Decentralized neural network controller for trajectory tracking of robot manipulators

• Autorzy: Boukhetala D. , Boudjema F. , Djebiri M. , Boucherit M.S. , M'Sirdi N.K.

Warianty tytułu

PL

Zdecentralizowany sterownik neuronowy śledzenia toru manipulatorów robotów

• Języki publikacji: EN

Abstrakty

EN

This paper deals with the decentralized supervised control of robot manipulators using neural networks. First, a control law is synthesized by using the computed torque method. Since this latter is a model-based control technique, it presents some drawbacks such as sensitivity to parameter variations. To ovoid this problem, the control law is supervised using neural networks. Simulation results with robustness tests are provided to demonstrate whether the neural controller is capable to mimic the existing controller in one hand, and on the other hand, to compensate disturbances for which the existing controller did not show satisfactory results in terms of performances. A comparative study of both the decentralized structure and the centralized structure of the supervised control is also given.

PL

Artykuł dotyczy zdecentralizowanego nadzoru sterowania manipulatorów robotów przy zastosowaniu sieci neuronowych. Podano syntetyczny opis metody sterowania opartej o obliczenia momentu obrotowego. Posługuje się ona modelem wrażliwym na zmienność wprowadzanych parametrów. Aby ograniczyć ten wpływ sterowanie manipulatorów nadzorowane jest za pomocą sieci neuronowych. Podano wyniki symulacji oraz rezultaty prób odporności na zakłócenia dla zademonstrowania, czy sterownik neuronowy jest w stanie zastąpić zwykły sterownik, wykazując jednocześnie zdolność kompensacji zakłóceń, której zwykły sterownik nie posiada. Podano analizę porównawczą zdecentralizowanego oraz scentralizowanego podejścia do zagadnienia nadzoru sterowania.

Słowa kluczowe

PL

robot; manipulator; sterowanie; sieci neuronowe

• Wydawca: Polish Academy of Sciences, Committee on Electrical Engineering
• Czasopismo: Archives of Electrical Engineering
• Rocznik: 2001
• Tom: Vol. 50, nr 3
• Strony: 295--311
• Opis fizyczny: Bibliogr. 18 poz., rys.

Twórcy

autor

Boukhetala D.

• Laboratoire de Commande des Processus, Ecole Nationale Polytechnique, Alger, Algeria

autor

Boudjema F.

• Laboratoire de Commande des Processus, Ecole Nationale Polytechnique, Alger, Algeria

autor

Djebiri M.

• Laboratoire de Commande des Processus, Ecole Nationale Polytechnique, Alger, Algeria

autor

Boucherit M.S.

• Laboratoire de Commande des Processus, Ecole Nationale Polytechnique, Alger, Algeria

autor

M'Sirdi N.K.

• Laboratoire de Robotique de Paris, Université de Versailles, Saint Quentin, France

Bibliografia

• 1. Gavel T., Hsia T.C.: Decentralized adaptive control of robot manipulators. Proc. IEEE Int. Conf. on Robotics and Automation, Raleigh, NC, 1987, pp. 1230-1235.
• 2. Seraji H.: Decentralized adaptive control of manipulator: theory, simulation and experimentation. IEEE ns. Robotics and Automation, RA-5, 1989, pp. 183-201.
• 3. Tang Y: Terminal sliding mode control for rigid robots. Automatica, 34, 1998, pp. 51-56.
• 4. Lyou J.: Note on decentralized adaptive controller design. IEEE Trans. Autom. Control, AC-40, 1995, pp. 89-91.
• 5. Tang Y.,Tomizuka M.,Guerrero G., Montemayer G.: Decentralized robust control of mechanical systems. IEEE Trans. Autom. Control, AC-45, 2000, pp. 771-776.
• 6. Slotine J., L i W.: Adaptive manipulator control: a case study. IEEE Trans. Autom. Control, AC-33, 1988, pp. 995-1002.
• 7. Slotine J., L i W.: Applied nonlinear control. Prentice-Hall Inc., Englwood Cliffs, NJ, 1991.
• 8. Miller W., Suttom R., Werbos P.: Neutral networks for control. MIT Press, Cambridge, MA, 1992.
• 9. Guez.Selinsky T.: A trainable neuromorphic controller. J. Robotic Syst., Vol. 5, Apr. 1998, pp. 363-388.
• 10. Hamzi, Labiod S., Boukhetala D., Boudjema F.: Supervised control using dynamical neural networks with application to an inverted pendulum. IFAC-IFIP-IMACS Conference, Control of Industrial Systems, Vol. 2, May 1997, pp. 570-575.
• 11. Hunt K., Sbarbaro D., Zbikowsky R., Gawthrop P.: Neural networks for control systems-A survey. Automatica, Vol. 28, No. 6, 1992, pp. 1083-1112.
• 12. Fukuda T., Shibata T.: Theory and applications of neural networks for industrial control systems. IEEE Trans. Ind. Electron., Vol. 9, No. 6, Dec. 1992, pp. 472-489.
• 13. Ozaki T. et al: Trajectory control of robotic manipulators using neural networks. IEEE Trans. Ind. Electron., Vol. 38, No. 3, Jun. 1991, pp. 195-202.
• 14. Young, Kim H., Lewis F.: Neural network output feedback control of robot manipulators. IEEE Trans. Robotics and Automation, RA-15, 1999, pp. 301-309.
• 15. Rastko R., Selmic, Lewis F.: Deadzone compensation in motion control systems using neural networks. IEEE Trans. Autom. Control, TAC-45, 2000, pp. 602-613.
• 16. Davison E., Tripathi N.: The optimal decentralized control of large-power systems: load and frequency control. IEEE Trans. Autom. Control, AC-23, 1978, pp. 312-325.
• 17. Jain S., Khorrami F., Fardanesh B.: Decentralized control of large-scale power systems with unknown interconnections. Int. J. Control, 63, 1996, pp. 591-608.
• 18. Stoten P.: Generalized manipulator dynamics with regard to model reference adaptive control. Int. J. Control, Vol. 50, No. 6, 1989, pp. 2249-2268.