LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA
Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(63).2018 35
Thiết kế bộ điều khiển thích nghi trượt bền vững sử dụng
mạng nơron cho robot công nghiệp
Design a robust adaptive sliding mode controller using neural
network for industrial robot manipulator
Vũ Thị Yến
1, 2
, Nguyễn Hữu Quảng
1
, Lê Đức Thân3
Email: havi2203@gmail.com
1
Trường Đại học Sao Đỏ, Việt Nam
2
Trường Đại học Hồ Nam, Trung Quốc
3
Trường Đại học Tài c
7 trang |
Chia sẻ: huongnhu95 | Lượt xem: 489 | Lượt tải: 0
Tóm tắt tài liệu Thiết kế bộ điều khiển thích nghi trượt bền vững sử dụng mạng nơron cho robot công nghiệp, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
hính - Quản trị kinh doanh
Ngày nhận bài: 6/9/2018
Ngày nhận bài sửa sau phản biện: 22/12/2018
Ngày chấp nhận đăng: 27/12/2018
Tóm tắt
Bài báo này đưa ra bộ điều khiển bền vững thích nghi mạng nơron cho robot công nghiệp để cải thiện
độ chính xác cao của điều khiển bám. Để giả quyết các kiến thức chưa biết của hệ thống robot, bộ điều
khiển ARNNs được sử dụng để xấp xỉ động lực học chưa biết mà không yêu cầu kiến thức trước đó.
Ngoài ra, bộ điều khiển trượt SMC được xây dựng để tối ưu các tham số vectơ, bù sai lệch xấp xỉ. Tất
cả các tham số của bộ điều khiển đưa ra được xác định bằng thuyết ổn định Lyapunov. Vì thế, khả năng
ổn định, bền vững và hiệu quả bám yêu cầu của ARNNs cho IRMs được đảm bảo. Hơn thế nữa, mô
phỏng được thực hiện trên robot ba bậc tự do đưa ra so sánh với bộ điều khiển PID và bộ điều khiển
mờ thích nghi (AF) để chứng minh tính bền vững và hiệu quả của bộ điều khiển ARNNs.
Từ khóa: Điều khiển trượt; mạng nơron; điều khiển thích nghi bền vững; robot công nghiệp.
Abstract
This paper proposed an adaptive robust neural networks (ARNNs) control for industrial robot manipulators
to improve high accuracy of the tracking control. In order to deal with the unknown knowledge of the
robot system problems, the ARNNs are used to approximate the unknown dynamics without the
requirement of prior knowledge. In addition, the robust SMC is constructed to optimize parameter
vectors, compensate the approximation error. All the parameters of the proposed control system are
determined by Lyapunov stability theorem. Therefore, the stability, robustness and desired tracking
performance of ARNNs for IRMs are guaranteed. Moreover, the simulations performed on three-link
IRMs are proposed in comparison with proportional integral differential (PID) and adaptive Fuzzy (AF)
control to prove the robustness and efficiency of the ARNNs.
Keywords: Sliding mode control; neural networks; robust adaptive control; robot industrial manipulator.
Chữ viết tắt:
SMC: Sliding Mode Control (Điều khiển trượt)
ARNNs: Adaptive Robust Neural Networks (Điều khiển thích nghi bền vững mạng nơron)
PID: Proportional Integral Derivative (Điều khiển khuếch đại tích phân vi phân)
AF: Adaptive Fuzzy (Điều khiển mờ thích nghi)
1. GIỚI THIỆU CHUNG
Ngày nay, với sự phát triển của công nghiệp 4.0 và
các dây chuyền sản xuất thông minh, robot công
nghiệp đóng một vai trò to lớn. Tuy nhiên, robot
công nghiệp là một đối tượng phi tuyến nhiều
biến vào ra. Trong quá trình làm việc, robot công
nghiệp chịu tác động của nhiều yếu tố như tín hiệu
nhiễu, sự thay đổi của trọng lượng tải, ma sát phi
tuyến, Do đó để thiết kế một bộ điều khiển phù
hợp là một thách thức lớn cần được giải quyết.
