Professional Documents
Culture Documents
Paper 2
Paper 2
11, 2020 21
Tóm tắt - Bài báo này đề xuất một bộ điều khiển bền vững thích Abstract - This article proposes an adaptive robust controller based
nghi trên cơ sở mạng nơ rôn cho robot công nghiệp. Trong thực tế on neural networks for industrial robot manipulators (IRM). In fact, robot
robot là một hệ thống phi tuyến và trong quá trình làm việc, chúng manipulators are a nonlinear system and in the working process, they
thường phải chịu đựng ma sát phi tuyến, sự thay đổi của tải và usually bear nonlinear fiction, payload variation, external disturbance,
nhiễu bên ngoài tác động, … Để giải quyết vấn đề này, một bộ điều etc. To deal with these problems, an intelligent controller designed
khiển thông minh đã được thiết kế trên cơ sở kế thừa ưu điểm của based on inheriting the advantages of the robust adaptive NN and the
bộ điều kiển thích nghi nơ rôn và SMC để điều khiển vị trí của một SMC scheme to control the positions of industrial robot manipulators.
robot công nghiệp. Trong bộ điều khiển đưa ra, NNs sử dụng để In the proposed controller, the NN is used to approximate the unknown
xấp xỉ động lực học chưa rõ của hệ thống robot công nghiệp. Luật dynamic of the IRMs system. The adaptation laws of network
thích nghi của các tham số mạng được thiết lập bằng thuyết ổn parameters are established based on the Lyapunov stability theory as
định Lyapunov, ổn định và bền vững của toàn bộ hệ thống điều well as the guaranteed stability and robustness of the entire control
khiển đã đạt được. Cuối cùng, kết quả mô phỏng được thực hiện system. Finally, simulations performed on a three link robot industrial
trên robot 3 bậc tự do được đưa ra và so sánh với bộ điều khiển manipulator are provided in comparison with Adaptive Fuzzy Control
AFC và BPC từ đó chứng minh bộ điều khiển NNs có khả năng (AFC) and Backstepping Control (BPC) to demonstrate superior
bám chính xác và khả năng bền vững cao hơn. tracking precision and robustness of the proposed control methodology
Từ khóa - Điều khiển bền vững thích nghi; điều khiển trượt; mạng Key words - Sliding mode control; robust adaptive control; neural
nơ rôn; robot người máy. network; robot manipulators.
Trong đó, 𝑊𝑊𝑗𝑗𝑗𝑗 là trọng số kết nối giữa nơ rôn lớp ẩn thứ 𝑗𝑗
Tính chất 3: 𝐶𝐶(𝑞𝑞, 𝑞𝑞̇ )𝑞𝑞̇ , F(𝑞𝑞̇ ) được giới hạn theo:
và nơ rôn đầu ra thứ 𝑖𝑖, 𝑛𝑛 là số đầu vào.
‖𝐶𝐶(𝑞𝑞, 𝑞𝑞̇ )𝑞𝑞̇ ‖ ≤ 𝐶𝐶𝑘𝑘 ‖𝑞𝑞̇ ‖2 (4)
Công thức (6) có thể viết lại như sau :
với 𝐶𝐶𝑘𝑘 là hằng số dương. 𝑓𝑓(𝑠𝑠) = 𝑊𝑊∅(𝑠𝑠) (7)
3. Cấu trúc bộ điều khiển NNs Trong đó, W là trọng số của mạng nơ rôn,
∅(𝑠𝑠) = [∅1 , ∅2 , … , ∅𝑚𝑚 ]
𝑓𝑓𝑚𝑚 Ở đây ta sử dụng mạng nơ rôn để xấp xỉ, do đó nó sẽ
tồn tại một hàm nơ rôn tối ưu như sau:
Output
∑ 𝑓𝑓(𝑠𝑠) = 𝑊𝑊 ∗ ∅(𝑠𝑠) + 𝜀𝜀 (8)
layer
𝑊𝑊1 𝑊𝑊𝑚𝑚 Trong đó, 𝑊𝑊 ∗ là giá trị trọng số tối ưu, và 𝜀𝜀 là véc tơ sai lệch
𝑊𝑊2 xấp xỉ.
