23234

كنترل ربات متحرك چرخ دار آزمايشگاهي به روش PID هوشمند در حضور موانع

كارشناسي ارشد

كنترل

1396

1399/09/26

دكتر محمد فرخي

برق

در اين پايان‌نامه، كنترل ربات متحرك ديفرانسيلي با استفاده از كنترل‌كننده‌ي هوشمند عصبي-PID مورد بررسي قرارگرفته‌است. بنابراين پس از مرور منابع مشابه، ابتدا سخت‌افزار مورد استفاده در ربات آزمايشگاهي بررسي و سپس روابط ديناميكي و سينماتيكي حاكم بر سيستم استخراج‌شده است. در اين پژوهش مدل ربات به‌صورت تخميني و مقادير پارامترها غيرقابل اندازه‌گيري فرض‌شده است. همچنين براي مسيريابي و تشخيص مسير عاري از موانع از سيستم فازي ضرب ممداني استفاده‌شده است. به‌طوري كه اين سيستم پس از دريافت اطلاعات از حسگرهاي فاصله‌سنج و انكودرهاي متصل به موتور، سرعت‌هاي مناسب جهت رسيدن به هدف در حضور موانع را تعيين‌مي‌كند. در ادامه شبكه‌ي عصبي-PID كه به‌صورت پرسپترون تك‌لايه طراحي‌شده، ولتاژ لازم جهت رسيدن به سرعت‌هاي مطلوب را محاسبه و به چرخ‌ها اعمال‌مي‌كنند. همچنين، براي تعيين مقادير ژاكوبي مورد استفاده در شبكه‌ي عصبي-PID از شبكه‌ي عصبي با توابع پايه‌ي شعاعي جهت تخمين مدل ربات استفاده‌شده‌ است. در نهايت پس ‌از اثبات پايداري روش تعيين‌شده، كنترل‌كننده ابتدا شبيه‌سازي و سپس بر روي نمونه‌ي آزمايشگاهي پياده‌سازي‌ شده‌است. براي اين منظور از پكيج نرم‌افزاري ROS براي كنترل بي‌درنگ و ارتباط با رايانه استفاده‌شد. همچنين جهت ارزيابي روش پيشنهادي، اين روش با دو كنترل‌كننده‌ي مشابه مورد مقايسه قرارگرفت. در نتيجه ربات در حضور موانع مختلف، اعمال نويز اندازه‌گيري و تغيير پارامتر وزن مورد آزمايش قرارگرفت. نتايج نشان‌مي‌دهد اين روش نسبت به روش‌هاي مشابه و غيرهوشمند، علاوه‌بر سرعت مناسب جهت پياده‌سازي بي‌درنگ، از دقت و خطاي قابل قبولي برخوردار است.

1399/11/02

Control of a laboratory mobile robot by intelligent PID method in the presence of obstacles

12/16/2020 12:00:00 AM

In this thesis, the control of differential mobile robot using intelligent neuro-PID controller is investigated. After reviewing similar sources, the hardware used in the laboratory robot is introduced and then the dynamic and kinematic relationships of the differential mobile robot are extracted. In this research, the robot model is assumed to be simplified and the values of the parameters is unmeasurable. Fuzzy system has also been used to route and detect obstacle-free pathes. This system, after receiving information from the LIDAR sensor and shaft encoders, determines the appropriate speeds to reach the goal in the presence of obstacles. Next, the neuro-PID controller, designed as a single perceptron, calculates the voltage required to reach the desired speeds and applies it to the robot. Also, to determine the Jacobi values used in the neuro-PID, a neural network with radial basis functions (RBF-NN) has been used to estimate the robot model. Finally, after proving the stability of the determined method, the controller is first simulated and then implemented in an actual laboratory conditions. For this purpose, the ROS software package was used for real-time control and communication with the computer. Also, to evaluate the proposed method, this algotithm was compared with two similar controllers. As a result, the robot was tested in the presence of various obstacles, noise measurements and disturbances like weight parameter change. The results show that this method has acceptable accuracy and error compared to similar and non-intelligent methods, in addition to the appropriate speed for immediate implementation.

كنترل ربات متحرك ديفرانسيلي , عدم برخورد با موانع , كنترل كننده ي PID-عصبي , سيستم فازي , سيستم عامل رباتيك

Differential mobile robot control , Obstacle avoidance , Neuro-PID Controller , Fuzzy system , ROS