Wyniki wyszukiwania - BazTech

1

Forward and inverse kinematics solution of a robotic manipulator using a multilayer feedforward neural network

Sharkawy Abdel-Nasser

Journal of Mechanical and Energy Engineering

|

2022

|

Vol. 6, No 2

1--17

EN

In this paper, a multilayer feedforward neural network (MLFFNN) is proposed for solving the problem of the forward and inverse kinematics of a robotic manipulator. For the forward kinematics solution, two cases are presented. The first case is that one MLFFNN is designed and trained to find solely the position of the robot end-effector. In the second case, another MLFFNN is designed and trained to find both the position and the orientation of the robot end-effector. Both MLFFNNs are designed considering the joints’ positions as the inputs. For the inverse kinematics solution, a MLFFNN is designed and trained to find the joints’ positions considering the position and the orientation of the robot end-effector as the inputs. For training any of the proposed MLFFNNs, data is generated in MATLAB using two different cases. The first case is that data is generated assuming an incremental motion of the robot’s joints, whereas the second case is that data is obtained with a real robot considering a sinusoidal joint motion. The MLFFNN training is executed using the Levenberg-Marquardt algorithm. This method is designed to be used and generalized to any DOF manipulator, particularly more complex robots such as 6-DOF and 7-DOF robots. However, for simplicity, this is applied in this paper using a 2-DOF planar robot. The results show that the approximation error between the desired output and the estimated one by the MLFFNN is very low and it is approximately equal to zero. In other words, the MLFFNN is efficient enough to solve the problem of the forward and inverse kinematics, regardless of the joint motion type.

2

Suspended sediment discharge modeling during flood events using two different artificial neural network algorithms

Bouguerra Hamza, Tachi Salah-Eddine, Derdous Oussama, Bouanani Abderrazak, Khanchoul Kamel

Acta Geophysica

|

2019

|

Vol. 67, no. 6

1649--1660

EN

This paper presents modeling of artificial neural network (ANN) to forecast the suspended sediment discharges (SSD) during flood events in two different catchments in the Seybouse basin, northeastern Algeria. This study was carried out on hourly SSD and water discharge data during flood events from a period of 31 years in the Ressoul catchment and of 28 years in the Mellah catchment. The ANNs were trained according to two different algorithms: the Levenberg–Marquardt algorithm (LM) and the Quasi-Newton algorithm (BFGS). Seven input combinations were trained for the SSD prediction. The performance results indicated that both algorithms provided satisfactory simulations according to the determination coefficient (R2) and root mean squared error (RMSE) performance criteria, with priority to the BFGS algorithm; the coefficient of determination using the LM algorithm varies between 51.0 and 90.2%, whereas using the BFGS algorithm it varies between 54.3 and 93.5% in both studied catchments, with calculated improvement for all seven developed networks with the best improvement in the Ressoul catchment presented in ANN06 with ΔR2 4.23% and ΔRMSE 1.74‰, and with the best improvement presented in ANN05 with ΔR2 6.07% and ΔRMSE 0.71‰ in the Mellah catchment. The analysis showed that the use of Quasi-Newton method performed better than the Levenberg–Marquardt in both studied areas.

3

Vehicle suspension control based on PID controller adapted by feed-forward neural network

Popardovský V., Popardovský E.

Zeszyty Naukowe Instytutu Pojazdów / Politechnika Warszawska

|

2017

|

z. 4/113

99--107

EN

Control of suspension systems in vehicles, brings the opportunity react to unknown road conditions (road inequalities) to preserve comfort of crew, driving safety and also to prevent excessive mechanical stress of useful load. The goal of this study is to design an adaptive PID controller with using neural network (used as „tuner“ for PID), for control of active vehicle suspension system. For this purpose, an ANN is designed to produce outputs for PID controller - Proportional (P), Integral (I) and Derivative (D) parameters. By this way was designed ANNAPID controller for vehicle suspension control.

PL

Sterowanie zawieszeniem w pojazdach daje możliwość reagowania na nieznane warunki drogowe (nierówności drogowe) w celu zachowania komfortu załogi, bezpieczeństwa jazdy, a także w celu uniknięcia nadmiernego obciążenia mechanicznego przy obciążeniu użytkowym. Celem tego badania jest opracowanie adaptacyjnego regulatora PID z wykorzystaniem sieci neuronowych (wykorzystywanej jako "tuner" dla PID), do sterowania aktywnym systemem zawieszenia pojazdu. W tym celu zaprojektowano sieć neuronową ANN, która na wyjściu zadaje sygnały sterujące dla regulatora PID, czyli odpowiednie parametry dla członów: proporcjonalnego (P), całkującego (I) i różniczkującego (D). W ten sposób zaprojektowano sterownik ANNAPID do sterowania zawieszeniem pojazdu.

4

Artifacts removal from EEG signal: FLM optimization-based learning algorithm for neural network-enhanced adaptive filtering

Quazi M. H., Kahalekar S. G.