Để giải quyết thách thức đó, đã có rất nhiều bộ
điều khiển đã được nghiên cứu và đưa ra như bộ
Người phản biện: 1. PGS.TS. Trần Vệ Quốc
2. TS. Đỗ Văn Đỉnh
36
NGHIÊN CỨU KHOA HỌC
Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(63).2018
điều khiển PID, bộ điều khiển thích nghi, bộ điều
khiển trượt,... được đưa ra trong các tài liệu [1-
4]. Trong những thập kỷ trước, xấp xỉ tín hiệu phi
tuyến sử dụng bộ điều khiển trượt đã được quan
tâm [3-5]. Đặc điểm cốt lõi của phương pháp điều
khiển trượt là khả năng đảm bảo tính bền vững
và ổn định cho hệ thống điều khiển, tuy nhiên một
khó khăn chính trong việc thiết kế bộ điều khiển
trượt là tất cả các thông số giới hạn trên và giới
hạn dưới của các thông số không xác định phải
được xác định trước khi thiết kế bộ điều khiển. Do
đó, đối với các hệ thống điều khiển có nhiều tham
số không xác định thì việc thiết kế hệ thống điều
khiển trượt trở nên phức tạp. Để giải quyết khó
khăn này, các bộ điều khiển thông minh trên cơ
sở của logic mờ được đưa ra [6-8]. Trong [7], tác
giả đưa ra bộ điều khiển mờ thích nghi điều khiển
cho hệ thống phi tuyến. Ở đây, nhóm tác giả sử
dụng bộ điều khiển mờ để xấp xỉ thành phần chưa
biết của hệ thống điều khiển phi tuyến. Bộ điều
khiển này đã đảm bảo được khả năng ổn định và
bền vững cho hệ thống điều khiển trong phạm vi
giới hạn đưa ra. Tuy nhiên, trong tất các bộ điều
khiển được thiết kế dựa trên cơ sở của logic mờ,
các luật điều khiển được xây dựng dựa trên kinh
nghiệm của người thiết kế, do đó với những kinh
nghiệm đó nhiều khi không đủ và khó để xây dựng
luật điều khiển phù hợp. Để giải quyết vấn đề này,
trong bài báo này đã đưa ra bộ điều khiển bền
vững thích nghi dựa trên cơ sở của bộ điều khiển
nơron (ARNNs). Bằng việc kế thừa các thuận lợi
của bộ điều khiển nơron đó là khả năng học online
các luật trong quá trình bộ điều khiển làm việc, do
đó khi áp dụng bộ điều khiển này vào điều khiển
robot công nghiệp thì hiệu quả bám, tốc độ hội tụ
đã được cải thiện đáng kể.
Cấu trúc bài báo gồm 7 phần: phần 1 là giới thiệu
chung, động lực học của robot được đưa ra trong
phần 2, phần 3 là xây dựng cấu trúc bộ điều khiển
NNs, phần 4 là thiết kế bộ điều khiển ARNNs,
chứng minh tính ổn định của hệ thống được đưa
ra trong phần 5, phần 6 là mô phỏng và cuối cùng
là phần kết luận.
2. ĐỘNG LỰC HỌC ROBOT
Xét phương trình động lực học của robot người
máy ba bậc tự do được đưa ra trong hình 1:
( ) ( ) ( ), M C Gθ θ θ θ θ θ τ+ + = (1)
sử dụng bộ điều khiển trượt đã được quan tâm
[3- 5]. Đặc điểm cốt lõi của phương pháp điều
khiển trượt là khả năng đảm bảo tính bền vững
và ổn định cho hệ thống điều khiển tuy nhiên
một khó khăn chính trong việc thiết kế bộ điều
khiển trượt là tất cả các thông số giới hạn trên
và giới hạn dưới của các của các thông số
không xác định phải được xác định trước khi
thiết kế bộ điều khiển. Do đó đối với các hệ
thống điều khiển có nhiều tham số không xác
định thì việc thiết kế hệ thống điều khiển trượt
trở nên phức tạp. Để giải quyết khó khăn này,
các bộ điều khiển thông minh trên cơ sở của
logic mờ được đưa ra [6- 8]. Trong [7], tác giả
đưa ra bộ điều khiển mờ thích nghi điều khiển
cho hệ thống phi tuyến. Ở đây, nhóm tác giả sử
dụng bộ điều khiển mờ để xấp xỉ thành phần
chưa biết của hệ thống điều khiển phi tuyến.
