اثبات پایداری کنترلر ناایستا و خاکستری موقعیّت بازوی مکانیکی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 932

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_028

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

مسئله عدم قطعیّت در کنترل حلقه بسته سیستم های مختلف از جمله رباتیک موجب به وجود آمدن مشکلات زیادی می شود. هدف اصلی در این مقاله، اثبات پایداری کنترل کننده برای رهگیری مسیر ربات در استفاده از روش مدل سازی جعبه خاکستری با کمک شدبکه های عصبی به منظور بهبود عملکرد در برخورد بامسئله عدم قطعیّت می باشد. در واقع، استفاده از شبکه های عصبی به صورت جعبه خاکستری و برای مدل سازی روز به هنگام ترم های مربوط به اصطکاک، نیروهای جانب مرکز، کوریولیس و گرانی پیشنهاد شده است و فرض شده است که دانش اولیّه، توانایی فراهم نمودن اطّلاعات لازم برای مدل سازی سایر قسمت ها را دارد. این روش از مزایای دو روش کلاسیک و عصبی استفاده می کند و تلفیقی از آن دو است. الگوریتم آموزشی بکار برده شده الگوریتم پس انتشار خطای توسعه یافته می باشد. مزیت اصلی الگوریتم بکار برده شده سرعت بالا و کم بودن نقاط حدّاقل محلّی آن است. تحلیل شبیه سازی ها عملکرد مناسب کنترلر پیشنهادی را در مقابله با عدم قطعیّت با تضمین پایداری تایید می کند

نویسندگان

فرناز صباحی

دانشگاه فردوسی مشهد

محمد رضا اکبرزاده توتونچی

دانشگاه فردوسی مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • رابرت، چی. شیلینگ. «بررسی و کنترل اصول رباتیک ». مترجم ...
  • L. Wang, et al., "Neura l -Network-Based Contouring Control for ...
  • _ _ _ IASTED Conference on Artificial Intelligence and Applictions, ...
  • D. F. Bassi and G. A. Bekey, "High precision position ...
  • I. S. Baruch, et al., _ fuzzy-neural multi-model for nonlinear ...
  • Y. H. Kim and F. L Lewis, "Output feedback control ...
  • F. Passold and M R. Stemmer, "Force control of a ...
  • S. Fuchun, et al., "Neural network-based adaptive controller design of ...
  • _ IEEE Internationl Symposium on, p ...
  • B. Armstrong, "Friction: experimental determination, modeling and compensation, " in ...
  • Q. Li, et al., "Nonlinear Inverse System Self-learning Control Based ...
  • C. L. Chen and R. S. Nutter, "An extended back ...
  • J. J. Craig, Introduction to Robotics: Mechanics and Control 3rd ...
  • نمایش کامل مراجع