ứng dụng mạng nơron để điều khiển robot rắn

Mục tiêu của đề tài là phải kết hợp được: 1- đặc tính ổn định của bộ điều khiển PID và 2- khả năng đáp ứng tốt của mạng Nơron để tạo thành bộ điều khiển RBFNN- PID thích nghi phù hợp vớ

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ NGUYỄN KIM SUYÊN

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH



LUẬN VĂN THẠC SĨ

NGUYỄN KIM SUYÊN

ỨNG DỤNG MẠNG NƠRON ĐỂ ĐIỀU KHIỂN

ROBOT RẮN

NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270

Tp Hồ Chí Minh, tháng 04/ 2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH



LUẬN VĂN THẠC SĨ

NGUYỄN KIM SUYÊN

ỨNG DỤNG MẠNG NƠRON ĐỂ ĐIỀU KHIỂN

Chỗ ở riêng hoặc địa chỉ liên lạc: 24, Tân lập 1, P Hiệp Phú, Quận 9, TP HCM Điện thoại cơ quan: 0837313513

Điện thoại nhà riêng: 0978145643

Fax:

E-mail: suyenhitc@gmail.com; nguyenkimsuyen@hitu.edu.vn

1 Trung học phổ thông:

Thời gian đào tạo từ: 09/ 2004 đến 09/ 2006

Nơi học: Trường trung học phổ thông Lê Trung Kiên, tỉnh Phú Yên

2 Đại học:

Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/ 2006 đến 03/ 2011 Nơi học: Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh

Ngành học: Kỹ thuật Điện- Điện tử

Tên đồ án tốt nghiệp: “XÂY DỰNG BỘ ĐIỀU KHIỂN MỜ VỚI SỰ HỖ TRỢ

iii

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của tôi

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác

Tp Hồ Chí Minh, ngày 03 tháng 03 năm 2014

(Ký tên và ghi rõ họ tên)

NGUYỄN KIM SUYÊN

iv

LỜI CẢM TẠ

Tác giả chân thành cảm ơn TS Nguyễn Minh Tâm- Phó Khoa Điện- Điện

tử, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh, là người thầy

đã định hướng và trực tiếp hướng dẫn tác giả hoàn thành luận văn này

Tác giả chân thành cảm ơn quý thầy cô Trường Đại học Sư phạm Kỹ thuật

Thành phố Hồ Chí Minh đã trang bị cho tác giả một kiến thức nền tảng làm cơ sở

cho luận văn này

Tác giả chân thành cảm ơn Ban giám hiệu và Quý thầy cô Khoa Điện – Điện

Tử, Trường Cao đẳng Công thương Thành phố Hồ Chí Minh đã tạo điều kiện để

tác giả học tập và hoàn thành luận văn này

Tác giả chân thành cảm ơn NGƯT, TS Nguyễn Thạc San- nguyên Phó hiệu

trưởng Trường Cao đẳng Công thương Thành phố Hồ Chí Minh đã có những

góp ý sâu sắc cho tác giả về phương pháp luận nghiên cứu

Tác giả chân thành cảm ơn tất cả các bạn học viên đã động viên giúp tác giả hoàn thành luận văn này

Tp HCM, ngày 03 tháng 03 năm 2014

Người thực hiện

NGUYỄN KIM SUYÊN

v

TÓM TẮT

Robot là hướng nghiên cứu trọng tâm trong những thập niên gần đây, đã được ứng dụng rộng rãi trong các lĩnh vực như: nghiên cứu, sản xuất, giáo dục Đặc biệt, đối với những đối tượng thích nghi với nhiều môi trường phức tạp đang được đẩy mạnh nghiên cứu, trong đó robot rắn là một hướng nghiên cứu mới Robot rắn là một

hệ thống phi tuyến, nhiều biến, phương trình toán phức tạp Để điều khiển hệ thống một cách ổn định thì đòi hỏi bộ điều khiển phải thích nghi theo đặc tính động của đối

trượng Vì vậy, tác giả lựa chọn đề tài “Ứng dụng mạng Nơron để điều khiển robot

rắn” Mục tiêu của đề tài là phải kết hợp được: (1)- đặc tính ổn định của bộ điều khiển

PID và (2)- khả năng đáp ứng tốt của mạng Nơron để tạo thành bộ điều khiển RBFNN- PID thích nghi phù hợp với hệ thống robot rắn Từ đó, thiết kế và thi công

mô hình thực để kiểm chứng hoạt động của robot rắn

Bằng các phương pháp nghiên cứu lý thuyết, tác giả đã lựa chọn mạng Nơron RBF để ứng dụng vào điều khiển robot rắn vì mạng Nơron RBF là một mạng Nơron hồi qui, các liên kết Nơron tạo thành chu trình, các thông tin ra của các Nơron được truyền lại cho chính nó nên đã góp phần tác động vào chúng và tạo ra khả năng lưu trữ trạng thái dưới dạng các ngưỡng kích hoạt ngoài các trọng số liên kết Nơron Tính chất của mạng là không chứa sai số tích lũy vì thế rất thích hợp với bài toán điều khiển và công nghệ robot Đặc biệt, mạng Nơron RBF có thời gian đáp ứng nhanh và luôn đảm bảo hội tụ đến cực trị toàn cục của sai số trung bình phương Về mặt thực tiễn, ứng dụng thành công bộ điều khiển RBFNN- PID vào đối tượng robot rắn sẽ tạo

ra một hệ thống rất thiết thực để điều khiển, khảo sát, giám sát, đo lường và điều khiển hệ thống trong các môi trường phức tạp

