خود میزان سازی عصبی- فازی کنترل PID متناسب انتگرال مشتق شده

عنوان فارسی مقاله:خود میزان سازی عصبی- فازی کنترل PID متناسب انتگرال مشتق شده( پی ای دی) برای مسیر یابی نمایی بازوهای روباتیک

چکیده

کنترلگر پی ای دی، با خروجی بازخوردی ثابت به عنوان روشی مناسب برای کنترل نیروگاه های خطی شده و تحت شرایط خاص برای نیروگاه های غیر خطی درک شده است طوری که کنترل بازو های روباتیک در آن از اهمیت بالایی برخوردار است. در این مقاله، یک کنترل گر پی ای دی خود تنظیمی مدل آزاد برای کار های مسیر یابی پیشنهاد شده است. ایده کلیدی استفاده از فرمولاسیون مبتنی بر انفعال برای بازوهای رباتی به منظور شکل دهی به تزریق میرایی برای تقویت انتشار و تضمین همگرایی نمایی نیمکروی بر اساس قانون لیاپانوف است. نتایج نشان می دهد که شبکه عصبی فازی را می توان برای تنظیم میزان و نرخ انتشار از طریق روش خود تنظیمی یک بهره (گین) منفرد مورد استفاده قرار داد. مطالعات آزمایشی باری تایید امکان سنجی روش پیشنهادی ارایه می شوند(کنترل PID متناسب انتگرال مشتق شده).

کلیه مقالات مرتبط را میتوانید در بخش ترجمه مقالات زیست شناسی ملاحظه کنید.

ادامه مطلب

راهنمای خرید:

لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Neuro-fuzzy self-tuning of PID control for semiglobal exponential tracking of robot arms

Abstract

The PID controller with constant feedback gains has withstood as the preferred choice for control of linear plants or linearized plants, and under certain conditions for non linear ones, where the control of robotic arms excels. In this paper a model-free self-tuning PID controller is proposed for tracking tasks. The key idea is to exploit the passivity-based formulation for robotic arms in order to shape the damping injection to enforce dissipativity and to guarantee semiglobal exponential convergence in the sense of Lyapunov. It is shown that a neuro-fuzzy network can be used to tune dissipation rate gain through a self-tuning policy of a single gain. Experimental studies are presented to confirm the viability of the proposed approach.