MỤC LỤC
LỜI NÓI ĐẦU…………………………………………………………………...................................................….i
TÓM TẮT........................................................................................................................................................1
ABSTRACT....................................................................................................................................................2
MỤC LỤC.......................................................................................................................................................3
DANH MỤC HÌNH..........................................................................................................................................3
DANH MỤC TỪ VIẾT TẮT.............................................................................................................................5
CHƯƠNG 1. TỔNG QUAN VỀ ĐIỀU KHIỂN BÁM QUỸ ĐẠO TRONG ROBOT DI ĐỘNG ........................6
1.1. Đặt vấn đề...............................................................................................................................................6
1.2. Tình hình nghiên cứu..............................................................................................................................7
1.3. Phương án điều khiển đề xuất...............................................................................................................20
CHƯƠNG 2. MÔ HÌNH HÓA ROBOT..........................................................................................................21
2.1. MÔ HÌNH ĐỘNG HỌC...........................................................................................................................21
2.2. MÔ HÌNH ĐỘNG LỰC HỌC..................................................................................................................23
2.2.1. Phương pháp tiếp cận Lagrange Dynamics.......................................................................................23
2.2.2. Phương pháp Newton-Euler Dynamics..............................................................................................32
2.3. Tổng quan về mạng nơ ron...................................................................................................................37
CHƯƠNG 3. BỘ ĐIỀU KHIỂN BÁM QUỸ ĐẠO CHO ROBOT DI ĐỘNG SỬ DỤNG MẠNG NƠ RON....40
3.1. Bộ điều khiển động học cho robot di động............................................................................................40
3.2. Ứng dụng mô hình nghịch đảo của mạng nơ ron trong bộ điều khiển..................................................42
3.3. Bộ điều khiển lai trên cơ sở Backstepping và mạng nơ ron.................................................................53
3.4. Kết quả..................................................................................................................................................60
KẾT LUẬN...................................................................................................................................................67
TÀI LIỆU THAM KHẢO...............................................................................................................................67
TÓM TẮT
Báo cáo này đề cập đến việc thiết kế và triển khai bộ điều khiển dựa trên mạng thần kinh để theo dõi quỹ đạo của robot di động truyền động vi sai. Hai thuật toán điều khiển theo dõi dựa trên mạng thần kinh khác nhau được đề xuất và kết quả mô phỏng và thử nghiệm của chúng được trình bày. Thuật toán đầu tiên là cấu trúc điều khiển cho phép tích hợp bộ điều khiển bước lùi và bộ điều khiển mô-men xoắn được tính toán bằng mạng nơ-ron (NN) cho robot di động không đa dạng. Việc tích hợp bộ điều khiển mạng thần kinh và bộ điều khiển dựa trên động học mang lại lợi thế trong việc xử lý các sự không chắc chắn và nhiễu loạn không được mô hình hóa và phi cấu trúc đối với hệ thống.
Thuật toán điều khiển được đề xuất thứ hai là bộ điều khiển thích ứng dựa trên NN giúp điều chỉnh mức tăng của bộ điều khiển bước lùi trực tuyến theo quỹ đạo tham chiếu của robot và tư thế ban đầu của nó. Trong phương pháp này, cần có mạng lưới thần kinh để tìm hiểu các đặc điểm của động lực học của nhà máy và sử dụng nó để xác định các đầu vào trong tương lai nhằm giảm thiểu chỉ số hiệu suất lỗi nhằm bù đắp cho lợi ích của bộ điều khiển bước lùi.
Mô hình hóa hệ thống toàn diện bao gồm mô hình động học, động lực học và cơ cấu chấp hành của robot đã được thực hiện. Mô hình động được thực hiện bằng cách sử dụng các phương pháp Newton và Lagrange cho các hệ thống phi tuyến. Mô phỏng mô hình robot và các bộ điều khiển khác nhau đã được thực hiện bằng Matlab và Matlab Simulink. Kết quả mô phỏng 3 bộ điều khiển được so sánh với nhau.