Kết quả chính đạt được của đề tài, tác giả đã xây dựng thành công bộ điều khiển RBFNN- PID Thông qua mô phỏng trên phần mềm Matlab, có so sánh kết quả giữa bộ điều khiển RBFNN- PID và bộ điều khiển PID thuần túy về thời gian đáp ứng, độ vọt lố, độ bám của hướng và vận tốc trong các điều kiện: chuẩn (các thông

vi

số ban đầu); thay đổi môi trường (hệ số ma sát); thay đổi thông số của robot (chiều dài, khối lượng); thay đổi vận tốc thì bộ điều khiển RBFNN- PID thích nghi hơn bộ điều khiển PID thuần túy Từ kết quả mô phỏng, tác giả đã thiết kế và thi công thành công robot rắn để kiểm chứng kết quả mô phỏng, hệ thống hoạt động tương đối thích nghi và ổn định

Với kết quả đạt được, đề tài sẽ đóng góp một hướng nghiên cứu mới về robot rắn: kết hợp hai bộ điều khiển Nơron và PID tạo thành bộ điều khiển thích nghi với đối tượng phi tuyến, với mô hình đề tài đã thiết kế thành công sẽ góp phần nâng cao hiệu quả trong công tác giảng dạy, học tập và nghiên cứu

vii

ABSTRACT

Robot is a central research direction in recent decades, has been largely used

in many fields such as: research, production, education Especially, for those who adapt which many complex environments is being accelerated researching, in which snake robot is a new research direction Snake robot is a non-linear system, many variables, complicated mathematical equations To control the system steadily requires that the controller must adapt according to the behaviors of system dynamics

Therefore, author selected the topic "Neural Network Application to Control

Snake Robot" The aim of the research is to combine: (1) - steady feature of PID

controller and (2) - the ability for respond well to form RBFNN- PID controller adapting in accordance with snake robot system Since then, design and construct a real model to verify the snake robot operation

By the theoretical research methods, author has selected RBF-Neural Network

to apply on controlling snake robot due to RBF-Neural Network is a neural regression

network, the neural links forming cycle, the information of neurons are transmitted

to itself, so it have contributed to them and create the ability for storage status under integral activation threshold except the weights link neurons The network nature is not contained accumulated error so that it’s very suit with control and robot technology In particular, RBF-Neural Network has fast response time and always ensure converge to the global extreme values of the average square error Regarding

to reality side, the successful application of RBFNN - PID controller on snake robot object will create a very practical system to control, survey, monitor, measure and control systems in the complex environment

Main results achieved by the subject that author has successfully built RBFNN-PID controller Through simulation on Matlab software, which compares results between RBFNN-PID controller and PID controller purely about response times, overshooting, adhesion of direction and velocity in the following conditions:

viii

standard (initial parameters); environmental changing (friction coefficient); parameters of the robot change (length, weight), velocity changing so the RBFNN-PID controller will be more adapter than the pure one From the simulation results, author have designed and constructed successfully a snake robot to verify the simulation results, the system operate relatively adaptive and stable

With the result obtained, the research will contribute a new research direction

of snake robot: combining two controllers Neutral and PID forming to adaptive controller for non-linear systems, with the designed successful model in the project will significantly contribute to improve the effectiveness of teaching, learning and research

ix

MỤC LỤC

Trang tựa

Quyết định giao đề tài

Lý lịch khoa học i

Lời cam đoan iii

Lời cảm tạ iv

Tóm tắt v

Mục lục ix

Danh sách các hình xiv

Danh sách các bảng xix

Danh sách các từ viết tắt xx

Chương 1 TỔNG QUAN 1

1.1 Tổng quan đề tài và các kết quả nghiên cứu đã công bố 1

1.1.1 Tổng quan về robot rắn 1

1.1.2 Các kết quả nghiên cứu đã công bố 1

1.1.2.1 Các bài báo nước ngoài 1

1.1.2.2 Các bài báo trong nước 7

1.1.3 Định hướng nghiên cứu 9

1.1.3.1 Tên đề tài 9

1.1.3.2 Lý do chọn đề tài 9

1.1.3.3 Giả thiết khoa học 9

1.2 Mục tiêu, khách thể và đối tượng nghiên cứu của đề tài 9

1.2.1 Mục tiêu đề tài 9

1.2.2 Khách thể nghiên cứu 10

x

1.2.3 Đối tượng nghiên cứu 10

1.3 Nhiệm vụ của đề tài và giới hạn đề tài 10

1.3.1Nhiệm vụ đề tài 10

1.3.2 Giới hạn đề tài 10

1.4 Phương pháp nghiên cứu 10

1.4.1 Các phương pháp nghiên cứu lý thuyết 10

1.4.2 Các phương phá nghiên cứu thực tiễn 11

1.5 Kế hoạch thực hiện 11

Chương 2 NHỮNG CƠ SỞ LÝ THUYẾT ĐỂ XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN ROBOT RẮN 12

