حل مساله سینماتیک مستقیم ربات های کابلی نامقید با استفاده از شبکه عصبی به منظور استفاده همزمان در الگوریتم های کنترلی

در این مقاله به بحث، بررسی و توسعه الگوریتم طراحی مسیر برای ماموریت تعقیب هدف متحرک پرواز گروهی هواپیماهای بدون سرنشین پرداخته می شود. مطابق با الزامات هواپیمای بدون سرنشین بال ثابت، برای تعقیب هدف متحرک و همچنین ماموریت دوری از موانع در محیطهای پیچیده، الگوریتم جدیدی از ترکیب الگوریتم میدان برداری لیاپانوف با الگوریتم میدان پتانسیل بهبود یافته ارائه می شود. الگوریتم دینامیکی جدید ارائه شده از مزایای الگوریتم پتانسیل بهبود یافته برای دوری از موانع و همچنین از قابلیت الگوریتم میدان برداری لیاپانوف برای تعقیب اهداف متحرک استفاده می نماید. از مزایای این الگوریتم، درلحظه یا برخط بودن و پویایی آن برای تعقیب هدف متحرک و در عین حال دوری از موانع و همچنین قابلیت محاسباتی سریع می باشد که سبب می شود الگوریتم در محیطهای پیچیده به خوبی عمل نماید. در ادامه الگوریتم ارائه شده برای پرواز گروهی هواپیماهای بدون سرنشین طراحی می شود. نتایج ارائه شده به خوبی بیانگر آن است که الگوریتم ترکیبی ارائه شده، قابلیت پیاده سازی در محیطهای پیچیده را دارا می باشد.

Solving the Forward Kinematic Problem of Under-Constrained Cable Driven Robots for Online Control Purposes

In this paper, a method is proposed which allows computing the position of the endeffector based on neural networks approach by taking into account external forces applied to the endeffector. As in underconstrained robots kinematics and statics are intrinsically coupled together, and they simultaneously should be considered, the forward kinematic problem of the robot can be made equivalent to an optimization problem. Solving the optimization problem is time consuming and not suitable for practical purposes. Therefore, in order to solve the forward kinematic problem a SimMechanics model based on the robot geometry and dynamic is designed and presented. By means of this method, the forward kinematic problem is solved offline and is used for online purpose. Moreover, an analysis of workspace is performed which reveals that the solution of the forward kinematic problem of the underconstrained cable robots can be calculated uniquely. By resorting to a neural network method, a position control is performed and the proposed method is validated. The comparison of the operated and desired path is shown for a helical trajectory. Maximum error in the assumed workspace is 0.4 percent. Finally, the proposed method was implemented experimentally and the results confirm the efficiency of the foregoing method.