CHƯƠNG 1. TỔNG QUAN VỀ ĐIỀU KHIỂN BÁM QUỸ ĐẠO TRONG ROBOT DI ĐỘNG
1.1. Đặt vấn đề
Với sự phát triển vượt bậc của tự động hóa, các công nghệ phần mềm tiên tiến đã thúc đẩy thêm các lĩnh vực phát triển và trong đó robot nói chung và robot tự hành nói riêng luôn là tâm điểm được bàn luận và nghiên cứu sôi nổi. Từ việc hàn xì trong công nghiệp, vận chuyển đồ đạc trong kho bãi, lau dọn nhà cửa cho đến thực hiện những ca phẫu thuật,… Với đặc điểm độ chính xác cao, vận hành liên tục hiệu quả trong các môi trường khắc nghiệt đối với con người , nó đã tỏ ra là một công cụ hữu hiệu, cánh tay đắc lực khi quy mô mở rộng từ nhà máy xí nghiệp cho đến tận những hộ gia đình, thậm chí còn là y tế thay thế dần sức người…
Có rất nhiều loại robot có thể di chuyển được và chúng được phân ra những loại chính là:
- Robot có chân, chân giống người hay động vật...
- Robot di chuyển bằng xích, đai,...
- Robot di chuyển bằng bánh xe: bánh thường, bánh omni, mecanum,..
1.2. Tình hình nghiên cứu
Hiện nay đã có rất nhiều nghiên cứu và áp dụng các bộ điều khiển khác nhau như PID, Fuzzy, Backstepping, SMC, DSC,MSSC,… mỗi bộ điều khiển sẽ có những đặc điểm khác nhau như bộ điều khiển PID (Proportional-Integral-Derivative) là một phần quan trọng trong hệ thống tự động điều khiển, được sử dụng rộng rãi trong nhiều lĩnh vực công nghiệp và tự động hóa. PID giúp điều khiển một quá trình hoặc hệ thống để duy trì một giá trị một giá trị mong muốn bằng cách điều chỉnh các tham số của nó. Điều khiển PID gồm ba hệ số là Proportional( P) : phản ứng tỷ lệ với sự chênh lệch giữa giá trị đo và giá trị đặt trước đó, điều này giúp giảm sự chênh lệch nhanh chóng và đưa hệ thống đến giá trị đặt ; Integral (I) : tích phân sự chênh lệch giữa giá trị đo và giá trị đặt trước đó theo thời gian, nó giúp loại bỏ độ lệch dài hạn, đảm bảo rằng giá trị đo tiến gần giá trị đặt; Derivative(D): phản ứng dựa trên tốc độ thay đổi của sự chênh lệch,điều này giúp hệ thống tránh được sự dao động và ổn định hơn. PID cung cấp một cách linh hoạt và hiệu quả để điều khiển các hệ thống động, từ máy gia công đến hệ thống đo lường nhiệt độ và thậm chí là trong điều khiển robot.
- Đơn giản và dễ hiểu: Bộ điều khiển PID có cấu trúc đơn giản, dễ dàng thiết kế và cài đặt. Các tham số điều khiển (Kp, Ki, Kd) có ý nghĩa vật lý rõ ràng, giúp người dùng dễ dàng điều chỉnh để đạt được hiệu suất mong muốn.
- Hiệu quả: Bộ điều khiển PID có thể hoạt động hiệu quả trong nhiều hệ thống khác nhau, bao gồm cả hệ thống phi tuyến tính và có nhiễu.
- Có khả năng thích ứng: Bộ điều khiển PID có thể được điều chỉnh để thích ứng với những thay đổi của hệ thống, ví dụ như thay đổi tải trọng hoặc điều kiện môi trường.
- Độ tin cậy cao: Bộ điều khiển PID đã được ứng dụng rộng rãi trong nhiều lĩnh vực và đã chứng minh được độ tin cậy cao.
- Khả năng xử lý thông tin không rõ ràng và mâu thuẫn:
+ Robot hoạt động trong môi trường thực tế thường gặp nhiều yếu tố nhiễu và thay đổi, dẫn đến thông tin thu thập được không rõ ràng và mâu thuẫn.
+ Bộ điều khiển Fuzzy có khả năng mô phỏng tư duy của con người, xử lý thông tin một cách linh hoạt và hiệu quả, thích ứng với những thay đổi của môi trường.
- Hiệu quả trong các hệ thống phi tuyến tính và phức tạp:
+ Robot thường là hệ thống phi tuyến tính với nhiều biến số tương tác lẫn nhau, mô hình toán học chính xác rất khó hoặc không thể xây dựng.
+ Bộ điều khiển Fuzzy có khả năng học hỏi và thích ứng với những thay đổi của hệ thống, hoạt động hiệu quả trong các hệ thống phi tuyến tính và phức tạp.