2.1 Mô hình hóa robot rắn 12

2.1.1 Lực ma sát của robot rắn 13

2.1.2 Phương trình chuyển động 17

2.1.3 Phân ly động lực học 24

2.2 Đường cong serpenoid 27

2.3 Sự di chuyển của Rắn theo đường cong Serpenoid 30

2.4 Mạng Nơron nhân tạo- những cơ sở lí thuyết liên quan 36

2.4.1 Mô hình Nơron nhân tạo 36

2.4.2 Những hàm tổng hợp 38

2.4.2.1 Hàm tổng hợp tuyến tính: 38

2.4.2.2 Hàm tổng hợp phi tuyến bậc 2: 38

2.4.2.3 Hàm hình cầu: 38

2.4.3 Những hàm hoạt hóa 38

2.4.3.1 Hàm bước: 38

xi

2.4.3.2 Hàm dấu: 39

2.4.3.3 Hàm dốc: 39

2.4.3.4 Hàm unipolar sigmoid: 39

3.3.3.5 Hàm bipolar sigmoid: 40

2.4.4 Mô hình mạng Nơron nhân tạo 40

2.4.5 Phân loại mạng Nơron 41

2.4.5.1 Theo kiểu liên kết Nơron: 41

2.4.5.2 Theo số lớp Nơron: 42

2.4.6 Các kỹ thuật học của mạng Nơron 42

2.4.6.1 Học có giám sát (supervised learning): 42

2.4.6.2 Học tăng cường (Reinforced learning): 43

2.4.6 3 Học không có giám sát (Unsupervised learning): 43

2.4.7 Mạng Nơron RBF 44

2.4.7.1 Hàm cơ sở bán kính 44

2.4.7.2 Mô hình mạng RBF 45

2.4.7.3 Mô hình toán học 45

2.4.7.4 Mô hình mạng RBF Gaussian 47

2.4.7.5 Luật học 51

Chương 3 XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN 52

3.1 Xây dựng chương trình toán học trên Matlab 53

3.2 Xây dựng bộ điều khiển dùng PID 55

3.2.1 Bộ điều khiển địa phương 55

3.2.2 Bộ điều khiển vòng ngoài 56

3.2.2.1 Bộ điều khiển hướng 57

xii

3.2.2.2 Bộ điều khiển vận tốc 57

3.2.3 Xây dựng bộ điều khiển trên Matlab 58

3.2.4 Kết quả mô phỏng 58

3.3 Xây dựng bộ điều khiển dùng RBFNN- PID 65

3.3.1 Bộ điều khiển địa phương 65

3.3.2 Bộ điều khiển vòng ngoài 65

3.3.2.1 Bộ điều khiển hướng 65

3.3.2.2 Bộ điều khiển vận tốc 69

3.3.3 Xây dựng bộ điều khiển trên Matlab 72

3.3.4 Kết quả mô phỏng 73

3.4 So sánh kết quả mô phỏng giữa hai bộ điều khiển PID và RBFNN- PID và kết luận 76

3.4.1 Kết quả mô phỏng giữa hai bộ điều khiển PID và RBFNN- PID theo các thông số ban đầu 76

3.4.2 Kết quả mô phỏng giữa hai bộ điều khiển PID và RBFNN- PID khi thay đổi môi trường 79

3.4.3 Kết quả mô phỏng giữa hai bộ điều khiển PID và RBFNN- PID khi thay đổi thông số robot 83

3.4.4 Kết quả mô phỏng giữa hai bộ điều khiển PID và RBFNN- PID khi thay đổi vận tốc 89

3.4.5 Kết luận 90

Chương 4 THIẾT KẾ VÀ THI CÔNG MÔ HÌNH 91

4.1 Card giao tiếp 91

4.1.1 Thiết kế 91

4.1.1.1 Sơ đồ nguyên lý 91

xiii

4.1.1.2 Nguyên tắc hoạt động 91

4.1.2 Thi công 92

4.2 Robot rắn 93

4.2.1 Động cơ 93

4.2.1.1 Lựa chọn động cơ 93

4.2.1.2 Các thông số kĩ thuật của động cơ Dynamixel AX-12A 94

4.2.2 Hệ thống cơ khí 95

4.2.2.1 Thiết kế cơ khí 95

4.2.2.2 Mô hình hệ thống 97

Chương 5 KẾT LUẬN VÀ KHUYẾN NGHỊ 98

5.1 Kết luận 98

5.1.1.Những kết quả đạt được 98

5.1.2 Những mặt còn hạn chế 99

5.2 Khuyến nghị 100

TÀI LIỆU THAM KHẢO 101

xiv

DANH MỤC CÁC HÌNH VẼ

Hình 1.1 Tốc độ và hướng di chuyển robot rắn của M Saito, M Fukaya

và T Iwasaki 2

Hình 1.2 Sơ đồ điều khiển thích nghi PID- Nơron của Mitsue Kato, Shoichiro Fujisawa 5

