کنترل ترکیبی منطق فازی نوع دوم-شبکه عصبی و مود لغزشی مرتبه بالا برای یک بازوی رباتیکی با نامعینی پارامتری و اختلال خارجی
Publish place: JOURNAL OF MECHANICAL ENGINEERING، Vol: 51، Issue: 1
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 547
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TUMECHJ-51-1_024
تاریخ نمایه سازی: 17 دی 1399
Abstract:
بازوهای صنعتی باید قادر به کار در محیط‌هایی با اختلال‌های پیش‌بینی نشده باشند. در این مقاله یک کنترل‌کننده ترکیبی منطق فازی نوع دوم-شبکه عصبی و مود لغزشی مرتبه بالا برای یک بازوی رباتیکی که تحت اختلال خارجی قابل توجه و نامعینی پارامتری است، پیشنهاد شده است. منطق فازی نوع دوم به دلیل استفاده از توابع عضویت فازی و وجود اثر نامعینی در الگوریتم، انتخابی مناسب در مواجهه با نامعینی محیطی محسوب می‌شود. همچنین شبکه عصبی می‌تواند به افزایش مقاومت کنترل‌کننده در برابر نامعینی منجر شود. با وجود آنکه ذاتاً شبکه عصبی نیاز به ساخت قوانین فازی مرتبه دوم خود ندارد، قوانین اولیه‌ای که بر مبنای سطح لغزش روش مود لغزشی تعیین شود، می‌تواند به بهبود رفتار سیستم کمک کند. از جمله ویژگی‌های کنترل‌کننده جدید، افزایش مقاومت آن نسبت به روش‌های کلاسیک در حضور نامعینی پارامتری و اختلال خارجی است. به علاوه، ویژگی خود تنظیمی کنترل‌کننده که بر مبنای وجود شبکه عصبی در بلوک مرکزی کنترل‌کننده فازی نوع دوم است، به افزایش مقاوم بودن روش کمک کرده است. عملکرد مثبت کنترل‌کننده پیشنهادی تحت اختلال‌های قابل توجه شبیه‌سازی‌ها نشان داده شده است.
Keywords:
Authors
سینا محمدرضایی نوده
دانشجوی دکتری، گروه مهندسی مکانیک، دانشگاه نوشیروانی صنعتی بابل، بابل، ایران
محمدحسن قاسمی
دانشیار، گروه مهندسی مکانیک، دانشگاه نوشیروانی صنعتی بابل، بابل، ایران
حمید رضا محمدی دانیالی
استاد، گروه مهندسی مکانیک، دانشگاه نوشیروانی صنعتی بابل، بابل، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :