Summary

Модульная конструкция и производство интеллектуальный робот на основе стратегии управления связью

Published: October 14, 2017
doi:

Summary

Мы представляем протокол на модульный дизайн и производство интеллектуальных роботов, чтобы помочь научных и технических работников дизайн интеллектуальные роботы с специальных производственных задач на основе личных потребностей и индивидуальный дизайн.

Abstract

Интеллектуальные роботы являются частью нового поколения роботов, которые способны ощутить окружающей среды, планировать свои собственные действия и в конечном итоге достичь их целей. В последние годы увеличилась зависимость от роботов как в повседневной жизни, так и в промышленности. Протокол, предложенные в этом документе описывается проектирование и производство обработки робота с алгоритмом интеллектуального поиска и функцию автономного идентификации.

Во-первых различные рабочие модули механически собираются завершить строительство платформы работы и установки робота манипулятора. Затем мы дизайн системы замкнутого цикла управления и стратегии управления двигателем четыре квадранта, с помощью отладки программного обеспечения, а также рулевого личность (ID), скорость передачи данных и других рабочих параметров, чтобы гарантировать, что робот достигает желаемого динамической производительность и низкое потребление энергии. Далее мы отладки датчик для достижения полидатчиковую fusion точно приобрести экологической информации. Наконец мы реализуем соответствующий алгоритм, который может признать успех функции робота для данного приложения.

Преимуществом этого подхода является его надежность и гибкость, как пользователи могут разрабатывать различные аппаратные строительных программ и использовать всеобъемлющий отладчик для реализации стратегии интеллектуального управления. Это позволяет пользователям устанавливать персональные требования, основанные на их потребностей с высокой эффективностью и надежностью.

Introduction

Роботы являются сложными, интеллигентая(ый) машин, которые сочетают знание нескольких дисциплин, включая механики, электроники, управления, компьютеры, датчики и искусственного интеллекта 1,2. Все чаще роботы помощь или даже заменить людей на рабочем месте, особенно в промышленном производстве, из-за преимущества, которые обладают роботов в выполнении повторяющихся или опасных задач. Дизайн умный робот протокола в рамках нынешнего исследования на основе замкнутого цикла управления стратегии, в частности пути планирования на основе генетического алгоритма. Кроме того функциональные модули были строго разделены в3,4, которые могут заложить прочную основу для будущей оптимизации работы, так что роботы имеют сильного потенциала для модернизации.

Модульной реализации роботизированной платформы основывается главным образом на следующие методы: многомерный сочетание управления стратегия управления двигателем модуль5,6, и интеллигентая(ый) разведки на основе генетического алгоритма в модуле алгоритм оптимизации.

Мы используем двойной контроль замкнутого цикла двигателя постоянного тока и четыре квадранта мотор операции в модуле управления двигателем. Двойная скорость замкнутого цикла управления означает, что выход регулятора скорости служит входной регулятор тока, что позволяет контролировать текущие и крутящего момента двигателя. Преимуществом этой системы является, что крутящий момент мотора можно управлять в режиме реального времени на основе разницы между заданной скоростью и фактической скоростью. Когда разница между заданной и фактической скорости относительно большой, мотор крутящий момент увеличивается и скорость изменения скорости быстрее ехать скорость двигателя к заданное значение так быстро, как возможно, что делает для быстрого регулирования7, 8 , 9. и наоборот, когда скорость относительно недалеко от заданного значения, это может автоматически снизить крутящий момент двигателя, чтобы избежать чрезмерной скорости, позволяя скорость для достижения заданного значения относительно быстро без ошибок6, 10. эквивалентного времени константа электрического текущего цикла является относительно небольшим, четыре квадранта мотор11,12 может реагировать более быстро подавить влияние вмешательства, когда система является вмешательство извне. Это позволяет улучшить стабильность и анти помех способность системы.

Мы выбираем интеллигентая(ый) генетической оптимизации алгоритма с высоким КПД, основываясь на результатах моделирования, запустить в MATLAB. Генетический алгоритм является стохастических параллельного поиска алгоритм, основанный на теории естественного отбора в генетике. Он представляет собой эффективный метод для поиска глобального оптимальное решение в отсутствие любой исходной информации. Он рассматривает набор решений проблемы как население, тем самым увеличивая качество решения через непрерывный отбор, кроссовер, мутации и других генетических операций. Отношении пути планирования интеллектуальные роботы трудность возникает в результате недостаточно первоначальной информации, сложных средах и нелинейности. Генетические алгоритмы лучше способны решить проблему пути планирования, поскольку они обладают глобальной оптимизации способности, сильная приспособляемость и надежности при решении нелинейных задач; Существует никаких конкретных ограничений на этой проблеме; процесс вычисления прост; и есть никаких особых требований к поиск пространства 13,14.

Protocol

1. строительные машины Сборка шасси, как показано на рисунке, обеспечение механических компонентов, используя соответствующие крепления. ( рис. 1) Примечание: Корпус, который включает в себя основной платы, мотор, колеса и т.д., является основным компонентом, ?…

Representative Results

В схеме программы управления двойное движение замкнутого цикла Фиолетовый представляет сигнал заданной скорости и желтый представляет значение вывода системы управления. Рисунок 17 ясно показывает, что система двойной замкнутого цикла управления яв?…

Discussion

В этой статье мы разработали типа умный робот, который может быть построен автономно. Мы применяем предлагаемого интеллектуальный поиск алгоритма и автономных признание путем объединения нескольких программ с оборудованием. В протоколе мы представили основные подходы для настройки ?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Авторы хотели бы выразить свою признательность г-н Yaojie он за его содействие в проведении экспериментов, сообщается в настоящем документе. Эта работа частично поддержали Фонд национального естественных наук Китая (№ 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

  1. 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).
  2. Huang, Y., &Wang, Q. N. Disturbance rejection of Central Pattern Generator based torque-stiffness-controlled dynamic walking. Neurocomputing. 170 (1), 141-151 (2015).
  3. 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).
  4. 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).
  5. Brogardh, T., et al. Present and future robot control development – An industrial perspective. Annu Rev Control. 31 (1), 69-79 (2007).
  6. 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).
  7. 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).
  8. Tian, H. X., Jiang, P. L., Sun, M. S. Double-Loop DCSpeed Regulation System Design Basd On OCC). , 889-890 (2014).
  9. Xu, G. Y., Zhang, M. Double Closed-Loop Feedback Controller Design for Micro Indoor Smart Autonomous Robot). , 474-479 (2011).
  10. Chen, Y. N., Xie, B., Mao, E. R. Electric Tractor Motor Drive Control Based on FPGA. , 271-276 (2016).
  11. 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).
  12. 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).
  13. 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).
  14. 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).

Play Video

Cite This Article
Zhang, L., Zhu, J., Ren, H., Liu, D., Meng, D., Wu, Y., Luo, T. The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy. J. Vis. Exp. (128), e56422, doi:10.3791/56422 (2017).

View Video