Hình 1.3 Sơ đồ điều khiển thích nghi của F Shahraki, A.R Arjomandzadeh, M.A Fanaei điều khiển bình áp suất 5

Hình 1.4 Sơ đồ robot 2 đoạn của nhóm tác giả Leila Fallah Araghi, M Habibnejad Korayem, Amin Nikoobin, Farbod Setoudeh 6

Hình 1.5 Sơ đồ điều khiển dùng BPNN- PID của nhóm tác giả Liu Luoren, Luo Jinling 6

Hình 1.6 Sơ đồ điều khiển dùng BPNN- PID của nhóm tác giả Ming- guang Zhang, Ming- hui Qiang 7

Hình 1.7 Sơ đồ điều khiển PID- Nơron của nhóm tác giả Nguyễn Chí Ngôn và Đặng Tín 8

Hình 2.1 Robot rắn gồm n đoạn và n-1 khớp 12

Hình 2.2 Đoạn vi phân của khâu thứ i 14

Hình 2.3 Phân tích lực tác động lên đoạn thứ i của robot rắn 17

Hình 2.4a Đường cong serpenoid với và  Hình 2.4b Đường cong serpenoid với a =π 2và c = 0 28

Hình 2.4c Đường cong serpenoid với a =π 2và b = 10π 28

Hình 2.5 Đường cong serpenoid được xấp xỉ bởi 1 đoạn thẳng 29

xv

Hình 2.6a Chuyển động hình rắn (γ=0 deg) 32

Hình 2.6b Chuyển động hình rắn (γ=10 deg) 32

Hình 2.7 Đồ thị của tốc độ trung bình ave (v) theo ω và γ 32

Hình 2.8 Đồ thị của tốc độ góc trung bình ave (ζ) theo ω và γ 33

Hình 2.9 Sự kết hợp tối ưu tốc độ và năng lượng 34

Hình 2.10 Các thông số tối ưu (α, β, ω) 35

Hình 2.11 Quan hệ giữa và số đoạn n của Robot rắn 35

Hình 2.12 Đồ thị  với tỉ số ct / cn 36

Hình 2.13 Mô hình nơron nhân tạo thứ i 36

Hình 2.14 Hàm bước 38

Hình 2.15 Hàm dấu 38

Hình 2.16 Hàm dốc 39

Hình 2.17 Hàm unipolar sigmoid 39

Hình 2.18 Hàm bipolar sigmoid 40

Hình 2.19 Mô tả cách học có giám sát 43

Hình 2.20 Mô tả cách học tăng cường 43

Hình 2.21 Mô tả cách học không giám sát 44

Hình 2.22 Sơ đồ biểu diễn mạng RBF với vectơ đầu vào x є Rn và một đầu ra y є R 45

Hình 2.23 Hàm cơ sở bán kính Gaussian 47 Hình 2.24 Biểu đồ phác họa của mạng nơron sử dụng hàm cơ sở bán kính