- Khả năng giải thích kết quả điều khiển:
+ Hệ thống quy tắc Fuzzy dễ dàng được hiểu và giải thích, giúp người dùng theo dõi và đánh giá hiệu quả hoạt động của bộ điều khiển.
+ Điều này giúp ích cho việc điều chỉnh và tối ưu hóa hệ thống điều khiển.
Và cũng có thể thấy được nhược điểm của bộ điều khiển Fuzzy trong điều khiển robot bám quỹ đạo:
- Khó khăn trong việc tích hợp với các hệ thống khác:
+ Bộ điều khiển Fuzzy thường được thiết kế riêng cho từng ứng dụng cụ thể, việc tích hợp với các hệ thống khác có thể gặp nhiều khó khăn.
+ Việc giao tiếp và trao đổi dữ liệu giữa bộ điều khiển Fuzzy và các hệ thống khác cần được chú trọng.
Ngoài các bộ điều khiển truyền thống như PID hay Fuzzy thì tác giả ở nghiên cứu [17,18,19] đã đưa ra bộ điều khiển Mạng nơ-ron nhân tạo để điều khiển robot và cho thấy được ưu điểm vượt trội mà mạng nơ-ron nhân tạo có thể mang đến trong điều khiển robot đó là.
- Hiệu quả trong các hệ thống phi tuyến tính:
+ SMC có thể hoạt động hiệu quả trong các hệ thống robot phi tuyến tính, vốn khó điều khiển bằng các phương pháp truyền thống.
+ Khả năng thích ứng của SMC giúp nó phù hợp với nhiều loại robot khác nhau.
Hạn chế của bộ điều khiển Sliding Mode Controller (SMC) trong điều khiển robot bám quỹ đạo:
- Hiện tượng chattering:
+ SMC có thể dẫn đến hiện tượng chattering, là hiện tượng dao động tần số cao xuất hiện trong tín hiệu điều khiển.
+ Chattering có thể gây ra tiếng ồn, rung động và làm giảm tuổi thọ của các bộ phận robot.
- Khả năng thích ứng cao:
+ AFDSC có khả năng thích ứng với các thay đổi của hệ thống robot và môi trường hoạt động.
+ Nhờ vậy, robot có thể hoạt động hiệu quả trong các điều kiện khác nhau, ngay cả khi mô hình hệ thống không chính xác hoặc thay đổi theo thời gian.
- Hiệu quả trong điều kiện nhiễu:
+ AFDSC có khả năng chống nhiễu tốt, do sử dụng hệ thống suy luận Fuzzy để xử lý thông tin nhiễu và điều chỉnh tín hiệu điều khiển phù hợp.
- Độ chính xác cao:
+ AFDSC có thể đảm bảo robot bám theo quỹ đạo mong muốn với độ chính xác cao, ngay cả trong điều kiện nhiễu và nhiễu động.
- Khả năng giải thích: HGO có khả năng giải thích tốt hơn so với SMO, giúp người dùng dễ dàng hiểu được nguyên nhân đằng sau kết quả ước tính.
Nhược điểm:
- Độ phức tạp: HGO phức tạp hơn SMO, do đó khó khăn hơn trong việc triển khai và cài đặt.
- Yêu cầu mô hình: HGO yêu cầu mô hình hệ thống robot chính xác để hoạt động hiệu quả.
- Tính toán tốn kém: HGO có thể tốn nhiều thời gian tính toán, đặc biệt đối với các hệ thống phức tạp.
- Khả năng xử lý hệ thống phi tuyến:
+ Robot thường là hệ thống phi tuyến với nhiều biến số tương tác lẫn nhau, mô hình toán học chính xác rất khó hoặc không thể xây dựng.
+ Bộ điều khiển Backstepping có khả năng xử lý hệ thống phi tuyến một cách hiệu quả, bằng cách chia nhỏ hệ thống thành các bậc con đơn giản hơn và thiết kế bộ điều khiển cho từng bậc con.
1.3. Phương án điều khiển đề xuất
Robot bám quỹ đạo là một lĩnh vực quan trọng trong tự động hóa, với ứng dụng rộng rãi trong sản xuất, gia công, và khám phá. Tuy nhiên, việc điều khiển robot di chuyển chính xác theo quỹ đạo mong muốn trong môi trường phức tạp vẫn còn nhiều thách thức. Mạng nơ-ron nhân tạo (NN) nổi lên như một công cụ hứa hẹn cho bài toán này, mang đến nhiều ưu điểm vượt trội so với các phương pháp điều khiển truyền thống.
