Luận án: Tích hợp đại số gia tử, điều khiển mờ và mạng nơron trong điều khiển robot

Luận án: Tích hợp đại số gia tử điều khiển mờ và mạng neuron cho robot di động. Tối ưu hóa khả năng điều khiển và định vị.

Tác giả

Luan An

Thể loại

Luận án tiến sĩ

Năm xuất bản

Số trang

160

Thời gian đọc

24 phút

Lượt xem

0

Lượt tải

0

Phí lưu trữ

50 Point

Tổng quan nhanh

Chủ đề:
1. Điều khiển robot di động: Các phương pháp tích hợp tiên tiến
Số trang:
160 trang
Trường:
Đại học Bách khoa Hà Nội
Chuyên ngành:
Kỹ thuật cơ khí
Tác giả:
Năm:

Tóm tắt nội dung luận án

I. Điều khiển robot di động Các phương pháp tích hợp tiên tiến

Robot di động đóng vai trò quan trọng trong nhiều lĩnh vực công nghiệp và đời sống. Điều khiển robot di động hiệu quả là một thách thức lớn. Hệ thống robot thường hoạt động trong môi trường phức tạp, không chắc chắn. Các phương pháp điều khiển truyền thống gặp khó khăn khi đối phó với nhiễu động và biến động. Do đó, cần có các giải pháp điều khiển robot tiên tiến hơn. Phương pháp tích hợp nhiều lý thuyết khác nhau đang được chú trọng. Cách tiếp cận này giúp khắc phục nhược điểm của từng phương pháp riêng lẻ. Mục tiêu là tạo ra hệ thống điều khiển mạnh mẽ, thích nghi cao. Điều này đảm bảo robot di động hoạt động ổn định, chính xác.

1.1. Giới thiệu tổng quan về điều khiển robot di động

Điều khiển robot di động là lĩnh vực nghiên cứu chuyên sâu. Lĩnh vực này tập trung vào việc hướng dẫn robot thực hiện nhiệm vụ cụ thể. Robot cần di chuyển an toàn và hiệu quả trong môi trường. Các ứng dụng đa dạng, từ tự động hóa công nghiệp đến khám phá không gian. Khả năng điều khiển robot chính xác quyết định hiệu suất chung. Hệ thống điều khiển cần xử lý thông tin cảm biến, lập kế hoạch quỹ đạo. Đồng thời, nó phải thực hiện các lệnh chuyển động phức tạp.

1.2. Thách thức trong điều khiển robot di động hiện đại

Môi trường hoạt động của robot di động thường không được biết trước hoàn toàn. Có nhiều yếu tố nhiễu động như bề mặt không bằng phẳng, vật cản di chuyển. Mô hình hóa chính xác robot và môi trường là khó khăn. Ngoài ra, tính phi tuyến của hệ thống robot cũng gây phức tạp. Các bộ điều khiển cần có khả năng thích ứng linh hoạt. Yêu cầu cao về độ chính xác và tính ổn định luôn được đặt ra.

1.3. Lợi ích của phương pháp tích hợp trong điều khiển

Phương pháp tích hợp kết hợp sức mạnh của nhiều lý thuyết. Ví dụ, đại số gia tử cung cấp công cụ toán học mạnh mẽ. Logic mờ xử lý thông tin không rõ ràng. Mạng nơron học hỏi và thích nghi với thay đổi. Sự kết hợp này mang lại hệ thống điều khiển robot toàn diện. Robot có thể xử lý tốt hơn các tình huống phức tạp. Hệ thống đạt được độ bền và hiệu suất cao hơn so với điều khiển đơn lẻ. Đây là chìa khóa để phát triển các robot di động thông minh.

II. Đại số gia tử trong điều khiển robot Nguyên lý và ứng dụng

Đại số gia tử, hay Clifford algebra, là một công cụ toán học mạnh mẽ. Công cụ này cung cấp ngôn ngữ tự nhiên để mô tả hình học không gian. Nó đặc biệt hữu ích trong các bài toán điều khiển robot. Đại số gia tử đơn giản hóa các phép biến đổi hình học phức tạp. Ví dụ, phép quay, tịnh tiến và tỉ lệ có thể được biểu diễn thống nhất. Điều này giúp thiết kế các thuật toán điều khiển robot hiệu quả hơn. Đại số gia tử cung cấp sự nhất quán và mạnh mẽ hơn so với các phương pháp véctơ và ma trận truyền thống.

