مهندسی مکانیک مدرس

مهندسی مکانیک مدرس

کنترل یادگیر تکرار‌شونده مرتبه‌کسری بهینه برای کنترل بازوی ربات تک-لینک

نویسندگان
1 دانشجوی کارشناسی ارشد گروه برق گرایش کنترل /دانشگاه صنعتی نوشیروانی بابل
2 عضو هیئت علمی دانشکده برق و کامپیوتر/ذانشگاه صنعتی نوشیروانی بابل
3 عضو هیئت علمی دانشکده برق و کامپیوتر / دانشگاه صنعتی نوشیروانی بابل
چکیده
در این مقاله، نوع جدیدی از سیستم‌های کنترل یادگیر تکرار‌شونده مرتبه‌کسری تحت عنوان کنترل یادگیر تکرار‌‌شونده مشتقی مرتبه‌‌کسری و کنترل یادگیر تکرار‌شونده تناسبی-مشتقی مرتبهکسری برای سیستم خطی‌سازی شده بازوی ربات تک-لینک ارائه می‌شود. در قانون بروزرسانی کنترل یادگیر تکرار‌شونده مشتقی، آریمتو کلاسیک از مشتق مرتبه اول (با تابع تبدیل s )‌ خطای ردیابی استفاده می‌شود. روش ارائه شده در این مقاله برای بروزرسانی قانون کنترل یادگیری تکرار‌شونده از مشتق مرتبه‌کسری (با تابع تبدیل s^alpha برای (2 0] alpha in ) خطای ردیابی استفاده می‌کند. برای اولین بار، ابتدا سیستم ربات غیرخطی، با اعمال روش خطی‌سازی فیدبک ورودی- حالت خطی گشته، سپس به آنالیز و تحلیل همگرایی قانون کنترل یادگیر تکرارشونده نوع PD^alpha برای سیستم‌های خطی پرداخته می‌شود. در ادامه، یک معیار برای انتخاب بهینه ضرایب کنترل‌کننده با استفاده از الگوریتم بهینه‌سازی مبتنی بر جغرافیای زیستی ارائه می‌گردد. در قسمت اول شبیه‌سازی، هر دو قانون بروزرسانی کنترل یادگیر تکرارشونده مرتبه‌کسری (نوع D^alpha و نوع PD^alpha) بر روی بازوی ربات تک-لینک خطی شده، پیاده‌سازی می‌شود، و عملکرد این دو کنترل‌کننده به ازای مقادیر متفاوت alpha نمایش داده می‌شود. در ادامه و جهت بهبود عملکرد سیستم کنترلی حلقه بسته، ضرایب کنترل یادگیر تکرار‌شونده مرتبه‌کسری (ضریب تناسبی k_P و ضریب مشتقی k_D وalpha) با استفاده از الگوریتم بهینه‌سازی مبتنی بر جغرافیای زیستی، بهینه‌سازی می‌شوند. نهایتاً کنترل یادگیر تکرار‌شونده پیشنهادی با نوع متداول آن مورد مقایسه قرار می‌گیرد.
کلیدواژه‌ها

عنوان مقاله English

Optimal Fractional order iterative learning control for single-link robot control

نویسندگان English

Iman Ghasemi 1
Abolfazl Ranjbar Noei 2
Seyed Jalil Sadati Rostami 3
چکیده English

In this paper, a new type of iterative learning control systems with fractional order known as iterative learning control with fractional order derivative and iterative learning control with fractional proportional–derivative for linearized systems of single-link robot arm is introduced. First order derivative of classic Arimoto is used for tracking error in updating law of derivative iterative learning control. Suggested method in this paper implement tracking error for updating control law of iterative learning of fractional order. For the first time, nonlinear robot system is linearized by input feedback linearization. Then, convergence analysis of iterative learning control law of type PD^alpha is studied.In the next step, we define a criteria for parameters optimization of proposed controller by using Biogeography-based optimization algorithm. Both updating law of fractional order iterative learning control (D^alpha-type ILC and PD^alpha-type ILC) is applied on linearized robot arm and performance of both controller for different value of alpha is presented. For improving the performance of closed loop system, coefficient of fractional order iterative learning control (proportional and derivative coefficients) is optimized by BBO algorithm. Proposed iterative learning control is compared with common type of system.

کلیدواژه‌ها English

Iterative learning control systems
Updating law of iterative learning control
fractional order of type Dalpha and PDalpha
single-link robot arm
Biogeography-based optimization (BBO)