Bộ điều khiển này đã đảm bảo được khả năng
ổn định v bền vững cho hệ thống điều khiển
trong phạm vi giới hạn đưa ra. Tuy nhiên trong
tất các bộ điều khiển được thiết kế dựa trên cơ
sở của logic mờ, các luật điều khiển được xây
dựng dựa trên kinh nghiệm của người thiết kế
do đó với những kinh nghiệm đó nhiều khi
không đủ và khó để xây dựng luật điều khiển
phù hợp. Để giả quyết vấn đề này, trong bài
báo này đã đưa ra bộ điều khiển bền vững
thích nghi dựa trên cơ sở của bộ điều khiển nơ
rôn (ARNNs). Bằng việc kế thừa các thuận lợi
của bộ điều khiển nơ rôn đó là khả năng học
online các luật trong quá trình bộ điều khiển
làm việc, do đó khi áp dụng bộ điều khiển này
vào điều khiển ro ot công nghiệp thì hiệu quả
bám, tốc độ hội tụ đã được cải thiện đáng kể.
Cấu trúc bài báo gồm 7 phần: phần 1 là giới
thiệu chung, động lực học của robot được đưa
ra trong phần 2, phần 3 đi xây dựng cấu trúc bộ
điều khiển NNs, phần 4 đi thiết kế bộ điều khiển
ARNNs , chứng minh tính ổn định của hệ thống
được đưa ra trong phần 5, phần 6 là mô phỏng
cuối cùng là phần kết luận
2. ĐỘNG LỰC HỌC ROBOT
Xét phương trình động lực học của robot người
máy 3 bậc tự do được đưa ra trong hình 1:
, M C G
Ở đây (𝜃𝜃, �̇�𝜃, �̈�𝜃) ∈ 𝑅𝑅𝑛𝑛×1 là vị trí, vận tốc và gia
tốc của robot. 𝑀𝑀(𝜃𝜃) ∈ 𝑅𝑅𝑛𝑛 × 𝑛𝑛 là ma trận khối
lượng suy rộng. 𝐶𝐶(𝜃𝜃, �̇�𝜃) ∈ 𝑅𝑅𝑛𝑛 𝑥𝑥 𝑛𝑛 là ma trận ly
tâm và Coriolis. 𝐺𝐺(𝜃𝜃) ∈ 𝑅𝑅𝑛𝑛×1 là một vectơ mô tả
thành phần trọng lượng, 𝜏𝜏 ∈ 𝑅𝑅𝑛𝑛×1 là mômen
điều khiển.
Để thiết kế bộ điều khiển chúng ta đưa ra một
số tính chất cho (1) như sau:
Tính chất 1: Ma trận khối lượng suy rộng
M là một ma trận đối xứng và xác
định dương
0M m I (1)
Ở đây 𝑚𝑚0 > 0 và 𝑚𝑚0 ∈ 𝑅𝑅
Tính chất 2: �̇�𝑀(𝜃𝜃) − 2𝐶𝐶(𝜃𝜃, �̇�𝜃) là ma trận đối
xứng lệch cho vectơ 𝑥𝑥 bất kỳ:
– 2 , 0Tx M C x (2)
Tính chất 3: 𝐶𝐶(𝜃𝜃, �̇�𝜃)�̇�𝜃 được giới hạn theo:
2
, kC C (3)
Ở đây 𝐶𝐶𝑘𝑘 là hằng số dương.
3. BỘ ĐIỀU KHIỂN NƠRON
Bộ điều khiển NNs có cấu trúc như hình 2 gồm
có ba lớp:
- Lớp 1 là lớp đầu vào (input layer): gồm các
biến đầu vào 1, 2, , 𝑛𝑛,
- Lớp 2 là lớp ẩn (the hidden layer): đầu ra
của lớp ẩn được tính toán theo công
thức sau:
2 2( ) [ ( ) / (2 )], 1 ., ,..j j jh s exp s b d j m (4)
trong đó: 𝑚𝑚 là số nơron lớp ẩn và
1, , 𝑛𝑛 là vectơ trung tâm của mạn ; là độ
lệch chuẩn của hàm xuyên tâm thứ ,
[ 1, , ]
; là hàm Gaussian của mạng
nơron .
Hình 1. Robot ba bậc tự do
X000
Z0
0 1
Z1
01
X1
02 X2
Z2
X303
Z3
l1
l2
l3
LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA
Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(63).2018 37
- Lớp 3 là lớp đầu ra (output layer), đầu ra
của mạng nơron được tính toán như sau :
1( ) , ,d , 1,..W .,
m
j jj ji
f s h s b j m
(5)
ở đây: là trọng số kết nối giữa nơron lớp ẩn
thứ và nơron đầu ra thứ , là số đầu vào.