2.1. Khái niệm cơ bản về đại số gia tử Clifford algebra

Đại số gia tử là một mở rộng của số phức và quaternion. Nó kết hợp các phần tử vô hướng, véctơ, và các phần tử bậc cao. Các phần tử này được gọi chung là đa véctơ. Đại số này định nghĩa các phép toán cộng, trừ, nhân giữa các đa véctơ. Phép nhân gia tử có tính chất đặc biệt. Nó cho phép mã hóa cả định hướng và độ lớn trong một biểu thức duy nhất. Khái niệm này giúp giải quyết các vấn đề hình học hiệu quả.

2.2. Vai trò của đại số gia tử trong mô hình hóa robot

Đại số gia tử cung cấp một khuôn khổ thống nhất. Khuôn khổ này dùng để mô tả động học và động lực học robot. Nó có thể biểu diễn vị trí, định hướng của robot di động. Các khớp và liên kết robot được mô hình hóa rõ ràng. Phép biến đổi giữa các hệ tọa độ trở nên trực quan hơn. Đại số gia tử giúp giảm thiểu lỗi tính toán. Nó cũng tăng cường tính ổn định của mô hình.

2.3. Ứng dụng đại số gia tử trong thiết kế bộ điều khiển

Việc áp dụng đại số gia tử vào thiết kế bộ điều khiển mang lại nhiều ưu điểm. Bộ điều khiển có thể xử lý các bài toán điều khiển chuyển động trực tiếp. Nó không cần chuyển đổi phức tạp giữa các hệ tọa độ. Điều này giúp cải thiện hiệu suất tính toán. Đại số gia tử hỗ trợ thiết kế các bộ điều khiển mạnh mẽ. Bộ điều khiển có khả năng chống nhiễu tốt. Nó đảm bảo độ chính xác cao cho điều khiển robot. Phương pháp này đặc biệt phù hợp với các robot di động có nhiều bậc tự do.

III. Điều khiển mờ cho robot di động Tối ưu hóa hiệu suất

Điều khiển mờ (fuzzy control) là một phương pháp mạnh mẽ. Phương pháp này xử lý thông tin không chắc chắn. Nó mô phỏng cách tư duy của con người. Điều khiển mờ đặc biệt hiệu quả trong môi trường phức tạp của robot di động. Nó không yêu cầu mô hình toán học chính xác của hệ thống. Thay vào đó, nó dựa trên các luật "IF-THEN" được định nghĩa bởi chuyên gia. Điều khiển mờ giúp robot thích nghi tốt hơn với các điều kiện thay đổi. Nó tối ưu hóa hiệu suất vận hành của robot di động.

3.1. Giới thiệu về logic mờ và bộ điều khiển mờ

Logic mờ là một mở rộng của logic Boolean truyền thống. Nó cho phép các giá trị chân lý nằm trong khoảng từ 0 đến 1. Điều này thể hiện mức độ thuộc về một tập hợp. Bộ điều khiển mờ bao gồm ba giai đoạn chính: mờ hóa, suy luận mờ, và giải mờ. Giai đoạn mờ hóa chuyển đổi dữ liệu đầu vào sắc nét thành các giá trị mờ. Suy luận mờ áp dụng các luật dựa trên kiến thức. Giải mờ chuyển kết quả mờ trở lại thành tín hiệu điều khiển sắc nét.

3.2. Điều khiển mờ xử lý thông tin không chắc chắn của robot

Robot di động thường phải đối mặt với dữ liệu cảm biến nhiễu hoặc không đầy đủ. Môi trường xung quanh có thể thay đổi bất ngờ. Điều khiển mờ có khả năng xử lý thông tin không chắc chắn này một cách tự nhiên. Nó không đòi hỏi các mô hình nhiễu phức tạp. Điều này giúp robot đưa ra quyết định thông minh hơn. Hệ thống điều khiển robot trở nên bền vững hơn.

