Modulært Design og produktion af en Intelligent Robot baseret på et lukket kredsløb kontrolstrategi
Summary
Vi præsenterer en protokol om modulært design og produktion af intelligente robotter til at hjælpe videnskabelige og tekniske arbejdstagere design intelligente robotter med specialproduktion opgaver baseret på personlige behov og individualiseret design.
Abstract
Intelligente robotter er en del af en ny generation af robotter, der er i stand til at fornemme det omgivende miljø, planlægge deres egne handlinger og i sidste ende nå deres mål. I de seneste år steget tillid til robotter i både hverdagen og industri. Den protokol, der foreslås i denne hvidbog beskrives design og produktion af en håndtering robot med en intelligent søgealgoritme og en selvstændig identifikation funktion.
De forskellige arbejder moduler samles først, mekanisk for at færdiggøre opførelsen af arbejdsplatformen og installation af robot manipulator. Derefter, vi designe et lukket kredsløb kontrolsystem og en fire-kvadrant motorisk kontrolstrategi, ved hjælp af fejlfinding software, samt indstille styreanlæg identitet (ID), baud-hastighed og andre arbejdende parametre for at sikre, at robotten opnår den ønskede dynamik ydeevne og lavt energiforbrug. Næste, vi debug sensor for at opnå multi sensor fusion nøjagtigt erhverve miljøoplysninger. Endelig vil gennemføre vi den relevante algoritme, der kan genkende succes af robottens funktion for et givet program.
Fordelen ved denne fremgangsmåde er dens pålidelighed og fleksibilitet, som brugerne kan udvikle en bred vifte af hardware byggeri programmer og udnytte den omfattende debugger for at gennemføre en strategi for intelligent styring. Dette tillader brugere at indstille personlige krav baseret på deres behov med høj effektivitet og robusthed.
Introduction
Robotter er komplekse, intelligente maskiner, der kombinerer viden om flere discipliner, herunder mekanik, elektronik, kontrol, computere, sensorer og kunstig intelligens 1,2. I stigende grad robotter bistå eller endog erstatte mennesker på arbejdspladsen, især i industriproduktionen, de fordele robotter besidder i gentagne eller farlige opgaver. Design af intelligent robot protokol i den nuværende undersøgelse er baseret på et lukket kredsløb kontrolstrategi, specielt sti planlægning baseret på en genetisk algoritme. Desuden, de funktionelle moduler har været strengt delt3,4, som kan give et solidt fundament for fremtidig optimering arbejde, således at robotterne har en stærk kapacitet for opgraderinger.
Modulære implementeringen af robot-platformen er baseret primært på følgende metoder: multi dimensional kombination kontrolstrategi i motor kontrol modul5,6, og intelligent udforskning baseret på en genetisk algoritme i modulet optimering algoritme.
Vi bruger dobbelt lukket kredsløb kontrol af DC-motor og fire kvadranter motor drift i modulet motorisk kontrol. Dobbelt lukket kredsløb hastighedskontrol betyder, at produktionen af hastighed regulator fungerer som input til den aktuelle regulator, gør det muligt at kontrollere strøm og drejningsmoment på motoren. Fordelen ved dette system er, at motoren drejningsmoment kan styres i real-tid baseret på forskellen mellem den givne hastighed og den faktiske hastighed. Når forskellen mellem given og faktiske hastigheder er relativt store, den motor drejningsmoment øges og de hastighed ændringer hurtigere at køre på motor hastighed mod den angivne værdi så hurtigt som muligt, hvilket gør for hurtige hastighed forordning7, 8 , 9. omvendt når hastigheden er relativt tæt på den angivne værdi, kan det automatisk reducere drejningsmoment på motoren til at undgå overdreven hastighed, tillader hastigheden for at opnå den angivne værdi relativt hurtigt med ingen fejl6, 10. siden den tilsvarende tid konstant af elektriske nuværende løkken er relativt lille, fire kvadranter motor11,12 kan reagere hurtigere på undertrykke virkningen af indblanding, når systemet er udsat for ekstern indblanding. Dette giver mulighed for at forbedre stabiliteten og anti-jamming evne til systemet.
Vi vælger en genetisk intelligent optimering algoritme med den højeste effektivitet på grundlag af resultaterne af en simulation køre i MATLAB. En genetisk algoritme er en stokastisk parallelle søgealgoritme baseret på teori om naturlig udvælgelse i genetik. Det udgør en effektiv metode til at finde den globale optimale løsning i mangel af indledende oplysninger. Det anser en befolkning, hvilket øger kvaliteten af løsningen via kontinuerlig udvælgelse, crossover, mutation og andre genetiske operationer gruppen løsning af problemet. Med hensyn til stien planlægning af intelligente robotter, opstår problemer som følge af utilstrækkelig indledende oplysninger, kompliceret miljøer og nonlinearity. Genetiske algoritmer er bedre i stand til at løse problemet med stien planlægning, fordi de besidder global optimering evne, stærk tilpasningsevne og robusthed i løse ikke-lineære problemer; der er ingen særlige restriktioner på problemet; Beregningsprocessen er simpel; og der er ingen særlige krav til søgning plads 13,14.
Protocol
Representative Results
Discussion
I dette papir, vi har udviklet en slags intelligent robot, der kan bygges selvstændigt. Vi implementeret den foreslåede intelligent søgealgoritme og autonome anerkendelse ved at integrere flere programmer med hardware. I protokollen, vi indført grundlæggende metoder til konfiguration af hardware og debugging intelligent robot, som kan hjælpe brugere med at designe en passende mekanisk struktur af deres egen robot. Under selve operationen, er det imidlertid nødvendigt at være opmærksom på stabiliteten i struktur…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Forfatterne vil gerne give udtryk for deres taknemmelighed over for Mr. Yaojie He for sin bistand i udførelsen af eksperimenter rapporteret i dette papir. Dette arbejde blev delvist understøttet af de National Natural Science Foundation of China (nr. 61673117).
