Luận văn thạc sĩ kỹ thuật -1- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC CÔNG NGHIỆP
NGUYỄN THỊ GIANG NGHIÊN CỨU ỨNG DỤNG LEARNING FEED
FORWARD TRÊN CƠ SỞ ĐIỀU KHIỂN THÍCH
NGHI THEO MÔ HÌNH MẪU (MRAS) ĐIỀU KHIỂN
VỊ TRÍ CÁNH TAY ROBOT

Chuyên ngành: Tự động hóa

LUẬN VĂN THẠC SĨ KỸ THUẬT


Thái Nguyên, ngày tháng năm 2012
Học viên Nguyễn Thị Giang
Luận văn thạc sĩ kỹ thuật -3- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

LỜI CẢM ƠN

Sau thời gian nghiên cứu, làm việc khẩn trương và được sự hướng dẫn tận tình
giúp đỡ của thầy giáo T.S Nguyễn Duy Cương, luận văn với đề tài “Nghiên cứu
ứng dụng Learning Feed Forward (LFFC) trên cơ sở điều khiển thích nghi theo
mô hình mẫu (MRAS) điều khiển vị trí cánh tay Robot” đã được hoàn thành.
Tác giả xin bày tỏ lòng biết ơn sâu sắc tới:
Thầy giáo hướng dẫn T.S Nguyễn Duy Cương đã tận tình chỉ dẫn, giúp đỡ tác
giả hoàn thành luận văn.
Thầy giáo Nguyễn Văn Chí – Bộ môn Đo lường và điều khiển tự động- Khoa
Điện tử, cùng các thầy cô giáo Trường Đại học kỹ thuật công nghiệp Thái Nguyên

LỜI NÓI ĐẦU 9
CHƢƠNG 1 : TỔNG QUAN VỀ ĐIỀU KHIỂN ROBOT CÔNG NGHIỆP 11
Giới thiệu: 11
1.1.TỔNG QUAN VỀ ROBOT CÔNG NGHIỆP 11
1.1.1.Khái niệm về Robot công nghiệp 11
1.1.2. Phân loại Robot công nghiệp. 13
1.1.3. Sơ đồ tổ chức kỹ thuật của Robot. 16
1.2. PHƢƠNG TRÌNH ĐỘNG HỌC CỦA ROBOT 18
Kết luận chƣơng 1: 20
CHƢƠNG 2 : TỔNG QUAN VỀ LEARNING FEED FORWARD CONTROL
(LFFC) VÀ MODEL REFERENCE ADAPTIVE YSTEM(MRAS) 21
Giới thiệu: 21
2.1. TỔNG QUAN VỀ LFFC 21
2.1.1. Giới thiệu. 21
2.1.2. Điều khiển học (Learning Control - LC) 22
2.1.3. Bộ điều khiển học sử dụng sai lệch phản hồi (Feedback Error
Learning - FEL) 26
2.1.4. Learning Feed forward Control (LFFC) 33
2.2. ĐIỀU KHIỂN THÍCH NGHI THEO MÔ HÌNH MẪU 34
2.2.1. Khái quát chung 34
2.2.2. Cơ chế thích nghi 39
2.2.3. Mô hình độ nhạy: 47
2.2.4. Phƣơng pháp ổn định của Liapunov. 49
2.3. BỘ ĐIỀU KHIỂN LFFC TRÊN CƠ SỞ MRAS 61

Luận văn thạc sĩ kỹ thuật -5- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

2.3.1. Khái niệm chung 61

Luận văn thạc sĩ kỹ thuật -6- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC CÁC CHỮ VIẾT TẮT LC
Learning Control- Bộ điều khiển học
LFFC
Learning Feed Forward Control
MLP

Multi Layer Perceptron
FEL
Feedback Error Learning
MRAS
Model Reference Adaptive System
CMAC

Cerebellar Model Articulation Controller
Hình 1.3
Sơ đồ tổ chức kĩ thuật của Robot
Hình 1.4
Mô hình Robot 2 bậc tự do
Hình 2.1
Cực tiểu cục bộ trong kĩ thuật học
Hình 2.2
Bộ điều khiển phản hồi sai lệch
Hình 2.3
Đối tượng và nhiễu phát sinh
Hình 2.4
Học theo sai số phản hồi
Hình 2.5
Hệ thích nghi tham số
Hình 2.6
Hệ thích nghi tín hiệu
Hình 2.7
Điều khiển sơ cấp và cấp hai
Hình 2.8
Mô hình mẫu và đối tượng
Hình 2.9a
Sự thay đổi tham số b
p
dẫn tới sự thay đổi đáp ứng đầu ra
Hình 2.9b
Đáp ứng đầu ra của đối tượng (Y
p
), đáp ứng mô hình mẫu (Y
p1
) và sai

