پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک

word
190
4 MB
32194
1394
کارشناسی ارشد
قیمت: ۱۹,۰۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک

    رساله جهت اخذ درجه دکتری

    چکیده

            این پایان نامه به تخمین عدم قطعیت در کنترل مقاوم بازو های رباتیک می‌پردازد و روش­های جدیدی مبتنی بر راهبرد کنترل ولتاژ برای تخمین عدم قطعیت ارائه می‌دهد. روش کنترل ولتاژ در مقایسه با روش مرسوم کنترل گشتاور بسیار ساده­تر است، زیرا نیازی به مدل غیر خطی پیچیده ربات ندارد. در نتیجه، حجم محاسبات کنترل کننده برای تعیین ولتاژ اعمالی به موتورها کمتر می‌شود. طبق قضیه تقریب عمومی، سیستم­های فازی و شبکه­های عصبی، قادر به تقریب توابع غیر خطی حقیقی پیوسته با دقت دلخواه هستند. باید توجه داشت که علاوه بر سیستم­های فازی، تقریبگر­های عمومی دیگری نیز مانند سری فوریه، توابع لژاندر و چند جمله­ای های چبیشف نیز وجود دارند. در این پایان نامه، از این تقریبگر­ها در کنترل مقاوم موقعیت بازوهای رباتیک استفاده می­شود. مزیت اصلی استفاده از این تقریبگرها نسبت به سیستم­های فازی و شبکه­های عصبی، کاهش فیدبک­های مورد نیاز سیستم کنترل است. تاکنون، برخی از مراجع به استفاده از سری فوریه در کنترل مقاوم بازوهای رباتیک پرداخته­اند. نشان می­دهیم که اگر مسیر­های مطلوب توابع متناوب باشند، کوچکترین مضرب مشترک (ک.م.م.) دوره تناوب اساسی آنها می­تواند معیار مناسبی برای دوره تناوب اساسی سری فوریه مورد استفاده برای تخمین عدم قطعیت­ها باشد. نوآوری دیگر این پایان­نامه ارائه یک اثبات پایداری مبتنی بر لیاپانوف برای کنترل سیستم­های غیرخطی مرتبه اول با استفاده از کنترل­کننده­های عاطفی است. برای اولین بار، قوانین کنترل ولتاژ پیشنهادی، روی یک ربات اسکارا اجرا می­شود.

    کلید واژه­ها: راهبرد کنترل ولتاژ، سری فوریه، توابع لژاندر، کنترل عاطفی، موتور الکتریکی مغناطیس دائم، بازوی ماهر رباتیک.

    مقدمه

     

    مروری بر کارهای گذشته

     اهداف مورد نظر

     ساختار کلی رساله

     

     

     

     

    1-1- مروری برکارهای گذشته

    1-1-1- راهبرد کنترل گشتاور

       با توجه به اینکه بهبود عملکرد سیستم‌های کنترل ربات‌ها تأثیر بسزایی در کیفیت محصولات صنعتی و افزایش راندمان تولید دارد، طراحی سیستم‌های کنترل ربات‌ها همواره یکی از جذابترین حوزه­های تحقیقاتی بوده است. مطالعه سیر تاریخی روش­های کنترلی ارائه شده، پیشرفت­های صورت گرفته در این زمینه را روشن می­سازد.

          بازوهای رباتیک، سیستم­های غیر­خطی چند­متغیره پیچیده با تزویج زیاد هستند. به همین دلیل، محققان روشهای بسیار متنوعی برای کنترل آنها ارائه نموده اند که ساده­ترین آنها، روش­های مبتنی بر مدل هستند. خطی سازی فیدبکی [2-1] محبوب­ترین و پرکاربردترین تکنیک­ برای کنترل سیستم­های غیرخطی است، زیرا با استفاده از آن می‌توان به راحتی دینامیک غیر خطی پیچپده ربات را به معادلات خطی مرتبه دوم تبدیل کرد.  این روش،  در رباتیک به نام‌های گشتاور محاسباتی، دینامیک وارون یا کنترل گشتاور مشهور است. اما موفقیت روش­های مبتنی بر مدل، منوط به در اختیار داشتن مدل دقیق سیستم است. متأسفانه بدست آوردن مدل ریاضی دقیق سیستم­های رباتیک بسیار مشکل، وقت گیر و گاهی غیر‌ممکن می‌باشد. زیرا ممکن است برخی از دینامیک‌های سیستم مانند اصطکاک، تکرار پذیر نباشند یا نتوان مدل دقیقی برای آنها پیشنهاد داد. علاوه بر این، ممکن است پارامترهای مدل سیستم با گذشت زمان یا تحت تأثیر شرایطی خاص تغییر کند. به عنوان مثال، هنگامی که ربات اجسام با جرم­های مختلف را بلند می­کند، مرکز جرم لینک آخر که یکی از پارامترهای دینامیکی ربات می­باشد، تغییر می­کند. به همین دلیل، مدلی که برای سیستم پیشنهاد می­دهیم (مدل نامی)  با مدل واقعی سیستم اختلاف دارد. بنابراین، عدم قطعیت همواره یکی از مهمترین چالش های طراحی سیستمهای کنترل بوده­است. باید توجه داشت که عدم قطعیت در سیستم­های رباتیک معمولاً از نوع غیر­تصادفی فرض می­شود و منظور از آن نامعلوم بودن پارامترهای سیستم، وجود دینامیک­های ناشناخته یا مدل نشده و همچنین اغتشاش خارجی می­باشد.