xvi

Gaussian 49

Hình 2.25 Biểu đồ khối biểu diễn RBFNN Gaussian 50

Hình 3.1 Cấu trúc hệ thống điều khiển 52

Hình 3.2 Sơ đồ khối tống quát của robot rắn 54

Hình 3.3 Sơ đồ chi tiết khối Snake Robot 54

Hình 3.4 Cấu trúc bộ điều khiển địa phương 55

Hình 3.5 Sơ đồ bộ điều khiển địa phương 56

Hình 3.6 Sơ đồ chi tiết bộ điều khiển C 56

Hình 3.7 Sơ đồ mô phỏng bộ điều khiển hướng (C) của robot rắn 57

Hình 3.8 Sơ đồ mô phỏng bộ điều khiển vận tốc (Cv) của robot rắn 57

Hình 3.9 Sơ đồ hệ thống điều khiển robot rắn dùng PID 58

Hình 3.10 Kết quả mô phỏng với * 1 v  (m/s) và * 0 (rad) 60

Hình 3.11 Vị trí của robot 60

Hình 3.12 Kết quả mô phỏng với * 1 v  (m/s) và * 4    (rad) 62

Hình 3.13 Vị trí của robot 62

Hình 3.14 Kết quả mô phỏng với * 1 v  (m/s) và * 2    (rad) 64

Hình 3.15 Vị trí của robot 64

Hình 3.16 Sơ đồ mô phỏng bộ điều khiển hướng (C) của robot rắn 65

Hình 3.17 Sơ đồ bên trong bộ điều khiển hướng ( C ) của robot rắn 66

Hình 3 18 Lưu đồ giải thuật bộ điều khiển RBFNN- PID 67

Hình 3 19 Các thông số của bộ RBFNN- PID điều khiển hướng 68

xvii

Hình 3 20 Cập nhật giá trị tối ưu của bộ ba thông số Kptư, Kitư, Kdtư 69

Hình 3 21 Sơ đồ mô phỏng bộ điều khiển vận tốc (Cv) của robot rắn 69

Hình 3 22 Sơ đồ bên trong bộ điều khiển vận tốc (Cv) của robot rắn 70

Hình 3 23 Các thông số của bộ RBFNN- PID điều khiển hướng 71

Hình 3 24 Cập nhật giá trị tối ưu của bộ ba thông số Kptư, Kitư, Kdtư 71

Hình 3 25 Sơ đồ hệ thống điều khiển robot rắn dùng RBFNN- PID 72

Hình 3 26 Kết quả mô phỏng với v* 1 (m/s) và * 0 (rad) 73

Hình 3 27 Kết quả mô phỏng với v* 1 (m/s) và * 4    (rad) 74

Hình 3 28 Kết quả mô phỏng với v* 1 (m/s) và * 2    (rad) 75

Hình 3 29 Kết quả mô phỏng so sánh giữa PID và RBFNN- PID với v* 1 (m/s) và * 0   (rad) 76

Hình 3 30 Kết quả mô phỏng so sánh giữa PID và RBFNN- PID với v* 1 (m/s) và * 4    (rad) 77

Hình 3 31 Kết quả mô phỏng so sánh giữa PID và RBFNN- PID với v* 1 (m/s) và * 2    (rad) 78

Hình 3 32 Kết quả mô phỏng so sánh khi Ct= 0.01 79

Hình 3 33 Kết quả mô phỏng so sánh khi Ct= 1 80

Hình 3 34 Kết quả mô phỏng so sánh khi CN= 5 81

Hình 3 35 Kết quả mô phỏng so sánh khi CN= 15 82

Hình 3 36 Kết quả mô phỏng so sánh khi l = 1.5 m 84

Hình 3 37 Kết quả mô phỏng so sánh khi l = 2 m 85

xviii

Hình 3 38 Kết quả mô phỏng so sánh khi m = 0.8 86

Hình 3 39 Kết quả mô phỏng so sánh khi m = 1.5 87

Hình 3 40 Kết quả mô phỏng so sánh khi m = 2 88

Hình 4 1 Sơ đồ nguyên lý mạch giao tiếp robot rắn 91

Hình 4 2 Sơ đồ mạch in Card giao tiếp 92

Hình 4 3 Các loại động cơ (Robotics.com) 93

Hình 4 4 Hình ảnh động cơ Dynamixel AX-12A 94

Hình 4 5 Khớp liên kết giữa hai đoạn 95

Hình 4 6 Sơ đồ lắp ráp hai đoạn 96

Hình 4 7 Khớp nối trên 96

Hình 4 8 Khớp nối dưới 96

Hình 4 9 Mô hình thực tế của hệ thống 97

xix

DANH MỤC CÁC BẢNG

Bảng 3 1 Khi thay đổi hệ số ma sát 84

Bảng 3 2 Khi thay đổi chiều dài 87

Bảng 3 3 Khi thay đổi khối lượng của robot 90

Bảng 3 4 Khi thay đổi giá trị vận tốc 91

xx

DANH MỤC CÁC CÁC TỪ VIẾT TẮT

tắt

1 PID Proportional Integral

Derivative

Bộ điều khiển Tỉ lệ - Tích phân- Vi phân

2 RBF Radial Basic Function Hàm cơ sở bán kính

3 RBFNN Radial Basic Function Nơron

Network

Mạng nơron hàm cơ sở bán kính

4 ANN Artificial nơron network Mạng nơron nhân tạo

5 MLP Multi- Layer Perceptrons Mạng Perceptron nhiều tầng

6 RNN Recurrent Nơron Network Mạng nơron hồi qui

7 BP Back Propagation Lan truyền ngược

8 FFNN Feed-Forward Nơron

Network

Mạng truyền tới

1

Chương 1 TỔNG QUAN 1.1 Tổng quan đề tài và các kết quả nghiên cứu đã công bố

Ngoài tính thích nghi với môi trường, những robot hình rắn còn cho thấy nhiều ưu điểm hơn những robot di chuyển bằng bánh xe và chân Chúng có thể làm việc như những tay máy (cánh tay robot) khi một phần của các khâu nối được cố định trên một đế

1.1.2 Các kết quả nghiên cứu đã công bố

Theo các nghiên cứu từ năm 1990 đến 2012 trên các tạp chí IEEE và tạp chí khoa học quốc tế, một số bài báo liên quan đến điều khiển robot rắn như sau:

