Professional Documents
Culture Documents
Inteligentni Roboti I Sistemi-2001 PDF
Inteligentni Roboti I Sistemi-2001 PDF
Gyula Mester
Drugo izdanje
SADRAJ
Predgovor.......................................................................................................3
Kinematika robota..........................................................................................7
Dinamika robota ............................................................................................75
Klasino upravljanje robota ...........................................................................107
Adaptivno upravljanje robota ........................................................................126
Hibridno upravljanje robota...........................................................................165
Neuronske mree ...........................................................................................181
Fuzzy sistemi upravljanja ..............................................................................203
Genetski algoritmi..........................................................................................242
Fuzzy-genetski sistemi...................................................................................247
Inteligentni sistem vozilo-autoput .................................................................253
Oznake ...........................................................................................................256
1
Predgovor
_______________________________________________________________________________
Predgovor
2
Inteligentni roboti i sistemi
_______________________________________________________________________________
Prema podacima Internacionalnog Saveza Robotiara (IFR), broj robota koji se nalazi
u eksploataciji iznosi 750.000. Aplikacija robota je proirena u autoindustriji, kod
proizvodnje leektronskih delova, u automatizaciji tehnolokih procesa, u mainogradnji i u
procesu bojenja. Roboti u svetu naroito se koriste u tekim, monotonim procesima koji su
tetni za zdravlje oveka.
Sledea tablica daje pregled robota po pojedinim zemljama sveta na kraju 1999. god.:
Osnovne naune discipline koje se koriste pri izuavanju industrijskih robota su:
Mehanika, Teorija upravljanja, Elektronika i Raunarska tehnika.
3
Predgovor
_______________________________________________________________________________
4
Inteligentni roboti i sistemi
_______________________________________________________________________________
esti odeljak prikazuje se nain odredjivanja brzina i ubrzanja pri sloenom kretanju
take. Izvodi se rekurzivni kinematiki model robota, pokretni koordinatni sistemi se
usvajaju prema Denavit-Hertenbergovom postupku.
5
Predgovor
_______________________________________________________________________________
Realizaciji ove knjige su u velikoj meri doprineli i saradnici iz oblasti robotike i Soft
Computing-a Vie tehnike kole u Subotici. Molim itaoce da svoje primedbe i
eventualne ispravke poalju na E-mail adresu autora: gmester@vts.su.ac.yu.
6
Kinematika robota
_____________________________________________________________________________________________________________
1. KINEMATIKA ROBOTA
7
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
SADRAJ
8
Kinematika robota
_____________________________________________________________________________________________________________
LITERATURA .....................................................................................................................72
9
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
z l2
l1
10
Kinematika robota
_____________________________________________________________________________________________________________
l2 z
l1
q
Na sl. 1.3. prikazan je manipulacioni robot tipa Puma sa 6 stepeni slobode kretanja
(svi zglobovi su rotacioni), a na slici 1.4. dat je ematski prikaz ovog robota.
q2
q3
q5
q1
q6
q4
Slika. 1.3. Manipulacioni robot PUMA
11
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
duina segmenata i
mase i
q i-1 qi
Segment i
Zglob i
Zglob (i-1)
12
Kinematika robota
_____________________________________________________________________________________________________________
prost sloen
Kinematiki
lanac
- podela -
otvoren zatvoren
Kod prostog kinematikog lanca nijedan segment ne ulazi u vie od dva kinematika para.
Kod sloenog kinematikog lanca postoji bar jedan segment koji ulazi u vie od dva
kinematika para.
Otvoreni kinematiki lanac poseduje bar jedan segment koji pripada samo jednom
kinematikom paru.
Kod zatvorenog kinematikog lanca svaki segment ulazi u dva kinematika para.
13
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
U fazi prenoenja radnog predmeta kinematika ema se ne menja, ali poslednji lan
lanca - hvataljka i radni predmet zajedno - menja svoje dimenzije i masu, to utie na
promenu dinamike sistema (slika 1.9.).
15
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
16
Kinematika robota
_____________________________________________________________________________________________________________
1 RRR 5 TRR
2 RRT 6 TTR
3 RTT 7 TRT
4 RTR 8 TTT
z1
q2
z0
q1 q3
z2
18
Kinematika robota
_____________________________________________________________________________________________________________
TTT struktura ima tri translatorna zgloba (pravougaona ema). Na slici br. 1.12.
prikazan je primer ovakve minimalne konfiguracije robota sa radnim prostorom. Radni
prostor TTT strukture je kocka ili kvadar.
y
a
o x
Minimalna konfiguracija RTT strukture (cilindrina ema) ima tri zgloba od kojih je
prvi rotacioni a druga dva translatorna. Na slici br. 1.14. prikazan je primer ovakve
minimalne konfiguracije robota sa radnim prostorom.. Radni prostor RTT strukture je
upalj cilindar.
z
y
b
x
o
Kod RRT strukture prva dva zgloba su rotaciona a trei translatorni (sferna ema).
Na slici br. 1.15. prikazan je primer ovakve minimalne konfiguracije robota sa radnim
prostorom. Sada je radni prostor manipulacionog robota uplja lopta.
z
c
y
o
x
20
Kinematika robota
_____________________________________________________________________________________________________________
RRR struktura manipulacionog robota poseduje tri rotaciona zgloba. Na slici br.
1.16. prikazan je primer ovakve minimalne konfiguracije robota sa radnim prostorom.
Radni prostor je lopta.
d
y
o x
21
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
1.2.1. Uvod
Najelementarniji zadatak koji se javlja kod upravljanja robotima je dovodjenje
hvataljke robota eljeni poloaj u radnom prostoru. Jedan od najjednostavnijih zadataka
kod manipulacionih robota je premetanje radnog predmeta iz jedne pozicije u drugu. Na
slici br. 1.17 prikazan je zadatak premetanja radnog predmeta iz poloaja 1 u poloaj 2.
Pri tome je potrebno dovesti hvataljku robota do pozicije u blizini predmeta i orijentisati
hvataljku da moe da uhvati radni predmet. Poloaj manipulacionog robota je dakle,
definisan eljenom pozicijom hvataljke u radnom prostoru i njenom orijentacijom [3].
Pozicioniranje hvataljke
Orijentacija hvataljke
23
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
principu da izvri bilo kakav maniulacioni zadatak, jer moe da realizuje potpuno
pozicioniranje (x,y,z) sa potpunom orijentacijom (,,) (sloeniji zadaci montae,
prenoenja itd.).
z
z'
z'
24
Kinematika robota
_____________________________________________________________________________________________________________
q1
q
(1.1) q = 2
M
q n
q3
q4
q5
q2
q6
q1
25
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
On
yn
xn
z
zn
on
qi yn
xn
z
o
x
y
y
x
Slika 1.22. Spoljanje koordinate hvataljke manipulacionog robota
Ugao skretanja odgovara rotaciji oko ose z nepokretnog sistema, ugao propinjanja
odgovara rotaciji oko novodobijene ose y (posle zakretanja za ugao ), a ugao valjanja
odgovara rotaciji oko novodobijene ose x (sve po pravilu desne ruke) [1].
x
y
z
(1.2) s=
27
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
(1.4) s = f(q)
gde su:
q - vektor unutranje koordinate robota
s - vektor spoljanjih koordinata robota
f: RnRm - nelinearna, neprekidna diferencijabilna vektorska funkcija koja
preslikava unutranje koordinate u spoljanje
q TRANSFORMACIJA s
UNUTRANJIH KOORDINATA U SPOLJANJE
(1.5) q = f -1(s)
s TRANSFORMACIJA q
SPOLJANJIH KOORDINATA U UNUTRANJE
s q3
q
z
zn q4
-1
f q2
q6
q5
yn
xn Tool-Center-Point
(TCP)
q1
y
f
x
1.2.6. Redundantnost
Manipulacioni robot se smatra neredundantnim u odnosu na odredjenu klasu
radnih zadataka opisanih u prostoru spoljanjih koordinata, ako je dimenzija vektora
spoljanjih koordinata m jednaka broju stepeni slobode manipulatora n [1], tj:
m = n.
Ako je:
n>m
manipulacioni robot je redundantan u odnosu na radni zadatak i postoji beskonano mnogo
vektora unutranjih koordinata koji odgovaraju jednom stanju hvataljke.
Ako je pak:
n<m
tada robot ne moe da izvri postavljeni zadatak. U daljem tekstu razmatraemo
problematiku neredundantnih manipulatora.
30
Kinematika robota
_____________________________________________________________________________________________________________
1.3.1. Uvod
Kao to je ve ranije konstatovano, odredjivanje vektora spojanjih koordinata s za
dati vektor unutranjih koordinata q je direktan kinematiki problem. U nekim prostijim
manipulacionim zadacima direktno se zadaju pomeranja u zglobovima. Posmatrajmo
manipulacioni robot na slici 1.26.:
31
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
pokretni u taki Onxzy vezan za hvataljku robota i odredjen jedininim vektorima e1,
e2 i e3 (slika 1.25.).
32
Kinematika robota
_____________________________________________________________________________________________________________
e1x e2x e3 x
(1.6) R = e1y e2 y e3 y matrica rotacije
e1z e2z e3z
zo z
e3 y
e2
On
e1
k x
O
yo
x0
(1.7) r=Rp+k
gde je:
r - vektor poloaja take P u koordinatnom sistemu Oxoyozo,
p - vektor poloaja take P u pokretnom koordinatnom sistemu
k - vektor poloaja take On u koordinatnom sistemu Oxoyozo,
R - matrica rotacije izmedju dva koordinatna sistema
33
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
U relaciji (1.7) vektor poloaja r izrazili smo tako to smo vektor p sa leve strane
pomnoili sa matricom rotacije R i sabrali sa vektorom k. Skalarni oblik izraza (1.7) je:
rx e1x e 2x e 3 x p1 k x
(1.8) r = e e 2y e 3 y p 2 + k y
y 1y
rz e1z e 2z e 3z p 3 k z
zo z
e3
e2 y
On
e1
k
x
P
O
yo
x0
R k
(1.9) H= tj.
000 1
e 1x e 2x e 3x e 4x
e e2y e 3y e 4 y
(1.10) H = 1y
e1z e 2z e 3z e 4z
0 0 0 1
tada se vektorska jednaina (1.7) moe pisati u kompaktnijem obliku:
(1.11) r=Hp
34
Kinematika robota
_____________________________________________________________________________________________________________
Prema tome, ukoliko postoji vie koordinatnih sistema, vektor poloaja neke take
izraava se samo preko proizvoda homogenih matrica transformacije (1.11), umesto preko
sukcesivnog mnoenja i sabiranja kao u relaciji (1.7), pa iz tog razloga homogene matrice
transformacije se redovno koriste pri kinematikom modeliranju manipulacionih robota.
35
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
1.- Koordinatni poetak Oi,xi, yi, zi se postavlja u taku preseka zajednike normale
izmedju ose i-tog i i+1-vog zgloba i same ose i+1-vog zgloba. U sluaju ako se ose
zglobova seku, koordinatni poetak Oi,xi, yizi se postavlja u taku preseka osa,
- osa z1 se poklapa sa osom i+1-vog zgloba,
- osa xi se postavlja du zajednike normale izmedju osa i-tog i i+1-vog zgloba i
orijentisana je od i-tog ka i+1-vom zglobu.
- osa yi zadovoljava uslov: xix yi = zi.
36
Kinematika robota
_____________________________________________________________________________________________________________
ai zi
Oi
di zi-1 yi xi
zi-2 yi-1
xi-1
a i-1 Oi-1
Oi-2
Koordinatni sistem Oi-1xi-1yi-1zi-1 moe sada sa dve translacije i dve rotacije preklopiti
sa koordinatnim sistemom Oixiyizi i to prema sledeim fazama:
1. Rotacija ose xi-1 oko ose zi-1 ugao q i (za translatorni zglob i), sada osa xi-1 postaje
paralelna sa osom x1 (sika 1.30.).
37
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
cos q i sin q i 0 0
sin q cos q i 0 0
(1.13) D(qi) = i
0 0 1 0
0 0 0 1
ai zi
Oi
di zi-1 yi xi
zi-2 yi-1
2. Translacija za di (qi za translatorni zglob) du ose zi-1 do preseka osa zi-1i xi, sada
osa xi-1 se poklapa sa osom xi (slika 1.31.).
38
Kinematika robota
_____________________________________________________________________________________________________________
1 0 0 0
0 1 0 0
(1.14) D(di) =
0 0 1 di
0 0 0 1
xi-1 Oi
di yi xi
zi-2
a i-1 Oi-1
Oi-2
39
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
1 0 0 ai
0 1 0 0
(1.15) D(ai) =
0 0 1 0
0 0 0 1
ai zi-1 zi
yi-1
Oi
xi-1
xi
di yi
zi-2
a i-1 Oi-1
Oi-2
4. Rotacija oko ose xi ya ugao i (po pravilu desne ruke), dolazi do preklapanja
koordinatnih sistema Oi-1xi-1yi-1zi-1 i Oixiyizi (sl. 1.33). Ova rotacija se moe opisati
sledeom homogenom matricom transformacije:
40
Kinematika robota
_____________________________________________________________________________________________________________
1 0 0 0
0 cos sin i 0
(1.16) D( i) = i
0 sin i cos i 0
0 0 0 1
Segment i-1
Segment i
ai i zi, zi-1
Oi
xi, xi-1
di yi, yi-1
zi-2
a i-1 Oi-1
Oi-2
Gore prikazani niz transformacija i rotacija se moe predstaviti kao proizvod sledeih
homogenih matrica transformacije D:
i-1
(1.17) Di = D(qi) D(di) D(ai) D(i)
0 sin i cos i di
0 0 0 1
0 sin 1 cos i qi
0 0 0 1
(1.20) 0
Tn = 0 D1 1 D 2 2 D 3 ...n 2 D n 1 n 1 D
Prve tri kolone homogene matrice tansformacije oTn predstavljaju matricu rotacije
izmedju koordinatnog sistema hvataljke i nepokretnog sistema manipulacionog robota a
etvrta kolona matrice oTn predstavlja projekciju vektora poloaja hvataljke robota u
nepokretnom koordinatnom sistemu tj. Dekartove koordinate vrha manipulatora (poto se
koordinatni poetak n-tog sistema smeta na vrh hvataljke).
