امین رحیمی لرکی - دانشجوی کارشناسی ارشد مکاترونیک، واحد مجلسی، دانشگاه آزاد اسلامی، اصفهان، ایران
محسن عشوریان - دانشیاردانشکده مهندسی ، واحد مجلسی، دانشگاه آزاد اسلامی، اصفهان، ایران

بازوی رباتیک، سیستمی دو ورودی-دو خروجی است که رفتاری به شدت غیرخطی و ناپایدار دارد. متخصصین تلاش می کنند تا از طریق بکارگیری کنترل های غیرخطی برای ربات، نتنها حاشیه پایداری ربات را افزایش دهند بلکه از ردیابی مسیرهای مرجع توسط ربات نیز اطمینان حاصل کنند. در این مقاله مدلسازی دینامیکی و کنترل بهینه یک ربات بازو مورد مطالعه قرار می گیرد. در این راستا مدل دینامیکی ربات در شکل فضای حالت با استفاده از روش لاگرانژ-اویلر استخراج خواهد شد. از آنجا که استفاده از کنترل کننده های کلاسیک نظیر PID برای کنترل ربات در شرایط کاری مختلف نمی تواند موثر باشد، در این مقاله استراتژی کنترلی جدیدی بر مبنای شبکه های عصبی جهت ردیابی نقاط مرجع و بهبود پایداری ربات پیشنهاد می شود. کنترل کننده پیشنهادی بصورت تطبیقی عمل کرده و دارای دو شبکه مجزای شناسایی کننده و کنترل کننده عصبی خواهد بود که بصورت برخط و برون خط آموزش داده می شوند . لذا تغییر موقعیت کاری و پارامترهای مدلسازی ربات بر عملکرد مقاوم ، بهینه و تطبیقی کنترل کننده تاثیری نخواهد داشت. چگونگی طراحی و آموزش شبکه های عصبی با جزییات کامل تشریح می شود و عملکرد موثر کنترل پیشنهادی از طریق شبیه سازی در نرم افزار MATLAB نمایش داده خواهد شد.

مدل سازی ربات بازو، کنترل کننده تطبیقی، شبکه های عصبی