1.1.2.1 Các bài báo nước ngoài

a Bài báo [6] năm 2002 của nhóm tác giả M Saito, M Fukaya và T Iwasaki, đã đưa ra mô hình toán học của robot rắn, phân tích sự chuyển động của robot rắn dựa vào lực ma sát nhớt (ma sát trượt) và moment xoắn theo đường cong

b Bài báo [7] năm 2000 của nhóm tác giả P Prautsch, T Mita, and T Iwasaki,

đã mô phỏng và điều khiển hình dáng chuyển động của robot rắn thông qua đường cong Serpenoid, với phương trình toán học:

3

2 0

sin( sin( ))( )

d Bài báo [9] năm 1998 của tác giả M Nilsson, đã nghiên cứu chuyển động tự

do (ngẫu nhiên) của robot rắn thông qua moment xoắn giữa 2 khớp, với phương trình toán:

2 1

f Bài báo [11] năm 2001 của nhóm tác giả Shugen MA, Hiroaki ARAYA, LiLI

đã nghiên cứu chuyển động của robot rắn theo đường cong Serpenoid với phương trình toán :

4

1

2

1 2

Thông qua tìm hiểu các bài báo đã nêu trên và nhiều bài báo khác được liệt kê

ở mục tài liệu tham khảo, tác giả thấy rằng có nhiều phương pháp điều khiển robot

có dạng chuyển động như hình rắn Trong đó, vận dụng phương pháp đường cong Serpenoid vào chuyển động của robot rắn được sử dụng nhiều vì tính ưu việt sau:

 Quỹ đạo chuyển động giống với quỹ đạo chuyển động sinh học của rắn thực

 Có phương trình toán phù hợp với hệ thống phi tuyến, nhiều biến phức tạp

 Tối ưu hóa về năng lượng trong quá trình chuyển động

g Bài báo [12] năm 2005 của nhóm tác giả Mitsue Kato, Shoichiro Fujisawa đã nghiên cứu những kiến thức cơ bản để ứng dụng bộ điều khiển PID vào mạng nơron thông qua ví dụ về giám sát và điều khiển bình áp suất Hệ thống này là phi tuyến, các biến luôn thay đổi trong quá trình hoạt động, vì vậy với bộ điều khiển này hệ thống sẽ tự động thích nghi để đáp ứng ngõ ra được tối ưu nhất

so sánh sự tối ưu của hệ thống với phương pháp thông thường thử - sai và cài đặt thông số cho hệ thống

Hình 1.3 Sơ đồ điều khiển thích nghi của F Shahraki, A.R Arjomandzadeh, M.A

Fanaei điều khiển bình áp suất

i Bài báo [14] năm 2008 của nhóm tác giả Leila Fallah Araghi, M Habibnejad Korayem, Amin Nikoobin, Farbod Setoudeh đã nghiên cứu về điều khiển robot hai đoạn thông qua hệ thống điều khiển PID- Nơron Kết quả mô phỏng

có so sánh sự tối ưu giữa các phương pháp PD, PID và PID- Nơron

6

Hình 1.4 Sơ đồ robot 2 đoạn của nhóm tác giả Leila Fallah Araghi, M Habibnejad

Korayem, Amin Nikoobin, Farbod Setoudeh

j Bài báo [15] năm 2011 của nhóm tác giả Liu Luoren, Luo Jinling đã nghiên cứu và chứng minh được mạng Nơron BP thích nghi với hệ phi tuyến nhưng tốc độ hội tụ chậm, dễ rơi vào cực trị địa phương Từ đó, đề xuất giải pháp kết hợp PID- Nơron để cải thiện tốc độ hội tụ, khả năng tự học cao và thích nghi tốt

Hình 1.5 Sơ đồ điều khiển dủng BPNN- PID của nhóm tác giả Liu Luoren,

Luo Jinling

k Bài báo [16] năm 2006 của nhóm tác giả Ming- guang Zhang, Ming- hui Qiang

đã nghiên cứu và kết hợp ưu điểm giữa PID và mạng Nơron (lan truyền ngược) Hệ thống tự học để điều chỉnh và thay đổi trọng số, có khả năng thích nghi cao, kiểm soát tốt trọng hệ thống phi tuyến theo thời gian

7

Hình 1.6 Sơ đồ điều khiển dùng BPNN- PID của nhóm tác giả Ming- guang

Zhang, Ming- hui Qiang

Thông qua việc tìm hiểu các bài báo đã nêu trên và nhiều bài báo khác được liệt

kê ở mục tài liệu tham khảo, tác giả thấy rằng đối với những hệ thống phi tuyến, nhiều biến phức tạp thì các tác giả đã kết hợp hai phương pháp điều khiển PID và mạng Nơron để tối ưu hóa hệ thống điều khiển có khả năng đáp ứng nhanh, thích nghi tốt, thay đổi trọng số phù hợp với không gian và thời gian của đối tượng điều khiển