          برای غلبه ­بر عدم قطعیت ناشی از عدم تطابق مدل، روش­های کنترل تطبیقی و مقاوم [7-3] ارائه شده­اند. کنترل تطبیقی می­تواند اثرات عدم­قطعیت پارامتری را جبران نماید. کنترل مقاوم قادر است علاوه بر عدم­قطیعت پارامتری، عدم قطعیت های ناشی از دینامیک مدل­نشده و اغتشاش خارجی را نیز جبران کند. تحقیقات گسترده‌ای برای طراحی سیستم‌های کنترل تطبیقی ربات های صلب به منظور تضمین پایداری سیستم کنترل و محدود ماندن سیگنال‌های داخلی انجام شده است. اسپانگ طبقه‌بندی جامعی از روش‌های تطبیقی ارائه داده است [8] و آنها را به دو گروه عمده روش‌های مبتنی بر دینامیک وارون و روش‌های مبتنی بر غیرفعال بودن تقسیم می‌‌کند. در تمامی روش‌های فوق فقط عدم قطعیت پارامتری لحاظ شده است. نکته مهم دیگر در مورد روش‌های تطبیقی، تحریک پایا[1] بودن سیگنال‌های تحریک است [7]. در غیر این­صورت، پارامترهای تخمین زده شده به پارامترهای واقعی همگرا نخواهد شد.

          در روشهای کنترل مقاوم، دانستن حدود عدم قطعیت لازم است. حدود عدم قطعیت یکی از چالش­های بسیار مهم در این روشها می­باشد. اگر حدود عدم قطعیت بزرگتر از مقدار واقعی باشد، ممکن است اندازه سیگنال کنترل بیشتر از مقدار مجاز آن شود که در این صورت پدیده اشباع رخ خواهد داد و کنترل کننده قادر به کنترل سیستم نخواهد بود. علاوه بر این، اگر دامنه سیگنال کنترل بیش از حد مجاز باشد، ممکن است به سیستم آسیب برساند، همچنین پدیده لرزش سیگنال کنترل نیز تقویت می­شود. از طرف دیگر، اگر حدود عدم قطعیت کمتر از مقدار واقعی باشد، خطای ردگیری زیاد می­شود و ممکن است منجر به ناپایداری سیستم کنترل شود [11-9]. برخی از روشهای کنترل مقاوم، منجر به قوانین کنترل ناپیوسته می­شوند. به عنوان مثال می­توان به روش کنترل مود لغزشی اشاره کرد [2]. این قوانین، احتمال بروز نوسانات فرکانس بالا (لرزش) در سیگنال کنترل را افزایش می­دهند. لرزش سیگنال کنترل پدیده­ای نامطلوب است که موجب فرسودگی قطعات و تحریک دینامیک های مدل نشده می­شود.