Materials
| structural parts | UPTECMONYH HAR | L1-1 | |
| structural parts | UPTECMONYH HAR | L2-1 | |
| structural parts | UPTECMONYH HAR | L3-1 | |
| structural parts | UPTECMONYH HAR | L4-1 | |
| structural parts | UPTECMONYH HAR | L5-1 | |
| structural parts | UPTECMONYH HAR | L5-2 | |
| structural parts | UPTECMONYH HAR | U3A | |
| structural parts | UPTECMONYH HAR | U3B | |
| structural parts | UPTECMONYH HAR | U3C | |
| structural parts | UPTECMONYH HAR | U3F | |
| structural parts | UPTECMONYH HAR | U3G | |
| structural parts | UPTECMONYH HAR | U3H | |
| structural parts | UPTECMONYH HAR | U3J | |
| structural parts | UPTECMONYH HAR | I3 | |
| structural parts | UPTECMONYH HAR | I5 | |
| structural parts | UPTECMONYH HAR | I7 | |
| structural parts | UPTECMONYH HAR | CGJ | |
| link component | UPTECMONYH HAR | LM1 | |
| link component | UPTECMONYH HAR | LM2 | |
| link component | UPTECMONYH HAR | LM3 | |
| link component | UPTECMONYH HAR | LM4 | |
| link component | UPTECMONYH HAR | LX1 | |
| link component | UPTECMONYH HAR | LX2 | |
| link component | UPTECMONYH HAR | LX3 | |
| link component | UPTECMONYH HAR | LX4 | |
| Steering gear structure component | UPTECMONYH HAR | KD | |
| Steering gear structure component | UPTECMONYH HAR | DP | |
| Infrared sensor | UPTECMONYH HAR | E18-B0 | Digital sensor |
| Infrared Range Finder | SHARP | GP2D12 | |
| Gray level sensor | SHARP | GP2Y0A02YK0F | |
| proMOTION CDS | SHARP | CDS 5516 | The robot steering gear |
| motor drive module | Risym | HG7881 | |
| solder wire | ELECALL | 63A | |
| terminal | Bright wire | 5264 | |
| motor | BX motor | 60JX | |
| camera | Logitech | C270 | |
| Drilling machine | XIN XIANG | 16MM | Please be careful |
| Soldering station | YIHUA | 8786D | Be careful to be burn |
| screwdriver | EXPLOIT | 043003 | |
| Tweezers | R`DEER | RST-12 |
References
- Charalampous, K., Kostavelis, I., Gasteratos, A. Robot navigation in large-scale social maps: An action recognition approach. Expert Syst Appl. 66 (1), 261-273 (2016).
- Huang, Y., &Wang, Q. N. Disturbance rejection of Central Pattern Generator based torque-stiffness-controlled dynamic walking. Neurocomputing. 170 (1), 141-151 (2015).
- Tepljakov, A., Petlenkov, E., Gonzalez, E., Belikov, J. Digital Realization of Retuning Fractional-Order Controllers for an Existing Closed-Loop Control System. J Circuit Syst Comp. 26 (10), 32-38 (2017).
- Siluvaimuthu, C., Chenniyappan, V. A Low-cost Reconfigurable Field-programmable Gate Array Based Three-phase Shunt Active Power Filter for Current Harmonic Elimination and Power Factor Constraints. Electr Pow Compo Sys. 42 (16), 1811-1825 (2014).
- Brogardh, T., et al. Present and future robot control development – An industrial perspective. Annu Rev Control. 31 (1), 69-79 (2007).
- Wang, E., Huang, S. A Novel DoubleClosed Loops Control of the Three-phase Voltage-sourced PWM Rectifier. Proceedings of the CSEE. 32 (15), 24-30 (2012).
- Li, D. H., Chen, Z. X., Zhai, S. Double Closed-Loop Controller Design of Brushless DC Torque Motor Based on RBF Neural Network. , 1351-1356 (2012).
- Tian, H. X., Jiang, P. L., Sun, M. S. Double-Loop DCSpeed Regulation System Design Basd On OCC). , 889-890 (2014).
- Xu, G. Y., Zhang, M. Double Closed-Loop Feedback Controller Design for Micro Indoor Smart Autonomous Robot). , 474-479 (2011).
- Chen, Y. N., Xie, B., Mao, E. R. Electric Tractor Motor Drive Control Based on FPGA. , 271-276 (2016).
- Zhang, J., Zhou, Y. J., Zhao, J. Study on Four-quadrant Operation of Brushless DC Motor Control Method. Proc. International Conference on Mechatronics, Robotics and Automation. (ICMRA 2013). , 1363-1368 (2013).
- Joice, C. S., Paranjothi, S. R., Kumar, V. J. S. Digital Control Strategy for Four Quadrant Operation of Three Phase BLDC Motor With Load Variations. Ieee T Ind Inform. 9 (2), 974-982 (2013).
- Drumheller, Z., et al. Optimal Decision Making Algorithm for Managed Aquifer Recharge and Recovery Operation Using Near Real-Time Data: Benchtop Scale Laboratory Demonstration. Ground Water Monit R. 37 (1), 27-41 (2017).
- Wang, X. S., GAO, Y., Cheng, Y. H., Ma, X. P. Knowledge-guided genetic algorithm for path planning of robot. Control Decis. 24 (7), 1043-1049 (2009).