Ở đề tài robot rắn này là một hệ thống phi tuyến, nhiều biến, phương trình toán phức tạp, vì vậy tác giả đã lựa chọn phương pháp điều khiển bằng đường cong Serpenoid và vận dụng hệ thống điều khiển PID và Nơron để tạo ra bộ điều khiển thích nghi với đối tượng robot rắn

1.1.2.2 Các bài báo trong nước

a Bài báo trong tạp chí khoa học [1] năm 2011 của nhóm tác giả Nguyễn Chí Ngôn và Đặng Tín đã nghiên cứu và xây dựng bộ điều khiển PID thích nghi áp dụng

để điều khiển đối tượng phi tuyến chưa biết trước tham số và cấu trúc Bộ điều khiển PID được tổ chức dưới dạng một nơron tuyến tính mà ở đó ba trọng số kết nối của ba ngõ vào nơron tương ứng là bộ ba thông số Kp, Ki và Kd của bộ điều khiển Kết quả

mô phỏng trên hệ thanh và bóng cho thấy đáp ứng của đối tượng thỏa mãn các yêu cầu điều khiển, cụ thể là không xuất hiện vọt lố và triệt tiêu được sai số xác lập với thời gian tăng đạt 0.3±0.1 giây

Ngoài ra, theo khảo sát chưa có bài báo trong nước nào chính thức công bố về

bộ điều khiển có sự kết hợp giữa mạng Nơron RBF và PID Nếu có, cũng chỉ ở phạm

vi đang nghiên cứu ở một số trường đại học và trung tâm nghiên cứu

Qua quá trình phân tích và tổng hợp các kết quả nghiên cứu trong và ngoài nước liên quan đến điều khiển robot rắn, tác giả nhận thấy rằng phương trình toán hiệu quả để điều khiển robot rắn theo đường cong Serpenoid là tối ưu nhất, nhưng các kết quả chỉ dừng lại ở điều kiện ổn định, đối với những điều kiện thay đổi (thông

số robot, môi trường) thì chưa đề cập đến Để giải quyết vấn đề robot rắn phải thích nghi với môi trường, với đặc tính động của robot rắn thì mạng Nơron là hướng nghiên cứu mới thích hợp với đối tượng này

ưu điểm của hai bộ điều khiển RBFNN và PID với mong muốn kết quả điều khiển robot rắn được tối ưu hơn là lý do của đề tài này

Về mặt thực tiễn, nếu nghiên cứu, thiết kế và điều khiển thành công robot rắn

sẽ ứng dụng để khảo sát, giám sát, thu thập dữ liệu được rất nhiều môi trường phức tạp, là cơ sở nền tảng để nghiên cứu các cánh tay robot đa bậc tự do,

1.1.3.3 Giả thiết khoa học

 Sẽ xây dựng được bộ điều khiển RBFNN- PID trong việc thiết kế và thi công robot rắn

 Sẽ thiết kế và thi công được robot rắn theo bộ điều khiển RBFNN- PID

1.2 Mục tiêu, khách thể và đối tượng nghiên cứu của đề tài

1.2.1 Mục tiêu đề tài

Mục tiêu của đề tài là:

 Xây dựng được bộ điều khiển RBFNN- PID trong việc thiết kế và thi công robot rắn

 Thiết kế và thi công được robot rắn theo bộ điều khiển RBFNN- PID

10

1.2.2 Khách thể nghiên cứu

Khách thể nghiên cứu của đề tài là các loại robot rắn được điều khiển theo bộ điều khiển PID và bộ điều khiển mạng Nơron

1.2.3 Đối tượng nghiên cứu

Đối tượng nghiên cứu của đề tài là robot rắn hoạt động theo mô hình kết hợp giữa

bộ PID và bộ điều khiển Nơron hay còn gọi là bộ điều khiển RBFNN- PID

1.3 Nhiệm vụ của đề tài và giới hạn đề tài

1.3.1 Nhiệm vụ đề tài

Để đạt được mục tiêu của đề tài thì phải hoàn thành một số nhiệm vụ sau đây:

 Mô hình hóa robot rắn

 Phương pháp điều khiển robot rắn

 Xây dựng hệ thống điều khiển robot rắn theo bộ điều khiển RBFNN- PID

 Thiết kế và thi công robot rắn theo bộ điều khiển RBFNN- PID

1.3.2 Giới hạn đề tài

Với mục tiêu của đề tài, đề tài có một số giới hạn sau:

 Nội dung đề tài nghiên cứu chuyển động của robot rắn trong không gian hai chiều, hoạt động trên địa hình bằng phẳng và không có chướng ngại vật

 Đề tài chỉ nghiên cứu bộ điều khiển RBFNN- PID, không nghiên cứu các bộ điều khiển khác