42
Kinematika robota
_____________________________________________________________________________________________________________
x
0R y
(1.21.) 0
Tn = n
z
0 0 0 1
Na taj nain kada se odrede Dekartove koordinate vrha hvataljke i tri Eulerova ugla
tada je u potpunosti reen direktan kinematiki problem.
Napomena: Kod manipulacionog robota uglovi i su obino 0o ili 90o, tj. ose
i-1
zglobova su ili paralelne ili upravne tako da se analitiki oblik elemenata Di matrica
(1.18) i (1.19) znatno pojednostavljuje.
43
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
1. Rotacija koordinatnog sistema Onxyz za ugao skretanja oko ose z (slika 1.34.):
z=z'
On
y'
x x' y
Ovoj rotaciji odgovara sledea matrica rotacije R() (direktno se oitava sa slike 1.34.):
cos sin 0
(1.23) R ( ) = sin cos 0
0 0 1
2. Rotacija pokretnog koordinatnog sistema Onx'y'z' za ugao propinjanja oko ose y'
(slika 1.35).
z' z"
y'=y"
On
x'
x"
cos 0 sin
(1.24) R() = 0 1 0
sin 0 cos
45
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
3. Rotacija pokretnog koordinatnog sistema Onx''y''z'' za ugao valjanja oko ose x''
(slika 1.36.):
z"' z"
y'"
On
y"
x''=x'"
1 0 0
0 cos sin
(1.25) R() =
0 sin cos
Navedeni niz rotacija (1), (2) i (3) odgovara sledeem proizvodu matrica transformacija:
(1.26)
o
R n = R ( )R ()R ()
46
Kinematika robota
_____________________________________________________________________________________________________________
z, z'
z''' 1
z"
2
3
On y'''
1
1
2 y', y"
x 2
x' y
3
x", x'"
(1.28)
cos cos cos sin sin sin cos cos sin cos + sin sin
o
R n = sin cos sin sin sin + cos cos sin sin cos cos sin
sin cos sin cos cos
47
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
a.) Mnoenjem obe strane jednaine (1.30) sa sin i (1.31) sa cos oduzimanjem
dobijamo:
e1 y
= arctg + 2k
(1.40) e1 x
48
Kinematika robota
_____________________________________________________________________________________________________________
e1z
= arctg + 2k
(1.42)
e1x cos + e1y sin
e 2 z cos e 3z sin = 0
(1.43)
e 2z
= arctg + 2k
(1.44) e 3z
e2 x
= arctg + + 2 k za = k/2
e2 y
49
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Odredjivanjem:
50
Kinematika robota
_____________________________________________________________________________________________________________
1.4.1. Uvod
Odredjivanje vektora unutranjih koordinata q za zadati vektor spoljanjih koordinata
s je inverzan kinematiki problem.
(1.46) q = f -1(s)
51
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Ako je zadat poloaj vrha tj. pozicija hvataljke (x,y,z) kao i orijentacija hvataljke (,
0
s ) tada je u potpunosti odredjena homogena matrica transformacije Tn izmedju
nepokretnog koordinatnog sistema vezanog za bazu manipulacionog robota i pokretnog
koordinatnog sistema hvataljke tj. n-tog sistema, tako da reavanje inverznog kinematikog
problema moemo predstaviti i na sledei nain:
(1.47) q = f -1(oTn)
1. n = 3
Za manipulacione robote sa tri stepena slobode kretanja, kod kojih se dve ose
zglobova medjusobno seku a dve su paralelne, mogue je dobiti analitiko reenje
inverznog kinematikog problema tj. eksplicitno odrediti unutranje koordinate qi u
funkciji spoljanjih koordinata.
53
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Medjutim ak i kod robota sa tri (proizvoljna) stepena slobode kretanja nije uvek
mogue nai analitiko reenje inverznog kinematikog problema. Dokazano je da se
reavanje inverznog kinematikog problema sa tri stepena slobode moe svesti, u optem
sluaju, na traenje nula jednog polinoma etvrtog stepena, to je medjutim, numeriki
znatno nepovoljnije u odnosu na sluaj kada postoje eksplicitna reenja za svaki ugao
posebno.
2. n = 6
Kod manipulacionog robota sa 6 stepeni slobode kretanja, da bi se dobilo inverzno
reenje u analitikom obliku, potrebno je da se zadatak podeli u dva nezavisna
potproblema:
- prvi potproblem je odredjivanje reenja za unutranje koordinate za prva tri zgloba
q1, q2 i q3, tj. za minimalnu konfiguraciju manipulacionog robota,
- drugi potproblem je odredjivanje preostale 3 unutranje koordinate q4, q5 i q6 koje
su pridruene hvataljci robota.
l3 q3 l4
c q4
q2
z
l2 q1 zc
o y
yc xc
x c = (l3 + l 4 + q 4 )cos q1
(1.48) y c = (l3 + l 4 + q 3 )sin q1
zc = q 2 + l2
=q4
gde su:
s = [x c , y c , z c , ] - vektor spoljanjih koordinata,
T
(1.50) q = f-1(s,qo)
s = f (q )
(1.51)
f
s& = q&
q
f
(1.52) J (q ) =
q
gde je: J(q) Jakobijeva matrica parcijalnih izvoda funkcije f(q) dimenzija nxn.
Relacija (1.53) daje vezu izmedju vektora brzina spoljanjih koordinata s& i vektora
brzina unutrajih koordinata q& . Za zadate brzine spoljanjih koordinata na osnovu relacije
(1.53) treba odrediti brzine unutranjih koordinata:
q& = J 1 (q )s&
(1.54)
Sada se moe odrediti vektor brzina unutranjih koordinata q& 0 za zadato s& 0 , tako to
se za trenutne vrednosti unutranjih koordinata odredi Jakobijan J(q), izvri se inverzija
matrice J(q) i na osnovu (1.54) izraunava q& 0 za zadato s& 0 .
57
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
x&
y& = J q& J D R 3n
(1.55) D
z&
x
= J q& J R 3n
(1.56) y
J
J= D
(1.57)
J
58
Kinematika robota
_____________________________________________________________________________________________________________
z& C = q& 2
& = q& 4
59
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
1.5.1. Uvod
U ovom odeljku posmatraemo sintezu trajektorija manipulacionih robota na
kinematikom nivou u odsustvu poremeaja tj. na nominalnom nivou [1]. Trajektorija
hvataljke robota se moe zadati na razliite naine:
Jedan od naina je preko obuavanja robota, kada operater vodi robot du eljene
trajektorije a upravljaki sistem memorie skup taaka kroz koji robot prolazi.
Ovakav nain zadavanja trajektorije ima niz nedostataka [3].
a. Zadavanje skupa pozicija bilo u prostoru spoljanjih ili unutranjih koordinata kroz
koje hvataljka treba da prodje.
Izbor skupa taaka kroz koje hvataljka treba da prodje je uglavnom odredjen
tehnolokim zahtevima, rasporedom objekata i alata, rasporedom prepreka u radnom
prostoru itd. Zadavanje se obino vri u odnosu na nepokretni koordinatni sistem u bazi
manipulacionog robota. Mogue je naravno ovo zadavanje vriti u odnosu na nekoliko
fiksnih koordinatnih sistema rasporedjenih u prostoru pogodno u odnosu na alate, a zatim
vriti preraunavanje spoljanjih koordinata u odnosu na koordinatni sistem u bazi
manipulatora. Upravljaki algoritmi robota zahtevaju pored sinteze trajektorija i
poznavanje brzina, ugaonih brzina, ubrzanja i ugaonih ubrzanja. Sinteza kretanja izmedju
taaka se obino vri linearno u prostoru spoljanjih ili unutranjih koordinata [3].
s( t ) = s A + ( t )(s B s A ) 0t
(1.61)
61
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
J
(1.63) && = J 1 &s& q& 2
q
q
0
Sada izraunavamo ubrzanje zglobova du zadate trajektorije q&& (t ) ijom
0
integracijom dobijamo brzine q& (t ) du trajektorija zglobova, a integracijom brzine dobija
gde su:
qA i qB vektori unutranjih uglova u poetnoj i krajnjoj taki.
on line
tj. tokom kretanja robota du eljene trajektorije, to zavisi od tipa zadatka i od
mogunosti upravljakog sistema [3].
63
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
64
Kinematika robota
_____________________________________________________________________________________________________________
(1.65) r = h + r
d( )
- diferenciranje po vremenu u odnosu na nepokretni koordinatni sistem,
dt
d ( )
- diferenciranje po vremenu u odnosu na pokretni koordinatni sistem,
dt
dr dh d r
(1.66) = +
dt dt dt
poto je:
dr
(1.67) = v - vektor apsolutne brzine take P, i
dt
d r d r
(1.68) = + xr
dt dt
dh d r
(1.69) v= + xr +
dt dt
d d r
(1.70) a=
dv d 2 h d
dt dt dt
(
= 2 + xr + )
dt dt
65
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
d r
(1.71)
d
dt
(
xr = )
d
dt
xr + x + xr
dt
d d r d 2 r d r
(1.72) = + x
dt dt dt 2 dt
r 2 r d r
(1.73) a=
d 2h
+
& xr
+ x (x r
)
+ + 2 x
dt 2 dt 2 dt
d r
= v r - relativnu brzinu take P,
dt
d 2h
dt 2
( )
& x r + x xr = a p - prenosno ubrzanje take P,
+
d 2 r
= a r - relativno ubrzanje take P, i
dt 2
d r
2x = a c - Coriolis-ovog ubrzanje take P.
dt
Izvedene relacije za brzine i ubrzanja pri sloenom kretanju take iskoristiemo pri
formiranju kinematikog modela robota.
66
Kinematika robota
_____________________________________________________________________________________________________________
& i - apsolutno ugaono ubrzanje segmenta i,
ai
segment i zi vi
ai 1 v i 1
zi-1 ci s-i zglob i+1
*
xi oi yi
p i
yi-1
oi-1 segment (i+1)
xi-1 zglob i
segment (i-1)
pi
pi 1
z0
o0 y0
x0
(1.74) i = i1 + i
d1 d i1 d i
(1.75) = +
dt dt dt
d i
(1.76) =
& i - apsolutno ugaono ubrzanje segmenta i,
dt
d i 1
(1.77) =
& i 1 - apsolutno ugaono ubrzanje segmenta i-1,
dt
d i d i
(1.78) = + i 1 i
dt dt
Zamenom (1.76), (1.77) i (1.78) u (1.75) sledi izraz za apsolutno ugaono ubrzanje
segmenta i:
d i
(1.79) &i =
& i 1 + + i 1 i
dt
Na osnovu relacija (1.69) apsolutna brzina take Oi se moe izraziti na sledei nain:
69
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
d p i
(1.80) v i = v i 1 + i 1 p i +
dt
d 2 p i d p i
(1.81) & i 1 p i + i 1 i 1 p i +
a i = a i 1 + 2
+ 2 i 1
dt dt
Poto je za nulti nepokretan segment kinematikog lanca, tj. za bazu robota koji je
fiksiran na platformi: vo = 0, o = 0,
& 0 = 0 , a uzimanjem u obzir sile tee: ao = g,
(g=9.8062 m/s2) , tada rekurzivni izrazi (1.74), (1.79), (1.80) i (1.81) omoguuju da se
postepeno odrede kinematike veliine kompletnog lanca manipulacionog robota idui od
prvog ka poslednjem segmentu.
Izvedeni izrazi (1.74), (1.79), (1.80) i (1.81) vae samo za kinematiki par sa
rotacionim zglobom, slini izrazi se mogu izvesti i za kinematiki par sa translatornim
zglobom. Moemo medjutim na pogodan nain, pomou tzv. indikatora definisati tip
zglobova kojima su segmenti vezani. Uvedimo u tom cilju niz indikatora i i definiimo ih
na sledei nain [2]:
0, ako je zglob rotacioni
i =
1, ako je zglob translatorni
d i
(1.83) = z i1q
&& i - relativno ugaono ubrzanje segmenta "i", i
dt
70
Kinematika robota
_____________________________________________________________________________________________________________
d p i
(1.84) = i p i
dt
d 2p i d i
(1.85)
dt 2
=
dt
(
p i + i i p i )
rekurzivne izraze (2.10), (2.15), (2.16) i (2.17) koje vae za rotacione i translatorne
zglobove moemo napisati u obliku:
- za ugaone brzine -
(1.86) i = i 1 + z i 1q& i (1 i )
- za ugaona ubrzanja -
(1.87) & i =
&& i + i1 (z i1q& i ) (1 i )
& i1 + z i1 q
- brzina take Oi
(1.88) v i = v i 1 + i x p i + z i1q& i i
- ubrzanje take Oi -
(1.89) a i = a i1 + ( )
& i p i + i i p i + [z i1 q
&& i + 2 i (z i1 q& i )] i
Na osnovu (2.24) i (2.25) brzina v i i ubrzanje ai centa mase i-tog segmenta, koji je
(1.90) v i = v i + i si
(1.91) ai = a i + i si + i ( i si )
Relacije koje opisuju kinematiku kretanja i-tog segmenta potrebna su nam pri
formiranju dinamikog modela manipulatora.
71
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Literatura
2. M. Vukobratovi
Primenjena dinamika manipulacionih robota
Tehnika knjiga, Beograd.
3. M.Vukobratovi, D.Stoki
UPRAVLJANJE MANIPULACIONIM ROBOTIMA
Serija: Osnovi robotike, Tehnika knjiga, Beograd, 1986.
4. V.Potkonjak
ROBOTIKA
Nauna knjiga, Beograd, 1989.
5. Lantos Bla
ROBOTOK IRNYTSA
Akadmiai Kiad, Budapest, 1991.
7. J. Volmer
INDUSTRIEROBOER-ENTWICKLUNG
Hthing,Heidelberg, 1985.
72
Kinematika robota
_____________________________________________________________________________________________________________
8. A. Siegler
ROBOT IRNYTSI MODELLEK
LSI, Budapest, 1987.
11. G. Aonja
PROGRAM ZA SIMULACIJU KRETANJA OSNOVNE KONFIGURACIJE ROBOTA
SCARA, JUROB 89, Zbornik radova, 5,1-5, Opatija, 1989.
12. R. P. Paul
ROBOT MANIPULATORS: MATHEMATICS, PROGRAMMING AND CONTROL
The MIT Press, 1981.