∅𝑚𝑚
Giả thiết: sai lệch xấp xỉ được giới hạn:
∅1 ∅2 Hidden
‖𝜀𝜀‖ ≤ 𝜀𝜀0 (9)
layer
với 𝜀𝜀0 là giá trị thực dương.
Đầu ra của bộ điều khiển NNs là giá trị xấp xỉ và được
Input
tính theo công thức sau:
1 n
layer 𝑓𝑓̂(𝑠𝑠) = 𝑊𝑊
� 𝑇𝑇 ∅(𝑠𝑠) (10)
𝑠𝑠 Trong đó, 𝑓𝑓̂ , 𝑊𝑊
� là giá trị xấp xỉ của 𝑓𝑓 ∗ , 𝑊𝑊 ∗ ,
Hình 2. Cấu trúc của NNs 𝑊𝑊 𝑇𝑇 = [𝑊𝑊1𝑇𝑇 , 𝑊𝑊2𝑇𝑇 , … , 𝑊𝑊𝑚𝑚𝑇𝑇 ]
Cấu trúc bộ điều khiển NNs gồm có 3 lớp [12]: 4. Thiết kế bộ điều khiển NNs
- Lớp 1 là lớp đầu vào (Input layer): gồm các biến đầu Robot dưới sự tác động của lực 𝜏𝜏 thì bộ điều khiển được
vào 𝑠𝑠1 , 𝑠𝑠2 , . . 𝑠𝑠𝑖𝑖 , . . 𝑠𝑠𝑛𝑛 , thiết kế sao cho sai lệch bám giữa vị trí mong muốn của
- Lớp thứ 2 là lớp ẩn (The hidden layer): đầu ra của lớp các khớp 𝑞𝑞𝑑𝑑 với véc tơ vị trí thực tế của robot 𝑞𝑞 có thể được
ẩn được tính toán theo công thức sau: hội tụ về 0 khi 𝑡𝑡 → ∞. Cấu trúc của bộ điều khiển được
2
∅ (𝑠𝑠) = 𝑒𝑒𝑒𝑒𝑒𝑒 �−�𝑠𝑠 − 𝑐𝑐 � /�2𝑑𝑑 2 �� (5) thiết kế như Hình 3.
𝑗𝑗 𝑗𝑗 𝑗𝑗
𝜃𝜃̈𝑑𝑑 𝜃𝜃̇
d/dt d/dt
𝜃𝜃̇𝑑𝑑
𝜆𝜆 𝑘𝑘𝑠𝑠
𝑓𝑓̂(𝑥𝑥)
𝜃𝜃𝑑𝑑 𝑦𝑦𝑆𝑆𝑆𝑆𝑆𝑆 𝜏𝜏 𝜃𝜃
𝑒𝑒 𝑠𝑠(𝑡𝑡) = 𝑒𝑒̇ + 𝜆𝜆𝜆𝜆 𝑠𝑠 Robot
𝑦𝑦𝑆𝑆𝑆𝑆𝑆𝑆 = 𝑘𝑘𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠(𝑠𝑠) +
+ − 𝜏𝜏𝑃𝑃𝑃𝑃
𝑘𝑘𝑃𝑃 +
𝑡𝑡
� 𝑑𝑑𝑑𝑑
𝑘𝑘𝐼𝐼 0
𝑒𝑒(𝑡𝑡), 𝑒𝑒̇ (𝑡𝑡) tương ứng là sai lệch vị trí và sai lệch tốc độ. +𝑠𝑠 𝑇𝑇 �𝑓𝑓̃ − 𝐶𝐶𝐶𝐶 − 𝑦𝑦𝑆𝑆𝑆𝑆𝑆𝑆 − 𝜏𝜏𝑃𝑃𝑃𝑃 + 𝜀𝜀� +
1
�̇ �
� 𝑇𝑇 𝑊𝑊
�𝑊𝑊
