کنترل مقاوم بازوی ربات با بهره گیری از روش بهینه‌سازی ازدحام ذرات

در این مقاله، روشی جدید برای کنترل مقاوم موقعیت بازوهای رباتیک با استفاده از بهینه سازی ازدحام ذرات ارائه شده است. کل سیستم رباتیک شامل بازوی ربات و موتورها در مسئله کنترلی در نظر گرفته شده است. هدف اصلی این مقاله بدست آوردن برآورد بهینه از پارامتر‌های قانون کنترل به منظور رسیدن به حداقل خطای ردگیری است که از بهینه سازی ازدحام استفاده می‌شود همچنین، طراحی قانون کنترل بر مبنای مدل نامی انجام میشود و برای جبران عدم قطعیت ناشی از عدم تطابق مدل نامی و مدل واقعی از سیستمهای هوشمند استفاده میشود. کنترل بهینه مقاوم با تجزیه و تحلیل همگرایی تایید می شود. اثبات پایداری سیستم با استفاده از روش مستقیم لیاپانوف انجام میشود و نتایج شبیه سازی، اثربخشی روشهای پیشنهادی اعمال شده بر روی یک ربات کروی را که توسط موتورهای dc مغناطیس دائمی رانده می شود، ارائه می دهد. با استفاده از نتایج شبیه سازی، مقادیر بهینه پارامترها در کنترل کننده های گشتاور به دلیل وجود یک دینامیک بزرگ بدون مدل به مقادیر واقعی خود همگرا نشده اند در حالی که آنها به مقادیر واقعی خود در کنترل ولتاژ همگرا شده اند زیرا فقط عدم قطعیت پارامتری دارد. همچنین، قانون کنترل گشتاور به فیدبک‌های بردار موقعیت، بردار سرعت و بردار شتاب نیاز دارد. این بازخوردها را نمی توان به راحتی به دست آورد. در مقابل، قانون کنترل ولتاژ به بازخوردهای بردار موقعیت، بردار سرعت، بردار جریان و مشتق زمانی آن نیاز دارد. این بازخوردها می توانند به سادگی در دسترس باشند.

robust control of robot manipulators using particle swarm optimization method

in this paper, a new method for robust control is used. the whole robotic system, including the robot arm and motors in control, is considered. the main purpose of this article is to obtain the best results of the control law in order to achieve the minimum tracking error, which uses congestion optimization. also, the designers of the control law are based on the nominal model . the real model uses intelligent systems. control to resistance is evaluated by analysis and analysis.the stability of the system is demonstrated using lyapunov’s direct method, and the simulation results show the effectiveness of the proposed methods applied to a spherical robot driven by permanent magnet dc motors. using the simulation results, the optimal values ​​of the parameters in the torque controllers have not converged to their true values ​​due to the large modelless dynamics, while they have converged to their true values ​​in the voltage control because it has only parametric uncertainty. . also, the torque control law requires position vector, velocity vector and acceleration vector feedback.these feedback can not be easily obtained. in contrast, the law of voltage control requires feedback from the position vector, velocity vector, current vector, and time derivative. these feedback can be easily accessed.