13. J. Lenari
KINEMATICS, ENCYCLOPEDIA OF ROBOTICS
New York, 1988
15. D. E. Whitney
THE MATHEMATICS OF COORDINATED CONTROL OF PROSTHETIC ARMS
AND MANIPULATORS
Journal of Dynamic Systems, Measurement and Control, Vol.122, 303-309, 1982.
73
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
16. Wesley E. S.
INDUSTRIAL ROBOTS
New Jersey, 1985.
17. C. S. G. Lee
ROBOT ARM KINEMATICS
Tutorial on Robotics, IEEE Computer Society, Los Angeles, 1983.
19. R. P. Paul
MANIPLATOR CARTESIAN PATH CONTROL
IEEE, Vol.SMC-9, No11, 702-711, 1979.
74
Dinamika robota
_______________________________________________________________________________
2. DINAMIKA ROBOTA
75
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
SADRAJ
2. DINAMIKA ROBOTA......................................................................................75
LITERATURA .......................................................................................................105
76
Dinamika robota
_______________________________________________________________________________
2.1 UVOD
78
Dinamika robota
_______________________________________________________________________________
1
U anglosaksonskoj literature se koristi naziv: inverzna dinamika.
79
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
fi
(xi-1, yi-1, zi-1)
ci
oi-1 s i
ni oi
p*
i
fi+1
pi-1 (xi, yi, zi)
pi ni+1
z0
o0 y0
x0
80
Dinamika robota
_______________________________________________________________________________
a) Odredjivanje sila
Inercijalne i gravitacione sile koje deluju u centrima masa se odredjuju prema
relaciji:
(2.1) Fi = m i ai i = 1,...., n
a sile kojima i-ti segment deluje na (i-1)-vi se odredjuju na sledei nain:
b) Odredjivanje momenata
Euler-ove dinamike jednaine daju inercijalni moment koji deluje na i-ti segment u
centru mase:
d (J i i )
(2.3) Ni =
dt
(2.4) & i + i (J i i )
N i = J i i = 1,..., n
(
J xx = I xx + m i s iy2 + s iz2 )
J yy = I yy + m (s i
2
ix + s iz2 )
J zz = I zz + m (si
2
ix + s iy2 )
(2.5)
J xy = I xy m i s ix s iy
J xz = I xz m i s ix s iz
J yz = I yz m i s iy s iz
Momenti kojima i-ti segment deluje na (i-1)-vi segment odredjuju se prema sledeem
izrazu:
(2.6) (
n i = n i +1 + p i f i +1 + p i + s i Fi + N i ) i = n,..., i
81
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
i-tog zgloba, mora biti ravan sumi projekcija momenta n i na osu z i 1 . Ako je i-ti zglob
translatoran T, tada on realizuje pomeranje q i jedinica duine u odnosu na sistem
koordinata O i 1 x i 1 y i 1z i 1 du ose z i 1 . U tom sluaju pogonska sila obrazovana tom
zglobu mora biti jednaka sumi projekcije sile f i na osu z i . Na osnovu ovih konstatacija
momenti (sile) optereenja aktuatora se odredjuju prema sledeem izrazu [22]:
(2.7) i = (1 i )n iT z i 1 + i f iT z i 1 i = n ,...,1
82
Dinamika robota
_______________________________________________________________________________
z0
e fn+1
in
nn+1
na
jed
a in e
qi jedn
d i rek t n e
ut
O0 o br n
y0
x0
Slika 2.2. Prikaz toka prorauna prema direktnim i obrnutim rekurzivnim jednainama
83
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
i 1
Neka je R i matrica rotacije reda 3x3, koja preslikava vektore iz koordinatnog
Poto je:
i 1
(2.9) R iT = i R i 1
to sledi:
cos q i sin q i 0
(2.10) i
R 11 = sin q i cos i cos q i co i sin i
sin q i sin c os q i sin i cos i
Umesto odredjivanja:
& i , v i , a i , p i , s i , Fi , N i , f i , n i i i
i ,
i
R o i , i R o
& i , i R o v i , i R o a i , i R o FI , i R o N I , i R o n i i i R o i
84
Dinamika robota
_______________________________________________________________________________
- ugaone brzine::
i
R o i = i R i1 [ i 1
R o i1 + z o q& i (1 i ) ]
- ugaona ubrzanja:
i
& i = i R i 1
R o { i 1
& i 1 + z o q
R o [
&& i + ( i 1
)
R o i 1 (z o q& i ) (1 i )] }
- ubrzanje take O1 :
i
R o a i = i R i 1 i 1 R o a i 1 + i R o ( ) (
& i i R o p i + i R o i ) ( ) [( R i
o i
i
)]
R o p i +
[
+ i R i 1 z o q ( ) (
&& i + 2 i R o i i R i 1 z o q& i i )]
- ubrzanje centra mase i-tog segmenta Ci :
i
R o ai = i R o a i + i R o ( ) (
& i i R o si + i R o
&i ) ( ) [( R ) ( R s )]
i
o i
i
o i
- inercijalni momenti:
i
(
RoNi = i RoJi o Ri )( R & )+ ( R ) [( R
i
o i
i
o i
i
o Ji o Ri )( R )]
i
o i
(2.13) i = (1 i ) i R o n i ( ) (R
T i
) (
z + i R ofi
i 1 o )(R
T i
i 1 o z i )
85
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
gde je:
z o =(0,0,1)T
i
R o si - centar mase i-tog segmenta u sistemu koordinata O i x i y i z i
i
R op i - vektor relativnog poloaja poetka koordinatnog sistema O i x i y i z i izraen
ai
i
R o p i = d i sin i
d i cos i
i
R o J i o R i - matrica inercije i-tog segmenta izraena u sistemu koordinata
Oi x i yi zi .
Standarni vid poetnih uslova sa uzimanjem u obzi dejstva sile tee je sledei:
o =
& o = vo = 0 ;
ao = g x , g y , g z T
Tako smo dobili, sa raunske take gledita, efikasnije jednaine kretanja, koje
predstavljaju sisteme direktnih kinematikih i obrnutih dinamikih rekurzivnih jednaina i
koje omoguavaju izraunavanje kinematikih i dinamikih parametara kretanja svakog
segmenta robota u sistemu koordinata vezanih sa tim segmentom. Prikazani postupak je
naroito pogodan za aplikaciju na raunaru i u dananje vreme predstavljaju najefikasniju
metodu za dinamiko modeliranje robota [22].
86
Dinamika robota
_______________________________________________________________________________
gde je:
T kinetika energija manipulacionog robota,
- potencijalna energija robota,
i pogonski moment/sila,
qi unutranja koordinata.
87
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
m3
q2
lc2
c2
lc1
c1 o2 q1
mm
o1 X
Z, z0, z1 z2 z3, z4
c1 c2
1 1
(2.15) T1 = J1q& 12 + m1 v c21
2 2
88
Dinamika robota
_______________________________________________________________________________
1 1
(2.16) T2 = J 2 (q& 12 + q& 22 ) + m 2 v c21
2 2
1
(2.17) T3 = 2
m m v 01
2
1
(2.18) T4 = 2
m 3 v 02
2
Za sastavljanje izraza za kinetiku energiju mehanizma robota:
(2.19) T = T1 + T2 + T3 + T4
potrebno je izraziti apsolutne brzine taaka pomou ugaonih brzina zglobova robota:
(2.20) v c1 = l c1q& 1
v 01 = l1q& 1
v c 2 = l12 q& 12 + 2l1l c 2 q& 1 (q& 1 + q& 2 ) cos q 2 + l c22 (q& 1 + q& 2 ) 2
T=
1
2
[
J1q& 12 + m1l c21q& 12 + J 2 (q& 1 + q& 2 ) 2 +]
[ ]
+ m 2 l12 q& 12 + 2l1l c 2 q& 1 (q& 1 + q& 2 ) cos q 2 + l c22 (q& 1 + q& 2 ) 2 + m m l12 q& 1 +
[
+ m 3 l1q& 12 + 2l12 q& 1 (q& 1 + q& 2 ) cos q 2 + l 22 (q& 1 + q& 2 ) 2 ]
Potencijalna enegija robota se sastoji od:
89
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
d T T
(2.27) + = i i = 1, 2
dt q& i q i q i
sa elementima matrice:
H(q)1,1 H(q)1,2
(2.29) H (q) =
H(q) 2,1 H(q) 2,2
90
Dinamika robota
_______________________________________________________________________________
(2.30)
H(q)1,1 = J 1 + J 2 + m1l c1
2
(
+ m 2 l12 + l c2
2
) (
+ 2l1l c2 cos(q 2 ) + m 3 l12 + l 22 + 2l1l 2 cos(q 2 ) + m m l12 , )
H(q)1,2 = J 2 + m 2 l c2
2
( ) (
+ l1l c2 cos(q 2 ) + m 3 l 22 + l1l 2 cos(q 2 ) , )
H(q) 2,1 = J 2 + m 2 l c2
2
( ) (
+ l1l c2 cos(q 2 ) + m 3 l 22 + l1l 2 cos(q 2 ) , )
H(q) 2,2 = J 2 + m 2 l c2
2
+ m 3 l 22 .
g (q )
(2.33) g (q) = 1
g 2 (q )
(2.34)
g 1 (q ) = m 1 gl c1 cos(q 1 ) + m 2 g(l1 cos(q 1 ) + l c2 cos(q 1 + q 2 )) + m m gl1 cos(q 1 ) + m 3 g(l1 cos(q 1 ) + l 2 cos(q 1 + q 2 ))
g 2 (q ) = m 2 gl c 2 cos(q 1 + q 2 ) + m 3 gl 2 cos(q 1 + q 2 )
q q& &q&
(2.35) q = 1 q& = 1 && = 1
q = 1
q 2 q& 2 &q& 2 2
91
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
(2.36)
J1 + J 2 + m1l c1
2
(
+ m 2 l12 + l c2
2
) ( )
+ 2l1l c2 cos(q 2 ) + m 3 l12 + l 22 + 2l1l 2 cos(q 2 ) + m m l12
2 2
J1 + m 2 (l c 2 + l1l c 2 cos q 2 ) + m 3 (l 1 l 2 cos q 2 + l 2 )
(
J 2 + m 2 l c22
) ( )
+ l1l c2 cos(q 2 ) + m 3 l 22 + l1l 2 cos(q 2 ) &q&1
+
J 2 + m 2 l c2 + m 3l 2
2 2 &q& 2
+ m 3g(l1cos(q1 ) + l 2 cos(q1 + q 2 )) 1
=
2
Ako se robot, prikazan na slici 2.3. kree samo u horizontalnoj ravni, tada isti
predstavlja osnovnu konfiguraciju SCARA robota sa dva stepena slobode kretanja, n=2,
tako da je vektor gravitacionih momenata g(q)=0.
Pogonski momenat P1 oko i-tog zgloba izaziva kretanje i-tog zgloba sa ubrzanjem q&&1
zavisno od momena inercije celog pokretnog dela mehanizma oko i-tog zgloba. Ovaj
momenat inercije je sloena funkcija trenutnih koordinata svih zglobova mehanizma posle
i-tog zgloba. Pored sopstvenog momenta inercije i-tog zgloba (J1,J2) na kretanje i-tog
zgloba utiu jo i unakrsni inercialni lanovi koji predstavljaju uticaje ubrzanja ostalih
zglobova mehanizma robota posle i-tog zgloba. Unakrsni inercijalni lanovi su takodje
sloene funcije trenutnih koordinata mehanizma. Uporedjenjem izraza (2.28) i (2.36), sledi
zakljuak da izraz za inercijalnu matricu H(q) koja je funcija vektora unutranjih
koordinata u konkretnom glasi:
92
Dinamika robota
_______________________________________________________________________________
(2.37)
J1 + J 2 + m1l c1
2
(
+ m 2 l12 + l c2
2
) ( )
+ 2l1l c2 cos(q 2 ) + m 3 l12 + l 22 + 2l1l 2 cos(q 2 ) + m m l12
H (q) =
(
J 2 + m 2 l c2
2
) ( )
+ l1l c2 cos(q 2 ) + m 3 l 22 + l1l 2 cos(q 2 )
(
J 2 + m 2 l c2
2
) ( )
+ l1l c2 cos(q 2 ) + m 3 l 22 + l1l 2 cos(q 2 )
J 2 + m 2 l c2
2
+ m 3 l 22
Pored toga na kretanje i-tog zgloba utiu i momenti usled ugaonih brzina zglobova,
takozvani Coriolis-ovi i centrifugalni momenti koji su srazmerni proizvodu ugaonih brzina
zglobova tako da je vektor Coriolis-ovih i centrifugalnih efekata u navedenom primeru:
93
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
(2.40) = H (q )q
&& + h(q, q& )
gde je:
=(1 , 2 ,... n )T - vektor pogonskih momenata ili sila dimenzija n x 1
H (q ) - inercijalna matrica dimenzija nxn koja je funkcija vektora unutranjih
koordinara mehanizma robota q.
q =(q 1 , q 2 ,...q n )T - vektor unutranjih koordinata dimenzija nx1.
(2.41) = H (q )q
&& + q& T C(q )q& + g(q )
Pogonski momenat oko i-tog zgloba izaziva kretanje i-tog zgloba sa ubrzanjem &q& i
zavisno od momenta inercije celog pokretnog dela mehanizma robota oko i-tog zgloba.
Ovaj momenat inercije je sloena funkcija trenutih koordinata svih zglobova mehanizma
posle i-tog zgloba. Pored sopstvenog momenta inercije i-tog zgloba, na kretanje i-tog
zgloba utiu i unakrsni inercijalni lanovi koji predstavljaju uticaje ubrzanja ostalih
94
Dinamika robota
_______________________________________________________________________________
zglobova mehanizma robota posle i-tog zgloba. Unakrsni inercijalni lanovi su takodje
sloene funkcije trenutnih koordinata mehanizma. Pored toga na kretanje i-tog zgloba utiu
i momenti usled brzina zglobova, tkzv. Coriolisovi centrifugalni momenti koji su
srazmerni proizvodu brzina zglobova. Najzad, na moment oko i-tog zgloba utie i
gravitacioni moment koji deluje na i-ti zglob i koji je, u optem sluaju takodje sloena
funkcija svih koordinata mehanizma robota. Prema tome, inercijalna matrica H (q ) i vektor
h(q, q& ) =q& T C(q )q& + g(q ) mogu biti veoma sloene nelinearne funkcije svih koordinata
mehanizma [3].