Sau đây, chúng ta sử dụng bộ điều khiển NNs
này giống như một xấp xỉ trong bộ điều khiển
đã được thiết kế. Khi đó sẽ tồn tại một hàm
NNs tối ưu với các tham số tối ưu như sau:
*W Tf s h s (6)
trong đó: 1 2, ,...,
T
mh h h h ;
*W là giá trị trọng
số tối ưu; và là vectơ sai lệch xấp xỉ.
Giả thiết: Sai lệch xấp xỉ được giới hạn:
* 0 (7)
Ở đây: 0 là giá trị thực dương.
Đầu ra của bộ điều khiển NNs là giá trị xấp xỉ
và được tính theo công thức sau:
ˆ ˆ , , , Tf s W h s t b d (8)
trong đó: ̂, ̂, ̂, ̂ là giá trị xấp xỉ của
, , , .
1 2ˆ ˆ ˆ ˆW W , W ,..., W
T T T T
m
4. THIẾT KẾ BỘ ĐIỀU KHIỂN ARNNs
Mục đích thiết kế bộ điều khiển để khi robot
dưới sự tác động của lực 𝜏𝜏 thì sai lệch bám
giữa vị trí mong muốn của các khớp 𝜃𝜃 với
vectơ vị trí thực tế của robot 𝜃𝜃 có thể được hội
tụ về 0 khi . Cấu trúc của bộ điều khiển
robot được thiết kế như hình 3.
( ), ̇( ) tương ứng là sai lệch vị trí và sai lệch
vận tốc. Luật thích nghi sẽ được xác định
như sau:
de t (9)
s t e e (10)
ở đây: y ( 1, 2, , 𝑛𝑛) là ma trận
khuếch đại hằng số dương.
Từ công thức (1) có thể viết lại như sau :
𝑀𝑀(𝜃𝜃) (�̈�𝜃 − ̈) 𝐶𝐶(𝜃𝜃, �̇�𝜃)·(�̇�𝜃 − ̇) 𝐺𝐺(𝜃𝜃) 𝜏𝜏
𝑀𝑀(𝜃𝜃) (�̈�𝜃 ̇ − ̇) 𝐶𝐶(𝜃𝜃, �̇�𝜃) (�̇�𝜃 − )
𝐺𝐺(𝜃𝜃) 𝜏𝜏
(11)
Ms Cs f (12)
ở đây: 𝑀𝑀(𝜃𝜃) (�̈�𝜃 ̇) 𝐶𝐶(𝜃𝜃, �̇�𝜃)
(�̇�𝜃 ) 𝐺𝐺(𝜃𝜃)
Từ sơ đồ cấu trúc hệ thống điều khiển robot
hình 3 ta có:
ˆ smc PIf (13)
trong đó: ̂ là tín hiệu đầu ra của bộ điều khiển
ARNNs; 𝜏𝜏 là bộ điều khiển trượt (SMC); và
𝜏𝜏 là bộ điều khiển khuếch đại tích phân.
Bộ điều khiển trượt được thiết kế như sau:
2 2 2
Wsgn
4 4 4
b d
smc s
k k ksk s
s
(14)
ở đây sk được chọ n: 0sk
Bộ điều khiển khuếch đại tích phân được tính
toán như sau:
0
t
PI P Ik s k sdt (15)
Thay (14) vào (13) ta thu được:
0mc PIsMs f sC (16)
Để hệ thống làm việc ổn định, việc chọn luật
học thích nghi của bộ điều khiển ARNNs rất
quan trọng và trong bài báo này luật học sẽ
được chọn như sau:
w w
ˆ ˆW=- W
ˆ ˆ
ˆ ˆ
T
b
d
k s k hs
b k b s
d k d s
(17)
1 n
𝑠𝑠
𝑓𝑓𝑚𝑚
𝑊𝑊1
𝑊𝑊2
𝑊𝑊𝑚𝑚
Input
layer
Hidden
layer
Output
layer
1 2
∑
𝑚𝑚
Hình 2. Cấu trúc của NNs
38
NGHIÊN CỨU KHOA HỌC
Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(63).2018
5. CHỨNG MINH TÍNH ỔN ĐỊNH CỦA HỆ THỐNG
Xét robot ba bậc tự do có phương trình động
học như phương trình (1) và bộ điều khiển
ARNNs có luật thích nghi như công thức (18).
