Endüstriyel robot kolu modelinin hedef konum eklem açılarının yapıcı sinir ağı ile kestirimi ve kontrollü yörünge uygulaması

Abstract

Endüstriyel robot kolunun uç işlevcisinin kartezyen koordinatlarda verilen bir noktadaki koordinatları ve robot kolunun uzunlukları kullanılarak, robotun eklem açılarının bulunması işlemi ters kinematik işlem olarak bilinir. Ters kinematik çözümler, özellikle çok eklemli robotlarda, içerdiği matematiksel işlemlerden ötürü zorluklar içerir. Bu çalışmada, ters kinematik çözümler kullanılmadan, robot kolu son eklem açı değerlerinin yapıcı sinir ağı (YSA) ile tahmin edilmesi amaçlanmıştır. Böylece ileri ve ters kinematik çözümlerden kaynaklanan sorun/zorluklar giderilmiştir. Çalışmada dört eklem ve bir tutucudan oluşan endüstriyel robot kolu modeli kullanılmıştır. Çalışmadageleneksel YSA ile Yapıcı YSA modelleri karşılaştırılmıştır. Geleneksel YSA modelinde 3 katmanlı yapı ve her katmanında 50 hücre kullanılmıştır. Yapıcı YSA modeli olarak piramit yapı tercih edilmiştir. Yapıcı YSA'nın eğitimi bir hücre ile başlamış, eğitim sırasınca hedef eğitim regresyon değeri elde edilinceye kadar büyümüş ve 59 katmanda eğitimini tamamlamıştır. YSA eğitimlerinde 5000 adet eğitim verisi kullanılmıştır. Çalışmadaki testler, robot kolu uç işlevcisinin, robot kolu çalışma hacmi içerisinde verilen sabit noktalar için ve verilen yörüngelerin anlık koordinatları için olmak üzere iki senaryo ile gerçek zamanlı olarak gerçekleştirilmiştir. Her iki YSA modeli de eğitim seti haricinde verilen uç işlevci koordinatları için eklem açılarını yüksek oranda hesaplayabilmiştir. Böylece, ters kinematik denklemlerin kullanılmamış ve ters kinematik çözümlerde yaşanan problemler yaşanmamıştır.

The coordinate of the end function of the industrial robot arm at a given point in cartesian coordinates and the operation of the robot arm's joint angles and the working angles of the robot are known as kinematic processes. Inverse kinematic solutions, especially in multi-jointed robots, present difficulties due to the mathematical operations involved. In this direction, it is aimed to estimate the final joint angle values of the robotarm using the constructive neural network (CoANN) without inverse kinematic analysis. Thus, problems / difficulties arising from advanced and inverse kinematic solutions have been eliminated. In this study, industrial robot arm model consisting of four joints and one holder was used. CoANN models were compared to traditional artificial neuralnetwork (ANN). In the traditional ANN model contains a 3-layer structure and 50 cell per layer. CoANN model works prefer pyramid structure. The training of the CoANN started with a cell, and the training grew to reach the target training regression value and completed the training in 59 layers. 5000 training data is applied in ANN trainings. The tests in the study are for the given fixed points of the robot arm and for the instant coordination of the given trajectories. Both ANN models were able to compute a high degree of joint angles for the given end functional coordinates except for the training set. Thus, inverse kinematic equations were not used and problems experienced ininverse kinematic solutions were not experienced.