ترجمه کنترل تطبیقی حرکت ربات متحرک چرخ­دار با لغزش نامعلوم

توضیحات

 عنوان فارسی: کنترل تطبیقی حرکت ربات متحرک چرخ­دار با لغزش نامعلوم

عنوان انگلیسی مقاله ترجمه شده:

Adaptive motion control of wheeled mobile robot with unknown slippage

کنترل تطبیقی حرکت ربات متحرک چرخ­دار با لغزش نامعلوم

به عنوان یک نماینده­ی مهم از سیستم غیرهولونومیک، ربات متحرک چرخ­دار (WMR) اغلب برای سفر کردن در محیط­های خارج جاده­ای همانند محیط­های سازمان­یافته مورد استفاده قرار می­گیرد. لغزش عموما وقتی رخ می­دهد که WMR در سرازیری­ها یا زمین­های ناهموار حرکت می­کند و موجب ایجاد خطاهای تجمعی موقعیتی بزرگ در مقایسه با ربات­های متحرک چرخ­دار سنتی می­شود. یک برآورد از نسبت لغزش چرخ برای بهبود دقت کنترل حرکت، ضروری است. در این مقاله، ما یک کنترل­کننده تطبیقی بهبود یافته را ارائه می­دهیم که به WMR امکان دنبال کردن مسیر مورد نظر تحت لغزش طولی نامعلوم را می­دهد و در آن تثبیت و پایداری سیستم ردیابی حلقه بسته توسط تئوری لیاپانوف تضمین می­شود. تمامی حالات سیستم از الگوریتم­های آنلاین تنظیم وزن شبکه عصبی استفاده می­کنند که خطاهای کوچ ردیابی و ثبات در حرکت ربات را با سیگنال­های ورودی محدود تنظیم می­کند. نتایج ردیابی با استفاده از روش کنترلی پیشنهادی در شبیه­سازی­های متنوع متلب را بیان می­کنیم.

واژگان کلیدی- سیستم­های غیرهولونومیک، ربات متحرک چرخ­دار (WMR)، تابع پایه شعاعی (RBF)،   شبکه­های عصبی (NN)، نسبت لغزش، تئوری لیاپانوف.

1- مقدمه

در دهه­های اخیر، مخققان متعددی مسئله کنترل سیستم­های غیرهولونومیک را بررسی کرده­اند. به عنوان یک نماینده­ی مهم از سیستم غیرهولونومیک، ربات متحرک چرخ­دار (WMR) توجه زیادی را به خود جلب کرده است. بیشتر روش­های کنترلی برای WMR بر پایه­ی این فرض است که چرخ­ها بدون لغزش می­چرخند.

      بر اساس این فرض، برخی از تئوری­های کنترلی مدرن و الگوریتم­ها برای کنترل حرکت WMR ارائه شده­اند. طرح کنترل پایدار کلاسیکی به منظور محاسبه­ی ورودی­های کنترلی وسیله نقلیه برای یک ربات متحرک مستقل بر اساس فرض ردیابی سرعت ایده­آل ارائه شده است (کانایاما، کیمورا، میازاکی و نوگوچی، 1990). این نوع از روش کنترل، مسائل ردیابی غیرهولونومیک را بر اساس مدل­های ساده شده در دوره­های اولیه­ی توسعه­ی آن­ها برطرف کرد. این ساده­سازی با صرف­نظر از دینامیک وسیله نقلیه و در نظر گرفتن سیستم هدایتگر و یا با در نظر گرفتن یک مدل ریاضی معلوم از سیستم­های دینامیکی میسر شده است. در نتیجه، روش­های کنترل تطبیقی و غیر خطی قابل اعتماد زیادی (جی، ونگ، لی و ژو، 2001، لی و ژو، 2009، لی، لی و کانگ، 2010) بری کنترل حرکت ربات­های متحرک طراحی شده­اند. این عملکردهای کنترلی اغلب توسط مدلسازی خطاها، خطاهای بازخورد اطلاعات و اختلالات بیرونی تخریب می­شوند. با این وجود، هنوز نوعی از عدم قطعیت در دینامیک سیستم­های غیرهولونومیک یا اطلاعات محیطی وجود دارد و تاثیر آن­ها در عمل بسیار حائز اهمیت است. این بدان معناست که ما نیازمند یک کنترل­کننده­ی هوشمندتر برای حل این مسائل هستیم.

