Sisteme de conducere a robotilor utilizand retele neuronale artificiale

1. Contextul si motivatia temei

Din cele mai vechi timpuri omul a fost preocupat de ideea realizarii unor echipamente artificiale care sa execute anumite operatii in locul sau.

Automatizarea proceselor de productie precum si integrarea robotilor industriali in cadrul proceselor de fabricatie au dus la cresterea productivitatii muncii si calitatii produselor. Robotii industriali au schimbat procesele de productie asa cum calculatoarele au schimbat munca de birou. Uzina viitorului presupune celule si sisteme flexibile de fabricatie conduse de calculatoare, masini-unelte programabile si roboti industriali rigizi si mobili ce pot realiza autonom si cu precizie diverse sarcini de productie. Una dintre caracteristicile principale ce se impun unui robot autonom este existenta capacitatii lui de invatare si procesare a informatiilor din mediul in care evolueaza. Asupra capacitatii unui robot de a procesa informatii s-au facut studii si cercetari diverse plecand de la tot atatea teorii.

Manipulatoarele si robotii industriali reprezinta elemente de baza ale sistemelor flexibile de fabricatie, datorita propriei lor flexibilitati, a calitatii pe care o au de a efectua o mare varietate de miscari.

Robotul industrial a aparut intr-o anumita etapa a revolutiei industriale, ca un echipament tehnologic multifunctional, caracterizat printr-un grad ridicat de flexibilitate. Destinatia robotilor din prima generatie a fost inlocuirea operatorului uman in procesele tehnologice ce necesitau efort fizic mare sau in conditii periculoase de munca (mediu toxic, temperaturi ridicate etc.). Urmatoarele generatii au ridicat nivelul de flexibilitate prin dezvoltarea capacitatilor senzoriale tactile si vizuale. Ultima generatie de roboti a capatat caracteristici adaptive prin dezvoltarea capacitatii de inteligenta artificiala.

Inteligenta Artificiala a inceput sa fie studiata de aproximativ 40 de ani. Aceasta a aparut ca 'un ansamblu de idei si de realizari, ceea ce nu este surprinzator, deoarece inteligenta este un concept intuitiv pe care, intr-un anumit fel, Inteligenta Artificiala incearca sa-l expliciteze' (Latombe J.). Astazi, specialistii prefera sa descrie Inteligenta Artificiala prin proprietatile sale. Un sistem este considerat inteligent daca:

se poate adapta singur la noi situatii;

are capacitatea de a rationa;

poate descoperi intelesuri si poate recunoaste adevarul;

este capabil sa invete.

Intalnirea dintre Robotica si Inteligenta Artificiala s-a produs in cursul anilor '70, cand progresele efectuate in constructia mecanica a robotilor si in performantele (datorate microelectronicii) echipamentelor de comanda ale acestora au dovedit ca robotica poate deveni un izvor inepuizabil de aplicatii pentru Inteligenta Artificiala. Robotii au devenit astfel cele mai accesibile sisteme de realizare a asa-numitelor «masini inteligente». Simbioza Robotica - Inteligenta Artificiala a promovat puternic ambele domenii de cercetare. In prezent, multe sisteme robotizate, cu elemente de Inteligenta Artificiala incorporate, au intrat in exploatare industriala, existand in continuare perspective promitatoare de extindere.

In urma cu aproximativ zece ani se vorbea mult in mediile stiintifice despre Inteligenta Artificiala, incercandu-se rezolvarea unor probleme ce necesitau inteligenta din partea masinii. Un alt concept la moda in mediile stiintifice actuale este Calculul Cognitiv. Acesta reprezinta o familie de metode de rezolvare a problemelor care incearca sa mimeze inteligenta raspandita in natura. Multe dintre aceste metode au plecat de la modele naturale, dar multe s-au indepartat ulterior de acestea. Cu metode nu foarte complicate, Calculul Cognitiv a abordat probleme pe care metodele clasice de calcul nu au putut sa le solutioneze foarte bine, ca de exemplu probleme de drum optim (problema comis-voiajorului), probleme de recunoastere a formelor (voce, scris, obiecte), controlul robotilor etc. Metodele clasice de solutionare a acestor probleme presupun foarte multe calcule, in timp ce metodele cognitive ofera algoritmi simpli, rapizi, care inglobeaza o anumita inteligenta.

Ideile si visurile trecute si prezente ale omenirii prind contur prin metodele cognitive: sisteme care invata singure si generalizeaza (retelele neuronale artificiale), care iau decizii folosind multimi vagi (logica fuzzy) sau care se autoperfectioneaza (algoritmii genetici).