P
.
Hình 2.15
Hệ thống thích nghi được thiết kế theo phương pháp ổn định Liapunov
Hình 2.16
Đáp ứng đầu ra của mô hình mẫu (Y
m
), mô hình đối tượng (Y
p
), sai

Luận văn thạc sĩ kỹ thuật -8- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

lệch (e), và tham số hiệu chỉnh (K
a
, K
b
).
Hình 2.17
Hệ thống thích nghi được thiết kế theo phương pháp ổn định Liapunov
có bổ xung khâu tỷ lệ.
Hình 2.18
Các đáp ứng nhận được khi tham số K
a
, K
b
bổ xung khâu tỷ lệ.
Hình 2.19a

Hình 3.11
Tín hiệu ma sát coulomb ở chế độ quá độ
Hình 3.12
Tín hiệu ma sát coulomb ở chế độ xác lập
Hình 3.13
Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb
Hình 3.14
Lực Viscous thực tế và lực Viscous tạo ra
Hình 3.15
Đáp ứng của hệ thống khi có tín hiệu LFFC bù lực Coulomb và bù lực
Viscous
Luận văn thạc sĩ kỹ thuật -9- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

LỜI NÓI ĐẦU

Ngày nay, điều khiển robot công nghiệp đã và đang được ứng dụng rộng rãi
trong nhiều lĩnh vực sản xuất và đời sống. Để điều khiển robot đã có rất nhiều
phương pháp khác nhau như dùng bộ điều khiển truyền thống PID,
LQR(Linear Quadratic Regulator), LQG (Linear Quadratic Gaussian), STR (Self
Tuning Regulator) Các bộ điều khiển trên được thiết kế trên cơ sở mô hình tuyến
tính hoá với những thông số biết trước. Tuy nhiên Robốt là hệ cấu trúc có tính phi
tuyến mạnh, các tham số không rõ và thay đổi hoặc chứa các thành phần phi tuyến.
Ngoài ra trong quá trình làm việc hệ còn chịu tác động của các nhiễu bên ngoài có
tham số thay đổi [8]. Do vậy đối với các robot làm việc với yêu cầu đồng thời có độ
ổn định và độ chính xác cao thì các bộ điều khiển trên thể hiện các hạn chế.

Thái Nguyên, ngày tháng năm 2012
Học viên Nguyễn Thị Giang

Luận văn thạc sĩ kỹ thuật -11- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

CHƢƠNG 1
TỔNG QUAN VỀ ĐIỀU KHIỂN ROBOT CÔNG NGHIỆP


Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

Là một hệ thống truyền tin và xử lý tin khép kín bao gồm: Phần chuyển động; phần
nhận dạng và điều khiển.
a) Cơ cấu chuyển động: Có tác dụng thực hiện các chuyển động theo yêu
cầu của công nghệ. Phần chuyển động được thực hiện bằng các kỹ thuật truyền
động sau: Truyền động thuỷ lực; Truyền động khí nén và truyền động điện. Trong
đó truyền động điện có thể dùng động cơ điện một chiều hay động cơ điện xoay
chiều đi kèm bộ điều khiển.
b) Cơ cấu nhận dạng: Là hệ thống các cảm biến bao gồm cảm biến lực, cảm
biến vị trí, cảm biến tốc độ, Các thông tin đo được từ các cảm biến được chuyển
tới bộ phận điều khiển.
c) Bộ phận điều khiển:
Thường do máy tính, vi xử lý đảm nhận, có chức năng tính toán và điều khiển bộ
phận chuyển động theo yêu cầu công nghệ. Sơ đồ Hình 1.1 là sơ đồ điển hình của hệ thống điều khiển vị trí, trên sơ đồ thể hiện
các vị trí và tốc độ của khớp thường được đo bởi các sensor như chiết áp, máy phát
tốc, các thiết bị mã hoá Các tín hiệu ra được đưa đến khối điều khiển tạo ra tín

 Chuyển động quay xung quanh các trục x, y, z (Ký hiệu là R: Rotation)
Thông thường các chuyển động trên được ký hiệu như sau

Chuyển động tịnh tiến Chuyển động quay
Dạng Đề các Dạng trụ
Dạng cầu Dạng khớp
Hình.1.2. Các dạng Robot 3 bậc tự do

Luận văn thạc sĩ kỹ thuật -14- Chuyên ngành tự động hóa

đường.
 Điều khiển điểm - điểm (Point to Point): phần công tác dịnh chuyển từ điểm này
đến điểm kia theo đường thẳng với tốc độ không cao. Nó chỉ làm việc tại các
điểm dừng. Kiểu điều khiển này dùng trên các robot hàn điểm, vận chuyển, tán
đinh, bắn đinh….