Từ các Ưu điểm của NN và bộ điều khiển backstepping trong điều khiển robot bám quỹ đạo cho thấy Lợi ích của việc kết hợp:
1. Độ chính xác cao: NN có thể học hỏi và mô hình hóa chính xác động lực học của robot, giúp bộ điều khiển Backstepping đưa ra tín hiệu điều khiển chính xác hơn.
2. Tính ổn định: NN có thể bù trừ nhiễu động và thay đổi trong môi trường, đảm bảo robot hoạt động ổn định theo quỹ đạo mong muốn.
3. Hiệu suất cao: Việc tối ưu hóa bộ điều khiển bằng NN có thể nâng cao hiệu suất hoạt động của robot, tiết kiệm năng lượng và thời gian.
CHƯƠNG 2. MÔ HÌNH HÓA ROBOT
Để đảm bảo điều khiển robot chính xác và ổn định khi bám quỹ đạo, việc xây dựng mô hình robot tin cậy là vô cùng quan trọng. Mô hình này cần mô phỏng chính xác động lực học của robot, bao gồm cả các yếu tố phi tuyến và nhiễu động. NN có thể đóng vai trò quan trọng trong việc xây dựng mô hình robot tin cậy.
2.1. MÔ HÌNH ĐỘNG HỌC
Giả sử robot di động vi sai có hai bánh với bán kính . được đặt với khoảng cách L từ trung tâm robot như hình.
A: là giao điểm của trục đối xứng với trục bánh xe dẫn động.
C: là trung tâm khối lượng của nền tảng.
a: là khoảng cách giữa tâm khối lượng và trục bánh xe dẫn động theo hướng x.
L: là khoảng cách giữa mỗi bánh xe lái xe và trục robot đối xứng theo hướng y.
Phương trình trên cũng là phương trình động học chung cho một robot di động truyền động vi sai.
2.2. MÔ HÌNH ĐỘNG LỰC HỌC
Xây dựng các phương trình chuyển động, hoặc động lực học, của robot là điều cần thiết trong việc phân tích, thiết kế và điều khiển robot. Mô hình động nói chung là nghiên cứu về chuyển động của hệ thống, trong đó các lực được mô hình hóa và nó có thể bao gồm năng lượng và tốc độ liên quan đến chuyển động. Sự khác biệt chính giữa mô hình động và động học là trong động học, chúng ta nghiên cứu chuyển động mà không xem xét các lực ảnh hưởng đến chuyển động và chúng ta chỉ xử lý các mối quan hệ hình học chi phối hệ thống.
Với động lực học có hai cách tiếp cận Lagrange dựa trên năng lượng và phương pháp tiếp cận cơ học vectơ trực tiếp, Newton-Euler, được phác thảo để thể hiện động lực học của robot này.
2.2.1. Phương pháp tiếp cận Lagrange Dynamics
Động lực học phân tích là một cách tiếp cận trong động lực học xử lý toàn bộ hệ thống xử lý các đại lượng vô hướng như động năng và thế năng của hệ thống. Lagrange (1736-1813) đã đề xuất một cách tiếp cận cung cấp một phương pháp mạnh mẽ và linh hoạt để xây dựng các phương trình chuyển động cho bất kỳ hệ thống động lực nào. Phương trình Lagrange là các phương trình vi phân trong đó người ta xem xét năng lượng của hệ thống và công việc được thực hiện ngay lập tức trong thời gian. Đạo hàm của phương trình Lagrange cho các hệ thống holonomic đòi hỏi các tọa độ tổng quát phải độc lập. Tuy nhiên, đối với một hệ thống phi toàn diện, phải có nhiều tọa độ tổng quát hơn số bậc tự do là do những hạn chế đối với chuyển động của hệ thống.
Ngoài n phương trình này, chúng ta có m phương trình của các ràng buộc để giải cho các ẩn số (m+n).
Bước đầu tiên trong việc tìm phương trình động là tìm động năng và thế năng của hệ thống. Năng lượng tiềm năng của hệ bằng không vì chuyển động bị giới hạn ở mặt đất. Chức năng động năng của robot có thể được suy ra theo vận tốc thể hiện trong hình dưới.