Pentru oameni, creierul, sistemul nervos uman si modul de gandire au fost intotdeauna motive de admiratie. Aceasta introspectie, creierul gandindu-se la el insusi, este o caracteristica unica pentru fiinta umana. Speculatiile referitoare la natura gandirii umane acopera o arie foarte mare, de la spiritual la anatomic. Intelegerea modului de functionare a neuronului si a interconexiunilor sale a permis realizarea unor modele matematice care sa simuleze, pe o scara mai redusa, modul de functio­nare al creierului. Aceste modele nu sunt numai niste realizari teoretice ci au si aplicatii practice, in ultimii ani urmarindu-se dezvoltarea de noi aplicatii. An de an, piata de desfacere a aplicatiilor cu retele neuronale a cunoscut o crestere semnificativa.

Retelele neuronale pot da robotilor facilitati de invatare si adaptare. Diverse tipuri de retele neuronale au fost utilizate pentru «a ataca» problema controlului robotilor. Bazandu-se pe informatii de intrare si de iesire, retelele neuronale invata prin rularea unui algoritm de invatare pe care il repeta pana memoreaza destule cunostinte pentru a putea indeplini sarcina respectiva. Aceasta abordare, invatarea prin experienta, poate da robotului cateva abilitati de control adaptiv.

Teza de doctorat urmareste o altfel de abordare a proiectarii unui controler, in cazul problemei controlului miscarii sistemelor robot rigide. In particular, lucrarea se concentreaza asupra beneficiile care pot fi obtinute prin utilizarea conceptelor neuronale in controlul urmaririi traiectoriilor de miscare impuse, cautand sa aduca contributii personale in domeniul algoritmilor moderni de conducere care sa creasca gradul de autonomie si flexibilitate a acestor sisteme. In acest scop se analizeaza implicatiile practice, necesitatile si performantele introducerii acestor concepte, propunandu-se, ca un pas spre realizarea autonomiei si flexibilitatii sistemelor robot, extensiile neuronale ale metodelor de control bazate sau nebazate pe modelul de referinta al sistemului robot. Aceste metode care, prin complexitate, au fost tratate mai mult ca solutii teoretice, necesita o reconsiderare din punctul de vedere al implementarii practice, odata cu progresele obtinute in tehnologia informatiei si a microelectronicii.

2. Formularea problemei controlului robotilor

Controlul reprezinta multimea actiunilor efectuate pentru a face un sistem sa se comporte intr-o anumita maniera cat mai apropiata posibil de felul in care o dorim. Actiunile ce trebuie efectuate pentru un control satisfacator al proceselor complexe (incluzand aici si sistemul robot) necesita implicarea directa a omului. Totusi, in anii '40, noutatea sistemelor de control consta, in principal, in functionarea automata a regulatoarelor. Nevoia utilizarii cunoasterii si experientei umane era considerata un punct slab pentru un sistem de control. In ultimii ani, interconectarea experientei umane cu sistemul de control a devenit unul dintre cele mai provocatoare domenii de cercetare in zona controlului. Controlul unui sistem dinamic implica cateva procese fundamentale:

modelarea sistemului pornind de la legile fizicii;

identificarea sistemului pe baza datelor experimentale;

procesarea semnalelor la iesirea sistemului prin: filtrare, predictie, estimarea starilor etc.;

generarea intrarilor de control si aplicarea acestora sistemului.

Modelarea matematica este o etapa importanta in studiile de control. In prezent, teoria controlului se ocupa cu clase bine definite de probleme, unde variabilele fizice ce trebuie controlate si obiectivele controlului au o descriere matematica clara. Clasica teorie a sistemelor liniare incearca sa asigure o oarecare robustete, dar aceasta este functionala numai la un nivel scazut de perturbatii aleatoare (incertitudine).

In cazul utilizarii metodelor de control pe baza modelului de referinta, este necesara cunoasterea cu precizie a modelului matematic neliniar al dinamicii robotului. Determinarea modelului dinamic al sistemului robot se poate face pe mai multe cai, obtinandu-se un model structural care contine mai multi parametri. Dintre acestia, cei mai multi rezulta direct din proiectarea constructiei sistemului robot (de exemplu: lungimea si greutatea bratelor, valoarea momentelor de inertie) si pot fi determinati cu precizie buna prin tehnici de identificare off-line. Alti parametri sunt incerti sau variabili in timp; de exemplu: masa manipulata de robot variaza de la o operatie la alta, parametrii cuplurilor de frecari in articulatiile robotului prezinta variatii in functionare si in timpul de viata al sistemului. Din aceste motive, in practica vor exista intotdeauna incertitudini asupra unora dintre parametrii modelului dinamic al robotului.

