La conception modulaire et la Production d’un Robot Intelligent basé sur une stratégie de commande en boucle fermée
Summary
Nous présentons un protocole sur la conception modulaire et la production de robots intelligents pour aider les travailleurs scientifiques et techniques à concevoir des robots intelligents avec des tâches de production spécial issu des besoins personnels et individualisé de conception.
Abstract
Les robots intelligents font partie d’une nouvelle génération de robots capables de détecter le milieu environnant, les planifier leurs propres actions et finissent par atteindre leurs cibles. Ces dernières années, s’appuyant sur les robots dans la vie quotidienne et de l’industrie a augmenté. Le protocole proposé dans le présent document décrit la conception et la production d’un robot de manutention avec un algorithme de recherche intelligent et une fonction d’identification autonome.
Tout d’abord, les différents modules de travail sont mécaniquement assemblés pour achever la construction de la plate-forme de travail et de l’installation du robot manipulateur. Ensuite, nous concevoir un système de commande en boucle fermée et une stratégie de contrôle moteur quatre quadrants, avec l’aide du débogage des logiciels, ainsi que régler l’appareil à gouverner, identité (ID), débit en bauds et autres paramètres de travail à faire en sorte que le robot obtienne la dynamique souhaitée performance et faible consommation d’énergie. Ensuite, nous déboguer le capteur pour atteindre la fusion multi-capteurs pour acquérir avec précision des informations environnementales. Enfin, nous mettre en œuvre l’algorithme pertinent, qui peut reconnaître le succès de la fonction du robot pour une application donnée.
L’avantage de cette approche est sa fiabilité et sa souplesse, car les utilisateurs peuvent développer une variété de programmes de construction de matériel et d’utiliser le débogueur complète pour mettre en œuvre une stratégie de contrôle intelligent. Cela permet aux utilisateurs de définir des exigences personnalisées selon leurs besoins avec robustesse et haute efficacité.
Introduction
Les robots sont des machines complexes et intelligents qui allient les connaissances de plusieurs disciplines, y compris la mécanique, électronique, contrôle, ordinateurs, capteurs et intelligence artificielle 1,2. De plus en plus, les robots sont aider ou même remplacer les humains en milieu de travail, en particulier dans la production industrielle, grâce à deux avantages robots possèdent dans l’exécution de tâches répétitives ou dangereux. La conception du protocole robot intelligent dans la présente étude repose sur une stratégie de commande en boucle fermée, plus précisément le chemin planification basée sur un algorithme génétique. En outre, les modules fonctionnels ont été strictement divisé3,4, qui peuvent fournir une base solide pour le travail futur d’optimisation, afin que les robots ont une forte capacité pour les mises à niveau.
La mise en œuvre modulaire de la plateforme robotique repose essentiellement sur les méthodes suivantes : stratégie de contrôle de combinaison multidimensionnelle dans motor control module5,6et l’exploration intelligente basé sur un algorithme génétique dans le module d’optimisation d’algorithme.
Nous utilisons double commande en boucle fermée des quatre quadrants fonctionnement moteur et moteur à courant continu dans le module de commande du moteur. Contrôle de la double boucle fermée vitesse signifie que la sortie du régulateur vitesse sert à l’entrée de la régulation du courant, ce qui lui permet de contrôler le courant et le couple du moteur. L’avantage de ce système est que le couple du moteur peut être commandé en temps réel basé sur la différence entre la vitesse et la vitesse réelle. Lorsque la différence entre réel et donnés des vitesses est relativement importante, le couple du moteur augmente et les changements de vitesse plus rapides de la vitesse du moteur vers la valeur donnée en voiture aussi vite que possible, qui en fait pour rapid vitesse du règlement7, 8 , 9. à l’inverse, lorsque la vitesse est relativement proche de la valeur donnée, il peut réduire automatiquement le couple moteur afin d’éviter une vitesse excessive, ce qui permet de la vitesse atteindre la valeur donnée relativement rapidement avec aucune erreur6, 10. depuis le temps équivalent constante de la boucle de courant électrique est relativement faible, les quatre quadrants moteur11,12 peut réagir plus rapidement pour supprimer les effets d’interférence lorsque le système est sous réserve de ingérences extérieures. Cela lui permet d’améliorer la stabilité et la capacité anti-brouillage du système.
Nous choisissons un algorithme d’optimisation intelligente génétique avec la plus grande efficacité basée sur les résultats d’une simulation en MATLAB. Un algorithme génétique est un algorithme de recherche parallèle stochastique fondé sur la théorie de la sélection naturelle en génétique. Elle constitue une méthode efficace pour trouver la solution optimale globale en l’absence de toute information initiale. Elle considère l’ensemble de la solution du problème comme une population, ce qui augmente la qualité de la solution via sélection continue, crossover, mutations et autres opérations génétiques. En ce qui concerne le chemin d’accès par des robots intelligents de planification, la difficulté se pose par suite de l’information initiale insuffisante, des environnements complexes et non-linéarité. Algorithmes génétiques sont plus aptes à résoudre le problème de planification parce qu’ils possèdent la capacité d’optimisation globale, forte capacité d’adaptation et la robustesse en résolvant les problèmes non linéaires ; Il n’y a aucune restriction spécifique sur le problème ; le processus de calcul est simple ; et il n’y a aucune exigence particulière pour la recherche spatiale 13,14.
Protocol
Representative Results
Discussion
Dans cet article, nous avons conçu un type de robot intelligent qui peut être construit de manière autonome. Nous avons implémenté l’algorithme de recherche intelligente proposée et la reconnaissance autonome en intégrant plusieurs logiciels avec le matériel. Dans le protocole, nous avons introduit des approches de base pour configurer le matériel et le robot intelligent, ce qui peut aider les utilisateurs de débogage de concevoir une structure mécanique appropriée de leur propre robot. Cependant, au cours …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Les auteurs tiennent à exprimer leur gratitude à M. Yaojie He pour son aide dans l’accomplissement de l’expériences rapportées dans cet article. Ce travail a été soutenu en partie par la Fondation nationale des sciences naturelles de Chine (no 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).