Chúng ta có thể liên hệ các lực theo phương x, y và 𝜃 với mô men truyền động trên mỗi bánh xe theo sơ đồ thân tự do của robot như trên hình.
So sánh phương trình trên và dạng tổng quát của phương trình động lực học robot (7), ta có các tham số sau cho hệ thống robot di động truyền động vi sai.
Bằng cách xem xét phương trình động học thuận, người ta có thể nhận thấy rằng ma trận S(q) là ma trận động học thuận biến đổi có hai số hạng vận tốc liên quan đến khoảng cách giữa tâm robot và trục bánh xe. Do đó, chúng ta có thể viết phương trình sau cho hệ thống như phương trình dưới.
2.2.2. Phương pháp Newton-Euler Dynamics
Bước đầu tiên và là một trong những bước quan trọng nhất trong mô hình động lực học Newton là đưa ra sơ đồ vật thể tự do của hệ và phân tích các lực tác dụng lên nó. Sơ đồ phần thân tự do của robot di động truyền động vi sai được thể hiện trên Hình dưới
(Fui , Fuv): là các lực dọc do bánh xe bên trái và bên phải tác dụng lên xe.
(Wt, Fwv): là các lực ngang tác dụng lên xe bởi bánh xe bên trái và bên phải
Như có thể thấy từ sơ đồ vật thể tự do ở trên, lực duy nhất tác động lên robot là lực truyền động tác động lên các bánh xe robot. Đạo hàm bằng cách biểu diễn vị trí của robot bằng tọa độ cực.
Các phương trình (2.96), (2.97) và (2.98) là các phương trình động lực chính của robot di động truyền động vi sai bắt nguồn từ phương pháp động học Newton.
Việc không trượt theo các hướng dọc (cán thuần túy) và ngang (không trượt) tạo ra sự độc lập giữa vận tốc dọc, vận tốc ngang và vận tốc góc và đơn giản hóa các phương trình động.
Hai phương trình trên là phương trình động học của robot xét đến các ràng buộc phi chỉnh thể. Hai phương trình trên có thể dễ dàng chuyển đổi sang dạng ma trận bằng cách sử dụng cùng các ký hiệu và ma trận theo phương pháp Lagrangian.
Như có thể thấy từ phương trình trên, cả hai phương pháp sẽ đạt đến cùng một phương trình động học cho robot di động. Sử dụng các phương trình (2.102) và (2.99) và các phương trình động học thuận (2.2) và (2.3), chúng ta có thể dễ dàng viết các phương trình động lực học tổng quát theo mô men xoắn của bộ truyền động, vận tốc quay của bánh xe và các thông số hình học.
Các phương trình (2.121) và (2.122) là các phương trình động lực liên quan đến mômen truyền động, vận tốc quay của bánh xe và gia tốc quay. Kết quả tương tự mà chúng ta đạt được nếu chúng ta viết các phương trình động học rút ra từ phương pháp Lagrange về vận tốc quay và gia tốc quay của bánh xe. Với mục đích mô phỏng và điều khiển, người ta có thể sử dụng phương trình (2.121) và (2.122) từ phương pháp Newton hoặc phương trình (2.73) từ phương pháp Lagrange.
2.3. Tổng quan về mạng nơ ron.
NN nhân tạo được mô phỏng theo quy trình sinh học để xử lý thông tin, bao gồm cụ thể là hệ thần kinh và đơn vị cơ bản của nó là tế bào thần kinh. Tín hiệu được truyền đi dưới dạng chênh lệch điện thế giữa bên trong và bên ngoài tế bào. Mô hình toán học của nơ-ron được mô tả trong Hình 3.2.
Mục đích của hàm kích hoạt là mô hình hóa hành vi phi tuyến của ô không có đầu ra bên dưới một giá trị nhất định của đối số. Các hàm Sigmoid là một lớp chung của các hàm không giảm đơn điệu đảm nhận các giá trị bị giới hạn. Đối với nhiều thuật toán đào tạo NN bao gồm thuật toán lan truyền ngược, đạo hàm của hàm kích hoạt là cần thiết, vì vậy chức năng kích hoạt được chọn phải có thể phân biệt được.
Lớp đầu tiên được gọi là lớp ẩn và lớp thứ hai được gọi là lớp đầu ra. Một mạng lưới thần kinh với nhiều lớp được gọi là perceptron đa lớp và sức mạnh tính toán của nó được tăng cường đáng kể so với mạng một lớp.