Domenii principale ale controlului sistemelor pot fi considerate:

controlul adaptiv

controlul neliniar

controlul sistemelor cu parametri distribuiti

Cele mai multe sisteme robot sunt complicate si lucreaza in conditii impredictibile. Asadar, o descriere matematica exacta a dinamicii unor asemenea sisteme este extrem de dificila sau chiar imposibila. |inand cont de aceasta dificultate majora, unele dintre cele mai importante probleme ale controlului robotilor sunt:

Controlul robust.

Controlul tolerant la defectari.

Controlul adaptiv.

Controlul inteligent. Cu toate ca sunt oarecum asemanatoare sistemelor adaptive, sistemele inteligente de control pot lucra si la variatii mult mai mari ale incertitudinii. Datorita vitezei mari a actualelor tehnici de Inteligenta Artificiala si Calcul Cognitiv, s-au impus trei abordari pentru a realiza controlul inteligent:

1. sisteme expert,

2. sisteme fuzzy,

3. retele neuronale artificiale.

Atunci cand se discuta despre sisteme de control inteligent, ne gandim la asemenea sisteme ca dispunand de mecanisme de rationament cu baze de cunostinte, asa cum sunt sistemele expert si regulatoarele adaptive. In sistemele expert, expertii umani sunt cei care trebuie sa decida care sunt regulile, folosind pentru aceasta cunoasterea domeniului lor de expertiza.

Pentru controlul inteligent avansat, retelele neuronale artificiale isi folosesc calitatile intrinseci: invatare, adaptare, procesare paralela, neliniaritate, autoorganizare si generalizare. S­-a aratat ca orice functie multivariabila poate fi aproximata prin utilizarea unui numar suficient de mare de neuroni in stratul ascuns al unei retele neuronale artificiale cu 3 straturi. Daca reteaua neuronala deriveaza o regula dintr-un exemplu specific, ea poate aplica regula unor cazuri putin diferite. Aceasta proprietate se numeste generalizare.

Teza de doctorat se concentreaza asupra unei clase specifice si importante de sisteme care poate beneficia de metodele de control neuronal, si anume clasa sistemelor robot rigide.

Problema controlului miscarii robotilor in prezenta incertitudinilor parametrice ale modelului se considera a fi importanta si constituie o tema de studiu a tezei.

In aceasta teza se studiaza si controlul adaptiv. Motivatia principala a acestei alegeri se bazeaza pe faptul ca metodele de control adaptiv constituie o buna alternativa de a tine pasul cu cerintele din ce in ce mai mari, impuse performantelor sistemelor robot. In plus, tehnicile de control adaptive reprezinta un prim pas spre cresterea autonomiei acestor sisteme. Complexitatea calculului acestor algoritmi nu mai constituie o bariera in implementare, odata cu aparitia echipamentelor de procesare rapida a datelor bazate pe procesoare digitale de semnal sau transputere.

Pe langa acuratetea modelului, metodele bazate pe modelul de referinta necesita accesul complet la vectorul de stare, ceea ce implica masurarea pozitiei si a vitezei actuale a fiecarei articulatii.

Modelul de retea neuronala artificiala este utilizat pentru a modela dinamica inversa a structurii robotice si a compensa neliniaritatile bratului robotic. Avantajul unui controler neuronal este acela al evitarii modelarii a priori a structurii robotice. S-au studiat diverse arhitecturi de retele neuronale artificiale si diversi algoritmi de invatare a acestora. De asemenea s-au studiat diverse arhitecturi de invatare ca si diverse structuri de conducere neuronala. Un avantaj din punct de vedere practic al controlerelor neuronale este acela ca daca un proces este deja condus de un regulator conventional, extensia la o structura de conducere neuronala de tip paralel se face simplu, adaugand regulatorul neuronal fara a fi necesara modificarea structurii de control existente sau intreruperea procesului.

In teza se face un studiu de simulare, prin care se demonstreaza superioritatea controlerelor neuronale adaptive bazate pe modelul de referinta si a controlerelor neuronale ce nu se bazeaza pe un model de referinta fata de controlerul conventional PD sau fata de alte structuri clasice. De asemenea, se face un studiu sistematic si comparativ intre controlerele adaptive si cele neuronale, studiindu-se robustetea la incertitudinile modelului, performantele variantelor adaptive pentru diferite mecanisme de adaptare a parametrilor. In acest scop este considerata o structura robot cu doua grade de libertate.