3.3. Cải thiện hiệu suất điều khiển robot bằng logic mờ

Logic mờ cho phép thiết kế các bộ điều khiển linh hoạt. Các bộ điều khiển này có thể đáp ứng tốt với sự thay đổi của động lực học robot. Nó cải thiện đáng kể khả năng điều khiển thích nghi. Điều khiển mờ giúp giảm rung động, tăng độ êm ái cho chuyển động. Nó cũng tối ưu hóa tiêu thụ năng lượng. Hiệu suất tổng thể của robot di động được nâng cao. Logic mờ là một thành phần thiết yếu cho điều khiển robot thông minh.

IV. Mạng nơron và học sâu Nâng cao năng lực điều khiển robot

Mạng nơron đã cách mạng hóa lĩnh vực điều khiển robot. Chúng mang lại khả năng học hỏi và thích nghi vượt trội. Mạng nơron mô phỏng cấu trúc não bộ sinh học. Chúng có khả năng nhận dạng mẫu, dự đoán và ra quyết định. Đặc biệt, các phương pháp học sâu đã mở ra nhiều tiềm năng mới. Học sâu cho phép mạng nơron xử lý dữ liệu phức tạp. Điều này giúp robot di động hoạt động thông minh hơn. Chúng có thể thích nghi với môi trường chưa biết trước. Mạng nơron là thành phần quan trọng để đạt được điều khiển thích nghi.

4.1. Cơ sở mạng nơron và tiềm năng học máy

Mạng nơron bao gồm nhiều nơron nhân tạo kết nối với nhau. Mỗi nơron nhận đầu vào, thực hiện phép tính, và tạo ra đầu ra. Các trọng số kết nối được điều chỉnh thông qua quá trình học máy. Học máy cho phép mạng nơron rút trích tri thức từ dữ liệu. Quá trình này không cần lập trình rõ ràng. Tiềm năng của mạng nơron là rất lớn. Chúng có thể giải quyết các bài toán phi tuyến phức tạp.

4.2. Ứng dụng mạng nơron trong điều khiển thích nghi robot

Mạng nơron có khả năng học mô hình động lực học của robot. Chúng có thể bù trừ nhiễu và các yếu tố không chắc chắn. Điều này biến mạng nơron thành công cụ lý tưởng cho điều khiển thích nghi. Bộ điều khiển nơron tự động điều chỉnh tham số. Điều chỉnh dựa trên phản hồi từ môi trường. Robot di động duy trì hiệu suất ổn định. Robot hoạt động tốt ngay cả khi gặp thay đổi.

4.3. Học sâu cải thiện khả năng thích ứng của hệ thống điều khiển

Học sâu là một tập hợp con của học máy. Học sâu sử dụng mạng nơron nhiều lớp (mạng nơron sâu). Các mạng này có khả năng tự động học các đặc trưng phức tạp. Điều này giúp robot hiểu môi trường tốt hơn. Ví dụ, nhận diện đối tượng hoặc dự đoán chuyển động. Học sâu nâng cao khả năng ra quyết định của bộ điều khiển. Hệ thống điều khiển robot trở nên cực kỳ linh hoạt và mạnh mẽ.

V. Chiến lược điều khiển tích hợp Sức mạnh tổng hợp cho robot

Điều khiển robot di động đòi hỏi một chiến lược mạnh mẽ. Chiến lược này cần kết hợp nhiều phương pháp khác nhau. Sự tích hợp đại số gia tử, logic mờ và mạng nơron tạo ra một hệ thống vượt trội. Mỗi thành phần bù đắp cho điểm yếu của thành phần kia. Đại số gia tử cung cấp nền tảng toán học chính xác. Logic mờ xử lý sự không chắc chắn. Mạng nơron mang lại khả năng học hỏi và thích nghi. Đây là một phương pháp điều khiển thích nghi tiên tiến.

5.1. Mô hình điều khiển tích hợp đa phương pháp

Mô hình điều khiển tích hợp được thiết kế theo cấu trúc phân cấp. Đại số gia tử có thể dùng để mô hình hóa động học chính xác. Logic mờ được sử dụng để điều chỉnh các tham số dựa trên quy tắc heuristic. Mạng nơron có thể học các lỗi mô hình hoặc dự đoán nhiễu. Ba thành phần này hoạt động cùng nhau. Chúng tạo ra một bộ điều khiển toàn diện. Robot di động có thể di chuyển mượt mà, chính xác trong mọi điều kiện.

