Система управления роботом-манипулятором с упругими звеньями
Задача полезной модели - повышение точности и скорости позиционирования концевой точки робота-манипулятора с упругими звеньями, компенсация деформаций звеньев и демпфирование колебаний. В предлагаемом полезной модели использована адаптивная нейросеть с техникой обучения по сигналу обратной связи для управления положением рабочего органа гибкого звена. Нейросеть с радиальной базисной функцией с минимальным ресурсным распределением использована для расчета сигнала управления по возмущению. Четыре входных сигнала, используемые в нейросети это заданные и действительные положения и скорости в шарнире. Полное перемещение концевой точки рабочего органа использовано в расчетах ПД-регулятора. Для управления использована величина полного перемещения упругого звена. Работа системы управления производится методом рекурсивной процедуры, использующей отдельный регулятор для построения траектории каждого упругого звена, начиная интеграцию от последнего звена многозвенного упругого робота-манипулятора. Полученный вращающий момент для последнего звена будет передан к следующему звену в цепи, процедура продолжается со следующим звеном в цепи так же, как и прежде, метод продолжается далее до первого звена.
Полезная модель относится к области управления упругими роботами-манипуляторами, в частности для компенсации деформаций и демпфирования колебаний.
Известна система управления упругим роботом-манипулятором, состоящая из ПИД-регулятора и нейросети, соединенных таким образом, что выход ПИД-регулятора служит величиной ошибки при обучении нейросети и в то же время, предварительно просуммированный с выходом нейросети, соединен с входом робота-манипулятора. Данная система управления реализована в работе Rios Neto W., Nascimento Junior Cairo L., Goes L.C. Positional Control of a Flexible Structure using Neural Networks // Proceedings of the 4th Brazilian Conference on Neural Networks, 1999. - P.378-383.
Недостатком данной системы управления является необходимость использования временного лага и большое количество нейронов, используемое в структуре нейросети, в результате чего, система не может работать в режиме реального времени.
Наиболее близким по структуре и достигаемому результату к заявленному является система управления, состоящая из ПД-регулятора, нейросети с использованием методики обучения по сигналу обратной связи, соединенных таким образом, что выход ПД-регулятора служит величиной ошибки при обучении нейросети и в то же время, предварительно просуммированный с выходом нейросети, соединен со входом робота-манипулятора. В этой системе управления использована нейросеть с техникой обучения по сигналу обратной связи методом обратного распространения ошибки для управления положением рабочего органа. Нейросеть с радиальной базисной функцией использована для расчета сигнала управления по возмущению. Пять входных сигналов, используемых в нейросети это заданные и действительные величины положения и скорости, и заданное ускорение в шарнире. Отклонение рабочего органа использовано в расчетах ПД-регулятора.
Данная система управления реализована в работе Fernando Passold Applying RBF Neural Nets for Position control of an Inter/Scara Robot // Int. J. of Computers, Communications & Control. - 2009. - Vol.4, No.2, - P.148-157.
Недостатком этой системы управления является то, что система управления содержит большое количество нейронов что не позволяет работать в режиме реального времени. Кроме того, в нейросеть системы управления поступают сигнады всех звеньев, что затрудняет работу системы управления.
Задача полезной модели - повышение точности и скорости позиционирования концевой точки робота-манипулятора с упругими звеньями, компенсация деформаций звеньев и демпфирование колебаний.
Поставленная задача решается тем, что система управления роботом-манипулятором с упругими звеньями, состоит из блоков, каждый из которых состоит из ПД-регулятора, вход которого соединен с выходом сумматора, определяющего величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного, а выход соединен с нейросетью, имеющей в качестве активационной функции функцию Гаусса и линейную функцию, где используется в качестве величины ошибки при обучении нейросети, причем выход нейросети соединен с входом другого сумматора, в котором выход нейросети складывается с выходом ПД-регулятора; выход суматора соединен с входом блока динамической модели звена робота-манипулятора; вход нейросети соединен с выходом блока задания положения и скоростей, где задается значение угла поворота в шарнире, значение скорости поворота в шарнире и с выходом блока динамической модели звена, где определяется действительное значение угла поворота в шарнире, действительное значение скорости поворота в шарнире, система снабжена блоком расчета полного перемещения концевой точки, вход которого соединен с выходом блока динамической модели звена, а выход соединен с сумматором, определяющим величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного; также система дополнительно снабжена блоками расчета реакций в шарнире, вход которого соединен с блоком динамической модели звена, а выход соединен с входом блока преобразования сил и момента, выход блока преобразования сил и момента соединен с входом блока динамической модели предыдущего звена, вход блока преобразования сил и момента также соединен с блоком динамической модели звена, система управления снабжена этим блоком дополнительно; полное перемещение концевой точки звена учитывает упругие деформации звеньев робота-манипулятора; работа системы управления производится методом рекурсивной процедуры, использующей отдельный регулятор для построения траектории каждого упругого звена, начиная интеграцию от последнего звена многозвенного упругого робота-манипулятора, как только вращающий момент для последнего звена получен, на следующем шаге вычисляются реакции, которые будут переданы к предыдущему звену, процедура продолжается со следующим звеном в цепи так же, как и прежде, метод продолжается далее до первого звена; число блоков управления равно числу звеньев; обучение нейросети производится в режиме реального времени и обновляются все параметры активного нейрона.