Pe baza consideratiilor facute, obiectivele tezei sunt urmatoarele:

Un studiu asupra controlului cinematic al robotilor;

Controlul pozitionarii unui robot utilizand retele neuronale artificiale;

Controlul cinematic diferential pe baza retelelor neuronale artificiale;

Controlul cinematic al robotilor pentru urmarirea unei traiectorii, utilizand retele neuronale artificiale;

Determinarea modelului dinamic al structurii unui robot cu doua grade de libertate, cu modelarea elementelor de actionare;

Analiza metodei de liniarizare intr-un punct de functionare a modelului dinamic neliniar al sistemului robot;

Studiul controlerelor adaptive bazate pe modelul de referinta;

Studiul convergentei globale a algoritmilor adaptivi bazati pe modelul de referinta cu obiectivul controlului miscarii sistemului robot pe o traiectorie impusa, tinand cont de implicatiile implementarii practice;

Studiul unor arhitecturi de invatare a dinamicii inverse a structurii robotice de catre diverse modele de retele neuronale artificiale;

Studiul identificarii neuronale pentru o structura robotica;

Studiul si elaborarea unor structuri de conducere a robotilor utilizand retele neuronale artificiale;

Elaborarea unor programe de simulare in vederea evaluarii performantelor care se pot obtine cu diferite controlere adaptive bazate pe modelul de referinta, functie de algoritmul de control si de mecanismul de adaptare al parametrilor;

Elaborarea unor programe de simulare in vederea evaluarii performantelor care se pot obtine cu diferite controlere neuronale, functie de algoritmul de invatare si de modelul de retea neuronala artificiala;

Evaluarea comparativa a performantelor controlerelor PD, controlerelor adaptive si a controlerelor neuronale, atat in functie de parametrii specifici fiecarei metode cat si evaluari comparative intre aceste metode.

Rezultatele tezei scot in evidenta in ce masura se poate beneficia de metodele avansate de control al miscarii robotilor si ofera rezultate care sunt utile celor implicati in proiectarea si utilizarea algoritmilor de conducere a sistemelor robot.

3. Organizarea tezei

Primul capitol al tezei isi propune prezentarea contextului si motivatiei temei cercetate precum si formularea problemei controlului robotilor.

In Capitolul 2 sunt definite retelele neuronale artificiale, sunt prezentate analogiile retelelor neuronale artificiale cu cele biologice, precum si tipuri si forme ale invatarii umane. Dupa realizarea unui istoric al retelelor neuronale artificiale sunt prezentate principalele arhitecturi de retele neuronale artificiale precum si algoritmii de invatare corespunzatori. De asemenea sunt prezentate caracteristicile retelelor neuronale artificiale ca de exemplu capacitatea de aproximare a acestora fiind prezentate principalele teoreme care demonstreaza aceasta proprietate a retelelor neuronale artificiale.

In Capitolul 3 este studiata problema controlului cinematic al robotilor. Dupa o trecere in revista a elementelor de cinematica robotilor este propusa o solutie de rezolvare a problemei controlului pozitionarii unui robot real (RTX), folosind retele neuronale artificiale, fiind prezentate rezultatele testelor realizate. Testele au presupus realizarea unei analize privind influenta parametrilor neuronali si a algoritmilor de instruire utilizati asupra performantelor. Ca metode de instruire au fost utilizate metoda Broyden-Fletcher-Goldfarb-Shanno (de tip cvasi-Newton), metoda Levenberg-Marquardt, metoda regularizarii Bayesian. Performantele testate au presupus calcularea a 10 erori diferite.

Tot in capitolul al treilea s-a propus un control cinematic diferential pentru acelasi robot, control bazat pe retele neuronale artificiale. Testele realizate au presupus studii privind influenta algoritmilor de instruire utilizati si a arhitecturii neuronale alese asupra performantelor obtinute. S-au facut de asemenea testari pentru diferite traiectorii dorite.

Pentru configuratiile cu doua cuple si respectiv cu trei cuple ale robotului RTX s-a propus rezolvarea problemei controlului cinematic pentru urmarirea unei traiectorii utilizand retele neuronale artificiale.

Rezultatele testelor au aratat ca retelele neuronale artificiale feedforward multistrat au lucrat bine. Erorile medii dintre iesirile curente ale retelei neuronale si iesirile dorite au fost foarte mici dupa faza instruirii si mici dupa faza testarii.

In Capitolul 4 sunt fixate ipotezele de lucru si sunt introduse ecuatiile dinamice generale ale sistemelor robot rigide. Aceste ecuatii sunt particularizate pentru o structura de sistem robot cu doua grade de libertate in cazul in care se considera numai partea mecanica si apoi pentru modelul extins in care sunt incluse si elementele de actionare. Acest model a fost luat in considerare pentru experimentele de simulare studiate in teza. Studiul metodelor de control a sistemelor robot rigide bazate pe modelul de referinta utilizeaza proprietati fundamentale ale modelului dinamic, in ipoteza structurilor mecanice cu articulatii de rotatie, care sunt sintetizate in continuarea Capitolului 4. Modelul dinamic neliniar, particularizat pentru structura mecanica cu doua grade de libertate, este liniarizat, scotandu-se in evidenta erorile de pozitionare si variatia parametrilor modelului cu punctul de liniarizare.