Luận văn thạc sĩ kỹ thuật -15- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

 Điều khiển theo đường (Contour): đảm bảo cho phần công tác dịch chuyển theo
quỹ đạo bất kì với tốc độ có thể điều khiển được. Kiều điều khiển này dùng trên
các robot hàn hồ quang, phun sơn,
3. Phân loại theo hệ thống năng lượng .
Dựa vào cơ cấu sinh nguồn năng lượng động lực ta chia ra thành 2 loại
 Hệ năng lượng điện :
Thường dùng các động cơ truyền động là động cơ một chiều hoặc động cơ
bước. Với hệ này có đặc điểm là hoạt động chính xác, tin cậy, ít phần tử phi tuyến
dễ điều khiển, ngoài ra còn có một số đặc tính khác như kết cấu gọn nhẹ, hệ truyền
năng lượng đơn giản nhưng có nhược điểm là cho hệ số quá tải thấp.
 Hệ năng lượng thuỷ lực – khí động:
Đối với hệ thuỷ lực có thể đạt công suất cao, đáp ứng được những điều kiện
làm việc nặng nề, tuy nhiên hệ này thường có kết cấu cồng kềnh do cấu tạo có thêm
bể dầu, van lọc, hệ thống dẫn ngược ngoài ra với hệ này sử dụng thuỷ lực có độ phi
tuyến cao do vậy điều khiển khó
 Hệ khí nén
Với hệ khí nén có cấu tạo gọn nhẹ hơn do không cần dẫn ngược, nhưng phải
gắn liền với một trung tâm tạo khí nén. Hệ này làm việc với công suất trung bình và
nhỏ, kém chính xác.
Như vậy hệ năng lượng điện điều khiển chính xác dễ điều khiển, kết cấu gọn
Khối A:
Gồm hai thành phần:
 Teach pendant: Có nhiệm vụ thực hiện các quá trình dạy học cho Robot.
 Record buttum: Lưu trữ và chuyển giao các dữ liệu cảm nhận vật lý trong quá
trình học gọi là “Bộ cảm nhận vật lý” thông qua khối này tín hiệu đặc trưng cho độ
dài và toạ độ góc của vị trí đầu và vị trí cuối của quỹ đạo chuyển động được cảm
nhận.
Ví dụ :
 
 
 
ff
hh ,;,
00


Khối B:
Là khối xử lý của Robot gồm các cụm vi xử lý để giải quyết các vấn đề sau :
Hình 1.3. Sơ đồ tổ chức kỹ thuật của Robot


Teach
Pendent

Record

 
ss
h,

. Tức là giải quyết “Bài toán động học thuận”
 Nhóm Cartesian Point Storage: Lưu trữ và chuyển giao các kết quả của quá trình
giải “Bài toán động học thuận”
 Nhóm Trajectory Planer: Lập trình quỹ đạo đi qua các điểm đã hoặc chưa “Dạy”
để hình thành bộ quỹ đạo chuyển động cần có
   
 
tYtX
dd
;
của cơ cấu chấp hành
cuối
 Nhóm Invers Kinematic: Giải bài toán động học ngược tìm ra các thông số điều
khiển
   
 
tht
dd

.
Khối C :
Là khối điều khiển bao gồm bộ so sánh cặp giá trị “Đặt –Thực” qua các bộ biến đổi,
khuyếch đại và tín hiệu đầu ra là tín hiệu điều khiển (Theo nguyên tắc NC).
Khối D:
Là cơ cấu chấp hành, bao gồm khối nguồn động lực (Mortor Dymanic) các cơ cấu
chấp hành (Robot Dymanic) và khối cảm nhận vật lý vị trí trên chúng (Physical



sgn,
(1.1)
Với:
-

là véc tơ góc của khớp nối
-
 

M
: ma trận mô men quán tính
-
 

C
: mô hình lực coriolis và quán tính ly tâm
-
D
: hệ số ma trận đường chéo ma sát nhớt.
-
S
: hệ số ma trận đường chéo ma sát Coulomb
-
 

G
: trọng lực
-







































2
1
2122
21112122
2
2
2
1
2
1
2
1
2
1
21221
2222122221
2
1
2
22
2
1
1

mmgllgm
s
s
d
d
mll
mllmll
lm
r
J
mlll
mlllmlllllm
r
J

















Viết lại biểu thức (1.1) theo ma trận ta có:

 
 
 
     
 
 
 





























0
0
sgn
0
,0
0
111
11
I
u
MSMGM
DMCM
I
(1.3)
Với
 
R
T


,
21
và

(1.5)
Như vậy
 

B
khả nghịch, điều kiện đã được thỏa mãn.
j
C
IC 
1

Luận văn thạc sĩ kỹ thuật -20- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

Như vậy có thể kết luận rằng: Góc quay của cánh tay robot có thể được điều khiển
bởi LFFC. Tín hiệu điều khiển Feed – forward mong muốn là:

       
ddddddddd
MSGDCu


 sgn,
(1.6)
Từ (1.6)cho thấy tín hiệu đầu vào khối điều khiển sau khi đã đơn giản hóa bao gồm
các thành phần
 




CHƢƠNG 2
TỔNG QUAN VỀ LEARNING FEED FORWARD CONTROL(LFFC) VÀ
MODEL REFERENCE ADAPTIVE SYSTEM(MRAS)
Giới thiệu:
Như đã nhận xét ở cuối chương 1, robot là đối tượng có tính phi tuyến mạnh vì vậy
cần có phương pháp để nâng cao độ chính xác về vị trí khi điều khiển cánh tay
robot. Chương này, tác giả sẽ nghiên cứu phương pháp để nâng cao độ chính xác
cho cách tay robot khi làm việc.
2.1. TỔNG QUAN VỀ LFFC
2.1.1. Giới thiệu.
Một trong các công cụ cạnh tranh mà các hãng sản cuất tùy ý sử dụng đó là
chất lượng của sản phẩm. Đặc biệt là trong thị trường có liên quan đến các sản
phẩm công nghệ cao. Đó là một trong những nhân tố quan trọng mang tính sống còn
để tạo ra các sản phẩm có chất lượng tốt hơn. Điều này được nhìn nhận trong thị
trường đối với sản phẩm mà chúng ta sẽ xem xết trong luận văn này, ví dụ như các
hệ thống truyền động cơ điện tử. Theo quan điểm cơ điện tử, chất lượng của các hệ
thống cơ điện tử có thể được cải tiến bằng việc thay đổi thiết kế cơ khí và bộ điều
khiển. Ví dụ như khi nghiên cứu các cánh tay robot, nơi mà chuyển động chính xác
phụ thuộc vào độ cứng và quán tính của hệ thống. Nếu cánh tay không đạt được các
yêu cầu nhất định, độ cứng của nó có thể tăng lên hoặc quán tính của nó có thể được
giảm bớt bằng cách thay đổi kết cấu cơ khí hoặc bằng việc ứng dụng các vật liệu
mới.
Việc thay đổi điều khiển có thể được thực hiện hoặc bằng cách thay đổi
thông số của bộ điều khiển đang tồn tại hoặc bằng cách thiết kế bộ điều khiển mới.
Khi một bộ điều khiển được cải tiến, chỉ đơn thuần là yêu cầu thay đổi phần mềm
và trong một số trường hợp là thêm các sensor cách đánh giá này tương đối dễ dàng
thực hiệ được, khi đem so sánh với các cấu trúc tương ứng. Trong luận văn này, tác
giả sẽ tập trung vào việc nâng cao chất lượng của hệ thống bằng bộ điều khiển.
Việc thiết kế một bộ điều khiển nói chung thường dựa trên một mô hình của

 

.,F
, với các véc tơ thông số  được lựa chọn
để hàm
 
.F
được xấp xỉ tốt nhất.
Lưu ý 2.1 (điều khiển tự học và điều khiển thích nghi): Theo hướng này,
điều khiển thích nghi có thể được xem xét giống như là một dạng của LC trong đó
một hàm xấp xỉ được sử dụng có thể chỉ xấp xỉ một lớp giới hạn của mục tiêu. Nói
chung, một bộ LC sẽ bao gồm một hàm xấp xỉ cho một đối tượng có nhiều hàm
mục tiêu hơn.