95
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
di R
(2.42) u = LR + R i R + c E N q&
dt
96
Dinamika robota
_______________________________________________________________________________
gde je:
u upravljaki napon na ulazu u rotor [V],
LR induktivnost namotaja rotora [H],
iR upravljaka struja rotora [mA],
R otpor rotora [ ],
cE konstanta prporcionalnosti elektromotorne sile [V/s-1],
q& - ugana brzina izlaznog vratila reduktora [s-1],
N prenosni odnos reduktora.
i
R
L
u zglob
reduktor robota
Nq , N q& q , q&
97
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
gde je:
J dijagonalna matrica momenta inercije rotora servomotora (i zupanika reduktora)
dimenzija nxn [kgm2]
Bm dijagonalna matrica koeficijenta viskoznog trenja dimenzija nxn [Nm/s-1],
- vektor momenta optereenja zgloba robota dimenzija nxn [Nm],
m vektor pogonskog momenta servomotora dimenzija nxn [Nm].
Veza izmedju pogonskog momenta servomotora i struje rotora je:
(2.44) m = cm i R
gde je:
cm dijagonalna matrica koeficijenta proporcionalnosti pogonskog momenta
dimenzija nxn.
Zamenom izraza (2.44) u izraz (2.43) sledi matrina jednaina dinamike ravnotee u
obliku:
qi
(2.46) x& = q& i
i Ri
Relacije (2.42) i (2.45) se mogu napisati u prostoru stanja u sledeoj matrinoj formi [2]:
gde je:
98
Dinamika robota
_______________________________________________________________________________
u mi za u i u mi
(2.48) N(u i ) = u i za u mi u i u mi
u za u i u mi
mi
to znai da amplituda ulaza ne moe prei neku maksimalnu vrednost umi prema
slici (2.5.). Napon ui je veliina koju moemo menjati i predstavlja upravljaku
promenljivu, tako da menjanjem napona upravljamo kretanjem robota.
N(ui)
umi
ui
-umi
0 0
1 0 0
1
B cM N
(2.49) A 1 = 0 m , b 1 = 0 , f1 =
J J J
c N R 1 0
0 E
L L L
99
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
i model aktuatora u prostoru stanja (2.47) postaje matematiki model drugog reda u
kome su matrice sistema:
0 1 0 0
(2.51) A i = c c N
, b =
2 2 , f =
0 M E
i
cM N i 1
J R JR J
100
Dinamika robota
_______________________________________________________________________________
(2.52) i = R 1 (u c E Nq& )
relacija 2.53, tj. kompletan dinamiki model mehanizma i aktuatora robota moe da se
napie u jednostavnijem obliku:
101
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
102
Dinamika robota
_______________________________________________________________________________
START
ULAZ
Zadavanje kinematikih i dinamikih parametara robota
H(q)
odredjivanje matrice inercije
h(q,q)
odredjivanje vektora
t
odredjivanje pogonskih momenata na zglobovima robota
IZLAZ
END
103
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
104
Dinamika robota
_______________________________________________________________________________
Literatura
105
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
12. R.P.Paul
ROBOT MANIPULATORS: MATHEMATICS, PROGRAMMING AND CONTROL
The MIT Press, 1981.
106
Klasino upravljanje robota
_____________________________________________________________________________________________________________
107
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
SADRAJ
108
Klasino upravljanje robota
_____________________________________________________________________________________________________________
3.1 UVOD
3. Egzekutivni nivo upravljanja realizuje pozicije zglobova robota koje zadaje vii
taktiki nivo upravljanja.
Moemo zakljuiti da svi industrijski roboti danas imaju bar egzekutivni nivo
upravljanja (upravljanje u unutranjim koordinatama), a veina robota u eksploataciji i
taktiki nivo upravljanja tj. mogunost zadavanja spoljanjih koordinata hvataljke
(upravljanje u spoljanjim koordinatama) a tendencija razvoja ogleda se u ostvarivanju
strategijskog nivoa upravljanja. U zavisnosti od konkretnog zadatka, operater preko
odgovarajueg programskog jezika kojim komunicira sa upravljakim sistemom, zadaje
zadatke koje robot treba da izvri, a strategijski nivo treba da isplanira svaki pokret
hvataljke robota u spoljanjim referentnim koordinatama off-line pre izvrenja zadatka ili
on-line tj. u toku rada robota.
109
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
s& d = Jq& d
(3.1)
&& d + J& q& d
&s&d = Jq
zglobova q d :
q d = f 1 (s d )
q& d = J 1s& d
(3.2)
&& d = J 1 (&s& J& q& d )
q
f Robot
trajektorija
kinematika
Planiranje
Inverzna
1
J
&s&d q
&&d q
&&
J&
1
J
Povratne sprege
111
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
gde je:
vektro pogonskih momenata,
kp dijagonalna matrica pozicionog pojaanja,
kv dijagonalna matrica brzinskog pojaanja,
qd vektor referentne (nominalne) unutranje koordinate (pozicije) zglobova,
q vektor stvarne pozicije zglobova,
q& d vektor referentne (nominalne) brzine zglobova.
112
Klasino upravljanje robota
_____________________________________________________________________________________________________________
qd
- kp(qd-q)
+ kp
q
Robot
+
q, q& , q
&&
q&
q& d = k p (qd q) + k v (q& d q& )
+ kv
k v(q& d -q& )
-
113
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
dinamikim spregama i
modela dinamike robota (2.40) mogu sraunati referentni (nominalni) pogonski momenti
d koje treba ostvariti u zglobovima da bi se zglobovi kretali po eljenim referentnim (a ne
stvarnim) trajektorijama:
(3.4) && d ) = H (q d )q
d (q d , q& d , q && d + h(q d , q& d )
(3.5) = d (q d , q& d , q
&& d ) + k p (q d q) + k v (q& d q& )
gde je :
vektor pogonskih momenata,
d vektor pogonskih momenata sraunat na bazi referentog modela (ukupnog
modela sistema za referentne vrednosti unutranjih koordinata),
kp dijagonalna matrica pozicionog pojaanja,
kv dijagonalna matrica brzinskog pojaanja,
qd vektor referentne (nominalne) unutranje koordinate (pozicije) zglobova,
q vektor stvarne pozicije zglobova,
q& d vektor referentne (nominalne) brzine zglobova.
q& vektor stvarne brzine zglobova,
-
qd
kp(qd-q)
+ kp
q
q
&&d d = d (q d ,q& d , q
&&d )
Robot Robot
+
q d , q& d , q
&&d q, q& , q
&&
q&
&d
+ kv
k (&d &)
-
Slika 3.3. Blok ema dinamikog upravljanja robota na bazi referentnog modela na
egzekutivnom nivou
115
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Inverzna kinematika
q
&s&d q
&&d d = d (q d ,q& d , q
&&d )
Robot Robot
J-1, J +
q d , q& d , q
&&d q, q& , q
&&
q&
s& d q& d
J-1 + kv
k v(q& d -q& )
Slika 3.4 Blok ema dinamikog upravljanja robota na bazi referentnog modela na
strategijskom/taktikom nivou
tano poznavanje parametra robota, to nije uvek sluaj, pa je efikasnost ove metode
upravljanja ograniena ak i u pogledu kompenzacije referentnog sprezanja izmedju
zglobova robota,
116
Klasino upravljanje robota
_____________________________________________________________________________________________________________
(3.6) = H (q)q
&& * + h(q, q& )
(3.7) && * = q
q && d + k p (q d q) + k v (q& d q& )
gde je:
H(q) inercijalna matrica sraunata na osnovu izmerenih tj. stvarnih vrednosti
koordinata zglobova q,
h(q, q& ) vektor Coriolis-ovih, centrifugalnih i gravitacionih momenata sraunat na
osnovu izmerenih tj. stvarnih vrednosti koordinata zglobova q i ugaonih brzina
zglobova q& ,
kp dijagonalna matrica pozicionog pojaanja,
kv dijagonalna matrica brzinskog pojaanja,
qd vektor referentne (nominalne) unutranje koordinate (pozicije) zglobova,
q vektor stvarne pozicije zglobova,
q& d vektor referentne (nominalne) brzine zglobova.
q& vektor stvarne brzine zglobova,
q
&& d vektor referentnog (nominalnog) ugaonog ubrzanja zglobova.
117
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Osnovna ideja ove metode je da direktno ukljui dinamiki model robota u zakon
upravljanja (3.6). Kod inverzne metode dinamikog upravljanja, upravljaki sistem robota
na osnovu informacija sa senzora o koordinatama q i ugaonim brzinama q& zglobova
sraunava matricu H(q), vektor h(q, q& ) i generie pogonske momente na osnovu zakona
upravljanja (3.6). Inverzna metoda dinamikog upravljanja (kod krutog modela robota):
obezbedjuje kompenzaciju za promenljive Coriolis-ove, centrifugalne i
gravitacione momente,
pojaanja povratnih povratnih sprega se direktno podeavaju prema promenama
matrice inercije H(q) robota u toku izvravanja pokreta,
uveden je predkompenzacioni signal po referentnom ubrzanju q
&& * u cilju
-
qd kp(qd-q)
+ kp
q
q
&&d q
&& *
Robot Robot
+
q, q& , q
&& * q, q& , q
&&
q&
q& d
+ kv
k v(q& d -q& )
Slika 3.5. Blok ema dinamikog upravljanja robota na bazi inverzne metode na
egzekutivnom nivou.
118
Klasino upravljanje robota
_____________________________________________________________________________________________________________
sd qd kp(qd-q)
f + kp
Planiranje trajektorija
Inverzna kinematika
q
&s&d q
&&d q
&& *
Robot Robot
J-1, J +
q, q& , q
&& * q, q& , q
&&
q&
s& d q& d
J-1 + kv
k v(q& d -q& )
Slika 3.6. Blok ema dinamikog upravljanja robotom na bazi inverzne metode na
strategijskom/taktikom nivou.
tano poznavanje parametara robota, to nije uvek sluaj, jer realno postoje
strukturne i nestrukturne neodredjenosti tj. egzistiranje nemodelirane dinamike
robotskog sistema (elastini uredjaji, umovi itd.), i
119
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
2. inverzne metode;
i to za upravljanje u unutranjim koordinatama na egzekutivnom i taktikom nivou za
modifikovani trapezoidni profil promene brzine. Potrebno je izabrati matricu pozicionog kp
i brzinskog pojaanja kv tako da se postigne zadovoljavajue praenje trajektorija pri
noenju korisnog tereta u radu robota.
period AB
&q& d max
qd = t 3 + q A1
3T1
&q& r max
(3.8) q& d = t2
T1
2&q& d max
&q& d = t
T1
120
Klasino upravljanje robota
_____________________________________________________________________________________________________________
period BC
&q& d max q& d2 max
qd = t + &q& d max t 2 q& d max t +
3
+ q A1
3T1 3q& r max
&q& d max
(3.9) q& d = t 2 + 2&q& d max t + q& d max &q& d max T1
T1
2&q& d max
&q& d = t + 2&q& d max
T1
period CD
q& d2 max
q d = q& d max t + q A1
&q& d max
&q& d = 0
period DE
&q& d max q& d2 max &q& d max (T1 + T2 ) 2
qd = t + q& d max t
3
+ q A1 t+
3T1 &q& d max T1
&q& d max (T1 + T2 ) &q& d max (T1 + T2 ) 3
+ t2 +
T1 3T1
t + q A1
T1 &q& d max
121
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
S, q
i i
0 A B C D E F t
S, q
i i
0 A B C D E F t
S, q
i i
0 A B C D E F t
[ ]
l1 (m 2 l c2 + m 3l 2 ) q& 22d sin(q 2d ) + m1gl c1 cos(q1d ) + m 2 g(l1cos(q1d ) + l c2 cos(q1d + q 2d )) + m m gl1 cos(q1d ) +
[
2 d = J 2 + m 2 lc2
2
( ) ( )]
+ l1lc2cos(q 2d ) + m 3 l 22 + l1l 2cos(q 2d ) &q&1d + J 2 + m 2lc2
2
[
+ m 3l 22 &q&2 d + ]
+ [l1 (m 2lc2 + m3l 2 )q& 1sin(q 2d )]q& 1d + m 2glc 2 cos(q1d + q 2 d ) + m 3gl 2 cos(q1d + q 2 d ) +
[l (m l
1 2 c2 ]
+ m 3l 2 )q& 22d sin(q 2d ) + m1glc1 cos(q1d ) + m 2 g[l1cos(q1d ) + +lc2cos(q1d + q 2d )] +
[
2 r = J 2 + m 2 l c2
2
( ) ( )][
+ l1l c2 cos(q 2r ) + m 3 l 22 + l1l 2 cos(q 2r ) &q&1r + k p1 (q 1r q 1 ) + k v1 (q& 1r + q& 1 ) + ]
[J 2 + m 2 l c2
2
][ ]
+ m 3 l 22 &q& 2 r + k p 2 (q 2r q 2 ) + k v 2 (q& 2r + q& 2 ) + [l1 (m 2 l c2 + m 3 l 2 )sin(q 2r )]q& 1 +
m 2 gl c 2 cos(q 1r + q 2 r ) + m 3 gl 2 cos(q 1r + q 2 r )
123
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
LITERATURA
2. M. Vukobratovi, D. Stoki
UPRAVLJANJE MANIPULACIONIM ROBOTIMA
Serija: Osnovi robotike, Tehnika knjiga, Beograd, 1986.
3. Lantos Bla
ROBOTOK IRNYTSA
Akadmiai Kiad, Budapest, 1991.
4. R. P. Paul
ROBOT MANIPULATORS: MATHEMATICS, PROGRAMMING AND CONTROL
The MIT Press, 1981.
6. Duko Kati
"ALGORITAM UPRAVLJANJA MANIPULACIONIM ROBOTIMA NA BAZI
UENJA POMOU MODELA NEURONSKE MREE"
Zbornik VI Jugoslovenskog simpozijuma za primenjenu robotiku i fleksibilnu
automatizaciju, str.179-186, Novi Sad, 1989. god.
