Neural network based hybrid adaptive controller for robot manipulators

Abstract

ÖZET Bu tezde, bilinmeyen ve değişen bir dinamiğe sahip robot kolunun yörünge izleme denetim problemi ele alınmıştır, izleme başarımını iyileştirmek iğin değişik melez denetim yöntemleri sunulmuştur. Sunulan yöntemler, planlanmamış belirsizlikleri sönümlemek için dinamik model ile birlikte sinir ağı modelleri kullanmak tadır. Dinamik model parametreleri ve sinir ağı modelleri robot kolunun ters- dinamik modelini uyarlamak için yenilenmektedir. Melez denetimcilerde, izleme başarımını iyileştirmek için değişik hata sinyalleri kullanılmıştır. Bu denetimcilerin amacı, planlanmış belirsizliklerin modellenmesi için parametreleri yenilerken, sinir ağı modellerini planlanmamış belirsizliklerin modellenmesi için eğitmektir. Denetim yöntemlerinin matematiksel kuralları ve sistemin denge çözümlemesi ver ilmiştir. Önceden yayınlanmış, sinir ağı temelli denetim yapıları da sunulmuş ve önerilen melez yöntemlerin sonuçlarını karşılaştırmak için sınanmıştır. Denetimciler, yatay düzlemde hareket eden iki eklemli robot kolu modeli kullanılarak denendi ve önerilen yöntemler kullanıldığında, izleme başarımındaki iyileşmeyi göstermek için test sonuçları eklenmiştir. Tüm yazılım, MS-DOS işletim sistemi altında ve C dili kullanılarak oluşturulmuştur.

ABSTRACT The trajectory following control problem of robotic manipulators with unknown and changing dynamics is addressed in this thesis. Different hybrid control strategies are proposed to improve the overall tracking performance. The proposed methods make use of the dynamic model of the manipulator along with Neural Network models to compensate for unstructured uncertainties. Dynamic model parameters and Neural Network models are updated to simulate the inverse-dynamic model of the robot manipulator. Different error signals are utilized in hybrid controllers to improve the tracking performance. The aim of these controllers is to train the Neural Network models to compensate the unstructured uncertainties while the parameter adaptation is used for the compensation of the structured uncertainties. The mathematical formulation of the control algorithms and the stability analysis of the overall system are introduced. Neural Network based controller architectures which are previously reported, are also presented and tested to compare the results of the proposed hybrid algorithms. The controllers are tested by using two-link manipulator model moving on the horizontal plane and simulations are also included to demonstrate the improvement in the tracking performance when the proposed methods are used. All of the programs are developed under MS-DOS operating system using C language. IV