В предлагаемой полезной модели использованы адаптивные нейросети с техникой обучения по сигналу обратной связи для управления положением рабочего органа каждого упругого звена. Нейросети с радиальной базисной функцией с минимальным ресурсным распределением использованы для расчета сигнала управления по возмущению. Четыре входных сигнала, используемые в каждой нейросети это заданные и действительные положения и скорости в шарнире. Полное отклонение рабочего органа использовано в расчетах ПД-регуляторов. Для управления использована величина полного перемещения каждого упругого звена, полученная как разность между движением жесткого звена и упругим отклонением концевой точки.
На фиг.1 представлена структура нейросети с радиальной базисной функцией, выбранной прототипом данной полезной модели.
На фиг.2 представлена заявленная схема управления роботом-манипулятором с упругими звеньями.
На фиг.3 представлен алгоритм работы системы управления роботом-манипулятором с упругими звеньями.
На фиг.4 представлены результаты моделирования полного перемещения концевой точки двухзвенного упругого робота-манипулятора.
На фиг.5 представлены результаты моделирования треугольной траектории перемещения концевой точки двухзвенного упругого робота-манипулятора.
Система управления каждым звеном состоит из ПД-регулятора 1, нейросети 2 и блока динамической модели звена 3 робота-манипулятора. Вход ПД-регулятора 1 соединен с выходом сумматора 4, выход ПД-регулятора 1 соединен с входом сумматора 5; выход нейросети 2 соединен с входом сумматора 5, выход сумматора 5 соединен с входом блока динамической модели звена 3; вход сумматора 4 соединен с выходом блока вычисления заданного полного перемещения концевой точки звена 6 и выходом блока вычисления действительного полного перемещения концевой точки 7. Вход блока 6 соединен с выходом блока задания положения и скорости 8; вход нейросети 2 соединен с выходом блока динамической модели звена 3 и выходом блока задания положения и скорости 8. Выход блока динамической модели звена 3 соединен с входом блока рассчета реакций в шарнире 9, выход блока рассчета реакций в шарнире 9 соединен с входом преобразования сил и момента 10, выход блока преобразования сил и момента 10 соединен с входом динамической модели звена 3, вход блока преобразования сил и момента 10 соединен с выходом блока динамической модели звена 3.
В качестве активационной функции нейронов нейросети 2 принята функция Гаусса, количество нейронов нейросети 2 изменяется в зависимости от активности каждого нейрона, алгоритм обучения нейросети 2 работает по правилу «победитель получает все».
В заявке предлагается управляющая структура, которая использует ПД-регулятор, чтобы стабилизировать систему и нейросеть для каждого упругого звена, обучаемые в режиме on-line, чтобы компенсировать нелинейности, как например, трение, центростремительные и Кориолисовы эффекты, и силы тяжести.
В предлагаемой системе управления использованы адаптивные нейросети с техникой обучения по сигналу обратной связи (Feedback-Error-Learning technique) для управления положением рабочего органа упругого звена. Нейросеть с радиальной базисной функцией с минимальным ресурсным распределением использована для расчета сигнала управления по возмущению. Четыре входных сигнала нейросети это заданные и действительные положения и скорости в шарнире. Полное отклонение рабочего органа использовано в расчетах ПД-регулятора.
