کنترل زمان گسسته مستقل از مدل برای بازوی ماهر ربات اسکارا با استفاده از الگوریتم گرادیان نزولی

کنترل گسسته بازوی مکانیکی ربات با مدل نامعینی هدف این مقاله است. کنترل پیشنهادی مستقل از مدل با استفاده از تخمین گر فازی تطبیقی در کنترل کننده برای تخمین نامعینی یک تابع نامعلوم طراحی شده است. مکانیزم تطبیقی به منظور غلبه بر عدم قطعیت ها پیشنهاد شده است. پارامترهای تخمین فازی برای حداقل کردن خطای تخمین با استفاده از الگوریتم گرادیان نزولی تطبیق داده شده اند. کنترل گسسته پیشنهادی مستقل از مدل در برابر همه نامعینی ها مرتبط با مدل سیستم ربات شامل بازوی مکانیکی و محرکه های ربات و اغتشاش خارجی مقاوم است. الگوریتم های گرادیان نزولی از یک تابع هزینه شناخته شده بر اساس خطای ردیابی برای مکانیزم تطبیق استفاده کرده اند در حالی که در این مقاله الگوریتم گرادیان نزولی پیشنهادی یک تابع هزینه را بر اساس خطای تخمین عدم قطعیت پیشنهاد داده است. سپس، خطای تخمین عدم قطعیت از خطای موقعیت مفصل و مشتقات آن با استفاده از سیستم حلقه بسته محاسبه می شود.اکثر الگوریتم های کنترلی با تضمین پایداری برای بازوی مکانیکی ربات، همه فیدبک های متغیرهای حالت را نیاز دارد. در این مقاله، فقط از موقعیت مفصل اندازه گیری می کند و پیاده سازی عملی این روش کنترلی آسان است از آنجا که ساختار غیر متمرکز دارد.نتایج شبیه سازی عملکرد صحیح این روش را تایید می کند.

model-free discrete time control for scara robot manipulators using descending gradient algorithm

discrete control of the robot manipulators with uncertain model is the purpose of this paper. the proposed control design is model-free by employing an adaptive fuzzy estimator in the controller for the estimation of uncertainty as unknown function. an adaptive mechanism is proposed in order to overcome uncertainties. parameters of the fuzzy estimator are adapted to minimize the estimation error using a novel gradient descent algorithm. the proposed model-free discrete control is robust against all uncertainties associated with the robot manipulator and actuators including model’s uncertainty and external disturbances. the most gradient descent algorithms have used a known cost function based on the tracking error for adaptation whereas the proposed algorithm has proposed a cost function based on the uncertainty estimation error. then, the uncertainty estimation error is calculated from the joint position error and its derivative using the closed-loop system. most control algorithms require all state variable feedback to ensuring stability for the robot manipulators. practical implementation of this control method is easy because it has a decentralized structure and measures only from the joint position. the simulation results confirm the correct operation of this method and we will prove the stability of the control system.