          با ظهور منطق فازی به عنوان یک ابزار توانمند در کنترل سیستمهای نامعین و پیچیده، تحول شگرفی در مهندسی کنترل بوجود آمد. به کمک قوانین فازی می توان سیستم‌هایی را که مدل ریاضی دقیقی از آنها در اختیار نیست، توصیف کرد [12]. روش فازی تطبیقی غیر مستقیم از این ایده استفاده می‌کند [15-13]. ویژگی دیگر منطق فازی، مدلسازی دانش و توانایی انسان به منظور کنترل سیستم‌های پیچیده می باشد که روش فازی تطبیقی مستقیم [17-16] این امکان را فراهم می‌آورد. علاوه بر این، می‌توان روش‌های فازی تطبیقی مستقیم و غیر مستقیم را با هم ترکیب نمود و روشی بدست آورد که عملکرد بهتری داشته باشد [18]. یکی از مهمترین ویژگی های منطق فازی که منجر به استفاده گسترده از آنها در سیستمهای کنترل شده است، ویژگی تقریبگر عمومی بودن سیستمهای فازی است [12]. به همین دلیل در سال‌های اخیر، محققان تمرکز بیشتری روی کنترل فازی داشته‌اند و تلاش‌های فراوانی برای کنترل مقاوم ربات با استفاده از کنترل فازی و شبکه های عصبی صورت گرفته است [35-19]، زیرا ویژگی تقریب عمومی برای انواع مختلف شبکه­های عصبی مانند پرسپترون چند لایه و شبکه­های توابع پایه شعاعی نیز برقرار می­باشد [40-36].  در [19]، از سیستم­های فازی تطبیقی برای جبران عدم قطعیت­ها از قبیل عدم قطعیت پارامتری، اغتشاش خارجی (مانند جرم جسمی که ربات جابجا می­کند)، دینامیک مدل نشده (مانند اصطکاک) و همچنین خطای تقریب سیستم فازی، ارائه شده است. در [20]، روشی برای کاهش تعداد سیستمهای فازی مورد نیاز ارائه شده است. همچنین، نشان داده شده است که چگونه با انتخاب مناسب پارامترهای قانون کنترل می­توان خطای ردگیری را کاهش داد. در [22]، فرض شده است که فیدبک­های سرعت و شتاب در اختیار نیستند و برای تخمین این سیگنالها رویت­گری غیرخطی پیشنهاد شده است. در [26]، برای تقریب دینامیک ربات از شبکه­های عصبی دو لایه استفاده شده است و قوانین تطبیق جدیدی برای تنظیم وزن­های هر دو لایه با استفاده از اثبات پایداری لیاپانوف بدست آمده­اند. اما تعداد ورودی­های شبکه­های عصبی طراحی شده زیاد هستند. این ورودی­ها جریان موتورها، موقعیت و سرعت مفاصل، مسیر مطلوب و مشتقات اول و دوم آن هستند. در این روشها، برای پایداری سیستم کنترل یک تابع لیاپانوف پیشنهاد می­شود و قانون تطبیق پارامترهای سیستم های فازی یا وزن های شبکه های عصبی از شرط منفی معین بودن مشتق تابع لیاپانوف بدست می­آید. برخی از مراجع با استفاده از سیستمهای فازی یا شبکه های عصبی، دینامیک سیستم را تقریب می­زنند و از این تقریب در طراحی قانون کنترل استفاده می­کنند و برخی دیگر کنترل کننده را به صورت یک سیستم فازی یا شبکه عصبی در نظر گرفته و به تنظیم پارامترهای آن با استفاده از قوانین تطبیق بدست آمده می­پردازند. در [41] یک روش فازی تطبیقی جدید و متمایز از این دو روش مرسوم ارائه شده است. در این روش برای سیستم یک مدل نامی در نظر گرفته می­شود و قانون کنترل بر اساس این مدل نامی طراحی می­شود. سپس برای جبران عدم قطعیت ناشی از عدم تطابق مدل نامی و مدل واقعی یک سیستم فازی به قانون کنترل اضافه می­شود. برای اثبات پایداری سیستم از روش مستقیم لیاپانوف استفاده می­گردد و قانون تطبیق پارامترهای سیستم فازی از شرط منفی معین بودن مشتق تابع لیاپانوف استخراج می­شود.

            در سالهای اخیر، روش­های بدون رگرسور و مستقل از مدل در کنترل سیستم­های غیرخطی نامعین مطرح شده­اند [51-42]. دلیل این نامگذاری آن است که در این روش­ها نیازی به مدلسازی ریاضی بازوی رباتیک برای بدست آوردن رگرسورها نداریم. اکثر روشهای مقاوم و تطبیقی که تاکنون ارائه شده­اند، به این مدلسازی برای محاسبه ماتریس رگرسورها نیاز دارند. منظور از مدلسازی بازوی ربات، محاسبه ماتریس اینرسی و بردارهای گشتاورهای گرانشی، کوریولیس و جانب مرکز می­باشد. اما در روشهای بدون رگرسور، این ماتریس­ها با استفاده از سری فوریه یا چند جمله­ای­های لژاندر تخمین زده می­شوند و قانون کنترل از این تخمین­ها استفاده می­کند. قوانین تطبیق ضرایب سری فوریه یا چند جمله­ای­های لژاندر از اثبات پایداری سیستم حلقه بسته استخراج می­شوند. ­در مقایسه با سیستم­های فازی و شبکه­های عصبی، پیاده­سازی روش­های بدون رگرسور ساده­تر می­باشد. دلیل آن نیز کاهش سنسورهای مورد نیاز است. اگر بخواهیم تابع نامعلومی را با استفاده از سیستم­های فازی و شبکه­های عصبی تخمین بزنیم، باید بدانیم آن تابع مورد­نظر چه متغیر­هایی دارد و آن متغیر­ها را به عنوان ورودی به سیستم­ فازی یا شبکه­ عصبی اعمال کنیم. ممکن است فیدبک گرفتن از برخی متغیرها امکان پذیر نباشد یا سیگنال اندازه­گیری شده مانند سیگنال شتاب آغشته به نویز باشد،. در حالی که در روش­های بدون رگرسور نیازی به دانستن این متغیرها و فیدبک گرفتن از آنها نداریم [52].