Phân tích tính ổn định của hệ thống theo thuyết
Lyapunov.
Xét hàm Lyapunov có phương trình như sau:
0 0
1 1 1
1 1
2 2
1 1 1k k
2 2 2
Tt t
T
I
T T T
W db
V t s Ms sdt k sdt
tr W W tr b tr dk db
(18)
Đạo hàm bậc nhất ( ) theo thời gian ta thu
được phương trình như sau:
1
0
1 1
W
b d
ˆ1
2
ˆ
W
ˆ
W
t
T T T
I
T T
TV t s Ms s Ms s k sdt tr k
tr k b b tr k d d
(19)
Thay (17) vào (20) ta có:
W
0
1
b
d 0
1
1
1 2
2
ˆ ˆW W+
ˆ
t
T T T T
smc I
T T
T T
PI
T
V t s Ms C s s s k sdt
tr k s tr k b b
tr
h
k d d s
(20)
Sử dụng tính chất 2 và thay luật thích nghi (18)
vào (21) ta có:
0
0
ˆW W
ˆ ˆ
T
PI
t
T T T
smc I
T T T
V t s s s k sdt tr
tr b b tr d d s
s
s s
(21)
Bằng việc sử dụng kết quả:
( ̃ ̂) ‖ ̃‖ − ‖ ̃‖
2
, ( ̃ ̂)
‖ ̃‖ − ‖ ̃‖
2
, ( ̃ ̂) ‖ ̃‖ − ‖ ̃‖
2
và công thức (15), (16) ta thu được:
2 2 2
W
22
0 W
2
sgn
4 4 4
W W
T T
T
d
b d
s P
b
k k ksk s k s
s
s k s k
V t s s
s
k
b
s d
b
d
2
W
0
22
sgn W
2
2 2
T T T
d
s P
b
kV t s s s
kd
k s k s s
ks b s
T PV t s k s (22)
Do đó ̇( ) 0
Từ kết quả cho thấy hệ thống được ổn định
không phụ thuộc vào .
ARNNs
𝑠𝑠(𝑡𝑡) �̇�𝑒 𝜆𝜆𝑒𝑒
Ẇ̂M −𝑘𝑘𝑊𝑊
�̇̂�𝑏
�̇̂�𝑑
Update Laws
SMC robust term
𝑘𝑘𝑃𝑃
d/dt
d/dt d/dt
𝑓𝑓(𝑥𝑥)
𝜏𝜏𝑠𝑠𝑠𝑠𝑠𝑠 𝜏𝜏
+ −
𝑒𝑒
𝜆𝜆
𝜃𝜃𝑑𝑑 𝜃𝜃
𝑘𝑘𝐼𝐼
𝜏𝜏𝑃𝑃𝐼𝐼
�̇�𝜃𝑑𝑑
�̈�𝜃𝑑𝑑 �̇�𝜃
𝑠𝑠
𝑑𝑑𝑡𝑡
𝑡𝑡
0
𝑘𝑘𝑠𝑠
Robot manipulator
Hình 3. Cấu trúc hệ thống điều khiển robot công nghiệp
LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA
Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(63).2018 39
6. KẾT QUẢ MÔ PHỎNG
Trong phần này chúng ta mô phỏng hệ thống điều
khiển cho robot công nghiệp ba bậc tự do như
hình 4.
Hình 4. Robot ba bậc tự do
Phương trình động học của robot như sau:
trong đó:
ở đây: là khối lượng của khớp 1, khớp 2
và khớp 3 tương ứng. là chiều dài của
khớp 1, khớp 2 và khớp 3 tương ứng;
là giá trị của gia tốc trọng trường. vị
trí của khớp 1, khớp 2 và khớp 3. Chọn giá trị của
vị trí mẫu cho khớp 1, khớp 2 và khớp 3.