𝑘𝑘𝑊𝑊
Luật thích nghi sẽ được xác định như sau :
�̇ = −𝑊𝑊
Áp dụng tính chất 2 và thay thế 𝑊𝑊 �̇ vào (22):
𝑒𝑒(𝑡𝑡) = 𝑞𝑞𝑑𝑑 − 𝑞𝑞 (11)
𝑡𝑡
𝑠𝑠(𝑡𝑡) = 𝑒𝑒̇ + 𝜆𝜆𝑒𝑒 (12) 𝑉𝑉̇ (𝑡𝑡) = 𝑠𝑠 𝑇𝑇 𝑘𝑘𝐼𝐼 � 𝑠𝑠𝑠𝑠𝑠𝑠 + 𝑠𝑠 𝑇𝑇 �𝑓𝑓̃ − 𝑦𝑦𝑆𝑆𝑆𝑆𝑆𝑆 − 𝜏𝜏𝑃𝑃𝑃𝑃 + 𝜀𝜀�
0
Ở đây, 𝜆𝜆 = 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑(𝜆𝜆1 , 𝜆𝜆2 , … , 𝜆𝜆𝑛𝑛 ) là ma trận khuếch đại 1
− �𝑊𝑊 �̇ �
� 𝑇𝑇 𝑊𝑊
hằng số dương. 𝑘𝑘𝑊𝑊 (23)
Từ công thức (1) có thể viết lại như sau: Thay (16), (17) và (19) vào (23) ta có:
𝑀𝑀(𝑞𝑞) ∗ (𝑞𝑞̈ 𝑑𝑑 − 𝑒𝑒̈ ) + 𝐶𝐶(𝑞𝑞, 𝑞𝑞̇ ) ∗ (𝑞𝑞̇ 𝑑𝑑 − 𝑒𝑒̇ ) + 𝐺𝐺(𝑞𝑞) = 𝜏𝜏
𝑀𝑀(𝑞𝑞) ∗ (𝑞𝑞̈ 𝑑𝑑 + 𝜆𝜆𝑒𝑒̇ − 𝑠𝑠̇ ) + 𝐶𝐶(𝑞𝑞, 𝑞𝑞̇ ) ∗ (𝑞𝑞̇ 𝑑𝑑 + 𝜆𝜆𝑒𝑒 − 𝑠𝑠) + 𝐺𝐺(𝑞𝑞) = 𝜏𝜏
𝑉𝑉̇ (𝑡𝑡) = 𝑠𝑠 𝑇𝑇 (−𝑘𝑘𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠(𝑠𝑠) − 𝑘𝑘𝑃𝑃 𝑠𝑠 + 𝜀𝜀) (24)
𝑀𝑀𝑠𝑠̇ + 𝐶𝐶𝐶𝐶 = 𝑀𝑀(𝑞𝑞) ∗ (𝑞𝑞̈ 𝑑𝑑 + 𝜆𝜆𝑒𝑒̇ ) + 𝐶𝐶(𝑞𝑞, 𝑞𝑞̇ ) (13) Sử dụng công thức (9) vào (24) ta:
∗ (𝑞𝑞̇ 𝑑𝑑 + 𝜆𝜆𝑒𝑒) + 𝐺𝐺(𝑞𝑞) − 𝜏𝜏 𝑉𝑉̇ (𝑡𝑡) ≤ −𝑠𝑠 𝑇𝑇 𝑘𝑘𝑃𝑃 𝑠𝑠−𝑠𝑠 𝑇𝑇 𝑘𝑘𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠(𝑠𝑠) + 𝜀𝜀0
𝑀𝑀𝑠𝑠̇ + 𝐶𝐶𝐶𝐶 = 𝑦𝑦 − 𝜏𝜏 (14) (25)
𝑉𝑉̇ (𝑡𝑡) ≤-𝑠𝑠 𝑇𝑇 𝑘𝑘𝑃𝑃 𝑠𝑠
Với, 𝑓𝑓 = 𝑀𝑀(𝑞𝑞) ∗ (𝑞𝑞̈ 𝑑𝑑 + 𝜆𝜆𝑒𝑒̇ ) + 𝐶𝐶(𝑞𝑞, 𝑞𝑞̇ ) ∗ (𝑞𝑞̇ 𝑑𝑑 + 𝜆𝜆𝑒𝑒) + 𝐺𝐺(𝑞𝑞)
Do đó, 𝑉𝑉̇ (𝑡𝑡) ≤ 0
Từ sơ đồ cấu trúc hệ thống điều khiển Hình 3 ta có:
Từ kết quả cho thấy, hệ thống được ổn định không phụ
𝜏𝜏 = 𝑓𝑓̂ + 𝑦𝑦𝑆𝑆𝑆𝑆𝑆𝑆 + 𝜏𝜏𝑃𝑃𝑃𝑃 (15) thuộc vào 𝑠𝑠.
