30774

شناسايي و تخمين پارامترهاي ديناميكي بازوهاي رباتيكي همكار به همراه پايه سيار به منظور كنترل پيش‌بين توسعه‌يافته

دكتري تخصصي (PhD)

مهندسي مكانيك-طراحي كاربردي- كنترل ديناميك و ارتعاشات

1396

1402/12/16

دكتر محرم حبيب نژاد كورايم

دكتر محرم حبيب نژاد كورايم

مهندسي مكانيك

چكيده هدف اصلي رساله توسعه مدل‌ ديناميكي و سيستم كنترلي مبتني بر رويكرد شناسايي- تخمين براي بازوهاي رباتيكي همكار به همراه پايه سيار است. با تحقق اين هدف، مدل‌سازي سيستم ديناميكي كامل‌تر و به مدل تجربي نزديك مي‌شود، از طرفي دقت سيستم كنترل مبتني بر مدل مدنظر افزايش مي‌يابد. جهت دستيابي به هدف اصلي، اين رساله در چهار فاز تعريف شده است. در دو فاز ابتدايي مدل‌سازي ديناميكي براي زنجيره‌هاي رباتيكي منفرد و همكار، باتوجه به وجود انعطاف‌پذيري در مفاصل و اصطكاك در اتصالات توسعه داده شده است. براي تعيين پارامترهاي اصطكاك و انعطاف‌پذيري بر اساس مدل‌هاي معرفي شده، از الگوريتم شناسايي سيستم مبتني بر حداقل مربعات خطا غيرخطي متغير با زمان استفاده شده است. علاوه بر اين، ديناميك عملگرهاي محرك بازوهاي مكانيكي به‌عنوان زيرسيستم در سيستم اصلي گنجانده شده است و به صورت يك سيستم يكپارچه مدل شده‌اند. همچنين آن دسته از متغيرهاي حالت زيرسيستم كه امكان اندازه‌گيري آنها توسط سيستم اندازه‌گيري وجود ندارد، توسط تخمينگر پيشنهادي تخمين زده شده است. در نهايت كنترل بهينه سيستم مبتني بر رويكرد شناساگر-تخمينگر با استفاده از معادلات ريكاتي وابسته به حالت انجام شده است. نتايج نشان مي‌دهد كه عملكرد سيستم از منظر دقت مدل‌سازي 83 درصد و خطاي رديابي سيستم كنترلي 59 درصد بهبود داشته است. در بخش دوم براي بازوهاي مكانيكي همكار يك رويكرد جديد الگوريتم توزيع بهينه بار مبتني بر حد اشباع عملگرهاي محرك معرفي شده است. به‌كارگيري اين الگوريتم در سيستم كنترل بازوهاي همكار، افزايش حمل بار مجاز ديناميكي به ميزان 17 درصد و توزيع عادلانه‌تر بار براي هر عملگر را با كاهش توان مصرفي و خطاي رديابي نشان مي‌دهد. به طوري‌كه شاخص گشتاور و شاخص خطا به ترتيب 45 و 35 درصد نسبت به روش ضرايب لاگرانژ افزايش يافته است. در دو فاز بعدي مدل‌سازي ديناميكي پايه متحرك چرخ‌دار همراه با لغزش و نيروهاي كششي در سطح تماس توسعه داده شده است. براي اينكار از مدل داگوف اصلاح شده استفاده شده است و پارامترهاي ديناميكي نامشخص توسط تخمينگر مبتني بر شبكه عصبي بازگشتي تعيين شده است. در ادامه طراحي كنترل پيش‌بين مدل غيرخطي با‌توجه به مسئله كاهش تاخير زماني و افزايش سرعت پردازش و اجرا كه يكي از مهم‌ترين چالش‌هاي پياده‌سازي است، توسعه داده شده است. ضرايب بهره كنترلي و افق پيش‌بين متناسب با خطاي رديابي به صورت هوشمند توسط الگوريتم يادگيري تعيين شده است. روش كنترل پيش‌بين مدل غيرخطي هوشمند در مقايسه با نوع متداول آن براي ربات چهارچرخ محرك در مسيرهاي متنوع (دايروي، هشت شكل، سيگما) پياده‌سازي شده است. نتايج به‌دست آمده كاهش زمان حل كنترل‌كننده پيشنهادي را به مقدار متوسط 43 درصد نشان مي‌دهد.

1403/02/09

Identification and Estimation Dynamic Parameters of Cooperative Robotic Arms with Mobile Base for Predictive Control Development

3/6/2025 12:00:00 AM

Abstract: The main goal of this thesis is to develop modeling and controller design based on the identification-estimation approach for mobile collaborative robotic arms. With the achievement of this goal, the dynamic system modeling becomes more complete and closer to the experimental model, while the accuracy of the control system based on the considered model increases. In order to achieve the main goal, this thesis is defined in four phases. In the first two phases, dynamic modeling for single and collaborative robotic chains has been developed, considering the existence of flexibility in the joints, friction and backlash in the connections. To determine the parameters of friction and flexibility based on the introduced models, the system identification algorithm based on time-varying nonlinear least squares (TV-NLS) has been used. Furthermore, the dynamics of actuators driving mechanical arms are modeled as subsystems in the main system. Also, those subsystem state variables that cannot be measured by the measurement system have been estimated by the proposed estimator. Finally, the optimal control based on the identifier-estimator approach using state-dependent Riccati equations has been implemented for the set. The results show that the performance of the system has been significantly improved in terms of modeling accuracy and tracking error. The second part introduces a new approach for optimal load distribution between cooperative mechanical arms based on the saturation limit of actuator operators. The use of this algorithm in the control system of cooperative arms results in an increase in the allowed dynamic load carrying capacity as well as a more equitable distribution of the load on each actuator, with reduced power consumption and tracking error. In the next two phases, the dynamic modeling of the wheeled mobile base with sliding and traction forces on the contact surface has been developed. The modified Dagouff model has been used for this, and the neural network-based estimator has been used to determine the uncertain dynamic parameters. Following that, the design of the nonlinear model predictive control has been developed with the goal of reducing time delays and increasing processing speed, which is one of the most significant implementation challenges. The learning algorithm intelligently determines the control gain coefficients proportional to the tracking error. In comparison to its conventional type, the intelligent nonlinear model predictive control has been implemented for four-wheel drive robot in various paths (circular, octagonal, sigma). The obtained results show that the proposed controller's solution time is reduced by 43% on average.

واژه‌هاي كليدي: بازوهاي مكانيكي همكار با مفاصل انعطاف‌پذير، پايه سيار چرخ‌دار، شناسايي سيستم و تخمينگر، كنترل پيش‌بين مدل، معادلات ريكاتي وابسته به حالت

Keywords: Cooperative Manipulators with Flexible Joints, Wheeled Mobile Base, System Identification and Estimator, Model Predictive Control, State-Dependent Riccati Equations

Naeim Yousefi Lademakhi

Dr. Moharam Habibnejad Korayem