124
Klasino upravljanje robota
_____________________________________________________________________________________________________________
125
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
126
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
SADRAJ
LITERATURA ..............................................................................................................162
127
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
4.1.1. Uvod
Klasini zakoni dinamikog upravljanja industrijskih robota pri praenju
kontinualnih trajektorija podrazumevaju dva pristupa [14]:
129
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Tada, prema Arimotu (1985 god.), matematiki model robota moemo napisati u
sledeem modifikovanom obliku:
(4.2) && r ) p=
Y(q, q& , q& r , q
gde je:
Y(q, q& , q& r , q
&& r ) - matrica regresor koja se formira na osnovu krutog modela
mehanizma robota,
p - vektor nepoznatih parametara robota (geometrijske veliine, mase, momenti
inercije) reda m,
q& r - "referentna brzina":
q& r = q& d (q q d )
(4.3)
&&r = q
q &&d (q& q& d )
130
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
(4.5) (q)q
=H (q, q& )q& + g (q) k s
&& r + C r D
gde je:
kD - dijagonalna matrica pojaanja.
(4.6) && r ) p = H
Y ( q, q& , q& r , q && r + C (q, q& ) q& r + g (q)
(q )q
q&
q&
+ k
r
D
q d , q& d , q
&& d q& r = q& d (q q d ) q& r , q
&& r
&& r = q
q && d (q& q& d )
q, q&
p
p& = Y T (q, q& , q
&& r )(q& q& r ) && )p
Y(q, q& , qr + ROBOT
q m
q& m
Slika 4.1. Blok ema adaptivnog pozicionog upravljanja krutog robota u unutranjim
koordinatama.
(q, q& ), g (q) matrice i vektore iz H(q), C(q, q& ), g(q) matrica i vektora
(q), C
H
dobijamo, ako vektor nepoznatih parametara robota p zamenimo vektorom parametara
estimacije p . Kod sastavljanja matrice regresora dovoljno je poznavati referentni vektor
ubrzanja q
&& d a nije potrebno poznavati vektor stvarnog ubrzanjak q
&& !
131
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
(4.7) V(t) =
2
[
1 T ~ T 1 p
s Hs + p ~ ]
(4.8) ~ = p p
p
(4.9) V
2
[
& (t) = s T Hs& + 1 s T H
&s +p ]
~ T 1 p
~&
Izrazimo li lan H q
&& prema (4.1) :
q
& ( t ) = sT H
(4.14) V [ q& + g k s + Cq& Cq& Cq& g Hq
&&r + C r D r r
1 &
&&r + s T H
2
] [
s +~ ]
p T 1~
p&
(4.15) V [q
& (t) = s T H && r Hq q& Cq& + g k s + Cq& Cq& g + 1 s T H
&& r + C r r D r
2
] [
&s +p ]
~ T 1 p
~&
~
H=H H
~
(4.16) C=C C
~
g = g g
(4.17) ~
& (t) = s T H
V [
q
~
&& r + Cq& r + ~ ] [
1 & (q)s + p
g k D s + Cs + s T H
2
]
~ T 1 p
~&
Uzimajui u obzir:
~ ~
(4.18) Y~
p = Hq&& r + Cq& r + ~
g
(4.19) V D
2
[
~ k s] s T Cs + 1 s T H
& ( t ) = s T [Yp ] ~ T 1 p
& (q)s + p ~&
(4.20) V D
2
[
~ k s] + 1 s T H
& ( t ) = s T [Yp ]~ T 1 p
& 2C s + p ~&
[ ]
& 2C s nula, to relacija (4.20) se pojednostavljuje:
Poto je s T H
(4.21) ~+p
& ( t ) = s T k D s + s T Yp
V ~ T 1 p
~&
133
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
(4.22) & ( t ) = s T k s + p
V D (
~ T 1 p
~& + + Y T s )
odakle sledi:
(4.24) & = s T k s 0
V D
134
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
4.2.1. Uvod
Elastina svojstva robota potiu od elastinosti:
zglobova i
segmenata.
136
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
gde je:
qRn vektor unutranjih koordinata zgloba robota dimenzija nx1,
Leva strana matrine jednaine (4.25) opisuje dinamiku krutog robota. U ovom
izrazu moment na elastinom zglobu ustvari je pogonski moment krutog robota. Matrina
jednaina (4.26) opisuje dinamiku servomotora. U ovom izrazu moment na elastinom
zglobu jednak je momentu optereenja servomotora.
gde je:
Y(q, q& , q& r , q
&& r ) - matrica regresor koja se formira na osnovu krutog modela robota,
137
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
(4.29) = FF + PD + e
prvi deo je adaptivni lan koji se formira na osnovu krutog modela robota i koji
kompenzira dinamiku robota (feedforward control):
FF = Y(q, q& , q& r , q
&& r )p
&& r ) p = H
Y(q, q& , q& r , q && r + C (q, q& ) q& r + g (q)
(q) q
138
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
gde je:
=diag(g1, g2, g3 ) simetrina, pozitivno definitna dijagonalna matrica pojaanja,
estimacijom parametara robota prema relaciji (4.32) on-line menjamo adaptivni zakon
(q, q& ), g (q) matrice i vektore iz H(q), C(q, q& ), g(q) matrica i
(q), C
upravljanja. H
vektora dobijamo, ako vektor nepoznatih parametara robota p zamenimo vektorom
parametara estimacije p . Vano je konstatovati da primena predloenog adaptivnog
algortima upravljanja (4.30) iziskuje i promenu koncepcije merenja, poto kod
industrijskih robota, senzori za merenje koordinata i brzina su locirani kod servomotora, a
ovde je potrebno meriti koordinatu i brzinu na zglobu robota!vektort q
&& ! Blok ema
predloenog adaptivnog pozicionog algoritma upravljanja u unutranjim koordinatama data
je na slici 4.3., gde je posebno naznaen nain kompenzacije uticaja elastinosti u
zglobovima robota.
q&
q&
+ k
r
D
q d , q& d , q
&& d q& r = q& d (q q d) q& r , q
&& r
&& r = q
q &&d (q& q& d)
p
q, q&
p& = Y (q, q& , q
T
&& r )(q& q& r ) && )p
Y(q, q& , qr + ROBOT
q m
q& m
Kompenzacija
elasticnosti
ke +
N 1
Slika 4.3. Blok ema adaptivnog upravljanja pozicijom robota sa elastinim zglobovima.
139
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
56001 XTAL
ROM RAM
ADDRESS BUS
DATA BUS
EPLD EPLD
D/A D/A
JOINT 1 JOINT 2
A m1
B m1
A m2
B m2
m1 m2
A1
B1
A2
B2
i*d1 i*d 2
0 1/t 0 1/t
i*q 1 i*q 2
m1 m2
j m 2/3 j m 2/3
e e
i*a i*b i*c i*a i*b i*c
ib ib
CURRENT CURRENT
REGULATORS ic REGULATORS ic
CRPWM
INVERTER
T1-T6 CRPWM
INVERTER
T1-T6
+ +
1 3 5 1 3 5
4 6 2 4 6 2
1 m1 2 m2
SM SM
3 3
R1 GEAR 1 Rm 1 R2 GEAR 2 R m2
R1, R2 , Rm1, R m 2 : RESOLVERS
140
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
Slika 4.5. Prikaz SCARA robota sa dva elastina zgloba i 4 stepena slobode kretanja
m1l c1
2
+ m 2 (l12 + 2l1l c2 cosq 2 + l c2
2
) + I1 + I 2 2
m 2 (l c2 + l1l c2 cosq 2 ) + I 2 &q&1
&& +
m 2 (l c2 + l1l c2 cosq 2 ) + I 2
2 2
m 2 l c2 + I2 q 2
(4.33)
m 2 l1l c2 q& 2 sinq 2 (2q& 1 + q& 2 ) 1
+ =
m 2 l1l c2 q& 12 sinq 2 2
Matricu regresor reda 2x3 na osnovu modela (4.33) moemo napisati u obliku:
Y11 = &q& r1
Y12 = (&q& r1 + 0.5&q& r 2 ) cos q 2 (q& r1 + 0.5q& r 2 )q& 2 sin q 2
Y13 = &q& r 2
(4.36)
Y21 = 0
Y22 = 0.5(&q& r1 cos q 2 + q& r1q& 1 sin q 2 )
Y23 = &q& r1 + &q& r 2
142
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
(4.41) [(&q& + 0.5&q& r2 )cosq 2 (q& r1 + 0.5q& r2 )q& 2 sinq 2 ](q& 1 q& r1 ) +
p& 2 = g 22 r1
+ 0.5(&q& r1cosq 2 + q& r1q& 1sinq 2 )(q& 2 q& r2 )
p& 3 = g 33 [&q& r2 (q& 1 q& r1 ) + (&q& r1 + &q& r2 )(q& 1 q& r1 )]
prvi segment
masa m1 = 12 kg,
duina l1 = 0.6 m,
poloaj centra mase od prvog zgloba lc1 = 0.3 m,
drugi segment
masa m2 = 6 kg,
duina l2 = 0.4 m,
poloaj centra mase od drugog zgloba lc2 = 0.2 m,
143
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
0.01
0
-0.01 0 0.25 0.5 0.75 1 1.25 1.5 1.75
-0.02
-0.03
-0.04
-0.05
145
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
147
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
III sluaj:
Ako promenimo masu radnog predmeta sa m3= 0.25 kg na m3= 2 kg, promenu krutosti
u vremenu pri sprezanju sa 3% na 10%, tada nakon izvrene simulacije (sa modifikovanom
metodom) dobijamo sledee dijagrame:
149
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
4.2.6 Zakljuak
Prikazana je nova koncepcija adaptivnog upravljanja robota krutim segmentima i
elastinim zglobovima u unutranjim koordinatama pri praenju nominalnih trajektorija sa
kompenzacijom elastinih uticaja u zglobovima robota. Rezultati izvedene simulacije na
SCARA robotu sa dva elastina zgloba i 4 stepena slobode kretanja potvrdjuju opravdanost
predloene metode.
150
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
4.3.1. Uvod
U prethodnom poglavlju razmatrali smo adaptivno upravljanje pozicijom SCARA
robota sa dva elastina zgloba. Celishodno je takodje da se izvri sinteza adaptivnog
upravljanja kompletnog industrijskog robota. U ovom poglavlju razmotriemo adaptivno
poziciono upravljanje SCARA robota sa 4 elastina zgloba i sa 8 stepeni slobode kretanja.
Pri aplikaciji algoritma adaptivnog upravljanja potrebno je poznavati matematiki model
manipulacionog robota dok nije potrebno unapred poznavati parametre robota poto se on-
line estimiraju.
lc1 l1
l2 q3
lc2
m3
J3
m1
J1 m2
q1
q2 J2 m4
J4
q4
151
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
(4.42) = FF + PD + e
gde je:
p - vektor parametara estimacije,
&& r ) p = H
Y(q, q& , q& r , q && r + C (q, q& ) q& r + k e q& r + g (q)
(q) q
stvarnog ubrzanjak q
&& !
152
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
q&
q&
+ k
r
D
q d , q& d , q
&& d q& r = q& d (q q d ) q& r , q
&& r
&& r = q
q && d (q& q& d )
q, q&
p
p& = Y T (q, q& , q
&& r )(q& q& r ) && )p
Y(q, q& , q r + ROBOT
q m
q& m
Kompenzacija k
e q& m
elasticnosti ke e
N 1
Slika 4.23. Blok ema adaptivnog pozicionog algoritma upravljanja SCARA robota sa
elastinim zglobovima u unutranjim koordinatama.
(4.46)
I1 + I 2 + I 3 + I 4 + m1l c1 2
+ m 2 (l12 + 2l1l c2 cosq 2 + l c2
2
) + (m 3 + m 4 )(l12 + 2l1l 2 cosq 2 + l 22 )
I 2 + I 3 + I 4 + m 2 (l c2
2
+ l1l c2 cosq 2 ) + (m 3 + m 4 )(2l1l 2 cosq 2 + l 22 )
0
- I4
I 2 + I 3 + I 4 + m 2 (l c2
2
+ l1l c2 cosq 2 ) + (m 3 + m 4 )(l1l 2 cosq 2 + l 22 ) 0 - I 4 &q&1
I 2 + I 3 + I 4 + m 2 l c2
2
+ (m 3 + m 4 )l 22 0 - I 4 &q& 2
+
0 (m 3 + m 4 ) 0 &q& 3
- I4 0 I 4 &q& 4
(4.47) && )p =
Y(q, q& , q (7)
p = [p1 p7 ]
T
(4.48) p2 p3 p4 p5 p6
gde je:
154
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
p1=J1+J2+J3+J4+m1lc12+m2(l12+lc22)+(m3+m4)(l12+l22)
p2=2[m2l1lc2+l1l2(m3+m994)]
p3=J2+J3+J4+m2lc22+(m3+m4)l22
p4=m3+m4
(4.49) p5= J4
p6=ke1
p7=ke2
p8=ke3
p9=ke4
napisati u obliku:
155
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
q3=-0 q3=0.1 m,
156
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
prvi segment
masa m1=12 kg,
duina l1=0.6 m,
poloaj centra mase od prvog zgloba lc1=0.3 m,
R3=0.142 m.
etvrti segment
masa m4= 1 kg,
lc1 l1
l2 q3
lc2
m3
J3
m1
J1 m2
q1
q2 J2 m4
J4
q4
159
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
160
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
4.3.4. Zakljuak
Prikazano je adaptivno poziciono upravljanje SCARA robota sa 4 elastina zgloba i 8
stepeni slobode kretanja u unutranjim koordinatama. Upravljaki algoritam kompenzira
elastine uticaje u zglobovima i obezbedjuje dobro praenje kontinualnih trajektorija.
Rezultati izvedene simulacije potvrdjuju opravdanost predloene metode.
161
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
LITERATURA
[ 1 ] Slotine J. J. E., Li W.
"ON THE ADAPTIV CONTROL OF ROBOT MANIPULATROS"
The International Journal of Robotics Researh, Vol. 6, No. 3, pp. 49-59, 1987.
[ 2 ] Slotine J. J. E., Li W.
"ADAPTIV MANIPULATOR CONTROL: A CASE OF STUDY"
IEEE Transactions on Automatic Control, Vol. 33, No. 11, pp. 995-1003, 1988.