Biocybernetics and Biomedical Engineering

|

2017

|

Vol. 37, no. 3

401--411

EN

Electroencephalogram (EEG) denotes a neurophysiologic measurement, which observes the electrical activity of the brain through making a record of the EEG signal from the electrodes positioned on the scalp. The EEG signal gets mixed with other biological signals, called artifacts. Few artifacts include electromyogram (EMG), electrocardiogram (ECG) and electrooculogram (EOG). Removal of artifacts from the EEG signal poses a great challenge in the medical field. Hence, the FLM (Firefly + Levenberg Marquardt) optimization-based learning algorithm for neural network-enhanced adaptive filtering model is introduced to eliminate the artifacts from the EEG. Initially, the EEG signal was provided to the adaptive filter for yielding the optimal weights using the renowned optimization algorithms, called firefly algorithm and LM. These two algorithms are effectively hybridized and applied to the neural network to find the optimal weights for adaptive filtering. Then, the designed filtering process renders an improved system for artifacts removal from the EEG signal. Finally, the performance of the proposed model and the existing models regarding SNR, computation time, MSE and RMSE are analyzed. The results conclude that the proposed method achieves a high SNR of 42.042 dB.

5

Maximum likelihood estimation for identification of aircraft aerodynamic derivatives

Lichota P., Lasek M.

Archive of Mechanical Engineering

|

2013

|

Vol. LX, nr 2

219--230

EN

This article investigates identification of aircraft aerodynamic derivatives. The identification is performed on the basis of the parameters stored by Flight Data Recorder. The problem is solved in time domain by Quad-M Method. Aircraft dynamics is described by a parametric model that is defined in Body-Fixed-Coordinate System. Identification of the aerodynamic derivatives is obtained by Maximum Likelihood Estimation. For finding cost function minimum, Lavenberg-Marquardt Algorithm is used. Additional effects due to process noise are included in the state-space representation. The impact of initial values on the solution is discussed. The presented method was implemented in Matlab R2009b environment.

PL

Artykuł zawiera informacje na temat identyfikacji pochodnych aerodynamicznych. Estymacja opiera się o parametry zapisywane przez Pokładowy Rejestrator Lotu. Zagadnienie jest rozważane w dziedzinie czasu przy użyciu podejścia Quad-M. Do opisu dynamiki samolotu wykorzystano model parametryczny zdefiniowany w układzie sztywno związanym z samolotem. Do identyfikacji wykorzystano Metodę Największej Wiarygodności. Do znalezienia minimum funkcji celu użyto algorytm Levenberga-Marquardta. W modelu uwzględniono wpływ dodatkowych czynników reprezentowany przez szum przetwarzania. Omówiono wpływ wartości początkowych na rozwiązanie. Prezentowane wyniki uzyskano w środowisku Matlab R2009b.

6

Analiza metody iteracyjnej minimalizacji w regularyzacji estymacji nieliniowej

Polak A.

Przegląd Elektrotechniczny

|

2010

|

R. 86, nr 9

27-30

PL

Pomiary pośrednie często polegają na estymacji parametrów modelu badanego obiektu, a proces estymacji może być źle uwarunkowana numerycznie. W celu poprawy uwarunkowania numerycznego stosowane są metody regularyzacji. Jednym z ostatnio zaproponowanych podejść do regularyzacji estymacji nieliniowej jest metoda iteracyjnej minimalizacji (IM), regulującej balans pomiędzy błędem systematycznym i losowym pomiaru pośredniego. Celem prezentowanych badań było porównanie doboru parametru regularyzacji za pomocą IM z powszechnie stosowną metodą Marquardta. W badaniach wykorzystano syntetyczne dane pomiarowe oraz metodę Monte Carlo. Z przeprowadzonych symulacji wynika, że algorytm IM ma lepsze właściwości metrologicznie niż algorytm Marquardta.

EN

Indirect measurements often amount to the estimation of parameters of a mathematical model that describes the object under investigation, and this process may numerically be ill conditioned. Various regularization techniques are used to solve the problem. The iterative minimisation (IM) is one of approaches proposed recently. It regulates the balance between systematic and random error of indirect measurement. The purpose of this study was to compare the selection of the regularisation parameter by IM with the commonly used Marquardt method. Synthetically generated measurement data and the Monte Carlo method were used to this end. From the performed simulations it stems that the IM algorithm has better metrological properties than Marquardt's one.

7

Optymalizacja kratownic przy użyciu metody dystorsji wirtualnych i popularnych algorytmów przeznaczonych do poszukiwania ekstremów funkcji celu

Król R.

Logistyka

|

2010

|

nr 6

PL

W artykule przedstawione zostały algorytmy optymalizacji funkcji wielu zmiennych oraz metoda dystorsji wirtualnych jako metoda szybkiej reanalizy (Fast Reanalysis Method) w odniesieniu do konstrukcji kratownicowych. Zaprezentowane zostały wyniki optymalizacji prostej kratownicy przeprowadzone w programie komputerowym przeznaczonym do trójwymiarowej analizy i optymalizacji kratownic. Artykuł zawiera porównanie efektywności algorytmów: Levenberga- Marquardta, Gaussa-Newtona oraz metody największego spadku. Zostały one zaimplementowane w programie GNU/Octave dla uzasadnienia wyboru algorytmu Levenberga-Marquardta wykorzystanego do poszukiwania konstrukcji najsztywniejszej przy ograniczonej ilości materiału oraz ograniczeniach na maksymalną absolutną wartość naprężeń.