          در سالهای اخیر، استفاده از رویت­گر برای تخمین سیگنالهای غیر قابل اندازه­گیری و همچنین حذف برخی از سنسور­های مورد نیاز، افزایش یافته است [61-53]. به عنوان مثال، می­توان به رویت­گر تعمیم­یافته حالت و رویت­گر اغتشاش اشاره نمود. در این روش­ها، کنترل­کننده علاوه بر محاسبه قانون کنترل، با فیدبک گرفتن از سیگنال کنترل و خروجی سیستم، سایر متغیرهای حالت و همچنین عدم قطعیت­ها را تخمین­ میزند. اما در این روش­ها فرض می­شود که عدم قطعیت ثابت است یا تغییرات آن بسیار آهسته است. این فرض ممکن است در سرعت­های بالا نقض شود. در حالی­ که در روش­های بدون رگرسور چنین فرضی وجود ندارد که بیانگر برتری این روش­ها نسبت به روش­های مبتنی بر رویتگر می­باشد [52].

    1-1-2- راهبرد کنترل ولتاژ

              اکثر روش‌های قبلی برای کنترل ربات، مبتنی بر کنترل گشتاور است که در آن کنترل کننده، گشتاور ورودی به مفاصل را محاسبه می‌کند. باید توجه داشت که فرمان گشتاور نمی‌تواند مستقیماً به سیستم اعمال شود، چون باید توسط محرک‌های سیستم قدرت لازم فراهم شود و ابتدا باید محرک‌های سیستم طوری تحریک شوند تا گشتاور مطلوب را تولید کنند. بنابراین، سئوالی مطرح می‌شود که آیا کنترل می­تواند از طریق محرک اعمال شود؟ علاوه بر این، بسیاری از روش‌های کنترل گشتاور مانند روش کنترل مقاوم غیر خطی، مبتنی بر مدل دینامیکی بازوی رباتیک هستند که بسیار پیچیده است. بنابراین، حجم محاسبات کنترل کننده در این روش‌ها زیاد است. نکته مهم دیگر، فراهم نمودن فیدبک های مورد نیاز برای پیاده سازی قانون کنترل است. در اکثر روش‌های قبلی، علاوه بر فیدبک موقعیت، فیدبک های سرعت و گاهی شتاب نیز مورد نیاز است. احتمال نویزی بودن این سیگنال‌ها زیاد است و ممکن است موجب تضعیف عملکرد سیستم کنترل شوند.

     

     

    Abstract: This dissertation deals with uncertainty estimation in robust tracking control of robot manipulators using voltage control strategy (VCS). In comparison with torque control strategy (TCS), VCS is simpler and less computational, since it does not need the robot dynamical model. According to the universal approximation theorem, neural networks and fuzzy systems can approximate nonlinear systems with arbitrary small approximation error. However, there are also other approximators such as Fourier series and Legendre polynomials. In this dissertation, these approximators are used in robust tracking control of robot manipulators. The most important advantage of these approximators in comparison with adaptive neuro-fuzzy systems is reducing the number of sensors. Fourier series expansion has been used in some previous related works. However, the suitable value for the fundamental period duration of Fourier series expansion has not been determined. This thesis addresses this issue and intuitively shows that in order to perform repetitive tasks, the least common multiple (LCM) of fundamental period durations of the desired trajectories of the joints is a proper value for the fundamental period duration of the Fourier series expansion. Selecting the LCM results in the least tracking error. Moreover, the truncation error is compensated by the proposed control law to make the tracking error as small as possible. Adaptation laws for determining the Fourier series coefficients are derived according to the stability analysis. Robust control in the task-space is more complicated due to the uncertainties in the Jacobian matrix. In this thesis, based on the VCS, a conventional robust task-space controller is presented. Then, it is modified using Legendre polynomials for uncertainty estimation to reduce the number of sensors. Another novelty of this thesis is presenting a rigorous stability analysis for brain emotional learning control of uncertain nonlinear systems. The proposed controllers based on the VCS in this thesis are expesimentally tested on a real SCARA robot driven by permanent magnet DC motors for the first time.

    Keywords: Voltage control strategy, Fourier series expansion, Legendre polynomials, Emotinal control, permanent magnet DC motors, Robot manipulator

  • فهرست و منابع پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک

    فهرست:

    فصل اول: مقدمه...............................................................................................................................................................1

    1-1- مروری برکارهای گذشته.....................................................................................................................2

    راهبرد کنترل گشتاور.....................................................................................................2

    راهبرد کنترل ولتاژ........................................................................................................6

    کنترل عاطفی...............................................................................................................14

    اهداف مورد نظر.............................................................................................................................16

    ساختار کلی رساله.........................................................................................................................17

    فصل دوم: مروری بر مدلسازی ریاضی بازوهای ماهر مکانیکی.............................................................................19

    ............................................................................................................................................20

    سینماتیکی.....................................................................................................................20

                    2-2-1-سینماتیک مستقیم................................................................................................................20

                     2-2-2-سینماتیک وارون....................................................................................................................28

                    2-2-3-  سینماتیک سرعت و ماتریس ژاکوبین.............................................................................29

              2-3- مدلسازی دینامیکی..............................................................................................................................31

    فصل سوم: راهبرد کنترل ولتاژ....................................................................................................................................35

              3-1- مقدمه......................................................................................................................................................36

              3-2- معادلات حرکت سیستم رباتیک ....................................................................................................37

                3-3-قانون کنترل در راهبرد کنترل ولتاژ................................................................................................39

