کنترل تطبیقی یک ربات دوبازویی با ترکیب خطی سازی پسخور و شبکه عصبی پیشنهادی

دراین مقاله یک روش کنترلی تطبیقی، با ترکیب شبکه عصبی پیشنهادی به همراه کنترل کننده خطی سازی پسخور برای ردیابی و کنترل وضعیت یک ربات جابه جا کننده صنعتی ارائه می شود. ابتدا فرض می شود که دینامیک سیستم کاملاً معلوم است و سیگنال کنترلی بر اساس خطی سازی پسخور طراحی می شود. سپس برای حذف اثرات نامعینی و اغتشاش، پارامترهای شبکه عصبی بر اساس قانون لیاپانوف چنان تنظیم می شوند که شرط لغزشی برقرار شود. نتایج شبیه سازی در شرایط مختلف از جمله حضور اغتشاش و تاخیر با کنترل کننده مدلغزشی معمولی مقایسه می شود. نتایج شبیه سازی نشان می دهد که کنترل کننده پیشنهادی عملکرد مناسبی دارد و می تواند در کاربردهای مختلف مورد استفاده قرار بگیرد.

adaptive control of two-link robot manipulator based on the feedback linearization method and the proposed neural network

This paper proposes an adaptive control method based on the feedback linearization technique and a proposed neural network, for tracking and position control of an industrial manipulator. At first, it is assumed that the dynamics of the system are known and the control signal is constructed by the feedback linearization method. Then to eliminate the effects of the uncertainties and external disturbances, the parameters of the proposed neural network are learned based on the Lyapunov method such that the sliding condition to be satisfied. The performance of the proposed method is compared with the sliding mode technique in presence of external disturbance, delay and uncertainties. The simulation results verify that the proposed method is effective and can be used in many applications.