Trong đó, 𝑓𝑓̂ tín hiệu đầu ra của bộ điều khiển NNs,
5. Kết quả mô phỏng
𝑦𝑦𝑆𝑆𝑆𝑆𝑆𝑆 là bộ điều khiển trượt (SMC) và 𝜏𝜏𝑃𝑃𝑃𝑃 là tín hiệu đầu ra
của bộ điều khiển khuếch đại tích phân. Phương trình động học của robot như sau:
Ở đây bộ điều khiển trượt được chọn như sau: 𝑀𝑀11 𝑀𝑀12 𝑀𝑀13 𝒒𝒒̈ 𝟏𝟏 𝐶𝐶11 𝐶𝐶12 𝐶𝐶13 𝒒𝒒̇ 𝟏𝟏 𝐺𝐺1
𝑀𝑀
� 21 𝑀𝑀22 𝑀𝑀 𝒒𝒒̈ 𝐶𝐶
23 � � 𝟐𝟐 � + � 21 𝐶𝐶22 𝐶𝐶 𝒒𝒒̇ 𝐺𝐺
23 � � 𝟐𝟐 � + � 2 �
𝑦𝑦𝑆𝑆𝑆𝑆𝑆𝑆 = 𝑘𝑘𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠(𝑠𝑠) (16) 𝑀𝑀31 𝑀𝑀32 𝑀𝑀33 𝒒𝒒̈ 𝟑𝟑 𝐺𝐺3
𝐶𝐶31 𝐶𝐶32 𝐶𝐶33 𝒒𝒒̇ 𝟑𝟑
Bộ điều khiển khuếch đại tích phân được tính toán 𝜏𝜏1
như sau: = �𝜏𝜏2 �
𝜏𝜏3
𝑡𝑡
(17) 2
𝜏𝜏𝑃𝑃𝑃𝑃 = 𝑘𝑘𝑃𝑃 𝑠𝑠 + 𝑘𝑘𝐼𝐼 � 𝑠𝑠𝑠𝑠𝑠𝑠 1 1
0 𝑀𝑀11 = 𝑚𝑚2 �𝑙𝑙1 + 𝑙𝑙2 cos(𝑞𝑞2 )� + 𝑚𝑚1 𝑙𝑙12
2 3
Thay (15) vào (14) ta thu được: 1
+ 𝑚𝑚3 (𝑙𝑙1 + 𝑙𝑙3 cos(𝑞𝑞2 + 𝑞𝑞3 ))
𝑀𝑀𝑠𝑠̇ = 𝑓𝑓̃ − 𝐶𝐶𝐶𝐶 − 𝑦𝑦𝑆𝑆𝑆𝑆𝑆𝑆 − 𝜏𝜏𝑃𝑃𝑃𝑃 + 𝜀𝜀 (18) 2
+ 𝑙𝑙2 cos(𝑞𝑞22 )
Trong đó, 𝑓𝑓̃ = 𝑓𝑓 − 𝑓𝑓̂.