[ 3 ] Slotine J. J. E.,
"PUTTING PHYSICS IN CONTROL - THE EXAMPLE OF ROBOTICS"
IEEE Control Systems Magazine, pp. 12-18, 1988.
[ 8 ] Lantos Bla
"ROBOTOK IRNYTSA"
Akadmiai Kiad, Budapest, 1991.
162
Adaptivno upravljanje robota
_____________________________________________________________________________________________________________
[ 14 ] Duko Kati
"ALGORITAM UPRAVLJANJA MANIPULACIONIM ROBOTIMA NA BAZI UENJA POMOU
MODELA NEURONSKE MREE"
Zbornik VI Jugoslovenskog simpozijuma za primenjenu robotiku i fleksibilnu automatizaciju, str.179-186,
Novi Sad, 1989. god.
163
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
[18] B. Lantos
IDENTIFICATION AND ADAPTIVE CONTROL OF ROBOTS
Mechatronics, Vol. 3, No. 2, p.p. 149-166, 1993.
[20] B. Lantos,
IDENTIFICATION AND ADAPTIVE CONTROL OF ROBOTS,
Mechatronics, Vol. 3, No. 2, p.p. 149-166, 1993.
[21] M. W. Spong,
MODELING AND CONTROL OF ELASTIC JOINT ROBOTS,
ASME J. DYNAMIC SYSTEMS MEASUREMENTS CONTROL, Vol. 109, p.p. 310-319, 1987.
164
Hibridno upravljanje robota
_____________________________________________________________________________________________________________
165
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
SADRAJ
LITERATURA ..............................................................................................................178
166
Hibridno upravljanje robota
_____________________________________________________________________________________________________________
5.1.1. Uvod
Arhitektura hibridnog upravljanja obuhvata upravljanje pozicijom i silom. Prema
tome u upravljaki algoritam, pored upravljanja pozicijom, u skladu sa ogranienjima
okoline inkorporira se i upravljanje silom. Razvoj algoritama hibridnog upravljanja
robotima u kontaktnim zadacima predstavlja savremenu istraivaku oblast u robotici. Kod
hibridnog upravljanja pozicijim i silom, upravljanje se realizuje u dva ortogonalna
podprostora u zavisnosti od radnog zadatka tj. pojedini stepeni slobode hvataljke upravljaju
se po sili, a pojedini po poziciji. U ovom poglavlju se istrauje adaptivno dinamikog
hibridno upravljanje robota sa elastinim zglobovima koja omoguuje praenje
kontinualnih trajektorija u pojedinim pravcima a u drugim upravljanje po sili pri
ogranienom kretanju hvataljke.
gde je:
n
qR vektor unutranjih koordinata dimenzija nx1,
Kada hvataljka robota dolazi u kontakt sa okolinom tada nastaju sile reakcije i
elastine deformacije. Model radne okoline je esencijalan za analizu i projektovanje
168
Hibridno upravljanje robota
_____________________________________________________________________________________________________________
(5.3) F = k pf (s s d )
gde je:
s-vektor spoljanjih koordinata robota reda nx1,
sd-vektor spoljanjih koordinata take dodira izmedju vrha robota i povrine reda
nx1,
kpf je matrica krutosti povrine i davaa sile reda nxn.
trei lan je linearni korekcioni lan koji zavisi od ugaone brzine servomotora i
ugaone brzine zgloba robota i slui za kompenzaciju elastinih uticaja u
zglobovima robota,
169
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
gde je:
Y(S, q, q& , q
&& r ) - matrica regresor koja se formira na osnovu krutog modela mehanizma
robota,
p vektor estimacije nepoznatih parametara robota (geometrijske veliine, mase,
momenti inercije) reda m,
kd, , ke dijagonalne matrice pojaanja,
S=diag (si) dijagonalna matrica selektivnosti iji i-ti elemenat na dijagonali ima
vrednost Si=1 ako se i-ti stepen slobode hvataljke robota upravlja po poziciji,
odnosno vrednost Si=0 ako se i-ti stepen upravlja po sili. Pomou ove matrice
selektivnosti upravljanje se realizuje u dva ortogonalna podprostora u zavisnosti od
radnog zadatka tj. pojedini stepeni slobode hvataljke upravljaju se po sili a pojedini
po poziciji. Vano je napomenuti da u jednom pravcu je mogue je samo jedna vrsta
upravljanja!
(5.5)
{ }
&& r = J 1 &s&d + (s& d s& ) J& J 1 [s& d + (s d s )]
q
e = J 1 [Jq& s& d + (s d s )]
Fd + kD + IS J T (q )
sd s&d &s&d
e
e = J 1 [ Jq& s& d + (sd s )] kD
q&
q, q& q, q& m
s&
s
f
Kompenzacija q&
elasticnosti
ke +
N 1
q& m
Dinamiki model krutog mehanizma robota je dat prema relaciji (4.33), parametre
robota biramo prema relaciji (4.34), matrica regresor reda 2x3 je dat relacijom (4.35) zakon
171
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Masa tereta je: 0.25 kg. Referentna vrednost normalne sile na povrinu: Fd=10 N.
Vreme simulacije je 1 s. Period estimacije parametara iznosi: T=0.001 s, (1000 Hz),
Pojaanja su sledea: kd(40,40), (40,40), ke(1000,1000), (20,20,20), kf (40,0.1),
kpf (10000,0), kvf (0.5,0).
0.25
0.2
0.15
0.1
yd
0.05 y
0
0 0.25 0.5 0.75 1
-0.05
14
12
10
8
6 Fd
4 F
2
0
0 0.25 0.5 0.75 1
5.1.5. Zakljuak
Dat je prikaz hibridnog upravljanja pozicijom i silom osnovne konfiguracije SCARA
robota sa elastinim zglobovima (sa dva zgloba i 4 stepeni slobode kretanja). Zakon
hibridnog upravljanja je adaptivni po poziciji i neadaptivni po sili i kompenzira elastine
efekte u zglobovima robota. Na osnovu prezentovanih rezultata simulacije prikazano je da
predloeni algoritam adaptivnog hibridnog upravljanja pozicijom i silom omoguuje
zadovoljavajue praenje referentne trajektorije i upravljanje silom.
173
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
5.2.1. Uvod
U prethodnom odeljku razmatrali smo hibridno upravljanje osnovne konfiguracije
SCARA robota sa elastinim zglobovima. (dva rotaciona zgloba sa 4 stepeni slobode
kretanja). Vano je medjutim da se analizira hibridno upravljanje kompletne konfiguracije
industrijskog robota. U ovom odeljku prouavamo hibridno upravljanje pozicijom i silom
SCARA robota sa 4 elastina zgloba i 8 stepeni slobode kretanja. Pri tome i upravljanje
pozicijom i upravljanje silom ima adaptivni karakter. Pri aplikaciji upravljakog algoritma
potrebno je poznavati matematiki model robota, medjutim:
parametre robota i
174
Hibridno upravljanje robota
_____________________________________________________________________________________________________________
trei lan je linearni korekcioni lan koji zavisi od ugaone brzine sevomotora i
slui za kompenzaciju elastinih uticaja u zglobovima robota.
Fe = k fe (q 3 q 3d )
(5.10)
gde je:
kfe matrica krutosti povrine i davaa sile na vrhu robota dimenzija nxn.
Adaptivni zakon upravljanja silom za trei translatorni zglob SCARA robota glasi:
(5.11) [
&& + F& + k (F F )
F = Fe + p 8 (q& 3 Rq& m3 ) p 4 (g + k vf q& 3 ) + +p 10 F d 0 d f d e ]
A zakon estimacije parametara robota i krutosti povrine i davaa sile na vrhu
hvataljke je:
175
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
gde je:
Fd , F& d , &F&d - referentna sila i njene derivacije,
Predpostaviemo da se sila reakcije koja se javlja pri kontaktu menja prema jednaini
cikloide:
Fd () 2t 2t
(5.14) Fd ( t ) = sin( )
2
4x9 je dat na osnovu relacije (4.50 i 4.51), adaptivni zakon estimacije parametara p robota
se usvaja prema (4.53). Parametri simulacije su sledei:
Upravljanje pozicijom
176
Hibridno upravljanje robota
_____________________________________________________________________________________________________________
Upravljanje silom
Ako kod SCARA robota pri ogranienom kretanju hvataljke primenimo predloeni
zakon hibridno adaptivnog upravljanja pozicijom i silom, tada u sluaju upravljanja pozicijom
rezultati su identini kao u poglavlju 4. i to prema slikama 4.23-4.32. Na slici 5.5. moemo
videti promenu referentne i stvarne sile F pri adaptivnom upravljanju silom.
5.2.5. Zakljuak
Prikazano je hibridno upravljanje pozicijom i silom kompletne konfiguracije SCARA
robota sa elastinim zglobovima (sa 4 zgloba i 8 stepeni slobode kretanja). Zakon
hibridnog upravljanja je adaptivni i po poziciji i po sili i kompenzira elastine efekte u
zglobovima robota. Na osnovu prezentovanih rezultata simulacije prikazano je da
predloeni algoritam adaptivnog hibridnog upravljanja pozicijom i silom omoguuje vrlo
dobro praenje referentne trajektorije i upravljanje silom.
177
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
LITERATURA
[3] J. J. Slotine,
"PUTTING PHYSICS IN CONTROL -THE EXAMPLE OF ROBOTICS",
IEEE Control Systems Magazine, pp. 12-18, 1988.
[9] I. Rudas, Gy. Mester, "INDUSTRIAL ROBOT CONTROL IN CASE OF UNCERTAIN DYNAMICAL
PARAMETERS" Proceedings of IEEE/RSJ International Workshop on Intelligent Robots and Systems, Vol.
2, p.p. 937-942 IROS '91., 1991. Osaka, Japan.
[15] B. Lantos,
IDENTIFICATION AND ADAPTIVE CONTROL OF ROBOTS,
Mechatronics, Vol. 3, No. 2, p.p. 149-166, 1993.
[16] M. W. Spong,
MODELING AND CONTROL OF ELASTIC JOINT ROBOTS,
ASME J. DYNAMIC SYSTEMS MEASUREMENTS CONTROL, Vol. 109, p.p. 310-319, 1987.
[21] Gy. Mester, Sz. Pletl, G. Pajor, "ADAPTIVE CONTROL OF RIGID-LINK FLEXIBLE-JOINT
ROBOTS", 3rd International Workshop on Advanced Motion Control, Berkeley, California, USA, 1994.
[24]Gyula Mester
"Adaptive Force and Position Control of Rigid Link Flexible- Joint Scara Robots",
Proceedings of the IECON'94, IEEE, Bologna, 3, str. 1639-1644, 1994.
[25]Djula Meter, Silvester Pletl, Gizela Pajor, "ADAPTIVNO DINAMIKO HIBRIDNO UPRAVLJANJE
INDUSTRIJSKIH ROBOTA SA ELASTINIM ZGLOBOVIMA", Zbornik XX Jugoslovenskog kongresa
teorijske i primenjene mehanike, Kragujevac, 1993.
180
Neuronske mree
_____________________________________________________________________________________________________________
____________________________________________________________________
6. NEURONSKE MREE
__________________________________________________________
181
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
SADRAJ
6. NEURONSKE MREE...............................................................................................181
LITERATURA ..............................................................................................................201
182
Neuronske mree
_____________________________________________________________________________________________________________
6.1. Uvod
183
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
184
Neuronske mree
_____________________________________________________________________________________________________________
185
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Faza uenja je vremenski gledano due traje, a faza generalizacije obuhvata brzu
obradu signala.
6.2.2. Neuron
Neuron je osnovni graditeljski element neuronske mree. Ima vie ulaza i jedan izlaz.
Nelinearno ponaanje neurona obezbedjuje tkzv. funkcija aktivacije (obino sigmoidalna
funkcija). Na slici 6.1. prikazana je ema neurona:
y1 w1
y2 w2
+1
O
yi wi 0
N
(6.1) h = w i yi
i =1
Nakon sumiranja ovako formiranih ulaznih signala, rezultujui h signal prolazi kroz
funkciju aktivacije, koja ulazni signal sabija izmedju vrednosti 0 i 1 (ovim se ostvaruje
automatska kontrola ulaznog signala):
1
(6.2) O=
1 + e h
Ulazni sloj slui samo za distribuciju signala do sledeeg sloja (ne vri obradu
signala). Izmedju ulaznog i izlaznog sloja moe biti jedan ili vie skrivenih slojeva. U
najveem broju sluajeva koristimo jedan skriveni sloj.
187
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Na sledeoj slici se prikazuje jedna troslojna neuronska mrea. ulazni sloj ima tri
neurona, skriveni dva a izlazni sloj sadri jedan neuron.
188
Neuronske mree
_____________________________________________________________________________________________________________
V2
y3
O2
y4 W23
V3
w35
y5
yk wjk Vj Wij Oi
Cilj uenja je ustvari podeavanje teinskih faktora izmedju neurona na taj nain da
vektor na ulazu stvara eljeni vektor na izlazu. Na poetku procesa uenja svi teinski
faktori se moraju tako inicijalizirati da budu mali sluajni brojevi (izmedju 0 i 1).
189
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Prolaz napred:
Cilj prolaza napred je odredjivanje izlaznog vektora neuronske mree na lsedei
nain.
- na osnovu ulaza u neuronsku mreu, primenom aktivacijske funkcije u skrivenom sloju
izraunava se izlaz iz skrivenog sloja,
- izlaz iz skrivenog sloja postaje ulaz u izlazni sloj,
- primenom aktivacijske funkcije u izlaznom sloju izraunava se vrednost izlaza iz
neuronske mree.
(6.4) hj=wjkyk
(6.5) Vj=g(hj).
(6.6) hi=WijVj
(6.7) Oi=g(hi)
Prolaz unazad:
Cilj prolaza unazad je podeavanje teinskih faktora neuronske mree. Polazi se od
izlaza iz neuronske mree i primenom tkzv. delta pravila podeavamo prvo teinske
faktore izmedju izlaznog i skrivenog sloja, pa u sledeem potezu takodje izmedju
skrivenog i ulaznog sloja. Postupci podeavanja ovih teinskih faktora se razlikuju
medjusobno.
190
Neuronske mree
_____________________________________________________________________________________________________________
gde je:
- faktor brzine uenja,
i - propagirana greka unazad.
