Ứng dụng mạng neural nhân tạo bù sai số phi hình học cho tay máy robot

Bài báo này trình bày phương pháp bù sai số phi hình học sử dụng mạng neural nhân tạo (ANN). Trước tiên tham số hình học được mô hình và nhận diện bằng phương pháp nhận diện tham số có sử dụng mô hình toán của tay máy robot, sau đó sai số phi hình học được bù bằng mạng ANN. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Ứng dụng mạng neural nhân tạo bù sai số phi hình học cho tay máy robot ỨNG DỤNG MẠNG NEURAL NHÂN TẠO BÙ SAI SỐ PHI HÌNH HỌC CHO TAY MÁY ROBOT Nguyễn Hoài Nhân Viện Kỹ thuật HUTECH, trường Đại học Công nghệ TP.HCM (HUTECH) Email: nh.nhan@hutech.edu.vnTÓM TẮTBài báo này trình bày phương pháp bù sai số phi hình học (hay còn gọi phi tuyến) sử dụng mạng neuralnhân tạo (ANN). Trước tiên tham số hình học được mô hình và nhận diện bằng phương pháp nhận diệntham số có sử dụng mô hình toán của tay máy robot, sau đó sai số phi hình học được bù bằng mạng ANN.Mạng ANN được dùng cho bù sai số vị trí còn lại được cho là gây ra bởi các nguồn sai số phi hình học.1. GIỚI THIỆUTay máy được sử dụng rộng rãi trong một số ứng dụng cần độ chính xác cao như lập trình ngoại tuyến, giacông cơ khí, phẫu thuật xương vv. Vì một số nguyên do ch ng hạn như dung sai chế tạo, dung sai lắp ghéptay máy, cho nên tay máy được chế tạo và mô hình động học tương ứng của nó trong bộ điều khiển có sựkhác biệt và nó làm giảm độ chính xác vị trí của tay máy. Do đó, các tay hiệu chỉnh để nâng cao độ chínhxác vị trí.Một trong những phương pháp hiệu chỉnh độ chính vị trí xác của robot là xây dựng mô hình động học củatay máy robot, đưa vào mô hình các tham số động học nếu nó là nguồn gốc gây gây sai số vị trí của robot[1-3]. Tuy nhiên, không phải lúc nào cũng xác định được nguồn sai số này một cách rõ ràng, nhất là cácyếu tố phi tuyến. Vì vậy sử dụng mạng ANN để học quy luật phi tuyến của mối quan hệ giữa đầu vào làgiá trị góc khớp va đầu ra là vị trí của điểm thao tác trên khâu cuối tay máy sẽ khắc phục được khó khăn,hạn chế của phương pháp hiệu chỉnh sử dụng mô hình toán.Phương pháp nâng cao độ chính xác vị trí tay máy robot mà không cần sử dụng mô hình toán được pháttriển bởi các nghiên cứu [4 - 11]. Phương pháp này xấp xỉ mối quan hệ giữa vị trí góc khớp và sai số vị tríkhâu tác động cuối tay máy hoặc giữa vị trí khâu cuối và sai số vị trí. Để xấp xỉ các mối quan hệ này, mô tsố nghiên cứu đã sử dụng mạng mạng hướng tâm cơ sở (RBFN) [4], giải thuật logic hàm mờ [5] và mạngANN [6, 7]. Trong nghiên cứu [10,11], mạng ANN mô tả quy luật giữa vị trí góc và sai số vị trí góc tươngứng, sau đó mạng ANN này được huấn luyện bằng dữ liệu từ lời giải của mô hình động học đảo do nhàsản xuất cung cấp (danh nghĩa) nên không chính xác. Nghiên cứu [6, 7] sử dụng mạng ANN để mô tả mốiquan hệ giữa vị trí tay máy tại các điểm trong không gian 3D và các sai số vị trí tương ứng. Mối quan hệđược thiết lập trong [6, 7] là không phù hợp vì sai số không phụ thuộc vị trí điểm cuối mà phụ thuộc góckhớp tay máy.Trong bài báo này, một phương pháp bù sai số phi hình học sử dụng mạng ANN để bù sai số không thểmô hình hoặc rất khó để mô. Trước tiên tham số hình được diện bằng phương pháp nhận diện tham số [3],sau đó sai số vị trí gây ra bởi các nguồn sai số không thể mô hình hoặc mô hình phức tạp được bù bằngmạng ANN.13762. MÔ HÌNH ĐỘNG HỌC TAY MÁY ROBOTXét tay máy nối tiếp PUMA như mô tả trong Hình 1, mô hình động học tương ứng của nó được xây dựngnhư mô tả trong tài liệu [1]. θ1 θ2 z0, z1 z3 z2 θ3 x0 x1 x2 y3 z5 z6 z4 Hình 1 Tay máy robot PUMA và các hệ toạ độ khâuCác thông số hình học trong mô hình động học tay máy được mô tả như trên sẽ được nhận diện dựa trêndữ liệu đo vị trí điểm cuối (đầu ra) và vị trí góc các khớp tay máy (đầu vào) theo phương pháp tối ưu bìnhphương cực tiểu [3]. Đọc giả tham khảo phương pháp này trong tài liệu đã công bố trước đây [1].Sau khi tìm được mô hình động học, các yếu tố phi hình học (thường là phi tuyến, khó mô hình hoặckhông thể mô hình) vẫn còn gây ra sai số vị trí điểm thao tác của tay máy khá đáng kể. Vì vậy mạng ANNđược sử dụng để tìm mối liên hệ giữa đầu vào là vị trí góc khớp, đầu ta là sai số vị trí điểm thao tác củatay máy.3. CẤU TRÚC MẠNG ANNSau khi bù sai số hình học [3], sai số vị trí còn lại của khâu tác động cuối tay máy được cho là gây ra bởicác nguồn sai số phi hình học có đặc tính cực kỳ phi tuyến. Do đó, mạng ANN sẽ là thích hợp để bù sai sốvị trí gây ra bởi các sai số phi hình học này. ...