1 1 1
Luật học thích nghi của bộ điều khiển sẽ được chọn 𝑀𝑀22 = 𝑚𝑚2 𝑙𝑙22 + 𝑚𝑚1 𝑙𝑙32 + 𝑚𝑚3 𝑙𝑙22
4 12 4
như sau: 1
�̇ = 𝑘𝑘𝑊𝑊 ∅(𝑠𝑠)𝑠𝑠 𝑇𝑇 (19) + 2
𝑚𝑚 𝑙𝑙 cos(𝑞𝑞2 + 𝑞𝑞3 )2
W 12 1 3
1
Chứng minh tính ổn định của hệ thống + 𝑚𝑚 𝑙𝑙 2 cos(𝑞𝑞22 )
12 1 2
Xét robot công nghiệp có phương trình động học như 1 1
phương trình (1) và bộ điều khiển NNs có luật thích nghi 𝑀𝑀23 = 𝑀𝑀32 = 𝑚𝑚 𝑙𝑙 2 + 𝑚𝑚 𝑙𝑙 𝑙𝑙 cos(𝑞𝑞3 )
12 1 3 4 3 2 3
như công thức (19). Phân tích tính ổn định của hệ thống 1 1
theo thuyết Lyapunov. 𝑀𝑀33 = � 𝑚𝑚1 + 𝑚𝑚3 � 𝑙𝑙32
12 4
Xét hàm Lyapunov có phương trình như sau:
𝑀𝑀12 = 𝑀𝑀13 = 𝑀𝑀21 = 𝑀𝑀31 = 0
𝑡𝑡 𝑡𝑡 𝑇𝑇
1 1 𝐶𝐶11 = −2(𝑚𝑚2 + 𝑚𝑚3 )𝑙𝑙1 𝑙𝑙2 sin(𝑞𝑞2 ) 𝑞𝑞̇ 2
𝑉𝑉(𝑡𝑡) = 𝑠𝑠 𝑇𝑇 𝑀𝑀𝑀𝑀 + �� 𝑠𝑠𝑠𝑠𝑠𝑠� 𝑘𝑘𝐼𝐼 �� 𝑠𝑠𝑠𝑠𝑠𝑠 � (20)
2 2 0 0 − 2𝑚𝑚3 𝑙𝑙1 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 ) (𝑞𝑞̇ 2 + 𝑞𝑞̇ 3 )
� 𝑇𝑇 k −1
+ �𝑊𝑊 �
𝑊𝑊 𝑊𝑊 � − 2𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞3 ) 𝑞𝑞̇ 3
𝐶𝐶12 = −(𝑚𝑚2 + 𝑚𝑚3 )𝑙𝑙1 𝑙𝑙2 sin(𝑞𝑞2 ) 𝑞𝑞̇ 2
Đạo hàm bậc nhất 𝑉𝑉(𝑡𝑡) theo thời gian ta thu được
phương trình như sau: − 𝑚𝑚3 𝑙𝑙1 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 ) (𝑞𝑞̇ 2 )
1 𝑡𝑡 − 2𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞3 ) 𝑞𝑞̇ 3
𝑉𝑉̇ (𝑡𝑡) = 𝑠𝑠 𝑇𝑇 𝑀𝑀̇𝑠𝑠 + 𝑠𝑠 𝑇𝑇 𝑀𝑀𝑠𝑠̇ + 𝑠𝑠 𝑇𝑇 𝑘𝑘𝐼𝐼 � 𝑠𝑠𝑠𝑠𝑠𝑠 − 2𝑚𝑚3 𝑙𝑙1 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 )𝑞𝑞̇ 3
2 0 (21) 𝐶𝐶13 = −𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞3 ) 𝑞𝑞̇ 3 − 𝑚𝑚3 𝑙𝑙1 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 )𝑞𝑞̇ 3
1 ̇
+ � 𝑊𝑊
�𝑊𝑊 𝑇𝑇 ��
𝐾𝐾𝑊𝑊 𝐶𝐶21 = −(𝑚𝑚2 + 𝑚𝑚3 )𝑙𝑙1 𝑙𝑙2 sin(𝑞𝑞2 ) 𝑞𝑞̇ 2
Thay (18) vào (21) ta có: − 𝑚𝑚3 𝑙𝑙1 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 ) (𝑞𝑞̇ 2 + 𝑞𝑞̇ 3 )
𝑡𝑡 − 2𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞3 ) 𝑞𝑞̇ 3
1 𝑇𝑇
𝑉𝑉̇(𝑡𝑡) = 𝑠𝑠 𝑀𝑀̇𝑠𝑠 + 𝑠𝑠 𝑇𝑇 𝑘𝑘𝐼𝐼 � 𝑠𝑠𝑠𝑠𝑠𝑠 (22) + (𝑚𝑚2 + 𝑚𝑚3 )𝑙𝑙1 𝑙𝑙2 sin(𝑞𝑞2 ) (𝑞𝑞̇ 2 + 𝑞𝑞̇ 1 )
2 0 + 𝑚𝑚3 𝑙𝑙1 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 )(𝑞𝑞̇ 2 + 𝑞𝑞̇ 1 + 𝑞𝑞̇ 3 )
24 Vũ Thị Yến, Bùi Văn Huy, Phùng Thị Vân
𝐶𝐶22 = −2𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞3 ) 𝑞𝑞̇ 3 Bước 6: Đưa ra các trọng số của bộ điều khiển NNs và
𝐶𝐶23 = −𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞3 ) 𝑞𝑞̇ 3 quay lại bước 3.
