کنترل کننده مدلغزشی مبتنی بر شبکه عصبی چبیشف برای بازوی رباتیک ماهر

در این مقاله، طرح کنترلی مدلغزشی مقاوم مبتنی بر شبکه عصبی چبیشف برای کنترل موقعیت بازویرباتیک ماهر پیشنهاد شده است. سیستم بازوی رباتیک ماهر، یک سیستم غیرخطی جذاب می باشد که درصنایع مختلف پزشکی، نفت وگاز، خودروسازی، خدماتی، تولیدی و بسیاری دیگر از صنایع کاربرد دارد.نامعینی های موجود در دینامیک سیستم، نویز و اغتشاش های خارجی وارده بر سیستم، از چالش های عمدهطراحی کنترل کننده برای سیستم های غیرخطی بازوی رباتیک ماهر به حساب می آیند. با استفاده از قابلیتتخمین شبکه عصبی چبیشف نوع دوم، دینامیک بازوی رباتیک ماهر تخمین زده می شود. فرآیند یادگیریشبکه عصبی مصنوعی با آموزش و تنظیم مکرر وزن ها حاصل می گردد. با استفاده از الگوریتم گرادیاننزولی، وزن های شبکه عصبی چبیشف بهینه سازی می شوند. یکی از مزیت های طرح کنترلی پیشنهادی عدمنیاز به دانش مدل دینامیکی بازوی رباتیک ماهر میباشد. الگوریتم آموزش شبکه عصبی چبیشف بهصورتآنلاین خواهد بود و قادر به سازگاری سریع با تغییرات غیرخطی سیستم می باشد. از دیگر مزیت های طرحکنترلی پیشنهادی میتوان به استحکام در برابر تغییرات پارامترها، نویز و اغتشاش های وارد بر سیستماشاره نمود. با استفاده از تئوری لیاپانوف، پایداری سیستم حلقه بسته بازوی رباتیک ماهر تضمین می گرددو برای بررسی رفتار کنترل کننده پیشنهادی و مقایسه آن با سایر کنترل کننده ها، مدل دینامیکی بازویرباتیک ماهر در نرم افزار متلب شبیه سازی می شود و کارآمدی سیستم کنترل کننده پیشنهادی در کنترلبهینه سیستم بازوی رباتیک ماهر مورد بحثوبررسی قرار می گیرد.