      سیستم­های کنترل WMR کاملا مستقل باید با عدم قطعیت­های دینامیکی ربات، اختلالات غیرساختاری و اصطکاک غیرخطی مواجه شود. اما دستیابی به یک مدل ریاضی دقیق برای به کار بردن کنترل­کننده­های گشتاور محاسبه شده یا کنترل­کننده­های مدل مبنا در واقعیت کار دشواری است. پس از پیشرفت شبکه­های عصبی (NN)، کنترل مبتنی بر شبکه عصبی ربات­های متحرک موضوع تحقیقات بسیاری در سال­های اخیر بوده­ است (فیدو و لویس، 1998، جولی، کومار و ویجایاکومار، 2009، سان، پی، پن و ژنگ، 2013، ونگ، جی، لی و لای، 2006). این تحقیقات روش­های جدیدی را برای حل مشکلات اصلی ارائه داده­اند. یک مدل مبتنی بر شبکه عصبی که تکنیک پسگام را با یک کنترل­کننده­ی گشتاور ترکیب می­کند، توسط فیرو و لویس (1998) ارائه شد. و این الگوریتم بر پایه­ی کاربرد شبکه­های عصبی BP چند لایه بود. کنترل ردیابی با استفاده از یک شبکه­ی عصبی هوشمند تطبیقی برای WMR مورد بررسی قرار گرفت (ونگ و همکارانش، 2006) و موجب کنترل حرکتی خوبی بر اساس دینامیک نیمه نامعلوم می­شود. سان و همکارانش (2013)  یک کنترل شبکه­ی عصبی تطبیقی قوی را برای ربات متحرک غیرهولونومیک و برای ردیابی مرزهای محیطی موردنظر ارائه کرد. این روش­های کنترلی ذکر شده تحت قیدهای چرخش (غلتش) خالص و بدون لغزش طراحی می­شود.

      اگرچه ما می­دانیم که کاربردهای WMR معمولا با سفر کردن در محیط­های خارج جاده­ای است به طوری که برخی از پدیده­ها مانند لغزش یا سرخوردگی همواره بین چرخ­ها و زمین وجود دارد و منجر به چرخش چرخ­ها می­شود که ایده­آل نیست (وونگ، 2001). وقتیکه یک WMR در زمین­های ناهموار یا سرازیری­ها حرکت می­کند، لغزش موجب ایجاد خطاهای تجمعی موقعیتی در وسیله نقلیه نسبت به WMR سنتی می­شود (دینگ و همکارانش، 2011). بنابراین، کنترل ردیابی ربات متحرک به طور قابل ملاحظه­ای تحت تاثیر شرایط زمین قرار می­گیرد (ری، براند و لدر، 2009). به منظور حل این مشکل، ما یک رویکرد مبتنی بر برآورد لغزش کمی چرخ ارائه می­دهیم و پارامترهای نسبت لغزش را در مدل سینماتیکی WMR ترکیب کردیم. بسیاری از محققان پدیده لغزش در WMR را بیان کرده­اند (اندو، اوکادا، ناگاتانی و یوشیدا، 2007، موسویان و کلانتری، 2008). نسبت­های لغزش تمامی چرخ­ها را می­توان توسط مطالعه تجربی تخمین زد (دینگ، گائو، دنگ و لیو، 2010، لوساکوئی، کاسینو و زامپیری، 2010). تایید شده است که این روش­ها برای برآورد نسبت­های لغزش چرخ­ها مفید می­باشند.

      در این مقاله ما یک روش کنترل تطبیقی ردیابی خرکت موثر مبتنی بر NN و جبران لغزش را برای سیستم­های WMR ارائه می­دهیم.

توجه:

• برای دانلود فایل word کامل ترجمه از گزینه افزودن به سبد خرید بالا استفاده فرمایید.
• لینک دانلود فایل بلافاصله پس از خرید بصورت اتوماتیک برای شما ایمیل می گردد.