A fost determinat modelul liniar al robotului cu doua grade de libertate prin liniarizarea intr-un punct nominal, comparandu-se rezultatele simularii modelului neliniar si respectiv liniar. Au fost prezentate grafic erorile si variatia parametrilor modelului liniar cu punctul de liniarizare. Aceste rezultate prezentate scot in evidenta ca erorile modelului liniar cresc prin indepartarea de punctul in care a fost liniarizat sistemul.

In continuare se introduce modelul parametrizat al sistemului robot. Ca si parametri ce prezinta incertitudini au fost alesi masa sarcinii si coeficientii de frecare vascoasa si Coulomb pentru fiecare axa. Acest model a fost utilizat la metodele de control adaptive studiate in capitolele urmatoare. Totodoata au fost evidentiate problemele introduse de manipulatorul robotic cu doua grade de libertate, din punct de vedere al controlului.

Dupa o prezentare generala a problemelor specifice controlului robotilor, Capitolul 5 contine un studiu teoretic asupra controlului miscarii robotilor folosind liniarizarea prin reactie si asupra robustetei metodei de control pe baza cuplului calculat. Pentru aceasta metoda s-au realizat mai multe teste pentru traiectorii diferite si o evaluare a performantelor in doua cazuri: cand se presupun incertitudini in cunoasterea modelului exact si cand modelul este considerat cunoscut perfect.

In continuare este studiat controlul adaptiv cu liniarizare prin reactie utilizand o lege de adaptare de tip gradient precum si controlul adaptiv cu liniarizare prin reactie utilizand legea de adaptare dupa metoda celor mai mici patrate. Obiectivul urmatorului experiment de simulare a constat in evaluarea performantelor controlerelor adaptive prezentate, compararea controlerelor adaptive cu cele cu cuplu calculat si raportarea acestora la performantele variantelor la care modelul de referinta este perfect cunoscut.

Cea de-a doua parte a Capitolului 5 face o prezentare a posibilitatilor de identificare neuronala a sistemului robot precum si diferite structuri de conducere a robotilor utilizand retele neuronale artificiale studiate pe plan mondial dar si cele propuse de autor. Dupa realizarea unei comparatii intre controlerul cu invatarea erorii si controlerul cu compensarea referintei in ultimul subcapitol al Capitolului 5 s-a facut o prezentare a proprietatilor de stabilitate ale unui controler neuronal de urmarire a unei traiectorii pentru un robot. S-au facut de asemenea o analiza asupra limitelor erorilor de urmarire datorate aproximarii neuronale a dinamicii inverse a robotului, precum si o analiza a convergentei si stabilitatii locale.

Studiul teoretic din Capitolele 4 si 5 este continuat in Capitolul 6, cu studiul de simulare in scopul evaluarii comparative a implicatiilor implementarii practice a metodelor de control adaptiv si a metodelor de control pe baza modelului de referinta utilizand retele neuronale. Simularile evalueaza performantele si robustetea caracteristica celor doua clase de controlere. Ca si structuri de conducere a robotilor pe baza modelului de referinta utilizand retele neuronale s-au propus doua abordari, controlul neuronal auxiliar si controlul neuronal invers. Controlul neuronal auxiliar a fost implementat prin doua scheme de control: controlul neuronal feedforward si controlul neuronal feedback. Dupa proiectarea controlerului neuronal au fost prezentate rezultatele simularilor si efectele parametrilor neuronali asupra performantelor controlerului neuronal in urmarirea de catre articulatiile robotului a unor traiectorii dorite. Controlul neuronal invers propune doua abordari pentru structura de conducere cu retele neuronale a unui brat robotic: abordarea bazata pe Jacobian si abordarea ce minimizeaza o functie obiectiv. Asupra acestor metode se fac studii comparative, un avantaj foarte important al tehnicii controlului neuronal invers propus este ca acest tip de control poate fi implementat fara a modifica structura de control existenta, ceea ce presupune o implementare usoara din punct de vedere practic.

In Capitolul 7 este realizat un studiu de simulare in scopul evaluarii comparative a implicatiilor implementarii practice a metodelor de control de tip PD si a metodelor de control neuronal fara model de referinta. Simularile evalueaza performantele si robustetea caracteristica celor doua clase de controlere. Pentru inceput sunt prezentate comparativ rezultatele controlului PD vs. rezultatele controlului PD cu compensare gravitationala. In continuare sunt proiectate structuri de conducere a bratului robotic utilizand retele neuronale artificiale: structura neuronala cu invatarea erorii, structura neuronala bazata pe tehnica de compensare a referintei si structura neuronala de tip filtru. Aceste doua tipuri de structuri au acelasi scop: de identificare a dinamicii inverse a manipulatorului robotic prin minimizarea fie a erorii de iesire a sistemului, fie a erorii de modelare a sistemului. Controlerele neuronale propuse, de tip auxiliar, controleaza sistemul robot prin compensarea la nivelul traiectoriei dorite, in timp ce controlerul neuronal cu invatarea erorii lucreaza prin generarea de momente de compensare auxiliare la fiecare articulatie. Schema de control neuronal de tip filtru cere estimarea Jacobianului pentru a aplica corect algoritmul propagarii inapoi.