1.4 Phương pháp nghiên cứu

1.4.1 Các phương pháp nghiên cứu lý thuyết

 Phương pháp phân tích và tổng hợp lý thuyết

 Phương pháp phân loại và hệ thống hóa lý thuyết

11

 Phương pháp mô hình hóa

 Phương pháp giả thiết

1.4.2 Các phương phá nghiên cứu thực tiễn

 Phương pháp quan sát khoa học

 Phương pháp thực nghiệm khoa học

12

Chương 2 NHỮNG CƠ SỞ LÝ THUYẾT ĐỂ XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN ROBOT RẮN

2.1 Mô hình hóa robot rắn

Sự chuyển động của robot rắn dựa trên lực ma sát và moment xoắn của thân robot rắn và mặt phẳng Từ kiến thức và định luật vật lý, tác giả mô hình hóa phương trình chuyển động của robot

Trong phần này, chúng ta sẽ xây dựng mô hình toán học của robot rắn Xét robot rắn gồm n đoạn kết nối với nhau qua (n-1) khớp Giả thiết mỗi đoạn có khối lượng phân bố đều Ở mỗi khớp có một động cơ truyền động cho robot

Đề tài này chỉ xét robot rắn di chuyển trong mặt phẳng hai chiều Trong trường hợp này hệ thống có (n+2) bậc tự do ((n-1) cho hình dạng, 2 cho vị trí và 1 cho hướng)

Hình 2.1 Robot rắn gồm n đoạn và n-1 khớp

Trong đó:

( , )x y i i : tọa độ trọng tâm của mỗi đoạn

i

 : góc hợp bởi mỗi đoạn với phương ngang

2l i : chiều dài của mỗi đoạn

x

 : tọa độ của điểm trọng tâm theo phương x

13

y

 : tọa độ của điểm trọng tâm theo phương y

Chúng ta sẽ xây dựng phương trình động lực học chuyển động của robot rắn trong trường hợp ma sát nhớt

2.1.1 Lực ma sát của robot rắn

Khi có sự chuyển động hoặc khuynh hướng chuyển động giữa hai vật, lực ma sát

sẽ xuất hiện, lực ma sát thường gặp trong các hệ vật lí là phi tuyến Đặc tính của lực

ma sát phụ thuộc vào các hệ số như: sự phối hợp bề mặt, vận tốc tương đối giữa chúng

và những thứ khác, làm cho việc mô tả toán học một cách chính xác thì rất khó Tuy nhiên, lực ma sát có thể được chia làm ba loại như sau: ma sát trượt (ma sát nhớt - Vicous Friction), ma sát nghỉ (Static Friction), ma sát Coulomb (ma sát khô) Trong

đề tài này, do nghiên cứu về robot rắn nên chỉ đề cập đến một loại ma sát đó là ma sát trượt

Bản chất của ma sát trượt là một lực cản có liên hệ tuyến tính giữa lực tác dụng

và vận tốc

Sự chuyển động của robot rắn là do lực moment xoắn, lực ma sát của robot đối với mặt phẳng Do đó, mối quan hệ giữa lực ma sát và moment xoắn tìm được thông qua việc xét từng đoạn vi phân của robot

Hình 2.2 Đoạn vi phân của khâu thứ i

Trong đó:

14

2l i : chiều dài của đoạn thứ i

( , )x y i i : tọa độ trọng tâm của đoạn thứ i

 : góc hợp bởi đoạn thứ i với trục x

Tọa độ của đoạn vi phân ds (hình 2.2) được cho bởi

cossin

df (song song

với đoạn i) và thành phần pháp tuyến

i n

df (thẳng góc với đoạn i):

15

00

Trong đó, ctivà cni lần lượt là hệ số ma sát theo phương tiếp tuyến và phương

pháp tuyến và dm i là khối lượng của đoạn vi phân ds (có nghĩa là

2

i i

i

m ds dm

l

Trong hệ tọa độ x – y, lực ma sát df có thể viết như sau:

cos sinsin cos

sin cos 0 sin cos

i n i i i

i i n

l m

f  fT  (2.1.9)



Trong đó:

𝑖 là lực ma sát theo phương y của đoạn thứ i

𝜏 = [𝜏1 𝜏2 … 𝜏𝑛]𝑇, 𝜏 là moment lực ma sát của đoạn thứ i

00

t f

n

C M D

17

2.1.2 Phương trình chuyển động

Hình 2.3 Phân tích lực tác động lên đoạn thứ i của robot rắn

Xét khâu thứ i của robot rắn gồm n đoạn (xem hình 2.3)

Trong đó:

- f i và i là lực và moment do ma sát giữa đoạn thứ i và mặt phẳng trượt

- g i và g i1 là lực tương tác do các đoạn kế cận thứ (i) và (i-1)

- u i và u i1là moment của động cơ ở khớp thứ i và i-1

- i là góc hợp với phương ngang của đoạn thứ i

- Mỗi khâu thứ i có khối lượng là m i, chiều dài là 2l i

- Moment quán tính tác động lên đoạn thứ i là

2

3

i i i