كنترل زمان گسسته مستقل از مدل براي بازوي ماهر ربات اسكارا با استفاده از الگوريتم گراديان نزولي

Model-Free Discrete Time Control for Scara Robot Manipulators Using Descending Gradient Algorithm

كنترل گسسته بازوي مكانيكي ربات با مدل نامعيني هدف اين مقاله است. كنترل پيشنهادي مستقل از مدل با استفاده از تخمين گر فازي تطبيقي در كنترل كننده براي تخمين نامعيني يك تابع نامعلوم طراحي شده است. مكانيزم تطبيقي به منظور غلبه بر عدم قطعيت ها پيشنهاد شده است. پارامترهاي تخمين فازي براي حداقل كردن خطاي تخمين با استفاده از الگوريتم گراديان نزولي تطبيق داده شده اند. كنترل گسسته پيشنهادي مستقل از مدل در برابر همه نامعيني ها مرتبط با مدل سيستم ربات شامل بازوي مكانيكي و محركه هاي ربات و اغتشاش خارجي مقاوم است. الگوريتم هاي گراديان نزولي از يك تابع هزينه شناخته شده بر اساس خطاي رديابي براي مكانيزم تطبيق استفاده كرده اند در حالي كه در اين مقاله الگوريتم گراديان نزولي پيشنهادي يك تابع هزينه را بر اساس خطاي تخمين عدم قطعيت پيشنهاد داده است. سپس، خطاي تخمين عدم قطعيت از خطاي موقعيت مفصل و مشتقات آن با استفاده از سيستم حلقه بسته محاسبه مي شود.اكثر الگوريتم هاي كنترلي با تضمين پايداري براي بازوي مكانيكي ربات، همه فيدبك هاي متغيرهاي حالت را نياز دارد. در اين مقاله، فقط از موقعيت مفصل اندازه گيري مي كند و پياده سازي عملي اين روش كنترلي آسان است از آنجا كه ساختار غير متمركز دارد.نتايج شبيه سازي عملكرد صحيح اين روش را تأييد مي كند.

Discrete control of the robot manipulators with uncertain model is the purpose of this paper. The proposed control design is model-free by employing an adaptive fuzzy estimator in the controller for the estimation of uncertainty as unknown function. An adaptive mechanism is proposed in order to overcome uncertainties. Parameters of the fuzzy estimator are adapted to minimize the estimation error using a novel gradient descent algorithm. The proposed model-free discrete control is robust against all uncertainties associated with the robot manipulator and actuators including model’s uncertainty and external disturbances. The most gradient descent algorithms have used a known cost function based on the tracking error for adaptation whereas the proposed algorithm has proposed a cost function based on the uncertainty estimation error. Then, the uncertainty estimation error is calculated from the joint position error and its derivative using the closed-loop system. Most control algorithms require all state variable feedback to ensuring stability for the robot manipulators. Practical implementation of this control method is easy because it has a decentralized structure and measures only from the joint position. The simulation results confirm the correct operation of this method and we will prove the stability of the control system.