اثبات پایداری کنترلر ناایستا و خاکستری موقعیّت بازوی مکانیکی

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 936

This Paper With 6 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICS11_028

تاریخ نمایه سازی: 14 مهر 1392

Abstract:

مسئله عدم قطعیّت در کنترل حلقه بسته سیستم های مختلف از جمله رباتیک موجب به وجود آمدن مشکلات زیادی می شود. هدف اصلی در این مقاله، اثبات پایداری کنترل کننده برای رهگیری مسیر ربات در استفاده از روش مدل سازی جعبه خاکستری با کمک شدبکه های عصبی به منظور بهبود عملکرد در برخورد بامسئله عدم قطعیّت می باشد. در واقع، استفاده از شبکه های عصبی به صورت جعبه خاکستری و برای مدل سازی روز به هنگام ترم های مربوط به اصطکاک، نیروهای جانب مرکز، کوریولیس و گرانی پیشنهاد شده است و فرض شده است که دانش اولیّه، توانایی فراهم نمودن اطّلاعات لازم برای مدل سازی سایر قسمت ها را دارد. این روش از مزایای دو روش کلاسیک و عصبی استفاده می کند و تلفیقی از آن دو است. الگوریتم آموزشی بکار برده شده الگوریتم پس انتشار خطای توسعه یافته می باشد. مزیت اصلی الگوریتم بکار برده شده سرعت بالا و کم بودن نقاط حدّاقل محلّی آن است. تحلیل شبیه سازی ها عملکرد مناسب کنترلر پیشنهادی را در مقابله با عدم قطعیّت با تضمین پایداری تایید می کند

Authors

فرناز صباحی

دانشگاه فردوسی مشهد

محمد رضا اکبرزاده توتونچی

دانشگاه فردوسی مشهد

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 :
  • رابرت، چی. شیلینگ. «بررسی و کنترل اصول رباتیک ». مترجم ...
  • L. Wang, et al., "Neura l -Network-Based Contouring Control for ...
  • _ _ _ IASTED Conference on Artificial Intelligence and Applictions, ...
  • D. F. Bassi and G. A. Bekey, "High precision position ...
  • I. S. Baruch, et al., _ fuzzy-neural multi-model for nonlinear ...
  • Y. H. Kim and F. L Lewis, "Output feedback control ...
  • F. Passold and M R. Stemmer, "Force control of a ...
  • S. Fuchun, et al., "Neural network-based adaptive controller design of ...
  • _ IEEE Internationl Symposium on, p ...
  • B. Armstrong, "Friction: experimental determination, modeling and compensation, " in ...
  • Q. Li, et al., "Nonlinear Inverse System Self-learning Control Based ...
  • C. L. Chen and R. S. Nutter, "An extended back ...
  • J. J. Craig, Introduction to Robotics: Mechanics and Control 3rd ...
  • نمایش کامل مراجع