Studiile de simulare privitoare la urmarirea unor traiectorii sinusoidale pentru un manipulator robotic cu doua grade de libertate au aratat ca toate structurile neuronale de control au lucrat extrem de bine comparativ cu controlul PD necompensat. Dintre toate schemele de controlere neuronale prezentate, structura de controler neuronal cu compensarea referintei este cea mai buna solutie pentru a obtine performante bune.

Capitolul 8 contine concluziile si sinteza contributiilor autorului la subiectul tezei, precum si sugestii pentru cercetarile viitoare in acest domeniu.

4. Concluzii

Teza de doctorat urmareste o altfel de abordare a proiectarii unui controler, in cazul problemei controlului miscarii sistemelor robot rigide. In particular, lucrarea se concentreaza asupra beneficiile care pot fi obtinute prin utilizarea conceptelor neuronale in controlul urmaririi traiectoriilor de miscare impuse, cautand sa aduca contributii personale in domeniul algoritmilor moderni de conducere, care sa creasca gradul de autonomie si flexibilitate a acestor sisteme. In acest scop se analizeaza implicatiile practice, necesitatile si performantele introducerii acestor concepte, propunandu-se, ca un pas spre realizarea autonomiei si flexibilitatii sistemelor robot, extensiile neuronale ale metodelor de control bazate sau nebazate pe modelul de referinta al sistemului robot. Aceste metode care, prin complexitate, au fost tratate mai mult ca solutii teoretice, necesita o reconsiderare din punctul de vedere al implementarii practice, odata cu progresele obtinute in tehnologia informatiei si a microelectronicii.

Metodele bazate pe modelul sistemului robot iau in considerare intreaga dinamica neliniara care caracterizeaza sistemul. Aceste controlere se dovedesc foarte utile performantelor impuse structurilor robot moderne la care se ia in considerare si prezenta incertitudinilor dinamicii robotului. In ciuda avantajelor care rezulta din performantele potentiale ale acestor metode, se remarca foarte putine lucrari care evalueaza experimental implicatiile si fezabilitatea aplicarii practice a controlerelor bazate pe modelul de referinta. Din acest punct de vedere, teza de doctorat urmareste sa faca o legatura intre rezultatele teoretice si implicatiile practice ale acestora.

O clasa a controlerelor bazate pe modelul de referinta o constituie clasa controlerelor cu liniarizare prin reactie (cu cuplu calculat). Pentru controlerele cu cuplu calculat se studiaza stabilitatea sistemului si se scot in evidenta caracteristicile de robustete la erorile modelului, precum si complexitatea calculelor. Acest controler permite extensii adaptive care confera o imbunatatire substantiala a performantelor sistemului in prezenta incertitudinilor parametrice ale modelului robotului. Concluziile rezultate din analiza teoretica a acestor controlere sunt urmatoarele:

Controlerele cu cuplu calculat se bazeaza pe proprietatea de liniarizare prin reactie. Prin aceasta metoda se transforma sistemul neliniar intr-unul liniar, ceea ce permite acordarea parametrilor controlerului intr-o maniera simpla, fiind un avantaj al implementarii practice.

Versiunea adaptiva a metodei cuplului calculat necesita inversarea in timp real a matricei de masa estimate si masurarea acceleratiei sistemului. Metodele care evita masurarea acceleratiei sistemului folosesc mecanisme complicate de adaptare in combinatie cu semnale aditionale stabilizatoare.

Castigul proportional si derivativ efectiv depind de parametrii estimati si aceasta sugereaza ca metoda poate sa nu fie robusta.

Controlerele bazate pe modelul sistemului robot nu permit in general utilizarea directa. Mai precis, aceste controlere se bazeaza pe ipoteza ca intreg vectorul de stare este disponibil pentru reactie, pozitie si viteza. Aceasta ipoteza este dificil de a fi facuta in practica atat din motive tehnice, cat si economice iar renuntarea la echipamentul si senzorii de viteza este un deziderat atractiv.