              3-4- شبیه­سازی سیستم کنترل................................................................................................................41

    3-5-نتیجه­گیری.....................................................................................................................................44

    فصل چهارم: تخمین عدم قطعیت با استفاده از سری فوریه.................................................................................45

    4-1- مقدمه....................................................................................................................................................................46

    4-2- تقریب توابع با استفاده از سری فوریه.............................................................................................................47

    4-3- طراحی کنترل­کننده مقاوم مستقل از مدل....................................................................................................48

          4-3-1- قانون کنترل پیشنهادی.......................................................................................................................49

          4-3-2- تحلیل پایداری......................................................................................................................................51

          4-3-3- تعیین دوره تناوب اساسی سری فوریه..............................................................................................55

    4-4- نتایج شبیه سازی­ها............................................................................................................................................61

           4-4-1- ردگیری مسیرهای سینوسی..............................................................................................................61

           4-4-2- ردگیری مسیرهای متناوب غیر سینوسی........................................................................................64

           4-4-3- سایر دوره­های تناوب...........................................................................................................................67

     

             4-4-4- دوره­های تناوب اصم.......................................................................................................................68

              4-4-5-مسیرهای نامتناوب و اغتشاش خارجی.......................................................................................69

             4-4-6- مقایسه با کنترل­کننده عصبی-فازی..............................................................................................73

    4-5- نتایج آزمایشگاهی...............................................................................................................................................79

             4-5-1- ردگیری مسیرهای سینوسی..........................................................................................................81

            4-5-2- ردگیری مسیرهای مربعی................................................................................................................84

    4-6- مقایسه نتایج شبیه­سازی و آزمایشگاهی........................................................................................................86

    4-7- نتیجه­گیری...........................................................................................................................................................87

    فصل پنجم: تخمین عدم قطعیت در فضای کار با استفاده از توابع لژاندر..........................................................89

          5-1- مقدمه...........................................................................................................................................................90

          5-2- تقریب توابع با استفاده از چند­جمله­ای­های لژاندر..............................................................................91

          5-3- کنترل مقاوم کلاسیک در فضای کار با استفاده از راهبرد کنترل ولتاژ.........................................93

          5-4- تخمین عدم قطعیت با استفاده از چندجمله­ای­های لژاندر...............................................................97

         5-5- نتایج شبیه­سازی........................................................................................................................................100

             5-5-1- کنترل مقاوم کلاسیک..................................................................................................................100

             5-5-2- کنترل مقاوم پیشنهادی با استفاده از توابع لژاندر.....................................................................104

             5-5-3- مقایسه با سایر کنترل­کننده­های مبتنی بر ولتاژ [112]........................................................107

    5-6- نتیجه­گیری.......................................................................................................................................................109

    فصل ششم: کنترل مقاوم سیستمهای غیرخطی مرتبه اول با استفاده از یادگیری عاطفی مغز ...............111

          6-1- مقدمه........................................................................................................................................................112

        6-2- مدلسازی ریاضی یادگیری عاطفی مغز...................................................................................................112

        6-3- طراحی قانون کنترل و اثبات پایداری.....................................................................................................116

        6-4- نتایج آزمایشگاهی.......................................................................................................................................121

       6-5- نتیجه­گیری....................................................................................................................................................124

    فصل هفتم: نتیجه­گیری و پیشنهادات....................................................................................................................127

        7-1-نتیجه­گیری...................................................................................................................................................128

       7-2   پیشنهادات....................................................................................................................................................131

    فهرست منابع................................................................................................................................................................133

    پیوست الف: مدل ریاضی بازوی ماهر اسکارا..........................................................................................................151

             پیوست ب: اثبات لم­های فصل 4................................................................................................................155

              پیوست ج: بوردها .........................................................................................................................................161

     

     

    منبع:

     

     

         Spong M. W., Hutchinson, S., and Vidyasagar M. (2006), “Robot modeling and control”, Wiley, Hoboken.

         Slotine, J. J. and Li, W, (1991), “Applied nonlinear control”, Englewood Cliffs, NJ: Prentice-Hall.

          Qu, Z., and Dawson, D. M. (1996), “Robust tracking control of robot manipulators”, New York: IEEE Press.

          Sage, H.G., De Mathelin, M.F., and Ostertag, E. (1999), “Robust control of robot manipulators: a survey”, Int. J. Control. Vol. 72, No. 16, pp. 1498–1522.

          Abdallah, C., Dawson, D., Dorato, P., Jamshidi, M. (1991), “Survey of robust control for rigid robots”, IEEE Control Syst. Mag., Vol. 11, pp. 24–30.

          Corless M.J., (1993), “Control of uncertain nonlinear systems”, ASME Trans. J. Dyn. Syst. Meas. Control, Vol. 115, No, 2B, pp. 362–372.

         Astrom K. J. and Wittenmark B., (1995), “Adaptive Control”, Addison-Wesley, New York.

