Den modulære Design og produksjon av en Intelligent Robot basert på en lukket strategi
Summary
Vi presenterer en protokoll på modulær design og produksjon av intelligent roboter å vitenskapelige og tekniske arbeidere design intelligent roboter med spesielle oppgaver basert på personlige behov og tilpasset design.
Abstract
Intelligent roboter er del av en ny generasjon av roboter som kan forstand omgivelsene, planlegge sine egne handlinger og til slutt nå sine mål. De siste årene, har tillit til roboter i både daglige liv og økt. Protokollen foreslått i denne artikkelen beskriver design og produksjon av en håndtering robot med en intelligent algoritme og en autonom ID-funksjon.
Først er det forskjellige arbeider-moduler mekanisk samlet for å fullføre byggingen av arbeidsplattform og installasjon av robot manipulatoren. Da vi utforme en lukket kontrollsystem og en 4-kvadranten motorstyring strategi, ved hjelp av feilsøking programvare, samt Styringsutstyr identitet (ID), overføringshastighet og uteffekt arbeider å sikre at roboten oppnår ønsket dynamisk ytelse og lavt energiforbruk. Neste, vi feilsøke sensoren for å oppnå flere sensor fusion å erverve nøyaktig miljøinformasjon. Til slutt, vi implementere aktuelle algoritmen, som kan gjenkjenne suksessen til roboten funksjon for et gitt program.
Fordelen med denne tilnærmingen er pålitelig og fleksibilitet, som brukerne kan utvikle en rekke maskinvare konstruksjon programmer og bruke omfattende feilsøkingsprogrammet for å implementere en intelligent kontroll strategi. Dette tillater brukere å sette personlig krav basert på deres behov med høy effektivitet og robusthet.
Introduction
Roboter er komplekse, intelligente maskiner som kombinerer kunnskap om flere disipliner, inkludert mekanikk, elektronikk, kontroll, datamaskiner, sensorer og kunstig intelligens 1,2. Økende grad roboter hjelpe eller erstatte mennesker på arbeidsplassen, spesielt i industriell produksjon, på grunn av fordelene roboter har i repeterende eller farlige oppgaver. Utformingen av intelligent robot protokollen i denne studien er basert på en lukket kontroll strategi, spesielt banen planlegging basert på en genetisk algoritme. Videre, de funksjonelle modulene har vært strengt delt3,4, som kan gi et solid fundament for fremtidige optimalisering arbeid, slik at roboter har en sterk kapasitet for oppgraderinger.
Modulære implementeringen av robot plattform er basert på følgende: multi-dimensjonale kombinasjon strategi i motorisk kontroll modul5,6, og intelligent leting basert på en genetisk algoritme i modulen optimalisering algoritme.
Vi bruker dobbel lukket kontroll av DC motor og fire-kvadranten motoren drift i modulen motorstyring. Dobbel lukket hastighetskontroll betyr at utdataene for hastighetsregulatoren fungerer som input av gjeldende regulator, slik at det å kontrollere gjeldende og dreiemoment på motoren. Fordelen med dette systemet er at dreiemomentet fra motoren kan kontrolleres i sanntid basert på differansen mellom den angitte hastigheten og den faktiske hastigheten. Når forskjellen mellom gitt og faktiske hastigheter er relativt stort, motor dreiemoment øker og hastighetsendringer raskere å kjøre motorhastighet mot gitt verdien så raskt som mulig, noe som gjør for rask hastighet regulering7, 8 , 9. derimot når hastigheten er relativt nær den gitte verdien, kan det automatisk redusere dreiemomentet fra motoren for å unngå overdreven fart, slik at hastigheten å oppnå den gitte verdien relativt raskt med ingen feil6, 10. siden tilsvarende konstant av elektrisk gjeldende loop er relativt liten, de fire-kvadranten motor11,12 kan reagere raskere for å undertrykke påvirkningen av interferens når systemet er underlagt ytre forstyrrelser. Dette gir bedre stabilitet og anti-jamming evne til systemet.
Vi velger en genetisk intelligent optimalisering algoritme med høyeste effektivitet basert på resultatene av en simulering i MATLAB. En genetisk algoritme er en Stokastisk parallelle algoritmen basert på teorien om naturlig seleksjon i genetikk. Det utgjør en effektiv metode for å finne den globale optimale løsningen i fravær av noen innledende informasjon. Det gjelder hvilke løsning av problemet som en populasjon, og dermed øke kvaliteten på løsningen via kontinuerlig utvalg, crossover, mutasjon og andre genetisk operasjoner. Med hensyn til banen planlegging av intelligent roboter, oppstår problemer som følge av utilstrekkelig innledende informasjon, kompliserte miljøer og nonlinearity. Genetiske algoritmer er bedre i stand til å løse problemet med banen planlegging fordi de har global optimalisering evne, sterk tilpasningsevne og robusthet i å løse lineære problemer; Det er ingen spesifikke restriksjoner på problemet; beregningsprosessen er enkel; og det er ingen spesielle krav for søk plass 13,14.
Protocol
Representative Results
Discussion
I dette papiret utviklet vi en type intelligent robot som kan bygges autonomously. Vi implementert den foreslåtte intelligent søkealgoritmen og autonome anerkjennelse ved å integrere flere programmer med maskinvare. I protokollen, vi introdusert for grunnleggende metoder for å konfigurere maskinvaren og feilsøking intelligent robot, som kan hjelpe brukerne design en egnet mekanisk struktur av egne robot. Men under faktiske operasjonen er det nødvendig å ta hensyn til stabilitet av strukturen, dens rekkevidde, grad…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Forfatterne ønsker å uttrykke sin takknemlighet til Mr. Yaojie He for hans hjelp til å utføre eksperimenter i dette papiret. Dette arbeidet var støttes delvis av 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).
