کنترل بازوی رباتیک با استفاده از روش ترانهاده ژاکوبین بهبودیافته و جبران‌ساز اصطکاک

در این مقاله مسئله کنترل دقیق بازوی رباتیکی با وجود نامعینی‌های دینامیکی و عوامل غیر‌خطی سخت مانند اصطکاک با استفاده از روش ترانهاده ژاکوبین بهبودیافته به همراه جبران‌ساز اصطکاک مدل‌مبنا انجام شده است. برای مدل‌سازی اصطکاک از مدل لاگر استفاده شده است و پارامترهای آن با استفاده از الگوریتم بهینه‌یابی فراابتکاری ماهی ده‌پا بدست آورده شده است. با مقایسه این الگوریتم با الگوریتم‌های فرا‌ابتکاری مشابه مانند توده کرم شب‌تاب، سرعت و دقت بالاتر این الگوریتم نشان داده می‌شود. پس از تعیین دقیق پارامترهای مدل و تعیین الگوی اصطکاک در محرکها، با استفاده از روش ترانهاده ژاکوبین بهبودیافته و جبران‌ساز اصطکاک مدل‌مبنا، پیاده‌سازی تجربی بر روی یک ربات دولینکی در فضای کارتزین ارائه می‌شود. همچنین به منظور مقایسه عملکرد این روش نسبت به دیگر روش‌های کنترل، ربات مورد نظر با استفاده از روش‌های کنترل مدل‌مبنا و ترانهاده ژاکوبین و همچنین جبران‌ساز اصطکاک با استفاده از شبکه‌عصبی تطبیقی توابع گاوسی شعاعی کنترل شده و عملکرد آنها با روش پیشنهادی مقایسه می‌شود. نتایج تجربی نشان می‌دهد که کنترل ربات با استفاده از روش پیشنهادی دارای سرعت بیشتر در رسیدن به جواب، دقت بهتر و حذف کامل‌تر اصطکاک و مقاومت بهتر در برابر نامعینی‌های دینامیکی است. همچنین دارای محاسبات به مراتب کمتر نسبت به الگوریتم‌های مدل‌مبنا است.

Control of manipulator in task space using Modified Transpose Effective Jacobian and model based friction compensator

This paper considers the issue of precise control of robotic manipulators in the presence of dynamic uncertainties along with hard nonlinear perturbation such as friction using Modified Transpose Effective Jacobian and model based friction compensator. In order to model friction in robot joints, The LuGre friction model has been used and its unknown parameters have been identified by a bioinspired optimization algorithm called Cuttlefish. By comparing Cuttlefish with other metaheuristic algorithms such as Glowworm swarm optimization, its superiorities have been proved. After accurate identification of model parameters and determine frictions function, using Modified Transpose Effective Jacobian and modelbased friction compensator, a two link planar manipulator has been controlled experimentally. Furthermore in order to compare the controller performance with other methods, the mentioned manipulator has been controlled using computed torque controller and transpose Jacobian besides Adaptive Neural Network Radial Based Function friction compensators. Experimental results offer the Modified Transpose effective Jacobian control method has privileges for better tracking control with more accuracy and better friction compensating as well as better robustness against dynamic uncertainties with lower computational efforts.