In cadrul tezei s-a facut un studiu de simulare a performantelor controlerelor bazate pe modelul de referinta. Pentru analiza caracteristicilor metodelor de control pe baza modelului robot, simularile au fost realizate considerandu-se o structura mecanica rigida cu doua grade de libertate. La acest sistem s-au presupus necunoscute masa manipulata si parametrii cuplurilor de frecari vascoase si Coulomb. Rezultatele obtinute in simulare scot in evidenta urmatoarele:

Controlerele bazate pe modelul de referinta sunt superioare celor clasice de tip PD. Pentru sistemul studiat s-a obtinut o imbunatatire a indicelui de performanta utilizat de 2 pana la 10 ori. Performantele obtinute depind de acuratetea modelului folosit.

Controlerele adaptive depasesc in performante controlerele ne-adaptive corespunzatoare. Utilizand o lege de adaptare de tip gradient, s-a obtinut o imbunatatire cu un factor de cel putin 4. Aceasta imbunatatire se datoreaza sensibilitatii sistemului robot considerat la modificarea valorii masei manipulate.

Legea de adaptare directa de tip gradient este preferata adaptarii compuse bazate pe metoda celor mai mici patrate. Cele mai bune performante privind convergenta rapida a parametrilor s-au obtinut cu metoda de adaptare compusa, bazata pe cele mai mici patrate. Imbunatatirea performantelor nu este in masura a justifica efortul sporit de calcul si sensibilitatea la zgomote. In concluzie se considera o solutie preferabila utilizarea metodei de adaptare directe bazata pe gradient.

In ciuda avantajelor potentiale care pot fi obtinute cu metodele de control bazate pe modelul sistemului robot, in practica ele sunt evitate. Aceasta se datoreaza in special complexitatii calculului care intervine in implementarea controlerelor. Complexitatea calculului nu se mai justifica in conditiile in care echipamentele de procesare rapida a datelor pot oferi noi oportunitati in proiectarea sistemelor robot de inalta calitate sau a sistemelor mecatronice la preturi rezonabile.

In cadrul tezei s-au realizat studii privitoare la utilizarea unei retele neuronale artificiale ca si controler pentru manipulatoarele robotice. Controlerele neuronale sunt utilizate ca si compensatoare auxiliare care compenseaza orice incertitudine neliniara din dinamica robotului atunci cand sunt partial disponibile ecuatiile dinamicii robotului. Ca un element adaptiv neliniar, controlerul neuronal a realizat o compensare eficace in controlul pozitiei manipulatoarelor robotice. Pe baza strategiei de control on-line au fost propuse doua scheme principale de control: una este controlul auxiliar al carei compensator neuronal compenseaza la nivelul cuplului sau intrarii de control si cealalta este controlul invers al carui controler compenseaza la nivelul traiectoriei de referinta. Perfor­mantele celor doua scheme au fost comparate atunci cand s-a cerut ca cele doua coordonate generalizate ale manipulatorului robotic sa urmareasca o traiectorie sinusoidala. S-a observat ca schema controlului invers care compenseaza la nivelul traiectoriei de referinta lucreaza mai bine si este robusta la variatiile amplificarilor controlerului de reactie. Motivul performantelor mai bune ale compensarii la nivelul traiectoriei de referinta fata de compensarea la nivelul cuplului este acela ca marimea semnalului de intrare in retelele neuronale artificiale este mai mica. Performantele controlerului neuronal invers sunt comparabile cu cele ale controlerului cu cuplu calculat cu model cunoscut si cu cele ale controlerelor adaptive studiate.

Atunci cand nu se cunosc ecuatiile dinamicii robotului, retelele neuronale artificiale lucreaza de asemenea eficient cu un controler PD de reactie. Pentru a se realiza controlul pozitiei robotilor cu precizie, controlerul neuronal ce nu se bazeaza pe un model de referinta trebuie sa compenseze atat dinamica robotului cat si incertitudinile. Structura controlerului neuronal cu compensarea referintei este destul de robusta la variatiile factorilor de amplificare PD, avand performante bune de stabilitate, in timp ce structura neuronala cu invatarea erorii si controlerul de tip filtru sunt sensibile la factorii de amplificare.

Structurile neuronale de control propuse au avantaje fata de structura neuronala cu invatarea erorii, prin aceea ca compensarea este facuta in afara buclei de reactie, astfel incat pot fi implementate usor la nivelul planificarii traiectoriei, in afara unui controler existent, fara a trebui modificata structura interna a controlerului, asa cum cer celelalte structuri.

