Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: compensation of flexibility

Sortuj według:

Ogranicz wyniki do:

Application of neural networks to control of drive functions of a manipulator with a flexible link

Adamiec-Wójcik I.

Advances in Manufacturing Science and Technology

2011

Vol. 35, nr 1

85-98

The paper presents a model of a manipulator with a flexible link which has been used for solving an optimization problem. The optimization task consists in choosing drive functions in such a way that despite flexibility the desired trajectory of the end effector is realised. The optimization problem requires the equations of motion to be integrated at each optimization step and the models cannot be applied for controlling the motion in real time. Thus neural networks, which give a solution in a short time, are proposed. Dynamic optimization is solved to calculate appropriate drives, which form sets of values used for training an artificial neural network. The results obtained using the Nelder-Mead method and neural networks are compared.

W artykule przedstawiono model manipulatora z podatnym członem zastosowany w rozwiązaniu zadania optymalizacji dynamicznej. Wyznaczono funkcje napędowe, pozwalające na realizację zadanej trajektorii końcówki manipulatora niezależnie od efektów spowodowanych podatnością członów. Rozwiązanie tak postawionego zadania optymalizacji dynamicznej wymaga całkowania równań ruchu w każdym kroku czasowym. Nie jest więc możliwe wykorzystanie przedstawionych modeli w sterowaniu napędami w czasie rzeczywistym. Stąd propozycja zastosowania sztucznych sieci neuronowych i uzyskania rozwiązania w krótkim czasie. Wykonano wielokrotne rozwiązanie zadania optymalizacji dynamicznej, tworząc zbiór wartości użytych w procesie uczenia sieci neuronowej. Zaproponowano sieć neuronową oraz przeprowadzono proces uczenia metodą Levenberga-Marquardta. Wykonano symulacje komputerowe i porównano wyniki po zastosowaniu funkcji napędowych wyznaczonych przez sieć neuronową oraz uzyskanych w rozwiązaniu zadania optymalizacji metodą Nelder-Meada.