كنترل بازوي رباتيك با استفاده از روش ترانهاده ژاكوبين بهبوديافته و جبران‌ساز اصطكاك

Control of manipulator in task space using Modified Transpose Effective Jacobian and model based friction compensator

در اين مقاله مسئله كنترل دقيق بازوي رباتيكي با وجود نامعيني‌هاي ديناميكي و عوامل غير‌خطي سخت مانند اصطكاك با استفاده از روش ترانهاده ژاكوبين بهبوديافته به همراه جبران‌ساز اصطكاك مدل‌مبنا انجام شده است. براي مدل‌سازي اصطكاك از مدل لاگر استفاده شده است و پارامترهاي آن با استفاده از الگوريتم بهينه‌يابي فرا ابتكاري ماهي ده‌پا بدست آورده شده است. با مقايسه اين الگوريتم با الگوريتم‌هاي فرا‌ ابتكاري مشابه مانند توده كرم شب‌تاب، سرعت و دقت بالاتر اين الگوريتم نشان داده مي‌شود. پس از تعيين دقيق پارامترهاي مدل و تعيين الگوي اصطكاك در محركها، با استفاده از روش ترانهاده ژاكوبين بهبوديافته و جبران‌ساز اصطكاك مدل‌مبنا، پياده‌سازي تجربي بر روي يك ربات دولينكي در فضاي كارتزين ارائه مي‌شود. همچنين به منظور مقايسه عملكرد اين روش نسبت به ديگر روش‌هاي كنترل، ربات مورد نظر با استفاده از روش‌هاي كنترل مدل‌مبنا و ترانهاده ژاكوبين و همچنين جبران‌ساز اصطكاك با استفاده از شبكه‌ عصبي تطبيقي توابع گاوسي شعاعي كنترل شده و عملكرد آنها با روش پيشنهادي مقايسه مي‌شود. نتايج تجربي نشان مي‌دهد كه كنترل ربات با استفاده از روش پيشنهادي داراي سرعت بيشتر در رسيدن به جواب، دقت بهتر و حذف كامل‌تر اصطكاك و مقاومت بهتر در برابر نامعيني‌هاي ديناميكي است. همچنين داراي محاسبات به مراتب كمتر نسبت به الگوريتم‌هاي مدل‌ مبنا است.

This paper considers the issue of precise control of robotic manipulators in the presence of dynamic uncertainties along with hard nonlinear perturbation such as friction using Modified Transpose Effective Jacobian and model based friction compensator. In order to model friction in robot joints, The LuGre friction model has been used and its unknown parameters have been identified by a bio-inspired optimization algorithm called Cuttlefish. By comparing Cuttlefish with other meta-heuristic algorithms such as Glowworm swarm optimization, its superiorities have been proved. After accurate identification of model parameters and determine frictions function, using Modified Transpose Effective Jacobian and model-based friction compensator, a two link planar manipulator has been controlled experimentally. Furthermore in order to compare the controller performance with other methods, the mentioned manipulator has been controlled using computed torque controller and transpose Jacobian besides Adaptive Radial Based Function Neural Network friction compensators. Experimental results offer the Modified Transpose effective Jacobian control method has privileges for better tracking control with more accuracy and better friction compensating as well as better robustness against dynamic uncertainties with lower computational efforts.