         Ortega R., Spong M. W. (1988), “Adaptive motion control of rigid robots: a tutorial” Proceedings of the 27th conference on decision and control, pp. 1575-1584

         Fateh, M. M. (2010). “Proper uncertainty bound parameter to robust control of electrical manipulators using nominal model”, Nonlinear Dynamics, Vol. 61, No. 4, pp. 655–666.

    Fateh M. M., Azargoshasb S. and Khorashadizadeh S. (2014), ‘’Model-free discrete control for robot manipulators using a fuzzy estimator’’, The International Journal for Computation and Mathematics in Electrical and Electronic Engineering, Vol. 33, No. 3, pp. 1-18.

    Fateh, M. M., Ahmadi, S. M., and Khorashadizadeh, S. (2014), “Adaptive RBF network control for robot manipulators”, Journal of AI and Data Mining, In Press.

    Wang L.X., (1994), “Adaptive fuzzy systems and control”, Prentice Hall.

    Wei L., Yang L., Wang H. (2006), “Indirect fuzzy adaptive control for trajectory tracking of uncertain robots”, Electric Machines and control, Vol. 10, No. 4, pp. 393-397.

    Golea N., (2002), “Indirect fuzzy adaptive model-following control for robot manipulators”, Proceedings of the 2002 IEEE international conference on control applications, pp. 198-202.

    Qi R. and Brdys M. A. (2006), “Indirect adaptive fuzzy control for nonlinear systems with online modeling”,  Proc. Internat. Conf. Control, Glasgow,Scotland.

    Hong-rui W., Zeng-wei C., Li-xin W., Xue-jing T., Xiu-ling L., (2007), “Direct adaptive fuzzy control for robots in cartesian space”, Proceedings of Sixth International Conference on Machine Learning Cybernetics, pp. 482-486, Hong Kong.

    Cho, Y.W., Seo, K.S., Lee, H.J., (2007), “A direct adaptive fuzzy control of nonlinear systems with application to robot manipulator tracking control”, Int. J. Control. Autom. Syst, Vol. 5, pp. 630–642.

    Er M. J. and Chin S.H., (2000), “Hybrid adaptive fuzzy controllers of robot manipulators with bounds estimation”, IEEE Trans. Ind. Electrn, Vol. 47, No. 5, pp. 1151-1160.

    Yoo B.K. and Woon C. H., (2000), “Adaptive control of robot manipulators using fuzzy compensator", IEEE Trans. Fuzzy Syst, Vol. 8, No. 2, pp.186-199.

    Kim E., (2004), “Output feedback tracking control of robot manipulators with model uncertainty via adaptive fuzzy logic”, IEEE Trans. Fuzzy Syst, Vol. 12, No. 3, pp. 368-378.

    Ham C. and Qu Z., Johnson R., (2000), “Robust fuzzy control for robot manipulators”, IEE Proc., control theory appl., Vol. 147, No. 2, pp. 212-216.

    Hwang J.P. and Kim E., (2006), “Robust tracking control of an electrically driven robot: Adaptive fuzzy approach”, IEEE Trans. Fuzzy Syst, Vol. 14, No. 2, pp. 232-247.

    Kim V.T., (2002), “Independent joint adaptive fuzzy control of robot manipulators”, The 5th Biannual world automation congress, Vol. 14, pp. 645-652.

    Purwar S., Kar I.N., and Jha A.N., (2005), “Adaptive control of robot manipulators using fuzzy logic systems under actuator constraints”, Fuzzy Sets and Systems, Vol. 152, No. 3, pp. 651-664.

    Wai, R.J., Chen, P.C., (2004), “Intelligent tracking control for robot manipulator including actuator dynamics via TSK-type fuzzy neural network”, IEEE Trans. Fuzzy Syst., Vol.12, pp. 552–560.

    Kwan C., Lewis F.L., and Dawson D.M., (1998), “Robust neural-network control of rigid-link electrically driven robots”, IEEE Trans. Neural Netw., Vol. 9, pp. 581–588.

    Lia, R. J., (2011), “Intelligent controller for robotic motion control,” IEEE Trans. Ind. Electron., Vol. 58, No. 11, pp. 5220–5230.

    Mostefai L., Denai M., Oh S., and Hori, Y., (2009), “Optimal control design for robust fuzzy friction compensation in a robot joint,” IEEE Trans. Ind. Electron., Vol. 56, No. 10, pp. 3832–3839.

    Chang Y.C., Yen H.M., Wu M.F., (2008), “An intelligent robust tracking control for electrically-driven robot systems”, Int. J. Systems Sci., Vol. 39, pp. 497–511.

    Hou, Z. G., Zou, A. M., Cheng, L., and Tan M., (2009), “Adaptive Control of an Electrically Driven Nonholonomic Mobile Robot via Backstepping and Fuzzy Approach”, IEEE Trans. Control Syst. Technol., Vol. 17, No. 4, pp. 803-819.

    Wai R. J., and Muthusamy R., (2013), “Fuzzy-Neural-Network Inherited Sliding-Mode Control for Robot Manipulator Including Actuator Dynamics”, IEEE Trans. Neural Netw. Learn. Syst., Vol. 24, No. 2, pp. 274-287.