Điều quan trọng cần đề cập là đầu vào cho trọng lượng lớp ẩn sẽ được chọn ngẫu nhiên trong khi trọng lượng lớp ẩn đến đầu ra sẽ được điều chỉnh bằng các phương pháp đào tạo thích hợp. Điều này sẽ giảm thiểu sự phức tạp tính toán của việc sử dụng NN trong các ứng dụng điều khiển.
CHƯƠNG 3. BỘ ĐIỀU KHIỂN BÁM QUỸ ĐẠO CHO ROBOT DI ĐỘNG SỬ DỤNG MẠNG NƠ RON
3.1. Bộ điều khiển động học cho robot di động
Bộ điều khiển backstepping được đề Bộ điều khiển Backstepping là một phương pháp điều khiển tự động được sử dụng trong lý thuyết điều khiển và hệ thống động. Nó thuộc vào loại các phương pháp điều khiển phi tuyến, đặc biệt là được thiết kế để xử lý các hệ thống phi tuyến.
Sử dụng các phương trình động học robot (2.1) và (2.6) và phương trình sai số (3.1) ta có phương trình như dưới.
3.2. Ứng dụng mô hình nghịch đảo của mạng nơ ron trong bộ điều khiển
Một cấu trúc kiểm soát để kết hợp bộ điều khiển backstepping và bộ điều khiển mô men đã được tính toán của mạng nơ-ron cho các robot di động dạng nonholonomic được đề xuất trong phần này. Một luật điều khiển kết hợp giữa động học và động lực học được phát triển bằng cách sử dụng phương pháp backstepping và tính ổn định được chứng minh bằng cách sử dụng phương pháp Lyapunov. Bộ điều khiển NN được đề xuất trong việc điều khiển có thể xử lý các nhiễu có giới hạn không mô hình hóa và động học không mô hình hóa không cấu trúc trong xe. Cấu trúc bộ điều khiển theo dõi quỹ đạo sử dụng mô hình nghịch đảo của mạng nơ-ron được hiển thị trong Hình(3.5.
Bộ điều khiển backstepping truyền thống cũng được biểu diễn trong sơ đồ 4-45 một lần nữa với mục đích so sánh.
So sánh các hình (3.5) và (3.6), Có thể nhận thấy rằng trong cấu trúc điều khiển mô hình nghịch đảo của mạng neural được đề xuất, không có giả định nào về động học của robot và chức năng của mạng neural là học động học của xe qua hình thức trực tuyến và tái tạo mô hình động lực học của hệ thống. Do đó, việc chuyển đổi đầu ra của bộ điều khiển dựa trên động học thành một lực moment τ phù hợp cho robot mặc dù có các tham số động học không xác định hoặc các nhiễu không xác định giới hạn, được thực hiện bằng cách sử dụng mạng neural.
3.2.1 Đạo hàm thuật toán học mô hình nghịch đảo NN
Các định nghĩa và thuật ngữ sau sẽ được sử dụng để suy ra thuật toán học của bộ điều khiển mô hình nghịch của mạng nơ-ron theo hình (1).
Cấu trúc mạng Neural sử dụng cho mục đích tính toán mô-men xoắn được hiển thị trong Hình 3.7.
Các đạo hàm trong các phương trình (3.52) và (3.53) có thể được tìm thấy từ các phương trình điều khiển của mạng nơ-ron và sẽ được giải thích trong phần tiếp theo.
3.2.2. Tính toán thuật ngữ đạo hàm mạng lưới thần kinh
Sử dụng công thức lan truyền ngược và thuật ngữ hình sau, đạo hàm của lớp thứ hai như hình dưới.
3.2.3. Tính toán ma trận Jacobian
Jacobian có thể được tính toán dựa trên các phương trình động lực học của robot. Phương trình động học của robot di động như các phương trình dưới.
Thay phương trình (3.87), (3.69), (3.70) và (3.71) vào các phương trình (3.56) và (3.57) ta có phương trình 3.89.
3.3. Bộ điều khiển lai trên cơ sở Backstepping và mạng nơ ron
Cấu trúc của bộ điều khiển này được hiển thị trong Hình 3.9.
