- Trang Chủ
- Tự động hoá
- Nghiên cứu ứng dụng công nghệ điều khiển cánh tay parallel robot phân loại sản phẩm theo màu sắc
Xem mẫu
- Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
NGHIÊN CỨU ỨNG DỤNG CÔNG NGHỆ ĐIỀU KHIỂN CÁNH TAY
PARALLEL ROBOT PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC
Nguyễn Tăng Triều*, Lê Minh Thanh, Nguyễn Văn Toàn
Trường Đại học Công nghiệp Thực phẩm TP. Hồ Chí Minh
*Tác giả liên lạc: nguyentangtrieu162@gmail.com
TÓM TẮT
Bài viết khái quát về các hướng nghiên cứu liên quan đến giải thuật điều khiển
cánh tay robot song song như: PID Controller, Neural Network, Learning control
dựa trên mô hình thực nghiệm. Trong đó tổng hợp những kiến thức nền tảng cơ
bản về phương trình động học, giải thuật điều khiển PID, giải thuật nhận dạng
và huấn luyện mạng neuron nhân tạo. Mô phỏng, kiểm tra và đánh giá kết quả
đạt được của các giải thuật điều khiển dự trên mô hình thực nghiệm. Từ kết quả
đạt được có thể làm tài liệu tham khảo phù hợp cho những đề tài nghiên cứu liên
quan.
Từ khóa: PID control, neural network, learning Control, robot manipulator,
robot parallel, parallel kinematic machine, pneumatic actuators.
APPLIED RESEARCH TECHNOLOGY PARALLEL ROBOT ARMS
CONTROL PRODUCT CATEGORY BY COLORS
Nguyen Tang Trieu*, Le Minh Thanh, Nguyen Van Toan
Ho Chi Minh City University of Food Industry
*Corresponding Author: nguyentangtrieu162@gmail.com
ABSTRACT
Posts overview of research related to the control algorithm parallel robotic arm
such as PID controllers, Neural Network, Learning control based on empirical
models. Which summarizes the fundamental knowledge about the kinetic
equation, PID control algorithm, recognition algorithm and artificial neural
network training. Simulation, testing and evaluation of the results achieved by
the control algorithm based on empirical models. From the results achieved can
make appropriate references to the relevant research topics.
Keywords: PID control, neural network, learning control, robot manipulator,
parallel robot, parallel kinematic machine, pneumatic actuators.
TỔNG QUAN Giải thuật huấn luyện mạng neuron
Ngày nay, việc ứng dụng các giải thuật nhận tạo - (Artificial Neural Networks,
điều khiển như: Giải thuật di truyền ANN) là một trong những giải thuật
GA, tối ưu hóa đàn kiến ACO, huấn mới hiện nay đã và đang được áp dụng
luyện mạng neuron, tối ưu hóa bầy đàn nhiều và đạt được kết quả trong lĩnh
PSO, điều khiển PID hoặc kết hợp lai vực khác nhau như: Five bar planer
ghép giữa các giải thuật với nhau. manipulator simulation and analysis
Nhằm mục đích tìm điểm làm việc tối by bond Graph, Neural Networks for
ưu của hệ thống. Mỗi giải thuật đều có Identification, Prediction and Control,
những ưu điểm và nhược điểm riêng. Robot Manipulator Control Theory
Tuy nhiên, việc lựa chọn giải thuật dựa and Practice, Adaptive Neuro-Fuzzy
vào đặc điểm của từng hệ thống cụ thể. Inference System, Kinematic
494
- Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
Optimization of a Parallel dạng bởi cảm biến màu và xuất tín hiệu
Manipulator 5R 2-dof Driven by tọa độ đặt cho hệ thống làm việc.
