Báo Cáo Kỹ thật chuyển đỗi bộ điều khiển trực tiếp dùng phương pháp học vecto lượng tử của mạng neural

BẢN TÓM TẮT
​

Những vấn đề về điều khiển, chuyển động bị dao động và tính chiều theo của các hệ thống khí nén đã ngăn cản các hệ thống này được sử dụng rộng rãi trong kỹ thuật người máy. Tuy nhiên, tính rắn chắc, tỉ số công suất/ khối lượng lớn, dễ bảo trì và tính an tòan cố hữu là những nhân tố đáng giá trong thiết kế tay máy. Những ưu điểm này đã dẫn đến sự phát triển 1 lọai cơ cấu tác động mới lạ như cơ cấu tác động Mckibben, cơ cấu tác động dùng cao su và tay máy ứng dụng cơ cấu tác động phỏng sinh học dùng khí nén. Tuy nhiên, vẫn tồn tại một số khuyết điểm như đáp ứng của hệ thống bị xấu đi do sự thay đổi của quán tính tải bên ngòai.

Để giải quyết vần đề này, kỹ thuật điều khiển chuyển đổi bộ điều khiển trong thời gian thực dùng phương pháp học vec tơ lượng tử của mạng neural được đề xuất. Phương pháp này sẽ ước lượng quán tính tải bên ngòai cho tay máy. Kết quả thực nghiệm sẽ minh chứng cho những ảnh hưởng của giải thuật được đề xuất trong điều kiện quán tính tải bên ngòai thay đổi.

ABSTRACT
​

Problems with the control, oscillatory motion and compliance of pneumatic systems have prevented their widespread use in advanced robotics. However, their compactness, power/weight ratio, ease of maintenance and inherent safety are factors that could be potentially exploited in sophisticated dexterous manipulator designs. These advantages have led to the development of novel actuators such as the McKibben Muscle, Rubber Actuator and Pneumatic Artificial Muscle (PAM) Manipulators. However, some limitations still exist, such as a deterioration of the performance of transient response due to the changes in the external inertia load in the PAM manipulator.

To overcome this problem, online switching algorithm of the control parameter using a learning vector quantization neural network (LVQNN) is newly proposed. This estimates the external inertia load of the PAM manipulator. The effectiveness of the proposed control algorithm is demonstrated through experiments with different external inertia loads.