiết Đạo hàm này

có thể nhận được bằng phương pháp sử dụng 1 bộ lọc biến trạng thái (bậc 2).Dải thông của bộ lọc biến trạng thái phải được chọn ít nhất là gấp 10 lần sovới dải thông của khâu khởi tạo tín hiệu đặt để không làm ảnh hưởng đến sự

ổn định của hệ thống Mặt khác, sự kết hợp của một bộ lọc biến trạng thái vớimột dải thông không quá rộng và việc sử dụng các trạng thái mô hình chothích nghi cũng như cho điều khiển làm cho hệ thống không nhạy cảm mộtcách tương đối với nhiễu đo lường và mang lại một hệ thống bền vững

Kết luận chương 2:

Như vậy trong chương 2 đã trình phân tích được khái niệm cơ bản về

bộ điều khển Learning Feed Forward, lý thuyết về điều khiển thích nghi theo

mô hình mẫu, và bộ điều khiển LFFC trên cơ sở điều khiển thích nghi theo

mô hình mẫu Từ những kiến thức cơ sở này kết hợp với phương trình độnghọc trong Chương 1 có thể xây dựng được bộ điều khiển robot 2 bậc tự dodùng bộ điều khiển Feedback kết hợp LFFC trên cơ sở điều khiển thích nghitheo mô hình mẫu

CHƯƠNG 3 THIẾT KẾ VÀ MÔ PHỎNG BỘ ĐIỀU KHIỂN LFFC TRÊN CƠ SỞ

MRAS ĐỂ ĐIỀU KHIỂN VỊ TRÍ CÁNH TAY ROBOT

3.1 THIẾT KẾ BỘ ĐIỀU KHIỂN

3.1.1 Chọn khâu khởi tạo tín hiệu đặt

25 50

H ref

3.1.2 Chọn bộ điều khiển PD

S

C 500  2

3.1.3 Tính toán bộ điều khiển LFFC

Chọn bộ thông số của Robot như sau:

Thông số Cánh tay 1 Cánh tay 2

Khối lượng cánh tay (kg) 1 1.5

Chiều dài cánh tay (m) 0.5 0.5

.

0

1 0

0 100

500

1 04

sgn(

) [(

1

0 1

0 1

0 1

22 21

22 21

22 21

22 21

m m

m c

m

m b

m

m a

m

d dt e

p e p

d

c dt e p e p

c

b dt e p e p

b

a dt e p e p