Khối lượng và chiều dài của các khớp lần lượt là:
Chọn các tham số của bộ điều khiển khi mô phỏng:
Hình 5. Vị trí, sai lệch bám của robot
40
NGHIÊN CỨU KHOA HỌC
Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(63).2018
Bảng 1. So sánh hiệu quả bám của bộ điều khiển đưa ra với bộ điều khiển AF và PID
Sai lệch của các khớp (rad) ARNNs AF PID
Khớp 1 0.001 0.0005 0.0004
Khớp 2 0.02 0.001 0.0015
Khớp 3 0.05 0.02 0.0025
Nhận xét: Từ kết quả mô phỏng hình 5 và bảng 1,
chúng ta có thể thấy rằng tính ổn định và bền vững
của cả ba bộ điều khiển bền vững thích nghi nơron
(ARNNs), thích nghi mờ (AF) và bộ điều khiển
khuếch đại vi tích phân (PID) đủ đảm bảo. Tuy
nhiên, bộ điều khiển ARNNs hội tụ nhanh hơn thời
gian quá độ ngắn hơn và sai lệch nhỏ hơn so với
hai bộ điều khiển AF và PID. Hơn thế nữa ở hình
6 chúng ta dễ dàng nhận thấy mômen điều khiển
của bộ điều khiển ARNNs cũng nhỏ hơn mômen
điều khiển của bộ điều khiển AF và PID. Từ kết
quả này chứng minh rằng bộ điều khiển ARNNs
có khả năng điều khiển tốt hơn và cải thiện đáng
kể khả năng bám của cánh tay robot so với bộ
điều khiển AF và PID.
Hình 6. Mômen điều khiển của robot
7. KẾT LUẬN
Trong bài báo này, bộ điều khiển thích nghi bền
vững điều khiển cho robot ba bậc tự do trên cơ sở
sử dụng bộ điều khiển nơron đã đảm bảo được
khả năng ổn định và bền vững trong môi trường
làm việc khác nhau. Bằng việc sử dụng thuyết ổn
định Lyapunov, nhóm tác giả đã chứng minh được
hệ thống luôn luôn ổn định trên toàn vùng làm việc.
Hơn thế nữa, hiệu quả của bộ điều khiển cũng
được chứng minh thông qua kết quả mô phỏng và
kết quả so sánh giữa bộ điều khiển đưa ra, bộ điều
khiển PID và bộ điều khiển mờ thích nghi (AF). Kết
quả mô phỏng cho chúng ta thấy rằng tốc độ hội
tụ, khả năng bám và sai lệch bám của bộ điều
khiển đưa ra tốt hơn bộ điều khiển PID và bộ điều
khiển AF. Từ thành quả này chúng ta có thể tiếp
tục nghiên cứu để đưa vào thực nghiệm cũng như
được ứng dụng vào thực tế.
TÀI LIỆU THAM KHẢO
[1]. Jafarov, E.M., Parlakçı, M.N.A., and Istefanopulos. Y
(2005). A New Variable Structure PID-Controller
Design for Robot Manipulators. IEEE Trans. on
control systems technology. 13 (1), pp 122-130.
[2]. Al- Qahtani. H.M., Mohammed, Amin A., Sunar,
M. (2017). Dynamics and control of a robotic arm
having four links. Arabian journal for Science and
Engineering. 42(5), pp. 1841-1852.
[3]. Man, Z., and Palaniswami, M. (1993). A variable
structure model reference adaptive control for
nonlinear robotic manipulators. Int. J. Adaptive
Control and Signal Processing, pp. 7, 539-562.
LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA
Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(63).2018 41
[4]. Sabanovic, A. (2011). Variable structure systems
with sliding modes in motion control - A Survey.
IEEE Trans. Ind. Electron. 7 (2), pp. 212-223.
[5]. Li, K., Wen, R. (2017). Robust Control of a Walking
Robot System and Controller Design. Procedia
Engineering. 174, pp. 947–955.
[6]. Chen, Y., Wang, K., Zhai, L., Gao, J. (2017).
Feedforward fuzzy trajectory compensator with
robust adaptive observer at input trajectory level
for uncertainmulti-link robot manipulators. Journal
of the Franklin institute 000, pp. 1-30.
[7]. Ghavidel, H.F., Kalat, A.A. (2017). Robust composite
adaptive fuzzy identification control of uncertain
MIMO nonlinear systems in the presence of
input saturation. Arab J Sci Engs. DOI 10.1007/
s13369-017-2552-9.
[8]. Londhe, P.S., Singh,Y., Santhakumar, M., Patre,
B.M., Waghmare, L.M. (2016). Robust nonlinear
PID-like fuzzy logic control of a planar parallel
(2PRP-PPR) manipulator. ISA Transactions. 63,
pp. 218-232.
Các file đính kèm theo tài liệu này:
- thiet_ke_bo_dieu_khien_thich_nghi_truot_ben_vung_su_dung_man.pdf