5.2. Ưu điểm của việc kết hợp đại số gia tử mờ và mạng nơron

Sự kết hợp này mang lại nhiều ưu điểm rõ rệt. Đại số gia tử giảm độ phức tạp tính toán cho hình học. Logic mờ tăng tính mạnh mẽ trước thông tin không rõ ràng. Mạng nơron đảm bảo khả năng thích nghi liên tục. Hệ thống điều khiển thích nghi này có thể xử lý các tình huống phức tạp. Nó vượt xa khả năng của các bộ điều khiển đơn lẻ. Robot di động đạt được hiệu suất tối ưu.

5.3. Điều khiển robot thích nghi vượt trội trong môi trường phức tạp

Khi tích hợp ba phương pháp, hệ thống điều khiển robot trở nên cực kỳ linh hoạt. Robot có thể tự động điều chỉnh hành vi. Nó phản ứng với các thay đổi bất ngờ trong môi trường. Ví dụ, thay đổi địa hình hoặc tương tác với các vật thể. Điều khiển thích nghi này cho phép robot hoạt động hiệu quả. Ngay cả trong môi trường công nghiệp hoặc không gian. Đây là bước tiến quan trọng trong lĩnh vực điều khiển robot.

VI. Kết quả mô phỏng số Đánh giá hiệu quả điều khiển robot

Để xác thực hiệu quả của phương pháp điều khiển tích hợp, mô phỏng số là bước thiết yếu. Các thử nghiệm mô phỏng cung cấp bằng chứng định lượng. Bằng chứng này về khả năng hoạt động của hệ thống. Nó đánh giá độ chính xác, tính ổn định và khả năng thích nghi. Mô phỏng giúp kiểm tra các thuật toán trong nhiều kịch bản khác nhau. Điều này giúp tối ưu hóa thiết kế trước khi triển khai thực tế. Kết quả mô phỏng số khẳng định tính ưu việt của phương pháp đề xuất.

6.1. Thiết lập kịch bản mô phỏng cho robot di động

Các kịch bản mô phỏng được xây dựng cẩn thận. Chúng mô phỏng các điều kiện hoạt động thực tế của robot di động. Các yếu tố như nhiễu cảm biến, thay đổi tải trọng và vật cản được đưa vào. Mô hình robot được tạo ra với động học và động lực học chi tiết. Các thông số của bộ điều khiển được hiệu chỉnh tối ưu. Mục tiêu là đánh giá khả năng của robot trong việc theo dõi quỹ đạo. Đồng thời, đánh giá khả năng duy trì ổn định.

6.2. Phân tích kết quả thực nghiệm và hiệu suất điều khiển

Dữ liệu từ mô phỏng được thu thập và phân tích kỹ lưỡng. Các chỉ số hiệu suất quan trọng bao gồm sai số theo dõi quỹ đạo. Nó cũng bao gồm thời gian đáp ứng và độ ổn định của hệ thống. So sánh kết quả của phương pháp tích hợp. So sánh với các phương pháp điều khiển truyền thống được thực hiện. Phân tích này cho thấy rõ lợi ích của việc kết hợp đại số gia tử, logic mờ và mạng nơron.

6.3. Khẳng định tính khả thi và ưu việt của phương pháp

Kết quả mô phỏng số chứng minh rằng phương pháp điều khiển tích hợp là khả thi. Nó thể hiện tính ưu việt trong việc điều khiển robot di động. Robot hoạt động chính xác hơn, ổn định hơn. Nó thích nghi tốt hơn với môi trường động. Khả năng chịu nhiễu và xử lý thông tin không chắc chắn được cải thiện đáng kể. Những bằng chứng này mở ra hướng phát triển robot di động thế hệ mới.