Un rezumat privitor la cercetarile realizate asupra controlului pozitiei manipulatoarelor robotice utilizand retele neuronale artificiale arata astfel:

abordarea bazata pe model

este cerut un model dinamic partial

au fost comparate metodele compensarii feedforward si feedback

a fost propusa o schema de control neuronal de tip filtru

a fost propusa tehnica compensarii referintei

structura de conducere cu compensarea referintei are cele mai bune performante precum si o implementare mai simpla

abordarea fara model de referinta

nu se cere modelul dinamic

au fost realizate studii comparative intre schema cu invatarea erorii si schema cu compen­sarea referintei

performantele schemei cu compensarea referintei au fost mai bune

schema cu compensarea referintei prezinta robustete la variatiile amplificarilor controlerului de reactie

Studiile privitoare la aplicarea retelelor neuronale artificiale la controlul ma­nipulatoarelor robotice au aratat ca retelele neuronale sunt un candidat bun pentru un controler neliniar.

Contributii originale ale lucrarii

Contributiile lucrarii sunt de ordin teoretic si aplicativ si se inscriu in linia unor preocupari care dateaza la nivel mondial incepand cu anii '90 (aplicarea teoriei retelelor neuronale artificiale in proiectarea controlerelor). Necesitatea evidentierii importantei practice a unor rezultate teoretice a condus la o prezentare sistematica la zi a cercetarilor din domeniul propus prin titlul tezei, continand in paralel si dezvoltarile sau generalizarile autorului. Contri­bu­tiile autorului la elaborarea tezei sunt urmatoarele:

Controlul pozitionarii unui robot real (RTX) utilizand retele neuronale artificiale.

Controlul cinematic diferential pentru robotul RTX, utilizand retele neuronale artificiale.

Controlul cinematic al robotului RTX pentru urmarirea unei traiectorii, utilizand retele neuronale artificiale.

Realizarea unui studiu comparativ intre algoritmii de instruire utilizati in cazul controlului cinematic al robotului RTX.

Realizarea unui studiu privind influenta parametrilor neuronali asupra performantelor in cazul controlului cinematic al robotului RTX.

Sinteza proprietatilor specifice modelului dinamic neliniar al sistemelor robot rigide.

Determinarea modelului dinamic al unui sistem robot cu doua grade de libertate, consideran­du-se masele corpurilor concentrate in articulatii si incluzandu-se elementele de actionare.

Analiza erorilor modelului prin liniarizarea ecuatiei dinamice neliniare a unui sistem robot cu doua grade de libertate.

Realizarea unui studiu teoretic comparativ al metodelor de control al sistemelor robot rigide pe baza modelului de referinta, urmarindu-se implicatiile practice ale implementarii acestora.

Analiza robustetei metodei de control pe baza cuplului calculat cand domeniul de variatie al parametrilor este presupus cunoscut.

Aplicarea metodei lui Middleton si Goodwin in cazul controlerelor adaptive bazate pe liniarizarea prin reactie, cu extragerea informatiei pentru adaptarea parametrilor din eroarea de predictie filtrata.

Realizarea unui studiu al stabilitatii si convergentei controlerelor neuronale pentru manipulatoarele robotice.

Propunerea unei structuri de control neuronal bazata pe modelul de referinta, de tip filtru.

Propunerea unei structuri de control neuronal bazata pe modelul de referinta, cu compensarea referintei.

Realizarea unui studiu comparativ intre metodele de control neuronal bazate pe modelul de referinta al manipulatorului robotic.

Realizarea unui studiu asupra influentelor parametrilor neuronali asupra performantelor de urmarire a traiectoriei dorite.

Realizarea unui studiu comparativ intre structura de control PD si structura de control PD cu compensare gravitationala.

Propunerea unor structuri de control neuronal cu compensarea referintei fara a se baza pe modelul de referinta.

Propunerea unor structuri de control neuronal de tip filtru fara model de referinta.

Realizarea unui studiu comparativ intre metodele de control neuronal fara a se baza pe modelul de referinta al manipulatorului robotic.

Realizarea programelor de simulare pentru urmatoarele cazuri de control al structurii sistemului robot cu doua grade de libertate:

Controler PD clasic

Controler PD cu compensare gravitationala

Controler cu cuplu calculat

Controler cu cuplu calculat adaptiv, cu lege de adaptare directa

Controler cu cuplu calculat adaptiv, cu lege de adaptare compusa

Controler neuronal feedforward

Controler neuronal feedback

Controler neuronal de tip filtru

Controler neuronal cu compensarea referintei

Valorificarea rezultatelor

Contributiile originale ale cercetarii realizate in domeniul sistemelor de conducere a robotilor utilizand retele neuronale artificiale au fost valorificate prin comunicarea acestora in cadrul unor manifestari stiintifice nationale si internationale. Aceasta activitate s-a concretizat in publicarea ca prim autor a 16 lucrari stiintifice la 11 conferinte stiintifice organizate in tara si la 5 conferinte stiintifice in strainatate. De asemenea, o parte din cercetari au fost incluse in cadrul contractelor cu Ministerul Educatiei si Cercetarii sau a contractelor cu Banca Mondiala.