𝐶𝐶31 = −𝑚𝑚3 𝑙𝑙1 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 )(𝑞𝑞̇ 2 + 𝑞𝑞̇ 3 ) Bảng 2. So sánh hiệu suất mô phỏng của bộ điều khiển NNs,
BPC và AFC trong trường hợp 1
− 𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞3 ) 𝑞𝑞̇ 3
+ 𝑚𝑚3 𝑙𝑙1 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 )(𝑞𝑞̇ 2 + 𝑞𝑞̇ 1 + 𝑞𝑞̇ 3 ) Đơn vị: rad
NMSE
+ 𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞2 + 𝑞𝑞3 )(2𝑞𝑞̇ 2 + 𝑞𝑞̇ 1 + 𝑞𝑞̇ 3 ) Bậc 1 Bậc 2 Bậc 3
𝐶𝐶32 = 𝑚𝑚3 𝑙𝑙2 𝑙𝑙3 sin(𝑞𝑞3 ) 𝑞𝑞̇ 2 NNs 5,156x10-4 5,254x10-4 4,972 x10-4
𝐶𝐶33 = 0; AFC [15] 1,434 x10-3 1,876 x10-3 1,034 x10-3
𝐺𝐺1 = (𝑚𝑚1 + 𝑚𝑚2 + 𝑚𝑚3 )𝑔𝑔𝑙𝑙1 𝑠𝑠𝑠𝑠𝑠𝑠(𝑞𝑞1 ) BPC [14] 2,575 x10-3 2,934 x10-3 2,065 x10-3
+ (𝑚𝑚2 + 𝑚𝑚3 )𝑔𝑔𝑔𝑔2 𝑠𝑠𝑠𝑠𝑠𝑠(𝑞𝑞1 + 𝑞𝑞2 ) Trường hợp 1: Nhiễu được chọn có dạng như sau:
+ 𝑚𝑚3 𝑔𝑔𝑙𝑙3 sin(𝑞𝑞1 + 𝑞𝑞2 + 𝑞𝑞3 )
2𝑠𝑠𝑠𝑠𝑠𝑠(𝑡𝑡)
𝐺𝐺2 = (𝑚𝑚2 + 𝑚𝑚3 )𝑔𝑔𝑔𝑔2 𝑠𝑠𝑠𝑠𝑠𝑠(𝑞𝑞1 + 𝑞𝑞2 ) 𝜏𝜏0 = �2𝑠𝑠𝑠𝑠𝑠𝑠(𝑡𝑡)�
+ 𝑚𝑚3 𝑔𝑔𝑙𝑙3 sin(𝑞𝑞1 + 𝑞𝑞2 + 𝑞𝑞3 ) 2𝑠𝑠𝑠𝑠𝑠𝑠(𝑡𝑡)
𝐺𝐺1 = 𝑚𝑚3 𝑔𝑔𝑙𝑙3 sin(𝑞𝑞1 + 𝑞𝑞2 + 𝑞𝑞3 )
Hệ số khuếch đại trong luật thích nghi (19)
Trong đó,
𝑘𝑘𝑊𝑊 = 𝜆𝜆 = 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑[5, 5, 5]; 𝑘𝑘𝑃𝑃 = 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑[45, 45, 45];
𝑚𝑚1 , 𝑚𝑚2 , 𝑚𝑚3 là khối lượng của bậc 1, bậc 2 và bậc 3
𝑘𝑘𝐼𝐼 = 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑[80, 80, 80]; 𝑘𝑘𝑠𝑠 = 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑[0.1, 0.1, 0.1]
tương ứng;
Cấu trúc của bộ điều khiển NNs với 𝑛𝑛 = 6, 𝑚𝑚 = 6.