Xem trước tài liệu
Tải đầy đủ để xem toàn bộ nội dung
Luận án tiến sĩ tích hợp đại số gia tử điều khiển mờ và mạng noron trong điều khiển robot di động

Tải xuống file đầy đủ để xem toàn bộ nội dung

Tải đầy đủ (160 trang)

Trích đoạn nội dung luận án

Tải xuống để đọc toàn bộ

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Xuân Hồng TÍCH HỢP ĐẠI SỐ GIA TỬ, ĐIỀU KHIỂN MỜ VÀ MẠNG NORON TRONG ĐIỀU KHIỂN ROBOT DI ĐỘNG LUẬN ÁN TIẾN SĨ KỸ THUẬT CƠ KHÍ Hà Nội – 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Xuân Hồng TÍCH HỢP ĐẠI SỐ GIA TỬ, ĐIỀU KHIỂN MỜ VÀ MẠNG NORON TRONG ĐIỀU KHIỂN ROBOT DI ĐỘNG Ngành: Kỹ thuật cơ khí Mã số: 9520103 LUẬN ÁN TIẾN SĨ KỸ THUẬT CƠ KHÍ NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. Phan Bùi Khôi 2. Trần Đức Trung Hà Nội – 2022 LỜI CAM ĐOAN Tôi xin cam đoan tất cả những nội dung trong luận án “Tích hợp đại số gia tử, điều khiển mờ và mạng noron trong điều khiển robot di động” do tôi thực hiện dưới sự hướng dẫn của tập thể cán bộ hướng dẫn: PGS. Phan Bùi Khôi và PGS.

Trần Đức Trung. Các kết quả nêu trong luận án là trung thực và chưa từng được tác giả khác công bố trong bất kỳ công trình nghiên cứu nào. Hà Nội, ngày. Người hướng dẫn Người hướng dẫn Nghiên cứu sinh khoa học 1 khoa học 2 PGS.

Phan Bùi Khôi PGS. Trần Đức Trung Nguyễn Xuân Hồng i LỜI CẢM ƠN Đầu tiên cho phép nghiên cứu sinh xin bày tỏ lòng biết ơn sâu sắc tới tập thể hướng dẫn PGS. Phan Bùi Khôi, PGS. Trần Đức Trung đã tận tình hướng dẫn, giúp đỡ nghiên cứu sinh trong suốt quá trình nghiên cứu.

Dưới sự hướng dẫn, chỉ bảo tận tình không biết mệt mỏi của các thầy đã giúp nghiên cứu sinh vượt qua những khó khăn, hạn chế để có thể hoàn thành luận án này. Nghiên cứu sinh xin chân thành cảm ơn tập thể các thầy cô, cán bộ và lãnh đạo Bộ môn Cơ học vật liệu và kết cấu, Bộ môn Cơ học ứng dụng, Viện Cơ khí, Phòng đào tạo, Trường Đại học Bách Khoa Hà Nội đã tạo mọi điều kiện, giúp đỡ, hướng dẫn nghiên cứu sinh trong thời gian nghiên cứu thực hiện luận án. Nghiên cứu sinh xin chân thành cảm ơn các nhà khoa học, bạn bè, đồng nghiệp đã giúp đỡ chỉ bảo, đóng góp ý kiến giúp nghiên cứu sinh hoàn thành luận án. Nghiên cứu sinh xin chân thành cảm ơn Công ty TNHH Phần mềm HICAS đã tạo điều kiện giúp nghiên cứu sinh có thời gian nghiên cứu hoàn thành luận án này.

Cuối cùng nghiên cứu sinh xin dành sự biết ơn tới vợ, các con, bố, mẹ, anh, chị em, những người thân trong gia đình, dòng tộc luôn luôn quan tâm, động viện, ủng hộ, hy sinh, tạo mọi điều kiện để nghiên cứu sinh hoàn thành luận án này. Hà Nội, ngày. NGHIÊN CỨU SINH Nguyễn Xuân Hồng ii MỤC LỤC LỜI CAM ĐOAN. ii MỤC LỤC.

iii DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT .v DANH MỤC CÁC BẢNG. ix DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ. TỔNG QUAN CÁC VẤN ĐỀ NGHIÊN CỨU .1 Tổng quan về robot di động hai chân.1 Giới thiệu về robot di động hai chân.2 Sự phát triển của robot di động hai chân .3 Các ứng dụng của robot di động hai chân.2 Tình hình nghiên cứu trong và ngoài nước .1 Cấu trúc robot di động hai chân .2 Những vấn đề khoa học liên quan đến robot di động hai chân .3 Những nghiên cứu liên quan đến robot di động hai chân .3 Các nội dung nghiên cứu trong luận án .1 Mô hình robot di động hai chân .2 Các bài toán động học, động lực học và thiết kế quỹ đạo .3 Các bài toán áp dụng các phương pháp điều khiển. 24 Kết luận Chương 1.