Pneumatic Cylinders, An Adaptive Phương pháp nghiên cứu
Iterative Learning Control for Hệ thống điều khiển cánh tay robot
Robot Manipulator in Task Space. song song bao gồm phương trình động
Trong phạm vi đề tài này, tác giả đề học, vị trí góc quay của động cơ và bộ
xuất sử dụng giải thuật nhận dạng và điều khiển sử dụng PID-Control (Hình
huấn luyện mạng neuron nhân tạo cho 3). Giải pháp điều khiển hệ thống dựa
mô hình cánh tay robot song song vào sự sai số vị trí góc quay của đối
(Parallel robot) phân loại sản phẩm tượng từ đó bộ điều khiển PID (PID –
theo màu làm việc trong không gian control) xuất tín hiệu moment điều
tọa độ định trước. Từ đó, đánh giá kết khiển đối tượng bám theo vị trí đặt.
quả đạt được so với mô hình dùng giải Chương trình điều khiển hệ thống dùng
thuật truyền thống PID control. bộ điều khiển PID như Hình 4 được
thiết kế làm mô hình tham chiếu cho
NGUYÊN LIỆU VÀ PHƯƠNG mô hình dùng giải thuật huấn luyện
PHÁP NGHIÊN CỨU mạng đã đề xuất.
Nguyên liệu Phương pháp huấn luyện mạng Neuron
Cánh tay Parallel Robot được thiết kế cho hệ thống phi tuyến là nhận dạng
trên chất liệu thép. Các khớp liên kết kiểu hộp đen với một tín hiệu vào và
với nhau bởi 5 thanh trong đó có 3 một tín hiệu ra (SISO) được thực hiện
khớp tự do và 2 khớp điều khiển. Vị trí dựa trên mô hình tham chiếu (mô hình
điểm làm việc được xác lập thông qua dùng bộ điều khiển PID).
phương trình động học của hệ thống.
Sản phẩm quả bóng bàn được phân loại KẾT QUẢ VÀ THẢO LUẬN
theo màu sắc. Sản phẩm này được nhận Thông số kỹ thuật thí nghiệm như sau.
Bảng 1. Thông số kỹ thuật của cánh tay robot song song
Các biến Thông số Giá trị
L0 Chiều dài cố định giữa hai động cơ 11.6 cm
L1 Chiều dài của cánh tay {0} - {2} 12.4 cm
Chiều dài của cánh tay {1} - {3}
L2 Chiều dài của cánh tay {2} – {4} 16.6 cm
Chiều dài của cánh tay {3} – {4}
Mô hình thực nghiệm của hệ thống như Hình 1.
Hình 1. Mô hình thực nghiệm hệ thống
495
- Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học
Kết quả sử dụng phương pháp nhận KẾT LUẬN
dạng và huấn luyện mạng Neuron cho Giải pháp điều khiển cánh tay parallel
hệ phi tuyến: Việc mô phỏng và thực robot phân loại sản phẩm theo màu
nghiệm mô hình cánh tay máy song sắc làm việc trong không gian định
song sử dụng phương pháp nhận dạng trước sử dụng huấn luyện mạng
và huấn luyện mạng Neuron cho hệ Neuron đã được nghiên cứu trong bài
phi tuyến dựa trên phần mềm Matlab báo nhằm giải quyết vấn đề nhận dạng
Simulink. Tập dữ liệu dùng để huấn hệ thống đối tượng phi tuyến,… Kết
luyện mạng được lấy dựa vào mô hình quả được kiểm tra trên phần mềm mô
tham chiếu (mô hình dùng bộ điều phỏng Matlab Simulink và trên mô
khiển PID) với một tín hiệu vào (sai hình thực nghiệm cho thấy giải pháp
số góc) và một tín hiệu ra (xung áp đề xuất đáp ứng tốt hơn so với điều
điều khiển) thông qua chương trình khiển truyền thống (độ vọt lố ít hơn và
giám sát. thời gian xác lập nhanh hơn).
TÀI LIỆU THAM KHẢO
CORNELIUS T. LEONDES. Fuzzy Logic and Expert Systems Applications.
Academic Press, 1998.
DUC TRUONG PHAM AND LIU XING. Neural Networks for Identification,
Prediction and Control. Springer, 1997.
SHENGQI JIAN, CHENG YIN, LUC ROLLAND, LESLEY JAMES. Five bar
planer manipulator simulation and analysis by bond Graph. November 14-
20, 2014, Montreal, Quebec, Canada.
496
nguon tai.lieu . vn