𝑙𝑙1 , 𝑙𝑙2 , 𝑙𝑙3 , là chiều dài của bậc 1, bậc 2 và bậc 3 tương
𝑚𝑚 Trường hợp 2: Hệ thống đang làm việc sau thời gian
ứng. 𝑔𝑔 = 9.8 � � giá trị của gia tốc trọng trường; 0,5s ta đưa thêm nhiễu có dạng như sau:
𝑠𝑠
𝑞𝑞 = [𝑞𝑞1 𝑞𝑞2 𝑞𝑞3 ]𝑇𝑇 vị trí của bậc 1, bậc 2 và bậc 3. 𝑑𝑑𝑒𝑒 (𝑡𝑡) = [40 sin(20𝑡𝑡) 40 sin(20𝑡𝑡) 40 sin(20𝑡𝑡) ]𝑇𝑇
Chọn giá trị của vị trí mẫu cho bậc 1 và bậc 2
𝑞𝑞𝑑𝑑 = [𝑞𝑞1𝑑𝑑 𝑞𝑞2𝑑𝑑 𝑞𝑞3𝑑𝑑 ]𝑇𝑇
= [0.5 sin(𝜋𝜋𝜋𝜋) 0.5 sin(𝜋𝜋𝜋𝜋) 0.5 sin(𝜋𝜋𝜋𝜋)]𝑇𝑇
Để ghi lại hiệu suất điều khiển tương ứng, sai lệch
bình phương trung bình (MSE) theo vị trí được xác định
như sau [13]:
2
1 T (26)
= MSE ∑
T t =1
q ( t ) − qd ( t )
Ở đây, T là chu kỳ. Giá trị của MSE để đánh giá hiệu
suất điều khiển của bộ điều khiển.
NMSE là giá trị sai lệch bình phương trung bình tiêu
chuẩn của phản hồi vị trí tính trên 1 rad để đánh giá hiệu
suất điều khiển.
Bảng 1. thông số của robot
Bậc Khối lượng (kg) Chiều dài (m)
Bậc 1 2 0,8
Bậc 2 1 1
Bậc 3 0,8 0,5
Hình 5. Kết quả mô phỏng trường hợp 1: Sai lệch bám của
robot tương ứng với bộ điều khiển nơ rôn (NNs),
mờ thích nghi (AFC) và bộ điều khiển Backstepping (BPC) Hình 7. Kết quả mô phỏng trường hợp 2: Vị trí của robot tương
ứng với bộ điều khiển nơ rôn (NNs), mờ thích nghi (AFC) và
bộ điều khiển Backstepping (BPC)
Hình 6. Kết quả mô phỏng trường hợp 1: Mô men điều khiển Hình 8. Kết quả mô phỏng trường hợp 2: Sai lệch bám của
của robot tương ứng với bộ điều khiển nơ rôn (NNs), robot tương ứng với bộ điều khiển nơ rôn (NNs),
mờ thích nghi (AFC) và bộ điều khiển Backstepping (BPC) mờ thích nghi (AFC) và bộ điều khiển Backstepping (BPC)
26 Vũ Thị Yến, Bùi Văn Huy, Phùng Thị Vân
và bộ điều khiển AFC. Từ kết quả mô phỏng ta có thể tiếp
tục nghiên cứu để đưa vào thực nghiệm cũng như được ứng
dụng vào thực tế.
Chữ viết tắt:
IRM: Industrial Robot Manipulator
SMC: Sliding Mode Control
NNs: Neural Networks
PID: Proportional Integral Differential
BPC: Backstepping Control
AFC: Adaptive Fuzzy Control
MSE: Mean Square Error
NMSE: Normalized Mean Square Error
(BBT nhận bài: 27/5/2020, hoàn tất thủ tục phản biện: 08/10/2020)