Работает система управления роботом-манипулятором с упругими звеньями следующим образом. При включении системы управления производится чтение исходных данных из блока задания положения и скорости 8 для дальнейшей обработки, это заданный угол поворота в шарнире, заданная скорость поворота в шарнире. Полное заданное перемещение концевой точки упругого звена робота-манипулятора вычисляется в блоке 6. Действительное значение угла поворота в шарнире, действительное значение скорости поворота в шарнире вычисляются в блоке динамической модели звена 3, угол поворота поперечного сечения концевой точки упругого звена, действительное отклонение концевой точки упругого звена робота-манипулятора вычисляются в блоке динамической модели звена 3. Действительное полное перемещение концевой точки звена вычисляется в блоке 7.
Далее производится вычисление ошибки полного отклонения концевой точки от заданного значения в сумматоре 4, результаты которых далее поступают в ПД-регулятор 1. На следующем этапе работы регулятора производится одновременное вычисление управляющих сигналов ПД-регулятора 1 и нейросети 2 и последующее их суммирование в сумматоре 5 для передачи в блок динамической модели звена 3 робота-манипулятора. Перед следующим циклом вычислений производится подсчет критериев ошибки обучения нейросети 2 и при неудовлетворительном результате происходит обновление параметров нейрона нейросети, центр активационной функции которого ближе других к заданному значению (алгоритм «победитель получает все»). При удовлетворении критериев условиям количество нейронов сравнивается с максимально допустимым значением и если число нейронов N нейросети 2 меньше максимального Nmax , то к сети добавляется новый нейрон, если число нейронов нейросети 2 максимально, то удаляется нейрон, наименее эффективный, не обновляемый в течение нескольких циклов, и место него добавляется новый нейрон. Затем процесс повторяется до завершения моделирования.
Работа системы управления производится методом рекурсивной процедуры, использующей отдельный регулятор для построения траектории каждого упругого звена, начиная интеграцию от последнего звена для моделирования многозвенного упругого робота. Как только вращающий момент для последнего звена получен в блоке расчета реакций в шарнире 9, на следующем шаге вычисляются реакции, которые будут переданы к следующему звену в цепи после обработки в блоке преобразования сил и моментов 10. Эти реакции рассчитаны по условию равновесия. Процедура продолжается со следующим звеном в цепи так же, как и прежде, но теперь силы реакции присутствуют и поэтому учтены в расчетах. Метод продолжается далее до первого звена.
Система управления роботом-манипулятором с упругими звеньями, состоящая из блоков, каждый из которых состоит из ПД-регулятора, вход которого соединен с выходом сумматора, определяющего величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного, а выход соединен с нейросетью, имеющей в качестве активационной функции функцию Гаусса и линейную функцию, где используется в качестве величины ошибки при обучении нейросети, причем выход нейросети соединен с входом другого сумматора, в котором выход нейросети складывается с выходом ПД-регулятора; выход суматора соединен с входом блока динамической модели звена робота-манипулятора; вход нейросети соединен с выходом блока задания положения и скоростей, где задается значение угла поворота в шарнире, значение скорости поворота в шарнире, и с выходом блока динамической модели звена, где определяется действительное значение угла поворота в шарнире, действительное значение скорости поворота в шарнире, отличающаяся тем, что система дополнительно снабжена блоком расчета полного перемещения концевой точки, вход которого соединен с выходом блока динамической модели звена, а выход соединен с сумматором, определяющим величину ошибки действительного полного перемещения концевой точки выходного звена относительно заданного; также система дополнительно снабжена блоками расчета реакций в шарнире, вход которого соединен с блоком динамической модели звена, а выход соединен с входом блока преобразования сил и момента, выход блока преобразования сил и момента соединен с входом блока динамической модели предыдущего звена, вход блока преобразования сил и момента также соединен с блоком динамической модели звена, система управления снабжена этим блоком дополнительно; полное перемещение концевой точки звена учитывает упругие деформации звеньев робота-манипулятора; работа системы управления производится методом рекурсивной процедуры, использующей отдельный регулятор для построения траектории каждого упругого звена, начиная интеграцию от последнего звена многозвенного упругого робота-манипулятора, как только вращающий момент для последнего звена получен, на следующем шаге вычисляются реакции, которые будут переданы к предыдущему звену, процедура продолжается со следующим звеном в цепи так же, как и прежде, метод продолжается далее до первого звена; число блоков управления равно числу звеньев; обучение нейросети производится в режиме реального времени, и обновляются все параметры активного нейрона.