ĐỘNG HỌC ROBOT DI ĐỘNG HAI CHÂN .1 Khảo sát động học robot di động hai chân.1 Phương trình động học robot di động hai chân.2 Phương trình động học robot di động hai chân chuyển động phẳng .3 Khảo sát các bài toán động học.4 Khảo sát các bài toán vận tốc .5 Khảo sát các bài toán gia tốc.2 Thiết kế quỹ đạo chuyển động cho robot di động hai chân .1 Mô tả chuyển động bước đi của robot di động hai chân .2 Các phương pháp xây dựng quỹ đạo bước đi cho robot .3 Tính toán quỹ đạo chuyển động của robot .3 Phương pháp giải bài toán động học .1 Thuật giải bài toán động học thuận .2 Thuật giải bài toán động học ngược.3 Kết quả mô phỏng số bài toán động học ngược. 50 Kết luận Chương 2. ĐỘNG LỰC HỌC ROBOT DI ĐỘNG HAI CHÂN .1 Xây dựng mô hình động lực học robot .1 Các mô hình động lực học của robot di đông hai chân.2 Hệ tọa độ khảo sát động lực học .2 Thiết lập phương trình động lực học.1 Phương trình động lực học dạng ma trận .2 Các đại lượng động lực học .3 Các bài toán động lực học và thuật giải .1 Bài toán động lực học thuận .2 Bài toán động lực học ngược .3 Thuật giải các bài toán động lực học .4 Kết quả mô phỏng số động lực học ngược robot di động hai chân. 69 Kết luận Chương 3.

ĐIỀU KHIỂN ROBOT DI ĐỘNG HAI CHÂN .1 Điều khiển robot bằng phương pháp kinh điển.1 Cơ sở điều khiển robot .2 Áp dụng điều khiển PID+ĐLH ngược cho robot di động hai chân .2 Điều khiển robot dựa trên lý thuyết mờ .1 Giới thiệu về logic mờ .2 Bộ điều khiển dựa trên lý thuyết mờ.3 Áp dụng điều khiển mờ cho robot di động hai chân .3 Điều khiển robot sử dụng đại số gia tử .1 Giới thiệu về đại số gia tử .2 Xây dựng bộ điều khiển sử dụng đại số gia tử.3 Áp dụng bộ điều khiển đại số gia tử cho robot di động hai chân .4 Điều khiển robot dựa trên mạng noron .1 Giới thiệu mạng noron .2 Thiết kế bộ điều khiển noron cho robot di động .5 Điều khiển tích hợp. 101 Kết luận Chương 4. KẾT QUẢ MÔ PHỎNG SỐ .1 Mô tả thông số và chuyển động mô phỏng của robot .2 Kết quả mô phỏng điều khiển robot di động hai chân .1 Kết quả mô phỏng bộ điều khiển PID+Động lực học ngược .2 Kết quả mô phỏng bộ điều khiển mờ .3 Kết quả mô phỏng bộ điều khiển đại số gia tử .4 Kết quả mô phỏng bộ điều khiển noron .5 Đánh giá kết quả của các bộ điều khiển.3 Xây dựng chương trình mô phỏng robot di động .1 Cấu trúc chương trình mô phỏng .2 Chương trình mô phỏng robot di động. 135 Kết luận Chương 5.

