عنوان پایان‌نامه
طراحی و پیاده سازی کنترلر هوشمند برای پایداری ربات دو پا به کمک درجات آزادی بالا تنه
- رشته تحصیلی
- مهندسی مکانیک- ساخت و تولید
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2657;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 63752
- تاریخ دفاع
- ۱۲ مرداد ۱۳۹۳
- دانشجو
- امین سبزه زار
- استاد راهنما
- مسعود شریعت پناهی
- چکیده
- رباتهای دوپا (biped) در کنار مزایایی همچون انعطاف پذیری بالا و توانایی حرکت در محیط هایی که برای انسان طراحی شده اند، چالش هایی را نیز پیش روی پژوهشگران قرار داده اند. از جمله این چالشها کنترل پایداری اینگونه ربات ها (بویژه کنترل برخط آن ها) می باشد. در سال های اخیر، استفاده از روش های مبتنی بر هوش ماشینی برای کنترل و ناوبری ربات های دوپا گسترش زیادی یافته است. این روش ها با الهام از فرایند یادگیری موجودات زنده می توانند ضمن شناسایی محیط، مدلی از تعامل سیستم با محیط ایجاد کرده و به تدریج آن را تکامل ببخشند؛ به گونه ای که قوانین کنترلی بدست آمده در پایان مرحله تربیت می توانند عملکرد نزدیک به بهینه ای را برای ربات تضمین نمایند. از موفق ترین روش های هوش ماشینی در کنترل سیستم¬های الکترومکانیکی می توان به سامانه های طبقه بند یادگیرنده اشاره کرد که با بهره گیری از فرایند تکاملی الگوریتم ژنتیک، قوانین کنترلی مورد نیاز را ایجاد کرده و ارتقاء می بخشند. در این پژوهش، استفاده از یک سامانه طبقه بند یادگیرنده بهبود یافته (XCSRR ) برای کنترل پایداری یک ربات دوپا با درجات آزادی بالاتنه پیشنهاد شده است. این سامانه بر خلاف سامانه کلاسیک (XCS) قادر است سیستم هایی با ورودی ها و خروجی های پیوسته را کنترل نماید. ولتاژهای اعمالی به موتورهای تامین کننده جابجایی در راستای درجات آزادی بالاتنه ربات به عنوان متغیرهای کنترلی و برآیند نیروهای وارد به نقطه اتصال کمر ربات به همراه شتاب لینک ها به عنوان متغیرهای سیستم در نظر گرفته شده اند. کنترلگر طراحی شده بر اساس این سامانه و به کمک دو درجه آزادی بالاتنه، پایداری ربات را تحت بارهای خارجی پیش بینی نشده به صورت بر خط تامین می کند. تربیت سامانه مزبور با استفاده از روش یادگیری تقویتی و با استفاده از واکنش محیط به مانورهای تصادفی سیستم صورت می گیرد. کارایی XCSRR درکنترل پایداری ربات های دوپا از طریق مقایسه نتایج بدست آمده از پیاده سازی آن بر روی ربات Robian با نتایج بدست آمده از کنترل گر شبکه عصبی و یک روش کنترلی کلاسیک نشان داده شده است. کلمات کلیدی: ربات دوپا، کنترل پایداری، سامانه های طبقه بند یادگیرنده، یادگیری تقویتی
- Abstract
- Beside many advantages for bipedal robots like flexibility in movement, they challenge researchers in many ways. The bipedal robot stability control (especially on-line control) is one of these challenges. Using artificial intelligent method to control and navigate bipedal robots is developed in recent years. These methods mimic the way in which creatures learn from environment. In the learning process the system explore the environment to find the model of the system. The model of the system is modified during the learning process and then the system finds the optimum operation. eXtended classifier systems are considered as an successful method in machine learning to control electromechanical systems. This method of learning modifies its rules by the use of Algorithm genetic process. In this study an eXtended Classifier System for Real value input-Real value output (XCSRR) is used to control the robot stability. The system parameters are voltages which are motors’ input and resultant of forces which is calculated at the robots hip. Designed controller utilize these parameters to compensate unknown external forces (disturbances), using the upper part with two degree of freedom. Comparing this method of control for the bipedal robot stability, XSCRR acts better than other control methods in many ways. This comparison is done between the proposed method with PD controllers and neural network methods. Key words: Bipedal robot, Stability control, Extended Classifier system, Reinforcement learning
