23557

طراحي سامانه كنترلي تطبيق پذير روبات متحرك هدايت شونده خودكار با استفاده از شبكه عصبي تابع پايه شعاعي بهبود يافته

كارشناسي ارشد

مهندسي برق- سيستم هاي الكترونيك ديجيتال

1399-1400

1399/11/25

دكتر سيد محمد رضا موسوي ميركلايي

مركز آموزش الكترونيكي

روبات هاي متحرك هدايت شونده خودكار AGV به عنوان روبات هاي خودران با توجه به بازدهي بالا و توانايي جابجايي آنها، به صورت گسترده در كارخانه ها، مراكز درماني، بيمارستان ها، بنادر و غيره مورد استفاده قرار مي گيرند. در سامانه كنترلي سرعت روبات هاي AGV، از انواع سامانه هاي كنترل PID به صورت حلقه بسته استفاده مي گردد. سامانه كنترلي PID با توجه به ساختار در برخي كاربردهاي كنترلي روبات هاي AGV نظير كاربردهاي غير خطي و جابجايي بار با مقدار زياد توسط روبات، به تنهايي قادر به انجام وظايف كنترلي با سرعت پاسخ بالا نبوده و امروزه از روش هاي بهينه سازي جهت بالابردن بازدهي كنترلر اين روبات ها استفاده مي گردد. در اين پايان نامه روش هاي متداول طراحي سامانه هاي كنترل روبات هاي AGV مبتني بر بهينه سازي سامانه كنترل PID ارائه خواهد شد. روش پيشنهادي شامل جزئيات طراحي سامانه كنترل روبات هاي AGV با استفاده از شبكه عصبي تابعي پايه شعاعي (RBF ) به صورت بهينه مي باشد. اين روش جديد با استفاده از شبكه عصبي مصنوعي، ضرايب سامانه كنترلي PID را به صورت لحظه اي و تطبيقي با توجه به عملكرد مطلوب و سرعت يادگيري بالاي شبكه عصبي RBF تنظيم مي نمايد. نتايج شبيه سازي ها نشان مي دهد كه استفاده از شبكه عصبي تابع پايه اي شعاعي در بهينه سازي سامانه كنترلر PID، باعث بهبود حدود %40 زمان صعود پاسخ خروجي سامانه كنترلر طراحي شده نسبت به سامانه كنترلر PID شده و سبب بهبود زمان استقرار و بدون حالت فراجهش در پاسخ خروجي مي گردد. علاوه بر آن، تنظيم ضرايب خودكار سامانه كنترل PID بهينه شده توسط شبكه عصبي با توجه به فرآيند يادگيري سريع شبكه هاي عصبي در زمان كمتر از (0.1 s ) انجام گرفته كه اين موضوع محدوديت و ضعف سامانه كنترل PID را جهت كار در كابردهاي غير خطي نظير استفاده در روبات هاي AGV برطرف مي كند.

1399/12/15

Design of Adaptive Automated Guided Vehicle Control System based on Enhanced RBF Neural Network

2/14/2022 12:00:00 AM

Automated Guided Vehicle (AGV) are widely used as self-driving robots due to their high efficiency and mobility in factories, medical centers, hospitals, ports, etc. In speed control system of AGV robots, various types of PID control systems are used as closed loops. PID control system Due to the structure in some control applications of AGV robots such as nonlinear applications and large amount of load movement by robots, is not able to perform control tasks with high response speed and today the optimization methods is used to increase the efficiency of the controller of these robots. In this thesis, common methods of designing control systems for AGV robots based on optimization in PID control system will be presented. The proposed method includes details of the design of the AGV robots control system using the optimal radial basis function neural network (RBF). This new method by using a neural network adjusts the coefficients of the PID control system instantaneously and adaptively according to the desired performance and high learning speed of the RBF neural network. The simulation results show that the use of the neural network of the radial basis function in the optimization of the PID controller system improves the output raise time of the designed controller system by about 40% compared to the PID controller system and improves the settling time of the output response without overshoot state. Besides, the automatic adjustment of the coefficients of the PID control system optimized by the neural network due to the fast learning process of the neural networks is done in less than (0.1 s), which eliminating the limitation and weakness of using of PID control system in nonlinear applications in AGV robots

روبات هاي AGV، روش هاي بهينه سازي سامانه كنترلي PID، روبات هاي خودران

: AGV robots, PID control system optimization methods, self-robot.