Thiết kế và thực hiện bộ điều khiển hệ tay máy
Abstract
An adaptive sliding mode control (SMC) based on radial basis function neural network (RBFNN) is designed and implemented in this paper. The proposed controller is applied to a 2-degree-of-freedom manipulator that has been deployed in the construction materials manufacturing, metallurgy, mechanical engineering and shipbuilding industries. The adaptive SMC based on RBFNN is used to ensure the manipulator’s actual position follows the desired in a finite time. The stability of the system is proven by Lyapunov theory. Simulation results in MATLAB/Simulink show the effectiveness of the proposed controller with the rising time, the settling time, the percent overshoot, the steady state error of link 1 are 0.7708(s), 1.4254(s), 0.0559(%), 0(rad) and link 2 are 0.9253(s), 1.5655(s), 0.1138(%), 0(rad), respectively.
Tóm tắt
Bộ điều khiển trượt thích nghi dựa vào mạng nơ-ron RBF được thiết kế và thực hiện trong bài báo này. Bộ điều khiển đề xuất được áp dụng cho tay máy 2 bậc tự do mà đã được triển khai trong các ngành sản xuất vật liệu xây dựng, luyện kim, chế tạo cơ khí và công nghiệp đóng tàu. Bộ điều khiển trượt thích nghi dựa vào mạng nơ-ron RBF được thiết kế để đảm bảo vị trí các khớp của tay máy bám theo vị trí tham chiếu trong thời gian hữu hạn. Tính ổn định của hệ thống được chứng minh bằng lý thuyết Lyapunov. Các kết quả mô phỏng với MATLAB/Simulink cho thấy hiệu quả của bộ điều khiển đề xuất với thời gian tăng, thời gian xác lập, độ vọt lố, sai số xác lập của link 1 lần lượt là 0.7708(s), 1.4254(s), 0.0559(%), 0(rad) và của link 2 là 0.9253(s), 1.5655(s), 0.1138(%), 0(rad).
Tài liệu tham khảo
[1]. Nasr M. Ghaleb and Ayman A. Aly. (2018). Modeling and Control of 2-DOF Robot Arm. International Journal of Emerging Engineering Research and Technology, 6(11), 24-31.
[2]. Hussein, U.S., Muhammed, B.M., Tahir, A.Z., Ahmed, T.S., Sadiq, T. & Ahmadu A.G.. (2018). Methods of Chattering Reduction in Sliding Mode Control: A Case Study of Ball and Plate System. International Conference on Adaptive Science & Technology (ICAST), 1 – 9.
[3]. Diao, S., Sun, W., Wang, L. et al.. (2021). Finite-Time Adaptive Fuzzy Control for Nonlinear Systems with Unknown Backlash-Like Hysteresis. Int. J. Fuzzy System, 23(9), 1-11.
[4]. Lee,H., D. Nam and C.H. Park. (2004). A sliding mode controller using neural networks for robot manipulator. Proc. of European Symposium on Artificial Neural Networks Bruges (Belgium), 28-30.
[5]. W. K. Alqaisi, B. Brahmi, J. Ghommam, M. Saad and V. Nerguizian. (2019). Adaptive Sliding Mode Control Based on RBF Neural Network Approximation for Quadrotor. 2019 IEEE International Symposium on Robotic and Sensors Environments (ROSE), 1-7.
[6]. HaoFeng, QianyuSong, ShouleiMa, WeiMa, ChenboYin, DonghuiCao and HongfuYu. (2022). A new adaptive sliding mode controller based on the RBF neural network for an electro-hydraulic servo system. ISA Transactions, 129, 472-484.
[7]. Phạm Thanh Tùng, Nguyễn Chí Ngôn, Lê Thị Kiều Mai, Vo Hoang Tam, Đồng Văn Hướng, Nguyễn Ngô Phong. (2018). Adaptive Sliding Mode Control with RBF Neural Networks for Omni-Directional Mobile Robot. Journal of Technical Education Science, 49, 80-87.
[8]. Pham Thanh Tung, Nguyen Chi Ngon. (2021). Adaptive Sliding Mode Control Based on RBF Neural Network for Two Tanks Interacting System. TNU Journal of Science and Technology, 226(11), 323 – 331.
[9]. Hai Xuan Le, Thai Van Nguyen, Anh Viet Le, Tuan Anh Phan, Nam Hoai Nguyen, Minh Xuan Phan. (2019). Adaptive hierarchical sliding mode control using neural network for uncertain 2D overhead crane. International Journal of Dynamics and Control, 7(3), 996-1004.
[10]. Jiang-Feng Li, Feng-Hong Xiang. (2021). RBF Network Adaptive Sliding Mode Control of Ball and Plate System Based on Reaching Law. Arabian Journal for Science and Engineering, 8, 9393-9404.
[11]. Huiyue Zhang and Yunbo Liu. (2020). Adaptive RBF neural network based on sliding mode controller for active power filter. International Journal of Power Electronics, 11(4), 460-481.
[12]. Shanta, Mst. Nafisa Tamanna and Zainul Azlan, Norsinnira. (2016). Adaptive sliding mode control with radial basis function neural network for time dependent disturbances and uncertainties. ARPN Journal of Engineering and Applied Sciences, 11(6), 4123-4129.
[13]. Jianmin Wang, Jinbo Wang and Tao Zhang. (2016). RBF neural network based adaptive sliding mode control for hypersonic flight vehicles. 2016 IEEE Chinese Guidance, Navigation and Control Conference (CGNCC), 58-63.
[14]. Jinkun Liu and Xinhua Wang. 2011. Advanced Sliding Mode Control for Mechanical Systems. Springer.
[15]. Nasr M. Ghaleb and Ayman A. Aly. (2018). Modeling and Control of 2-DOF Robot Arm. Inter. J. of Emerging Engineering Research and Technology, 6(11), 8-23.