Như có thể thấy trong phương trình trên, bộ điều khiển có ba mức tăng được đề cập là các giá trị không đổi dương trong các tham chiếu khác. Nhược điểm của bộ điều khiển ở trên với độ lợi không đổi là nó cần điều chỉnh độ lợi cẩn thận cho từng quỹ đạo tham chiếu khác nhau và nó sẽ không gây ra sai số quỹ đạo bằng 0 khi theo dõi trơn tru. Thuật toán điều khiển được đề xuất cung cấp cho bộ điều khiển bước lùi các độ lợi thích ứng có thể thay đổi và thay đổi theo quỹ đạo tham chiếu. Cấu trúc bộ điều khiển bước lùi thích ứng dựa trên NN được hiển thị trong Hình 4-80.
Các tham số.....là tốc độ học của thuật toán giảm độ dốc. Phần quan trọng của việc tính đạo hàm của phương trình (3.110) là cách tính ma trận Jacobian của hệ. Ma trận Jacobian có thể được tính toán bằng cách sử dụng các phương trình chính xác của hệ thống hoặc có thể được cung cấp bởi mô hình trực tiếp mạng nơ-ron. Tính toán ma trận Jacobian dựa trên hai phương pháp trên và những ưu điểm cũng như hạn chế của chúng sẽ được giải thích ở phần sau.
3.3.1 Tính toán Jacobian sử dụng các phương trình chính xác của hệ thống
Ma trận Jacobian cần thiết có thể tìm được bằng cách thay các phương trình (3.123) thành (3.128) trong (3.124).
Như có thể thấy trong phương trình trên, việc tính toán Jacobian bằng phương pháp này đòi hỏi kiến thức chính xác về tất cả các tham số của hệ thống. Người ta cũng giả định rằng tất cả các tham số của hệ thống là chắc chắn và cố định, điều này không thể áp dụng cho các nền tảng robot ngoài đời thực vốn có các tham số không chắc chắn. Việc tính toán ma trận Jacobian bằng cách sử dụng phương pháp mô hình trực tiếp mạng nơ-ron giải quyết vấn đề này vì mạng nơ-ron sẽ học trực tuyến mô hình của robot thực và cho chúng ta xấp xỉ hệ thống tốt hơn. Chi tiết về phép tính Jacobian sử dụng mô hình trực tiếp mạng nơ-ron sẽ được giải thích trong phần tiếp theo.
3.3.2 Tính toán Jacobian sử dụng mô hình trực tiếp mạng nơ-ron
Mạng nơ-ron được sử dụng để mô phỏng gần đúng nền tảng robot hay còn gọi là mạng nơ-ron mô hình trực tiếp được hiển thị trong hình 4-81.
Phương trình (3.138) là phương trình có thể được sử dụng để tính toán ma trận Jacobian bằng cách sử dụng mạng nơ-ron mô hình trực tiếp. Mạng lưới thần kinh được sử dụng trong phương pháp này phải được đào tạo tốt để nó có thể thực hiện ước tính chính xác của hệ thống.
3.4. Kết quả.
Sử dụng phần mềm Matlab simulink để mô phỏng kiểm chứng các bộ điều khiển.
Tham số được chọn cho mô hình: m=12kg, J=0.56kg.m2, d=0.3m, r=0.06m.
Nhận xét: Thông qua các hình (3.15) (3.17) (3.19) ta có thể thấy được bộ điều khiển Backstepping có thời gian bám và ổn định quỹ đạo lâu hơn bộ điều khiển nghịch đảo NN và ta cũng thấy được bộ điều khiển backtepping kết hợp bộ chỉnh định NN cho thời gian bám và khả năng ổn định tốt hơn bộ 2 bộ điều khiển còn lại. Từ hình (3.17) và (3.19) ta thấy rằng bộ điều khiển Backstepping và bộ điều khiển Backstepping kết hợp bộ chỉnh đinh NN cho thấy bộ điều khiển Backstepping và bộ điều khiển Backstepping kết hợp bộ chỉnh đinh NN là bộ điều khiển theo dõi quỹ đạo hoàn hảo với những ưu điểm sau so với bộ điều khiển bước lùi:
- Đạt được sai số theo dõi bằng 0 tối ưu nhất với hình dạng của quỹ đạo tham chiếu là hình tròn với bán kính bằng 3
- Thời gian tiếp cận quỹ đạo nhỏ tương ứng có thể đạt được khi có khoảng cách lớn giữa robot và quỹ đạo tham chiếu.
- Một quỹ đạo robot trơn tru sẽ được tạo ra bằng bộ điều khiển Backstepping kết hợp bộ chỉnh đinh NN, giúp thực hiện dễ dàng hơn trong các ứng dụng thực tế.