    Wai, R. J. and Yang, Z. W., (2008), “Adaptive fuzzy neural network controldesign via a T-S fuzzy model for a robot manipulator including actuator dynamics”, IEEE Trans. Syst., Man, Cybern. B, Vol. 29, No. 5, pp. 583–591. 

    Chen, C. S., (2008), “Dynamic structure neural-fuzzy networks for robust adaptive control of robot manipulators”, IEEE Trans. Control Syst. Technol., Vol. 55, No. 9, pp. 3402–3414.

    Wang, L. Chai, T., and Zhai, L. (2009), “Neural network based terminal sliding-mode control of robotic manipulators including actuator dynamics,” IEEE Trans. Ind. Electron., Vol. 56, No. 9, pp. 3296–3304.

    Yi S. Y., and Chung, M. J., (1997), “A robust fuzzy logic controller for robot manipulators with uncertainties,” IEEE Trans. Syst., Man, Cybern., B, Vol. 27, No. 4, pp. 706–713.

    Gupta, M. M., Jin, L., and Homma, N., (2004), “Static and dynamic neural networks from fundamentals to advanced theory”, John Wiley & Sons.

    Aleksander, I., & Morton, H, (1990), “An introduction to neural computing” (Vol. 3), London, Chapman & Hall

    Kasabov, N. K., (1996), “Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering”, Marcel Alencar.

    Gurney, K., (1997), “An introduction to neural networks”, CRC press.

    Freeman, J. A., and Skapura, D. M., (1991), “Neural networks, algorithms, applications, and programming techniques”, Addison-Wesley Publishing Company, USA.

    Fateh, M.M. and Khorashadizadeh, S., (2012), “Robust control of electrically driven robots by adaptive fuzzy estimation of uncertainty”, Nonlinear Dyn. Vol. 69, pp. 1465–1477.

    Chien, M. C. and Huang, A. C., (2006), “Regressor-Free Adaptive Impedance Control of Flexible-Joint Robots Using FAT,” Proceedings of the 2006 American Control Conference, pp. 3904-3909.

    Chien, M. C., and Huang, A. C., (2012), “Adaptive impedance controller design for flexible-joint electrically-driven robots without computation of the regressor matrix”, Robotica, Vol. 30, pp. 133–144.

    Chien, M. C. and Huang, A. C., (2004), “Adaptive impedance control of robot manipulators based on function approximation technique,” Robotica, Vol. 22, pp. 395–403.

    Chen, P. C., and Huang, A. C., (2005), “Adaptive multiple-surface sliding control of non-autonomous active suspension systems based on function approximation technique,” J. Vib. Control , Vol. 11, pp. 685–706.

    Huang, A. C., Wu, S. C., and Ting, W. F., (2006), “An FAT-based adaptive controller for robot manipulators without regressor matrix: Theory and experiments,” Robotica, Vol. 24, pp. 205–210.

    Huang, A. C. and Liao, K. K., (2006), “FAT-based adaptive sliding control for flexible arms, theory and experiments,” J. Sound Vibration, Vol. 298, pp. 194–205.

    Chien, M. C., and Huang, A.C., (2007), “Adaptive control of electrically-driven robot without computation of regressormatrix,” J. Chin. Inst. Eng., Vol. 30, No. 5, pp. 855–862.

    Chien M. C., and Huang, A. C., (2009), “FAT-Based Adaptive Visual Servoing for Robots with Time Varying Uncertainties,” Proceedings of the IEEE International Conference on Robotics and Automation, pp. 3700–3705.

    Huang, A. C., and Chien, M. C., (2009), “Design of a Regressor-Free Adaptive ImpedanceController for Flexible-Joint Electrically-Driven Robots,” Proceedings of the IEEE International Conference Industrial Electronics and Applications, pp. 17–22.

    Izadbakhsh, A. and Fateh, M. M., (2008), “A Model-Free robust control approach for robot manipulator”, International Journal of Mechanical Systems Science and Engineering, Vol. 1, No.1, pp. 32-37.

    Khorashadizadeh, S., and and Fateh, M. M., (2014), “Robust task-space control of robot manipulators using Legendre polynomials for uncertainty estimtion”, Nonlinear Dyn, doi: 10.1007/s11071-014-1730-5.

    Talole S. E., Kolhe J. P., and Phadke S. B., (2012), “Extended- State-Observer-Based Control of Flexible-Joint System with Experimental Validation”, IEEE Trans. Industrial Electronics, Vol. 57, No. 4, pp. 1411-1419.

    Chen W. H., Ballance D. J., Gawthrop P. J., and O’Reilly J., (2000), “A Nonlinear Disturbance Observer for Robotic Manipulators”, IEEE Trans. Industrial Electronics, Vol. 47, No. 4, pp. 932-938.

    Chen, W. H., (2004), “Disturbance Observer Based Control for Nonlinear Systems”, IEEE/ASME Trans. Mechatronics, Vol. 9, No. 4, pp. 706-710.