136 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO. 137 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN. 138 DANH MỤC TÀI LIỆU THAM KHẢO. 139 iv DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Ký hiệu Diễn giải f ( p, q) Hệ phương trình động học dạng ma trận f Vector các phương trình động học q Vector tham số động học robot p Vector thông số trạng thái robot q Vector vận tốc các khớp p Vector vận tốc thân, các bàn chân Jq Ma trận Jacobian của hàm f với biến q Jp Ma trận Jacobian của hàm f với biến p J q−1 Ma trận nghịch đảo của ma trận J q J p−1 Ma trận nghịch đảo của ma trận J p q Vector gia tốc các khớp p Vector gia tốc của thân, các bàn chân Jq Đạo hàm ma trận Jacobian J q theo thời gian t Jp Đạo hàm ma trận Jacobian J p theo thời gian t T Thời gian robot đi hết một chu kỳ bước đi s Khoảng cách giữa hai tâm bàn chân hB min Độ cao nhỏ nhất của đế thân hB max Độ cao lớn nhất đế thân đạt được l1 Khoảng cách từ tâm bàn chân đến gót chân l2 Khoảng cách từ tâm bàn chân đến mũi chân 0 Góc của bàn chân sau khi bàn chân trước chạm mặt đất 1 Góc của bàn chân trước khi chạm mặt đất 2 Góc của bàn chân sau khi rời mặt đất P( y , z ) Đường cong quỹ đạo chuyển động của khớp hông Q( y, z ) Đường cong quỹ đạo chuyển động của khớp mắt cá chân M (q) Ma trận khối lượng của robot C(q, q)q Vector lực suy rộng của các lực quán tính Coriolis và quán tính ly tâm G( q) Vector lực suy rộng của các lực có thế Q Vector lực suy rộng của các lực không thế U Vector lực suy rộng của các lực/momen dẫn động n Số bậc tự do của robot mi Khối lượng của khâu i J Ti Ma trận Jacobian tịnh tiến của khâu thứ i v J TiT Ma trận chuyển vị của ma trận Jacobian J Ti J Ri Ma trận Jacobian quay của khâu thứ i J RiT Ma trận chuyển vị của ma trận Jacobian J Ri Ci r Ma trận quán tính của khâu i đối với khối tâm của nó trong hệ tọa độ động rCi Vector xác định vị trí khối tâm của khâu i trong hệ tọa độ cố định ir Vận tốc góc của khâu thứ i của robot trong hệ tọa độ động ir Toán tử sóng của vector vận tốc góc thứ i Ai Ma trận biến đổi tọa độ thuần nhất của khâu i Ri Ma trận cosin chỉ hướng của khâu i RiT Ma trận chuyển vị của ma trận Ri Ri Ma trận đạo hàm của ma trận Ri r I ixx Mô men quán tính của khâu i đối với trục x r I iyy Mô men quán tính của khâu i đối với trục y I izzr Mô men quán tính của khâu i đối với trục z r I ixy Mô men quán tính của khâu i đối với các trục x và y r I iyz Mô men quán tính của khâu i đối với các trục y và z r I izx Mô men quán tính của khâu i đối với các trục z và x ( k , l; j ) Ký hiệu Christofel 3 chỉ số loại 1 mkl Phần tử thứ k, l của ma trận khối lượng M(q).

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ

Trích dẫn luận án này

Nguyễn Xuân Hồng (2022). Điều khiển robot di động: Đại số gia tử, mờ, mạng nơron [Luận án tiến sĩ, Trường Đại học Bách Khoa Hà Nội]. LuanAn.net. https://luanan.net/cong-nghe-thong-tin/tich-hop-dai-so-gia-tu-dieu-khien-mo-mang-noron-dieu-khien-robot-di-dong

Câu hỏi thường gặp

Luận án "Điều khiển robot di động: Đại số gia tử, mờ, mạng nơron" nghiên cứu về vấn đề gì?

Luận án: Tích hợp đại số gia tử điều khiển mờ và mạng neuron cho robot di động. Tối ưu hóa khả năng điều khiển và định vị.

Luận án "Điều khiển robot di động: Đại số gia tử, mờ, mạng nơron" được bảo vệ tại trường nào?

Luận án này được bảo vệ tại Trường Đại học Bách Khoa Hà Nội. Năm bảo vệ: 2022.

Luận án "Điều khiển robot di động: Đại số gia tử, mờ, mạng nơron" thuộc chuyên ngành gì?

Luận án "Điều khiển robot di động: Đại số gia tử, mờ, mạng nơron" thuộc chuyên ngành Kỹ thuật cơ khí. Danh mục: Công Nghệ Thông Tin.

Luận án "Điều khiển robot di động: Đại số gia tử, mờ, mạng nơron" có bao nhiêu trang?

Luận án "Điều khiển robot di động: Đại số gia tử, mờ, mạng nơron" có 160 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.

Cách tải luận án "Điều khiển robot di động: Đại số gia tử, mờ, mạng nơron" về máy như thế nào?

Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.

Luận án liên quan

Chia sẻ tài liệu: Facebook Twitter