(6.9) i = g (h i )[ i O i ]
191
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
6.3.1. Uvod
U poglavlju je predloena forma upravljanja SCARA robota sa elastinim zglobovima u
unutranjim koordinatama pri praenju nominalnih trajektorija a na egzekutivnom hijerarhijskom
nivou primenom modela neuronske mree kao kontrolera u otvorenoj grani [1]. Upravljanje se
predlae primenom poznate metode propagacije greke unazad. Neuronska mrea, koja je strogo
determinisana prema obliku dinamikog modela krutog robota slui kao generator inverznog
dinamikog modela za formiranje dinamikog predkompenzatora (feedforward control) . Kod
predloene forme hibridnog upravljanja sa PD regulatorom i kompenzatorom elastinih uticaja u
zglobovima, nije potrebno poznavati dinamike parametre, ali je potrebno poznavati dinamiki
model krutog robota.
Verifikacija predloene nove forme upravljanja pri sintezi trajektorija sa cikloidnim profilom
brzine, prikazana je rezultatima simulacije SCARA robota sa elastinim zglobovima.
192
Neuronske mree
_____________________________________________________________________________________________________________
sa 'referentnim' koordinatama:
1 1
Y11 = &q& r1 Y12 = (&q& r1 + &q& r 2 ) cos q 2 (q& r1 + q& r 2 )q& 2 sin q 2
2 2
6
(6.17) h j = w jk Y1k ; j = 1,..,6
k =1
4 h j
s 1 e s
(6.18) Vj = 4h j j = 1,..,6
2
1+ e
s
194
Neuronske mree
_____________________________________________________________________________________________________________
(6.22) W1 j = 11 Vj ; j = 1,..,6
1 2
Y22 = (&q& r1 cos q 2 + q& r1 sin q 2 ) Y23 = &q& r1 + &q& r 2
2
7
(6.25) h j = w jk Y2 k ; j = 7,..,10
k =1
(6.28) W2 j = 2 Vj j = 7,..,10
8
(6.31) h j = w jk Y3k j = 11, 12
k =1
12
(6.32) O 3 = W3 j Vj = 3FF
j=11
(6.34) W3 j = 3 Vj j = 11, 12
9
(6.37) h j = w jk Y3k j = 13, 14
k =1
14
(6.38) O 4 = W4 j Vj = 4 FF
j=13
(6.40) W4 j = 4 Vj j = 13, 14
198
Neuronske mree
_____________________________________________________________________________________________________________
Neuronski
kontroler
Kompenzacija
elasticnosti
199
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
0.12
0.1
0.08 qd30
q30
0.06
0.04
0.02
0
0 0.25 0.5 0.75 1
d e lta q 3 0
0.00006
0.00004
0.00002
0
0 0.25 0.5 0.75 1
-0.00002
-0.00004
-0.00006
-0.00008
-0.0001
0.25
dqd30
dq30
0.2
0.15
0.1
0.05
0
0 0.25 0.5 0.75 1
-0.05
LITERATURA
[2] Horvth Gbor,"Neurlis hlzatok s mszaki alkalmazsaik" Budapesti Mszaki Egyetem, Budapest,
1995.
[3] Lantos Bla, "Neurlis rendszerek", Budapesti Mszaki Egyetem, Budapest, 1995.
[4] M. Kawato, K. Furukawa and R. Suzuki, A Hierarchical Neural-Network Model for Control and Learning
of Voluntary Movement, Biological Cybernetics, 57, pp. 169-185, 1987.
[6] Duko Kati, Sinteza neronskog kontrolera za hibridno upravljanje manipulacionim robotima
XXXVI konferencija ETAN-a, Zbornik radova, 191-198, 1992.
[7]S. P. Chan, Real Time Control of Robot Manipulator Using a Neural Network Based Learning Controller
Proceedings IECON'93, pp. 1825-1830, Hawaii, USA, 1993.
201
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
[8]Narpat S. Gehlot and Pablo J. Alsina, A comparasion of control strategies of Robotic Manipulators using
Neural Networks, Proceedings of the IECON'92, pp.688-693, San Diego, USA, 1992.
[9] Marzuki Khalid and Shigeru Omatu, Control of Real-Time Processes Using Backpropagation Neural
Networks, Proceedings of the IECON'91, pp. 1443-1448, Kobe, 1991.
[10] J. Tanomaru and S. Omatu, Towards Effective Neuromorphic Controllers, Proceedings of the
IECON'91, pp. 1395-1400, Kobe, 1991.
[11] T. Shibata, T. Fukuda, K. Kosuge, F. Arai, M. Tokita and T. Mitsuoka, Hierarchical hybrid
Neuromorphic Control for Roboric Motions, Proceedings of the IECON'91, pp. 1465-1470, Kobe, 1991.
[12] T. Yamada , T. Yabuta, Remarks On An Adaptive Type Self-tuning Controller Using Neural
Networks, Proceedings of the IECON'91, pp. 1389-1394, Kobe, 1991.
[13] Bart Kosko, Neural Networks and Fuzzy Systems: a Dynamical Systems approach to Machine
Intelligence Prentice Hall, USA, 1992.
[14] D. F. Bassi, Connectionist Dynamic Control of Robotic Manipulators, Ph. D. Thesis, University of
Southen California, Los Angeles, 1990.
[15] P. Gugliemelmetti and R. Longchamp, Real-Time Identification of a Robot Manipulator Using a "Neural
Network" Approach, Proceedins of the Intelligent Motion Control, Vol. 1. pp. 217-222, Istambul, 1991.
[16] T. Fukuda and T. Shibata, Neural Network Applications for Robotic Motion Control, Proceedins of the
Intelligent Motion Control, Vol. 1. pp. SL-31-SL-36, Istambul, 1991.
[17] M. Kawato, Y. Uno, M. Isobe and R. Suzuki, Hierarchiacal Neural Network Model for Voluntary
Movement with Application to Robotics, IEEE Control Systems Magazine, Vol 8, No. 2, pp. 8-16, 1988.
[18] D. Psaltis, A. Sideris and A. Yamamura, A Multilayered Neural Network Controller,IEEE Control
Systems Magazine, Vol 8, No. 2, pp. 17-21, 1988.
[19] B. Bavarian, Introduction to Neural networks for Intelligent Control, IEEE Control Systems Magazine,
Vol 8, No. 2, pp. 3-7, 1988.
[20] P. J. Werbos, An Overview of Neural Networks for Control, IEEE Control Systems, pp.40-41, 1991.
[21] K. Narendra and K. Parthasarathy, Identification and Control of Dynamical Systems Using Neural
Network, IEEE Transactions on Neural Networks, Vol. 1. No. 1. pp. 4-15, 1989.
202
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
203
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
SADRAJ
204
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
LITERATURA ..............................................................................................................240
205
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
7.1. UVOD
Kod upravljanja sloenih sistema primenom fuzzy pristupa nije potrebno poznavati ni
matematiki model a ni parametre sistema. Fuzzy kontroler koristei znanje eksperta
impelmentira se bez poznavanja matematikog modela sistema kojim se upravlja, pokazuje
dovoljnu robusnost i vrlo je pogodan za upravljanje u realnom vremenu.
206
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Prema Kelvin Selfu (1990) "Japan je zahvaen groznicom fuzzy logike". U 1996
godini je procenjeno da na razvoj fuzzy upravljanja se troi godinje oko 6 milijardi USD,
a u svetu je plasirano na trite gotovih proizvoda u vrednosti od 1 bilion USD baziranih na
fuzzy logici.
207
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
U sluaju fuzzy skupova funkcija pripadnosti moe da ima bilo koju vrednost iz
zatvorenog intervala [0,1]. Za dati fuzzy skup prema tome moemo napisati:
(7.2) A : X [0,1]
208
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
A B
X
Slika 7.1. Fuzzy skupovi A i B
Ako su A, B F(X) dva fuzzy skupa, tada prema Zadehu standardne operacije nad
fuzzy skupovima su:
Unija fuzzy skupaZbir dva fuzzy skupa je unija fuzzy skupova i oznaava se na
sledei nain: A B
Unija odgovara operaciji ili'. Funkcija pripadnosti unije A B fuzzy skupova A i
B definie se na sledei nain:
AB (x) = max[ A (x), B (x)]
Umesto simbola max esto se upotrebljava simbol ' '. Na slici 7.2. prikazana je unija
fuzzy skupova A i B:
A B
X
Slika 7.2. Unija fuzzy skupova A i B
209
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
Zajedniki skup dva fuzzy skupa je presek fuzzy skupova i oznaava se na sledei
nain: A B
Presek odgovara operaciji i'. Funkcija pripadnosti preseka A B fuzzy skupova A i
B definie se na sledei nain
AB ( x ) = min( A ( x ), B ( x ))
Umesto simbola min, esto se upotrebljava simbol ' '. Na slici 7.3. prikazan je
presek fuzzy skupova A i B:
A B
210
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
A A
Pored tri osnovna standardna Zadeh operatora napisaemo i uslov jednakosti dva
fuzzy skupa:
211
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
e Fuzzy u
Fuzzyfikacija Defuzzyfikacija
odlucivanje
Fuzzy
pravila
7.3.1. Fuzzyfikacija
Neka je normirani vektor e ulaz u fuzzy upravljaki sistem - tj. u modul fuzzyfikacije
[3]. Cilj normiranja je da ulazni signal prilagodimo opsegu funkcija pripadnosti. Zadatak
fuzzyifikacije (Fuzzification) je to da normiranoj crips promenljivoj odgovarajuu fuzzy
veliinu.
212
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
7.3.4. Defuzzyfikacija
Ima zadatak da fuzzy veliine na izlazu iz modula fuzzy odluivanja pretvori u
crisp veliine, koji posle denormalizacije daju izlazni vektor u fuzzy kontrolera.
Poznajemo sledee metode defuzzyfikacije:
Metoda centra gravitacije (COG),
Metoda geometrijskog centra (COA),
(y w )
r
i i
(7.3) y COG = i =1
w
r
i =1 i
gde je:
xi, i [1,n] ulazne promenljive,
fi proizvoljna n-dimenziona deterministika funkcija.
Ako je fi konstanta, tada je Sugeno model nultog reda, ako su ulazne funkcije
linearne tada je Sugeno model prvog reda.
214
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
215
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
7.5.1. Uvod
Pri eksploataciji ve maine, vremensko trajanje pranja podeavamo u zavisnosti od
koliine prljavog vea i stepena zaprljanosti. U cilju automatizacije ovog procesa, u ve
mainu moemo ugraditi senzore, koji e detektovati koliinu prljavog vea i zaprljanosti
istog, te moemo podesiti trajanje pranja vea. Meutim, klasine metode nam ne pruaju
mogunost matematikog modeliranja meuzavisnosti izmeu koliine vea, stepena
zaprljanosti i vremensko trajanje pranja, niti nam omoguavaju korektno definisanje
ulazno izlaznih zavisnosti, tako da tzv. automatske ve maine po pojave fuzzy tehnike
nisu zapravo bile automatske (full automatic), poto je korisnik runo podeavao trajanje
pranja. Navedeni problem je u potpunosti reen primenom fuzzy tehnike.
216
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
blok emu fuzzy kontrolera. Kontroler ima dva ulaza i to: stepen zaprljanosti vea i vrsta
prljavtine. Ova dva ulaza obezbeuje ugraena senzorska jedinica. Stepen zaprljanosti
vea se moe odrediti preko zaprljanosti vode u bubnju (tj. prozirnosti vode). Prljavije
rublje izaziva veu zaprljanost vode. Vrsta prljavtine se moe odrediti pomou tzv.
vremena zasienja (saturation time). U datom sluaju, vreme zasienja je vreme kada je
promena istoe vode jednaka nuli. Na primer, u slucaju masnih neistoa, poto je u
odnosu na druge tipove zaprljanosti mast slabije rastvorljiva u vodi, vreme zasienja je
vrsta prljavtine
Na slici 7.8. su prikazane fuzzy particije tj. na koje jezike promenljive delimo prvu
ulaznu veliinu stepen zaprljanosti vea. Ulazni skup X1 smo podelili na tri jezike
promenljive:
Malo_prljavo(Small)
Srednje_prljavo(Medium)
Jako_prljavo(Large)
dok su odgovarajue funkcije pripadnosti trouglastog oblika.
Na slici 7.9. prikazane su fuzzy particije tj. na koje jezike promenljive delimo drugu
ulaznu veliinu vrstu prljavtine. Ulaznu skup X2 smo podelili na tri jezike promenljive:
217
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
0.8
Degree of membership
0.6
0.4
0.2
0 10 20 30 40 50 60 70 80 90 100
stepen zaprljanosti vea
Nije_masno(NotGreasy)
Srednje_masno(MediumGreasy)
Masno(Greasy)
dok su odgovarajue funkcije pripadnosti trouglastog oblika. Domene ulaznih funkcija smo
normirali (0-100), saglasno sa opsegom merenja senzora.
0.8
Degree of membership
0.6
0.4
0.2
0 10 20 30 40 50 60 70 80 90 100
vrsta
prljavtine
218
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Na slici 7.10. prikazane su fuzzy particije tj. na koje jezike promenljive delimo
izlaznu veliinu iz kontrolera vreme pranja vea. Izlaznu skup Y smo podelili na pet
jezikih promenljivih:
Jako_kratko(VeryShort)
Kratko(Short)
Srednje(Medium)
Dugo(Long)
Jako_dugo(VeryLong)
dok su fuzzy funkcije pripadnosti trouglastog oblika. Domen izlazne funkcije je: T Y =
[0-60] minuta.
0.8
Degree of membership
0.6
0.4
0.2
0 10 20 30 40 50 60
vreme pranja
Na slici 7.11. prikazujemo blok emu fuzzy kontrolera, gde se moe oitati broj
funkcija pripadnosti i fuzzy pravila.
Fuzzy pravila
Za fuzzy upravljanje ve mainom je dovoljno ako na osnovu ekspertskog znanja
postavimo pravila koja kvalitativno opisuju rad sistema u obliku:
Ri: Ako je stepen zaprljanosti=Ai,1 i vrsta prljavtine je=Ai,2 tada je vreme pranja T=Bi
gde su Ai,1, Ai,2 i Bi jeziki promenljive koje su predstavljene fuzzy skupovima.
