El diseño Modular y la producción de un Robot inteligente basado en una estrategia de Control de lazo cerrado
Summary
Presentamos un protocolo de diseño modular y producción de robots inteligentes para ayudar a los trabajadores científicos y técnicos a diseñar robots inteligentes con tareas de producción especial había basado en las necesidades personales e individualizados de diseño.
Abstract
Robots inteligentes forman parte de una nueva generación de robots que son capaces de percibir el entorno, planificar sus propias acciones y finalmente llegar a sus objetivos. En los últimos años, ha aumentado la dependencia de robots en la vida cotidiana y la industria. El protocolo propuesto en este artículo describe el diseño y la producción de un robot manipulador con un algoritmo de búsqueda inteligente y una función de identificación autónoma.
En primer lugar, los distintos módulos de trabajo se ensamblan mecánicamente para completar la construcción de la plataforma de trabajo y la instalación de los roboticos. Luego, diseño un sistema de control de lazo cerrado y una estrategia de control de motor de cuatro cuadrantes, con la ayuda de depuración de software, así como establecer identidad (ID) de la dirección, velocidad y otros parámetros de trabajo para asegurar que el robot alcanza la dinámica deseada rendimiento y bajo consumo de energía. A continuación, nos depurar el detector para lograr la fusión para adquirir con precisión la información ambiental. Por último, aplicamos el algoritmo correspondiente, que puede reconocer el éxito de la función del robot para una aplicación determinada.
La ventaja de este enfoque es su confiabilidad y flexibilidad, como los usuarios pueden desarrollar una variedad de programas de construcción de hardware y utilizar el depurador integral para implementar una estrategia de control inteligente. Esto permite a los usuarios establecer requisitos personalizados basados en sus necesidades con robustez y alta eficiencia.
Introduction
Los robots son máquinas complejas, inteligentes que combinan conocimientos de varias disciplinas, incluyendo la mecánica, electrónica, control, computadoras, sensores e inteligencia artificial 1,2. Cada vez más robots ayudando a o incluso reemplazar a los seres humanos en el lugar de trabajo, especialmente en la producción industrial, debido a las ventajas de poseen robots en tareas repetitivas o peligrosas. El diseño del Protocolo de robot inteligente en el estudio actual se basa en una estrategia de control de lazo cerrado, específicamente ruta de planificación basado en un algoritmo genético. Además, los módulos funcionales han sido estrictamente dividido3,4, que puede proporcionar una base sólida para el trabajo de optimización futura, para que los robots tienen una fuerte capacidad para actualizaciones.
La aplicación modular de la plataforma robótica se basa principalmente en los siguientes métodos: estrategia de control multidimensional combinación de control de motor módulo5,6y la exploración inteligente basado en un algoritmo genético en el módulo del algoritmo de optimización.
Utilizamos doble control de lazo cerrado del motor de la C.C. y la operación del cuatro-cuadrante motor en el módulo de control del motor. Control de doble velocidad de lazo cerrado significa que la salida de un regulador de velocidad sirve como la entrada del regulador actual, lo que le permite controlar la corriente y el par del motor. La ventaja de este sistema es que el par del motor se puede controlar en tiempo real basado en la diferencia entre la velocidad dada y la velocidad real. Cuando la diferencia entre real y determinado velocidades es relativamente grande, el par motor aumenta y los cambios de velocidad más rápidos conducir tan rápido como sea posible, la velocidad del motor hacia el valor dado para rápido velocidad Reglamento7, 8 , 9. por el contrario, cuando la velocidad es relativamente cerca del valor dado, puede automáticamente reducir el par del motor para evitar el exceso de velocidad, permitiendo que la velocidad alcanzar el valor dado relativamente rápidamente con ningún error6, 10. desde el tiempo equivalente constante del lazo de corriente eléctrico es relativamente pequeño, el motor de cuatro cuadrantes11,12 puede responder más rápidamente para suprimir los efectos de interferencia cuando el sistema está sujeto a interferencia externa. Esto le permite mejorar la estabilidad y capacidad anti-jamming del sistema.
Elegimos un algoritmo de optimización genética inteligente con la más alta eficiencia basada en los resultados de una simulación en MATLAB. Un algoritmo genético es un algoritmo de búsqueda paralelo estocástico basado en la teoría de la selección natural en la genética. Constituye un método eficiente para encontrar la solución óptima global en ausencia de cualquier información inicial. Mira el conjunto de la solución del problema como una población, lo que aumenta la calidad de la solución mediante la continua selección, cruce, mutación y otras operaciones genéticas. Con respecto a la ruta de planificación por robots inteligentes, la dificultad se presenta como resultado de insuficiente información inicial, ambientes complicadas y no linealidad. Algoritmos genéticos son más capaces de resolver el problema de planificación de ruta porque poseen capacidad de Optimización global, fuerte adaptabilidad y robustez en la solución de problemas no lineales; no existen restricciones específicas sobre el problema; el proceso de cálculo es sencillo; y no hay requisitos especiales para la búsqueda espacio 13,14.
Protocol
Representative Results
Discussion
En este trabajo, hemos diseñado un tipo de robot inteligente que puede ser construido de manera autónoma. Hemos implementado el algoritmo de búsqueda inteligente propuesta y reconocimiento autónomo mediante la integración de varios programas de software con hardware. En el protocolo, hemos introducido enfoques básicos para configurar el hardware y depuración el robot inteligente, que puede ayudar a los usuarios diseñar una adecuada estructura mecánica de su propio robot. Sin embargo, durante la operación real, …
Disclosures
The authors have nothing to disclose.
Acknowledgements
Los autores desean expresar su agradecimiento al Sr. Yaojie He por su ayuda en la realización de los experimentos reportados en este trabajo. Este trabajo fue apoyado en parte por la Fundación Nacional de Ciencias naturales de China (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).
