طراحی و شبیه سازی کنترل گر تطبیقی شبکه عصبی مصنوعی برای یک ربات انعطاف پذیر با محرک کابلی

امروزه ربات‏‌ها کاربرد گسترده‏‌ای یافته‌‏اند و در خیلی از عملیات‏‌ها و مشاغل استفاده می‌‏شوند و دیگر به‏‌عنوان ابزارهای لوکس و یا سرگرم کننده نیستند بلکه جهت کاهش هزینه و یا افزایش دقت اجرا به‌‏کار می‏‌روند مانند عمل‏‌های جراحی و یا برداشت محصولات کشاورزی در کشورهای با نیروی کار گران‏‌قیمت. یکی از انواع ربات‏‌ها، ربات‏‌های با محرک کابلی انعطاف‏‌پذیر هستند که اخیرا توسعه یافته‌‏اند تا در بازرسی‏‌های صنعتی، عمل جراحی لاپاراسکوپی و یا برداشت محصولات باغی استفاده شوند. این گونه از ربات‌‏ها محدوده بارپذیری و دقت مشخصی دارند اما سادگی ساختار آنها و تطبیق پذیری با محیط اطراف آنها را مرکز توجه محققان قرار داده است. در این تحقیق یک ربات انعطاف‏‌پذیر محرک کابلی معرفی می‏‌گردد و بر اساس تئوری خمش تیر اویلر برنولی روابط سینماتیک و دینامیک آن نوشته شده است. طبق این مدل‏‌های معرفی شده، یک سیستم کنترلر تناسبی مشتق‏‌گیر انتگرال‏‌گیر (pid) طرح‌‏ریزی گردید. همچنین کنترل‏‌گر شبکه عصبی با دو لایه مخفی و پنج نرون به عنوان کنترل کننده تطبیقی برای ربات توسعه داده شد. توابع مختلفی مانند پله، شیب، تصادفی، سینوسی و موج مربعی به عنوان ورودی به هر دو سیستم کنترل وارد شد تا پایداری پاسخ و دقت آن بررسی گردد. سیستم کنترل‌‏گر شبکه عصبی پاسخی به‏‌خوبی کنترلر pid داشت هرچند که در مواجهه با ورودی تصادفی و سینوسی به‌‏خوبی کنترل کننده رقیب عمل نکرد.

design and simulation of an adaptive neuro_ controller for a wire driven flexible arm robot

nowadays, robots are employed widely, and they are utilized in many operations and occupations. they are not just luxury devices or entertainment tools, but they are used to reduce costs and increase the accuracy of functions such as robotic surgery or agricultural harvesting in countries with high labor costs. one type of robot is a wire driven robot developed recently for industrial inspections, laparoscopic surgeries, and crop harvesting. this type of robot has a limited range of payloads supporting and accuracy in positioning, but simple structure and adaptability by working space lead to focus by researchers. the current paper introduces a wire driven flexible robot where its kinematic and dynamic models are presented based on the euler bernoulli beam theory. regards to stated models, a proportional derivative integrator controller (pid) is employed for this dynamic system. in addition, an adaptive neuro controller with two hidden layers and five neurons was established for that. various functions such as step, ramp, sinusoidal, random, and square signals are exposed to both controllers as inputs to study their stability and accuracy. the adaptive neuro controller responses are as good as the pid controller though in the face of random and sinusoidal inputs did not show better performance.