Luận văn thạc sĩ kỹ thuật -23- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

Một biến mở rộng của các hàm xấp xỉ có thể được sử dụng như mạng nơ
ron, mạng mờ - nơ ron (cũng được biết đến với tên các bộ điều khiển logic mờ thích
nghi) v v Nói chung một cách sơ bộ, các bộ hàm xấp xỉ có thể được sử dụng theo
2 cách:
Trước hết, hàm xấp xỉ có thể được sử dụng để tạo (một phần) tín hiệu điều
khiển. Việc học được thay thế bới việc thích nghi véc tơ thông số của hàm xấp xỉ
theo cách mà một số các hàm giá trị chứa đựng sai lệch điều khiển là cực tiểu. Bộ
điều khiển này được gọi là LC trực tiếp.
Thứ hai, hàm xấp xỉ có thể được sử dụng để học một mô hình đối tượng
tương ứng được kiểm soát ví dụ như là để làm giảm giá trị của sai số dự báo. Dựa
trên cơ sở của mô hình đã được học một bộ điều khiển được xây dựng, bộ điều
khiển này được gọi là LC gián tiếp.

tôi sẽ bàn tới ở dưới đây, loại mạng nơ ron này không tương thích một cách đặc biệt
cho việc điều khiển.
Trên cơ sở những suy xét này, chúng ta có thể đưa ra một số các thuộc tính
sau mà một bộ LC nên để trở thành một mặt hàng ưa chuộng về mặt thương mại:
Dễ dàng sử dụng trong một hệ thống điều khiển có sẵn. Điều này có nghĩa
là khi một đáp ứng ngắn hạn học tốt thì hiệu suất cực tiểu được bảo đảm. Ví dụ như
là trong một bộ điều khiển hiện nay. Thậm chí trong suốt quá trình huấn luyện đối
tượng vẫn có thể được duy trì trong quá trình vận hành mà không gây ra những tổn
thất của quá trình sản xuất.
Có khả năng sử dụng những kiến thức dự đoán của đối tượng. Nói chung
các nhà thiết kế và/hoặc người vận hành có một số kiến thức về đối tượng, ví dụ
như trong cấu trúc của mô hình toán học( đơn giản) dưới dạng các hàm, một giản đồ
Bode của đối tượng hoặc một mô tả dưới dạng biến ngôn ngữ của hành vi đối
tượng. Bộ LC nên cho phép loại kiến thức này được kết hợp vào trong thiết kế bộ
điều khiển, để chọn các thông số của bộ điều khiển hợp lý và để tốc độ lệ học.
Hàm xấp xỉ nên phù hợp cho việc điều khiển. Điều này có nghĩa rằng:
Cần sử dụng dung lượng nhớ nhỏ. Trong thực tế, bộ điều khiển được thực
hiện bằng phần mềm được gắn vào máy tính. Dung lượng bộ nhớ là có hạn, do đó
số lượng các thông số của hàm xấp xỉ mà yêu cầu phải xấp xỉ tín hiệu điều khiển
không thể quá rộng.
Việc tính toán đầu ra của hàm xấp xỉ và sự tương thích của quan hệ
vào/ra phải được thực hiện một cách nhanh chóng. Trong môi trường thời gian thực,
trong một khoảng thời gian lấy mẫu, các thông số của hàm xấp xỉ phải tương ứng
và đầu ra tính được. Rất nhiều hệ thống chuyển động cơ điện tử yêu cầu thời gian
mẫu nhỏ và cho phép thời gian tính toán là rất ít. Các hàm xấp xỉ mà bao gồm một
lượng lớn các tính toán phức tạp do đó chúng không phù hợp cho việc điều khiển.

Luận văn thạc sĩ kỹ thuật -25- Chuyên ngành tự động hóa

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn



, gradient của sai số xấp xỉ bằng 0. Cơ
cấu học mà sử chỉ sử dụng gradient của sai số xấp xỉ thì không thể thoát khỏi mức
cực tiểu cục bộ.
Khi cơ chế học dễ dàng lưu lại ở mức tối thiểu cục bộ, rất khó để huấn
luyện LC để thu được hiệu quả cao. Quan hệ vào/ ra phải tương thích một cách cục
bộ. Trong một số hàm xấp xỉ, quan hệ vào/ ra này là tương thích toàn cục. Điều này
có nghĩa là nếu giá trị của một trong các thông số của hàm xấp xỉ được tương thích,
thì quan hệ vào /ra trên toàn bộ phạm vi đầu vào bị thay đổi. Xét một bộ LC được
huấn luyện để thực hiện một số chuyển động. Khi bộ LC được huấn luyện để thực
hiện một chuyển động mới, điều này liên quan tới việc tương ứng các thông số của
hàm xấp xỉ. Bởi vì mối quan hệ vào ra được tương thích toàn cục nên các tín hiệu
điều khiển học trước đó bị thay đổi có thể gây ra nhưng tổn thất trong quá trình làm
Cực tiểu cục bộ
Cực tiểu toàn bộ
 

E

loc


glob


loc
