La modularità e la produzione di un Robot intelligente basato su una strategia di controllo ad anello chiuso
Summary
Vi presentiamo un protocollo il design modulare e produzione di robot intelligenti per aiutare i lavoratori scientifici e tecnici di progettare robot intelligenti con le attività di produzione speciale in base alle esigenze personali e individualizzato di progettazione.
Abstract
Robot intelligente fanno parte di una nuova generazione di robot che sono in grado di percepire l’ambiente circostante, pianificare le proprie azioni e alla fine raggiungono i loro obiettivi. Negli ultimi anni, ha aumentato affidamento robot nell’industria e vita quotidiana. Il protocollo proposto in questa carta descrive la progettazione e la produzione di un robot di movimentazione con un algoritmo di ricerca intelligente e una funzione di identificazione autonoma.
In primo luogo, i vari moduli di lavoro vengono assemblati meccanicamente per completare la costruzione della piattaforma e l’installazione del manipolatore robotico. Quindi, abbiamo progettare un sistema di controllo a circuito chiuso e una strategia di controllo motore quattro quadranti, con l’ausilio di software, di debug, nonché impostare sterzo identità (ID), il baud rate e altri parametri di funzionamento per garantire che il robot raggiunge la dinamica desiderata prestazioni e basso consumo energetico. Successivamente, si debug il sensore per realizzare multi-sensor fusion per acquisire con precisione informazioni ambientali. Infine, abbiamo implementare l’algoritmo di rilevante, in grado di riconoscere il successo della funzione del robot per una determinata applicazione.
Il vantaggio di questo approccio è la sua affidabilità e flessibilità, come gli utenti possono sviluppare una varietà di programmi di costruzione di hardware e utilizzare il debugger completo per implementare una strategia di controllo intelligente. Questo consente agli utenti di impostare requisiti personalizzati basati sui loro bisogni con alta efficienza e robustezza.
Introduction
I robot sono macchine complesse e intelligenti che combinano la conoscenza di diverse discipline, tra cui meccanica, elettronica, controllo, computer, sensori e intelligenza artificiale 1,2. Sempre più, robot sono assistere o sostituendo anche gli esseri umani sul posto di lavoro, specialmente nella produzione industriale, grazie ai vantaggi robot possiedono nell’esecuzione di attività ripetitive o pericolose. Il design del protocollo robot intelligente in questo studio si basa su una strategia di controllo ad anello chiuso, in particolare percorso pianificazione basata su un algoritmo genetico. Inoltre, i moduli funzionali sono state rigorosamente diviso3,4, che possono fornire una solida base per il lavoro di ottimizzazione futuro, così che i robot hanno una forte capacità per gli aggiornamenti.
L’implementazione modulare della piattaforma robotica si basa principalmente sui seguenti metodi: strategia di controllo di combinazione multi-dimensionale in motore controllo modulo5,6e l’esplorazione intelligente basato su un algoritmo genetico nel modulo di algoritmo di ottimizzazione.
Usiamo il doppio controllo a circuito chiuso del motore DC e del funzionamento del motore quattro-quadrante nel modulo di controllo motore. Controllo di velocità ad anello chiuso doppia significa che l’uscita del regolatore velocità serve come input del regolatore corrente, permettendo così di controllare la corrente e la coppia del motore. Il vantaggio di questo sistema è che la coppia del motore può essere controllata in tempo reale basato sulla differenza tra la data velocità e la velocità effettiva. Quando la differenza tra dato ed effettiva velocità è relativamente grande, la coppia del motore aumenta e i cambiamenti di velocità più veloci di guidare più velocemente possibile, la velocità del motore verso il valore dato che rende per una rapida velocità di regolamento7, 8 , 9. al contrario, quando la velocità è relativamente vicino al valore determinato, esso può ridurre automaticamente la coppia del motore per evitare eccessiva velocità, consentendo la velocità raggiungere il valore dato relativamente rapidamente con nessun errore6, 10. dal tempo equivalente costante del loop di corrente elettrico è relativamente piccolo, il quattro-quadrante motore11,12 possono rispondere più rapidamente per sopprimere l’impatto di interferenza quando il sistema è soggetto a interferenze esterne. Questo permette di migliorare la stabilità e la capacità anti-jamming del sistema.
Scegliamo un algoritmo di ottimizzazione intelligente genetica con la massima efficienza sulla base dei risultati di una simulazione in MATLAB. Un algoritmo genetico è un algoritmo di ricerca parallelo stocastico basato sulla teoria della selezione naturale in genetica. Esso costituisce un metodo efficiente per trovare la soluzione ottima globale in assenza di qualsiasi informazione iniziale. Considerare l’insieme delle soluzioni del problema come una popolazione, aumentando così la qualità della soluzione tramite altre operazioni genetiche, crossover, mutazione e selezione continua. Per quanto riguarda il percorso di pianificazione di robot intelligenti, Difficoltà presenta come conseguenza di insufficienti informazioni iniziali, in ambienti complessi e non linearità. Gli algoritmi genetici sono meglio in grado di risolvere il problema della pianificazione del percorso perché possiedono capacità di ottimizzazione globale, forte adattabilità e robustezza nella risoluzione di problemi non lineari; non ci sono restrizioni specifiche sul problema; il processo di calcolo è semplice; e non esistono requisiti speciali per le ricerca spazio 13,14.
Protocol
Representative Results
Discussion
In questa carta, abbiamo progettato un tipo di robot intelligenti che possono essere costruiti in modo autonomo. Abbiamo implementato l’algoritmo di ricerca intelligente proposta e riconoscimento autonoma integrando diversi programmi software con l’hardware. Nel protocollo, abbiamo introdotto approcci di base per la configurazione dell’hardware e il robot intelligente, che può aiutare gli utenti di debug progettare una struttura meccanica adatta i propri robot. Tuttavia, durante il funzionamento effettivo, è necessario…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Gli autori vorrebbero esprimere la loro gratitudine al signor Yaojie He per la sua assistenza nell’effettuazione degli esperimenti riferiti in questa carta. Questo lavoro è stato supportato in parte dal National Natural Science Foundation della Cina (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).
