کنترل تطبیقی- عصبی موقعیت- سرعت بازوهای مکانیکی در فضای کاری

در این مقاله، کنترل کننده تطبیقی غیرخطی پیش بین مدل برای کنترل موقعیت - سرعت ربات های بازو پیشنهاد می شود. به طور کلی، دینامیک ربات ها دارای عدم قطعیت هستند که شامل تغییر پارامترها، غیرخطی های ناشناخته ربات، تغییر بار، و گشتاور اغتشاش از طرف محیط است. تابع هزینه کنترل کننده طوری تعریف شده است که با تغییر پارامترهای آن، مجری نهایی ربات بتواند مسیر از قبل تعیین شده ای را در فضای دکارتی با سرعت ثابتی دنبال نماید. علاوه بر آن، به جهت حذف عدم قطعیت ها، شبکه عصبی با الگوریتم آموزش لونبرگ - مارکوارت برای تخمین تطبیقی مدل ربات به کار برده شده است. پایداری حلقه - بسته با استفاده از نظریه لیاپانوف نشان داده شده است. اعتبار روش کنترلی پیشنهادی از طریق شبیه سازی برروی ربات بازوی سه درجه آزادی که با سرووموتورهای جریان مستقیم به حرکت درمی آید، نشان داده می شود.