    Oya, M., Su, C. Y., and Kobayashi, T., (2004), “State Observer-Based Robust Control Scheme for Electrically Driven Robot Manipulators”, IEEE Trans. Robotics, Vol. 20, No. 4, pp. 796-804.

    Liu, C. S., and Peng, H., (2000), “Disturbance Observer-Based Tracking Control”, Journal of Dynamic Systems, Measurement, and Control, Vol. 122, pp. 332-335.  

    Yang, Z. J., Fukushima, Y., and Qin, P. (2012), “Decentralized Adaptive Robust Control of Robot Manipulators Using Disturbance Observers”, IEEE Trans. Control Syst. Technol., Vol. 20, No. 5, pp. 1357-1365.

    Yih, C. C., (2012), “Extended Nicosia–Tomei velocity observer-based robot-tracking control”, IET Control Theory and Applications, Vol. 6, No. 1, pp. 51-61.

    Wit, C. C. D., and Fixot, N., (1991), “Robot Control via Robust Estimated State Feedback”, IEEE Trans.  Automat. Contr., Vol. 36, No. 12, pp. 1497-1501.

    Kreisselmeier, G., (1977), “Adaptive Observers with Exponential Rate of Convergence”, IEEE Trans.  Automat. Contr., Vol.  AC-22, No.1, pp. 2-8.

    Fateh, M. M., (2008), "On the voltage-based control of robot manipulators", Int. J. Control. Autom. Syst. Vol. 6, No. 5, pp.702–712.

    Fateh, M.M., and Khorashadizadeh, S., (2012), "Optimal Robust voltage control of electrically driven robots", Nonlinear Dyn. Vol. 70, pp. 1445–1458.

    Fateh, M. M. (2009). “Robust Control of Electrical Manipulators by Reducing the Effects of Uncertainties”, World Applied Sciences Journal, Vol. 7, pp. 161-167.

    Fateh, M. M. (2010). “Robust fuzzy control of electrical manipulators”, Journal of Intelligent & Robotic Systems, Vol. 60, No. (3-4), pp. 415-434.

    Fateh, M. M., & Fateh, S. (2013). “Fine-tuning fuzzy control of robots”, Journal of Intelligent and Fuzzy Systems, Vol. 25, No. 4, pp. 977-987.

    Ogata, K. (1995). “Discrete-time control systems” Englewood Cliffs, NJ: Prentice Hall.

    Qi R., Brdys, M. A., (2008), “Stable indirect adaptive control based on discrete-time T–S fuzzy model”, Fuzzy Sets and Systems, Vol. 159, pp. 900 – 925.

    Sun, F., Li. L., Li, H. X., and Liu, H., (2007) “Neuro-Fuzzy Dynamic-Inversion-Based Adaptive Control for Robotic Manipulators—Discrete Time Case”, IEEE Trans. Industrial Electronics, Vol. 54, No. 3, pp. 1342-1351.

    Ge, S. S., Zhang, J., and Lee, T. H., (2004), “Adaptive Neural Network Control for a Class of MIMO Nonlinear Systems With Disturbances in Discrete-Time”,  IEEE Trans. Syst., Man, Cybern., B, Vol. 34, No. 4, pp. 1630–1645.

    Alanis, A. Y., Sanchez, E. N., and Loukianov, A. G., (2007), “Discrete-Time Adaptive Backstepping Nonlinear Control via High-Order Neural Networks”, IEEE Trans. Neural Netw., Vol. 18, No. 4,  pp. 1185–1195.

    Veseli´, B. C., c-Draženovi´, B. P., and Milosavljevi, C., (2010), “Improved Discrete-Time Sliding-Mode Position Control Using Euler Velocity Estimation”, IEEE Trans. Industrial Electronics, Vol. 57, No. 11, pp. 3840-3847.

    Veseli´, B. C., c-Draženovi´, B. P., and Milosavljevi, C., (2008), “High-Performance Position Control of Induction Motor Using Discrete-Time Sliding-Mode Control”, IEEE Trans. Industrial Electronics, Vol. 55, No. 11, pp. 3809-3817.

    Castaneda, C. E., Loukianov, A. G., Sanchez, E. N., and Toledo, B. C.,  (2012), “Discrete-Time Neural Sliding-Mode Block Control for a DC Motor With Controlled Flux”, IEEE Trans. Industrial Electronics, Vol. 59, No. 2, pp. 1194-1207.



تحقیق در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, مقاله در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, پروژه دانشجویی در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, پروپوزال در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, تز دکترا در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, تحقیقات دانشجویی درباره پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, مقالات دانشجویی درباره پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, پروژه درباره پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, گزارش سمینار در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, پروژه دانشجویی در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, تحقیق دانش آموزی در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, مقاله دانش آموزی در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک, رساله دکترا در مورد پایان نامه تخمین عدم قطعیت در کنترل مقاوم موقعیت بازو های رباتیک

ثبت سفارش
تعداد
عنوان محصول
بانک دانلود پایان نامه رسا تسیس