KẾT LUẬN
Đề tài đồ án “NGHIÊN CỨU, THIẾT KẾ BỘ ĐIỀU KHIỂN BÁM QUỸ ĐẠO CHO ROBOT TỰ HÀNH DẠNG NON-HOLONOMIC ỨNG DỤNG MẠNG NEURAL NHÂN TẠO” này đã tập trung vào việc nghiên cứu và phát triển một phương pháp điều khiển tiên tiến để giải quyết vấn đề điều khiển bám quỹ đạo cho robot tự hành dạng non-holonomic. Trong nhiều ứng dụng thực tế, như xe tự lái và robot di động, việc đảm bảo robot có thể di chuyển theo quỹ đạo mong muốn một cách chính xác và linh hoạt.
Báo cáo đã chứng minh rằng việc sử dụng mạng neural nhân tạo là một phương pháp mạnh mẽ để giải quyết vấn đề . Bằng cách sử dụng dữ liệu huấn luyện phong phú và quá trình tối ưu hóa phù hợp, từ đó đã thiết kế một mạng neural có khả năng học và tự điều chỉnh để điều khiển robot theo quỹ đạo được chỉ định.
Kết quả của nghiên cứu đã cho thấy rằng phương pháp đề xuất không chỉ cung cấp khả năng điều khiển chính xác và linh hoạt, mà còn có khả năng thích ứng với môi trường và tình huống thay đổi.
Tuy nhiên, vẫn còn có một số thách thức cần được giải quyết. Bao gồm việc tối ưu hóa cấu trúc mạng neural, xử lý dữ liệu nhiễu và mở rộng phương pháp để áp dụng trong các môi trường phức tạp hơn. Và để nhúng bộ điều khiển xuống với robot.
Hướng phát triển tiếp theo: Kết hợp bộ chỉnh định neural cho các bộ điều khiển bậc cao hơn như SMC, DSC.
Hà Nội, ngày … tháng … năm 20…
Sinh viên thực hiện
1) …………………
2) …………………
TÀI LIỆU THAM KHẢO
[1]. S. YİGİT and A. SEZGİN, “Trajectory Tracking via Backstepping Controller with PID or SMC for Mobile Robots,” Sakarya University Journal of Science, vol. 27, no. 1, pp. 120–134, Feb. 2023, doi: 10.16984/saufenbilder.1148158.
[2]. B. M. Yousuf, A. Saboor Khan, and S. Munir Khan, “Dynamic modeling and tracking for nonholonomic mobile robot using PID and back‐stepping,” Advanced Control for Applications, vol. 3, no. 3, Sep. 2021, doi: 10.1002/adc2.71.
[3]. M. Ayyıldız and U. Tilki, “Adaptive Sliding Mode Control of Mobile Robot and Comparison with PID Controller Adaptive Fault Tolerant Control of Mobile Robots Having Actuator, Sensor Faults and Unknown Parameters View project Adaptive Sliding Mode Control of Mobile Robot and Comparison with PID Controller.” [Online]. Available: https://www.researchgate.net/publication/352878078
[4]. K. Singhal, V. Kumar, and K. P. S. Rana, “Robust trajectory tracking control of non-holonomic wheeled mobile robots using an adaptive fractional order parallel fuzzy PID controller,” J Franklin Inst, vol. 359, no. 9, pp. 4160–4215, Jun. 2022, doi: 10.1016/j.jfranklin.2022.03.043.
[5]. Y. Li, S. Dong, K. Li, and S. Tong, “Fuzzy Adaptive Fault Tolerant Time-Varying Formation Control for Nonholonomic Multirobot Systems With Range Constraints,” IEEE Transactions on Intelligent Vehicles, vol. 8, no. 6, pp. 3668–3679, Jun. 2023, doi: 10.1109/TIV.2023.3264800.
[6]. M. Taherisarteshnizi and K. Alipour, “Fuzzy Dynamic Controller for Wheeled Mobile Robots Considering Lateral and Longitudinal Wheels Slippage,” in 11th RSI International Conference on Robotics and Mechatronics, ICRoM 2023, Institute of Electrical and Electronics Engineers Inc., 2023, pp. 494–500. doi: 10.1109/ICRoM60803.2023.10412412.
"TẢI VỀ ĐỂ XEM ĐẦY ĐỦ TIỂU LUẬN"