EN

This article presents optimization algorithms for multiple variables objective functions and the Virtual Distortion Method used in 3D truss structures. Simple three-element truss structure was optimized by computer program implemented for searching stiffest framework with volume and stress constraints. In this article efficiency of popular optimization algorithms was compared on the example of: Levenberg-Marquardt, Gauss-Newton and steepest descent method. Presented solutions was implemented in GNU/Octave to show the reason of using Levenberg-Marquardt algorithm for truss optimization with Virtual Distortion Method.

8

Error Analyses of Attitude and Heading Reference Systems

Reinstein M., Sipos M., Rohac J.

Przegląd Elektrotechniczny

|

2009

|

R. 85, nr 8

114-118

EN

This paper describes the results of error analyses of two low-cost Attitude and Heading Reference Systems (AHRS). These error analyses concern both random sensor errors identified by Allan variance method and deterministic errors estimated during a calibration procedure. The calibration procedure is based on the Levenberg-Marquardt algorithm used to solve non-linear least squares estimation problem. The main contribution of this paper is to present data necessary for further inertial sensors signal processing by means of Kalman filtering.

PL

Artykuł opisuje rezultaty analizy błędu dwóch systemów nawigacji. Analiza koncentruje się na błędach czujników: przypadkowych zdefiniowanych przez wariancję Allana i systematycznych, określonych w procedurze kalibracji. Procedura kalibracji bazuje na algorytmie Levenberga-Marquardta stosowanym do rozwiązywania problemów estymacji metodą nieliniowych najmniejszych kwadratów. Głównym celem artykułu jest podanie danych niezbędnych do późniejszego przetwarzania sygnału czujników bezwładnościowych przy wykorzystaniu filtrów Kalmana.

9

Regularyzacja identyfikacji obiektów złożonych opisanych modelami nieliniowymi

Polak A. G., Mroczka J.

Pomiary Automatyka Kontrola

|

2007

|

R. 53, nr 9 bis

190--193

PL

W referacie przedstawiono modyfikację regularyzacji Tichonowa-Phillipsa (TP) przystosowującą ją do estymacji parametrów modeli nieliniowych źle uwarunkowanych numerycznie. Zaproponowane podejście porównano z metodami Gaussa-Newtona (GN), Levenberga-Marquardta (LM) oraz metodą łączącą LM z TP (LMTP). Analizę właściwości czterech zaimplementowanych algorytmów przeprowadzono metodą Monte Carlo. Pokazała ona, że w przypadku identyfikacji modeli nieliniowych zawierających parametry słabo określone przez dane pomiarowe i jednocześnie charakteryzujące się "regularnym" rozkładem wartości w wektorze parametrów, najlepsze wyniki daje estymacja metodą Tichonowa-Phillipsa.

EN

In the paper a modification of the Tikhonov-Phillips regularisation enabling the estimation of parameters of numerically ill-conditioned nonlinear models is presented. This approach was compared with the Gauss-Newton (GN) and Levenberg-Marquardt (LM) methods, as well as with a method combining LM with TP one (LMTP). The analysis of the four computer-implemented algorithms was done by the Monte Carlo simulations. They have shown that the result of identification of a nonlinear model possessing weakly defined, however "regularly" distributed parameters, is the most accurate when using the Tikhonov-Phillips method.

10

Analiza porównawcza klasycznych oraz neuronowych algorytmów identyfikacji obiektu dynamicznego na przykładzie wymiennika ciepła

Bartecki K.

Zeszyty Naukowe. Elektryka / Politechnika Opolska

|

1998

|

z. 47

93-109

PL

W artykule przedstawiono porównanie klasycznych oraz bazujących na teorii sztucznych sieci neuronowych algorytmów identyfikacji. Wykorzystano dane pomiarowe uzyskane w czasie badań doświadczalnych dynamiki przeciwprądowego wymiennika ciepła pracującego w rzeczywistym węźle cieplnym. Oprócz analizy porównawczej wymienionych algorytmów podjęto próbę określenia wpływu struktury modelu neuronowego na jakość identyfikacji. Zaprezentowano także strukturę typowej sieci rekurencyjnej wykorzystywanej w zagadnieniach modelowania nieliniowych systemów dynamicznych. Badania identyfikacyjne, procedury uczenia sieci oraz badania symulacyjne przeprowadzono w oparciu o wyspecjalizowane biblioteki pakietu MATLAB, takie jak Simulink, System Identification Toolbox oraz Neural Network Toolbox.

EN

The comparison analysis of classical and neural dynamic system identification algorithms is presented. The measurement data obtained during experimental research of a heat exchanger operating at a heat distribution centre were used in the process of the identification. Furthermore, the influence of the network architecture on identification results was tested. The structure of a typical recurrent network is also describend. The simulation, identification and network learing procedures were performed using MATLAB with Simulink, System Identification and Neural Network Toolboxes.