219
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
ve
stepen
maina
zaprljanosti vea
(3)
(mamdani)
7 pravila
vreme
pranja (5)
vrsta prljavtine
(3)
Fuzzy pravila je potrebno podeavati (fine tuning). U datom sluaju fuzzy pravila su:
R1: Ako je stepen zaprljanosti jako prljavo i vrsta prljavtine je masno tada je vreme
pranja jako dugo.
R2: Ako je stepen zaprljanosti srednje prljavo i vrsta prljavtine je masno tada je vreme
pranja dugo.
R3: Ako je stepen zaprljanosti jako prljavo i vrsta prljavtine je srednje masno tada je
vreme pranja dugo.
R4: Ako je stepen zaprljanosti srednje prljavo i vrsta prljavtine je srednje masno tada je
vreme pranja srednje.
R5: Ako je stepen zaprljanosti malo prljavo i vrsta prljavtine je srednje masno tada je
vreme pranja srednje.
R6: Ako je stepen zaprljanosti srednje prljavo i vrsta prljavtine je nije masno tada je
vreme pranja kratko.
R7: Ako je stepen zaprljanosti malo prljavo i vrsta prljavtine je nije masno tada je vreme
pranja jako kratko.
Upravljanje ve mainom se vri primenom MAMDANI algoritma. Na slici 7.12.
prikazujemo tkzv. kontrolnu povrinu (control surfaces), koja prezentuje vezu izmedju dva
ulaza i izlaza za kompletan opseg upravljanja. Priloena tabela prikazuje strukturu fuzzy
kontrolera u Matlab - Fuzzy Toolbox programskom okruenju.
220
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
50
40
output1
30
20
100
100
80
50 60
40
20
input2 0 0
input1
7.6.1. Uvod
Danas se fuzzy logika esto primenjuje kod motornih vozila (automatski menja,
upravljanje motora, upravljanje brzinom kretanja, klima uredjaji itd.). U ovom poglavlju
razmatra se fuzzy upravljanje automatskog menjaa. Analiziraemo upravljanje:
osnovnim modelom i
proirenim modelom..
222
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
menjac motorno
Fuzzy kontroler
vozilo
pedala za gas
brzina kretanja vozila
broj obrtaja motora
snaga motora
0.8
Degree of membership
0.6
0.4
0.2
0 10 20 30 40 50 60 70 80 90 100
pedala za gas %
0.8
Degree of membership
0.6
0.4
0.2
Slika 7.15. Funkcije pripadnosti drugog ulaza X2- brzina kretanja vozila
0.8
Degree of membership
0.6
0.4
0.2
0.8
Degree of membership
0.6
0.4
0.2
0 20 40 60 80 100 120
snaga motora KW
0.8
Degree of membership
0.6
0.4
0.2
Fuzzy pravila
Na osnovu gore navedenih fuzzy skupova i funkcija pripadnosti i na bazi znanja
eksperata sastavljaju se fuzzy pravila. Naprimer:
Ri: Ako je poloaj pedale za gas mali (Low) i brzina vozila mala (Low) i broj obrtaja motora
mali (Low) i snaga motora velika (High) tada je izabrani stepen prenosa u menjau No_1.
Fuzzy
kontroler B
nacin
voznje
menjac motorno
Fuzzy kontroler A
vozilo
pedala za gas
brzina kretanja vozila
broj obrtaja motora
snaga motora
brzina vozila
promena brzine
Fuzzy
uzbrdica/nizbrdica kontroler B
ubrzanje vozila
nacin
voznje
Izlaz iz fuzzy kontrolera B nain vonje utie na izbor stepena prenosa u menjau
vozila. Naprimer:
R3: Ako se kreemo na strmoj uzbrdici (Steep_Uphill_Mode) tada je stepen prenosa u menjau
No_2
R4: Ako se kreemo na blagoj nizbrdici (Gentle_Downhill_Mode) tada je stepen prenosa u
menjau No_3
227
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
7.7.1. Uvod
Kod sloenih procesa, regulisanje temperature se esto primenjuje. Ovi procesi mogu
biti nelinearni i izloeni spoljanim promenljivim uticajima, tako da klasini postupci
regulisanja temperature esto ne zadovoljavaju postavljene ciljeve. Eksploatacija klima
uredjaja danas je sastavni deo komfornijih ivotnih uslova. Klimatizacija cele godine
garantuje konforniji ivot oveka i obezbedjuje optimalne uslove za boravak u odredjenoj
sredini. U ovom poglavlju razmatramo problematiku fuzzy upravljanja klima uredjajima i
to prema sledeim zadacima:
Sobni klima uredjaj - osnovni model.
Sobni klima uredjaj - proireni model.
Klima uredjaj motornih vozila.
Prvo je potrebno odrediti ulazno/izlazne veliine i opseg tih veliina. U datom sluaju
fuzzy kontroler ima jedan ulaz a to je temperatura vazduha u sobi (slika 7.22.), ovaj signal
obezbedjuje ugradjeni temperaturni senzor u sobi. Iz fuzzy kontrolera imamo dve izlazne
veliine, tj. upravljake signale (control signal) za topli i hladni ventil.
228
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
hlad. ventil
Fuzzy vazduh
Klima Soba
kontroler
top. ventil
senzor
temperature
Slika 7.21. Blok ema fuzzy upravljanja sobnog klima uredjaja - osnovni model
hled. ventil
top. ventil
Slika 7.22. Blok ema fuzzy kontrolera - sobni klima uredjaj - osnovni model
Fuzzy pravila
Fuzzy pravila za sobni klima uredjaj - osnovni model, moemo sastaviti prema sledeem:
R1: Ako je temperatura sobe niska tada maksimalno otvoriti topao ventil.
nedvessgtartalom
hideg szelep rzkel
meleg szelep
Fuzzy leveg
Klma Szoba
szablyoz
nedvessgtartalom
szelep hmrsklet
rzkel
Slika 7.23. Blok ema fuzzy kontrolera sobnog klima uredjaja - proireni model
230
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
hlad. ventil
}
temperatura
Fuzzy top. ventil upravljacki
kontroler signali
ventil relativne
relativna vlaznost vlaznosti
Fuzzy pravila
Fuzzy pravila za sobni klima uredjaj - proireni model, moemo sastaviti tako da
fuzzy pravila za za osnovni model proirujemo sa uticajem relativne vlanosti prema
sledeem:
R1: Ako je temperatura sobe niska tada malo otvoriti topao ventil.
ili
R2: Ako je relativna vlanost mala, tada malo otvoriti ventil relativne vlanosti.
sunevih zraka,
brzine kretanja vozila i
zamagljivanje stakala.
231
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
Na slici 7.25. prikazana je blok ema fuzzy kontrolera za motorna vozila. Japanski
putniki automobili novije proizvodnje imaju ugradjene klima uredjaje ovog tipa. Ovi
uredjaji imaju prednost u odnosu na klasina reenja klima uredjaja jer se bolje
prilagodjavaju za brzu promenu temperature prilikom otvaranje/zatvaranja vrata vozila i
promene . Az jabb tpus Japn gpkocsikba beptett ilyen fuzzy szablyozsi tpus
vremena u toku vonje.
hlad. ventil
senzor spoljanje
temperature
senzor unutranje
temperature
Fuzzy
top. ventil
senzor kontroler upravljacki
vetra klima signali
uredjaja
senzor zracenja motornih
vozila ventil relativne
vlaznosti
senzor
vlaznosti
Slika 7.25. Principijelna ema fuzzy kontrolera klima uredjaja motornih vozila
232
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
7.8.1. Uvod
Fuzzy upravljanje manipulacionih robota moemo reiti na dva naina:
PD fuzzy kontrolerom i
fuzzy supervizorom (supervisor).
(7.7) k D ( t n ) = k D ( t n 1 ) + k D ( t n )
233
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
Fuzzy supervizor ima dva ulaza: greke pozicije i greka brzine, i jedan izlaz:
vremenski promenljivo pojaanje PD regulatora kD. Fuzzy skupove delimo na pet jezikih
promenljivih:
negativno veliko (NB),
negativno malo (NS),
zero (Z),
pozitivno malo (PS) i
pozitivno veliko (PB),
a odgovarajue funkcije pripadnosti su trougaonog oblika.
234
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
.
q
kD
. .. . .. .
q d, q d, q d qr , qr qr
.
RL-FJ q q
ROBOT
.
Parametre robota biramo prema relaciji (4.49), matricu regresor dimenzije 4x9 prema
(4.35) a zakon estimacije parametara robota p prema relaciji (4.53).
235
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
1.0
0.8
0.6
q1,qd1
0.4
0.2
0.0
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
0.006
0.004
0.002
q1-qd1
0.000
-0.002
-0.004
-0.006
1.6
1.4
1.2
q2,qd2
1.0
0.8
0.6
0.4
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
236
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
0.002
0.001
q2-qd2 0.000
-0.001
-0.002
-0.003
-0.004
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
1.6
1.4
1.2
q4,qd4
1.0
0.8
0.6
0.4
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
0.002
0.000
q4-qd4
-0.002
-0.004
-0.006
237
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
2.0
1.5
dq4/dt, dqd4/dt
1.0
0.5
0.0
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
80
70
60
50
40
kd11
30
20
10
0
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
35
30
25
20
kd22
15
10
0
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
238
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
60
50
40
30
kd44 20
10
0
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
80 kd11
70
60
kd11,kd22, kd44
50 kd44
40
30 kd22
20
10
0.0 0.2 0.4 0.6 0.8 1.0 1.2
t
239
Fuzzy sistemi upravljanja
_____________________________________________________________________________________________________________
7.8.4. Zakljuak
Prikazano je adaptivno upravljanje pozicijom SCARA robota sa 4 elastina zgloba u
unutranjim koordinatama primenom fuzzy supervizora. Zakon upravljanja kompenzira
elastine uticaje u zglobovima, obezbedjuje dobro praenje trajektorija i ne obuhvata
poseban lan za kompezaciju elastinosti. Rezultati simulacije verifikuju zajedniku
aplikaciju adaptivnog i fuzzy upravljakog algoritma.
LITERATURA
2. Vrs Gbor
Bevezets a neurlis s minst szmtstechnikba , LSI oktatkzpont, Budapest, 1997.
240
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
241
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
8. GENETSKI ALGORITMI
242
Genetski algoritmi
_____________________________________________________________________________________________________________
243
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
Selekcija.
Reprodukcija.
Ukrtanje.
Mutacija.
selekcija
odredjuje da li jedinka uetvuje u stvaranju sledee generacije.
reprodukcija
je proces kada jedan string postaje deo sledee generacije (slika 8.1.).
Reprodukcija
0 1 1 0 1 1 0 1 68
Ukrtanje (crossover)
je nain generisanja novih hromosoma. Kod jedne generacije hromosomi ukrtanjem
svojih osobina stvaraju generaciju sa novim osobinama (slika 8.2.).
244
Genetski algoritmi
_____________________________________________________________________________________________________________
0 1 1 0 1 0 0 1
staro
0 1 1 0 1 1 0 1
ukrtanje
0 1 1 0 11 01 0 1
novo
0 1 1 0 11 10 00 11
mutacija
sa mutacijom bit jednog stringa, metodom sluajnog uzorka se menja. Cilj mutacije
je izbegavanje lokalnih minimuma (slika 8.3.).
0 1 1 0 1 0 0 1
staro
mutacija
0 1 1 0 1 1 0 1 novo
Start G=0 1
Fitness
Coding of evalution
parameters
Selection
Initial
Generation
Reproduction
1
Crossover
Mutation
End
246
Fuzzy-Genetski sistemi
9. FUZZY-GENETSKI SISTEMI
247
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
9.1.1. Uvod
U ovom poglavlju razmatra se fuzzy-genetsko poziciono upravljanje u unutranjim
koordinatama SCARA robota sa elastinim zglobovima. Fuzzy upravljanje je tipa PD.
Genetski algoritam koristimo za optimizaciju funkcija pripadnosti i za optimizaciju fuzzy
pravila.
0434322124241144301002222023142213002434113000222202310421243240300001
0.8
0.6
0.4
0.2
0.0
-0.0125 -0.0100 -0.0075 -0.0050 -0.0025 0.0000 0.0025 0.0050 0.0075 0.0100 0.0125
0.8
0.6
0.4
0.2
0.0
-0.10 -0.05 0.00 0.05 0.10
0.8
0.6
0.4
0.2
0.0
-20 -10 0 10 20
249
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
0.10
qd3
0.08 q3
0.06
0.04
0.02
0.00
dqd3
0.20 dq3
0.15
0.10
0.05
0.00
0.0000 q3-qd3
-0.0002
using GA
-0.0004
-0.0006
without GA
-0.0008
-0.0010
20
-20
-0.01
0 0.1
0.05
0
251
Inteligentni sistem vozilo - autoput
_____________________________________________________________________________________________________________
253
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
PATH
254
Inteligentni sistem vozilo - autoput
_____________________________________________________________________________________________________________
255
Inteligentni roboti i sistemi
_____________________________________________________________________________________________________________
LITERATURA
OZNAKE
d ( )
- diferenciranje po vremenu u odnosu na pokretni koordinatni sistem,
dt
- ugaona brzina pokretnog koordinatnog sistema,
v apsolutna brzine take,
vp prenosna brzina take,
vr relativna brzina take,
vi apsolutna brzina take Oi,
a apsolutno ubrzanje take,
ap prenosno ubrzanje take,
ar relativno ubrzanje take,
ac Koriolisovo ubzanje take,
Oxoyozo nepokretni koordinatni sistem vezan za bazu robota,
Oi-1 - koordinatni poetak (i-1)-vog koordinatnog sistema,
zi-1 - vektor ose zgloba i,
pi-1 vektor poloaja koordinatnog poetka Oi-1 u odnosu na nepokretni koordinatni
sistem Oxoyozo,
vi-1 vektor brzine take Oi-1,
Oi koordinatni poetak i-tog koordinatnog sistema,
zi - vektor ose zgloba i+1,
pi vektor poloaja koordinatnog poetka Oi u odnosu na nepokretni koordinatni
sistem Oxoyozo,
pi vektor poloaja koordinatnog poetka Oi u odnosu na Oi-1,
& i - apsolutno ugaono ubrzanje segmenta i,
257
Oznake
_______________________________________________________________________________
258