30043

طراحي كنترل كننده هوشمند به منظور تخمين و جبران لغزش در فضاي كاري نامعلوم براي پايه متحرك چرخ دار

كارشناسي ارشد

مهندسي مكانيك- طراحي كاربردي ـ ارتعاشات و كنترل

1399

1402/4/25

محرم حبيب نژاد كورايم

مهندسي مكانيك

كاربرد گسترده ربات متحرك چرخ‌دار در زمينه‌هاي مختلف، چالش‌هاي جديدي را ايجاد كرده است. يك مشكل حياتي، لغزش چرخ‌هاست كه اگر به درستي تعيين و كنترل نشود باعث ناپايداري و انحراف از مسير ربات مي‌شود. بنابراين درنظر گرفتن اثرات لغزش در مدل ربات چرخ‌دار براي افزايش دقت در مدل‌سازي، حائز اهميت است. در اين پايان‌نامه، يك رويكرد جديد هوشمند به‌منظور تخمين لغزش طولي و جانبي چرخ‌ها پيشنهاد شده است كه اثرات نامطلوب لغزش را جبران مي‌كند. الگوريتم پيشنهادي مبتني بر سه شبكه رگرسيون براي تخمين نسبت لغزش طولي و زاويه لغزش جانبي ربات روي زمين‌هايي با ضريب اصطكاك متفاوت است. داده‌هاي ورودي حين تست در سطح‌هاي مختلف با مانورهاي متعدد، به‌منظور آموزش شبكه عصبي مصنوعي جمع‌آوري و به‌كار گرفته شده‌ است. مدل ديناميكي توسعه‌يافته ربات متحرك چرخ‌دار با درنظر گرفتن تماس بين چرخ و زمين، با حضور لغزش چرخ‌ها و نيروي تماسي اصلاح‌شده، ارائه شده است. به‌منظور جبران اثرات نامطلوب لغزش ربات متحرك چهارچرخ از يك كنترل‌كننده مقاوم مبتني بر مد لغزشي استفاده شده است. با توجه به پيچيدگي سيستم و عدم‌قطعيت در مدل‌ آن، اغتشاشات خارجي وارد به سيستم و رنج بردن كنترل مد لغزشي از پديده چترينگ، راه‌حل‌هايي براي جبران اثرات آن‌ها ارائه شده است. در روش اول از قابليت تطبيقي و به‌كارگيري قانون آن بهره برده شده است و در روش دوم از سيستم فازي براي تخمين حد بالاي عدم‌قطعيت‌ها، استفاده شده است. همچنين به‌منظور كاهش زمان حل كنترل‌كننده فازي مد لغزشي، سيستم استنتاجي فازي عصبي تطبيقي طراحي شده است كه زمان پاسخگويي سيستم را به‌طور قابل توجهي كاهش مي‌دهد. نتايج شبيه‌سازي نشان مي‌دهد كه تركيب دو روش‌ ذكرشده با مد لغزشي عملكرد بهتري در مواجهه با اغتشاش خارجي و عدم‌قطعيت‌ها، نسبت به روش مد لغزشي داشته است كه در نتيجه منجر به خطاي رديابي كمتر، و زودتر همگرا شدن اين شاخصه به صفر شده است. پياده‌سازي تجربي كنترلر پيشنهادي همراه با تخمينگر هوشمند لغزش، براي ربات متحرك چهارچرخ انجام شده است. دقت بالاي تخمين لغزش روش هوشمند ذكرشده باعث شده تا در تست تجربي، روش ارائه شده به‌طور ميانگين، 26% عملكرد بهتري نسبت به روش كنترلي بدون جبران لغزش، در رديابي مسير داشته باشد.

1402/08/23

Designing an Intelligent Controller to Estimate and Compensate for Slip in Unknown Environment for a Wheeled Mobile Base

7/15/2024 12:00:00 AM

The widespread use of wheeled mobile robots (WMRs) in many fields has created new challenges. A critical issue is wheel slip, which, if not accurately determined and controlled, causes instability and deviation from the robot’s path. Therefore, considering the effects of wheel slip in the WMR model to increase the accuracy of modelling is important. In this thesis, a new intelligent approach for estimating the longitudinal and lateral slip of wheels is proposed that can effectively compensate for the negative effects of slippage. The proposed algorithm relies on three regression networks to estimate the longitudinal slip ratio of the right and left wheels and sideslip angle of a WMR on terrains with different friction coefficients. The datasets collected during tests on different surfaces with various maneuvers are used to train the artificial neural networks (ANNs). A developed dynamic model of a WMR considering wheel slip and modified traction force is presented. The adaptive robust controller, based on sliding mode control (SMC), is introduced to deal with the problems related to slipping, unknown uncertainties, and disturbances. Given the complexity of the system and the uncertainty in its model, external disturbances and the chattering phenomenon of sliding mode control have led to the development of solutions to compensate for their effects. In the first method, the adaptive capability and utilization of its law have been employed, while in the second method, a fuzzy system has been used to estimate the upper bounds of uncertainties. Additionally, to reduce the computational time of the fuzzy sliding mode controller, an adaptive neuro fuzzy inference system has been designed, significantly reducing the system's response time. The simulation results demonstrate that the combination of the two mentioned methods with sliding mode has better performance than SMC in handling external disturbances and uncertainties, which leads to a reduction in tracking error and faster convergence to zero. The proposed controller with an intelligent slip estimator, has been applied to a four-wheel mobile robot to demonstrate its effectiveness and feasibility. The high accuracy of slip estimation in the mentioned intelligent algorithm has resulted in the presented method being on average 26% more effective in reducing the tracking error than the control method without slip compensation in each test.

ربات متحرك چرخ‌دار , تخمين لغزش چرخ , الگوريتم يادگيري , كنترل مود لغزشي تطبيقي , كنترل فازي

wheeled mobile robot , Wheel slip estimation , learning algorithm , adaptive sliding mode control , fuzzy control

Mahdi Safarbali

Dr. Habibnezhad