學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73894
Browse
13 results
Search Results
Item 以PSO優化PID控制器參數設計應用於機械手臂之模糊模型(2024) 吳坤瑞; Wu, Kun-Jui本文使用 Denavit-Hartenberg (D-H) 約定推導六自由度機械手臂的運動模型，包括運動學與動力學。為了克服運動模型的高度非線性問題，我們透過了 T-S 模糊系統來建立非線性系統之線性化模型。並利用此線性化模型，我們可以通過平行分佈式 PID 控制器來控制機械手臂。根據連續軌跡的要求、各手臂的長度以及關節旋轉的角度限制，運動形式的設計需要擬合機器人手臂的運動模型。機械手臂系統中的 PID 控制器其參數係通過粒子群最佳化演算法（PSO）求得的。根據系統轉移函數，優化後的控制器參數可以在機械手臂運轉時抵抗系統的不確定性，使機械臂在運作時有能更高效且更平穩。利用 Matlab 中的 Simulink 對系統進行模擬，分析範圍包括定點跟踪和軌跡跟踪。與傳統的 PID 控制器相比，結果顯示所提出的控制器參數具有更小的穩定性誤差且有較佳的調和性與較小的振動，並依此參數操作機械手臂觀察手臂之運動情形，其結果為手臂運作很均勻無抖動現象。Item 應用自適應性類神經網路控制器於六軸機械手臂(2022) 吳孟謙; Wu, Meng-Chien本論文提出了一種基於神經網絡框架學習機制的六軸機械臂控制器設計。首先，我們從六軸機械臂的實際構造中得到訓練數據集。其次，神經網絡的訓練方法是基於自適應調整輸入層和隱藏層之間的權重值和誤差。第三，將訓練數據集作為神經網絡的輸入來訓練模型。最後，我們利用李雅普諾夫理論保證了六軸機械臂控制器設計的穩定性，並與PI控制器設計進行了比較。實現了六軸機械手臂動力學模型推導，以解決運動不穩定性問題。機械臂運動過程中時變不確定擾動引起的現象。詳細動力學模型是藉由Lagrange方程式所推導出來的，計算出六軸機械手臂動力學模型。透過動力學模型，進一步進行模擬驗證。控制器是以PD為基礎進行設計的，結合自適應徑向基函數神經網絡 (RBFNN)，經由隱藏層與輸出層之間的自適應調整，最終取得所需的輸出結果，再藉由Lyapunov 函數進行穩定性分析，證明整個系統的穩定性，最後實驗分析此控制器對六軸機械手臂的控制穩定性。Item 應用適應性類神經網路於機械手臂之追跡控制器設計(2020) 彭景詮; Peng, Jing-Quan本論文研究目的為使用類神經網路(Neural Network)估測機械手臂之未知系統參數，並使用適應性控制(Adaptive Control)作為類神經網路之權重值調變，使機械手臂在未知系統參數的情況下完成追跡。 在運動學方面使用D-H(Denavit-Hartenberg)座標系統定義並以此推導出正向運動學，在此定義基礎上使用Pieper’s Solution推導出機械手臂的逆向運動學，藉由順向與逆向運動學求出機械手臂末端點在空間中的三維座標與各軸馬達移動角度之間的關係。 在控制器設計上使用背推(Backstepping)方法設計，將系統分成一個非線性二階系統，設計一個虛擬控制器用以對抗系統未知項，並藉由穩定性分析在保證子系統穩定的狀況下設計該虛擬控制器的形式。對於未知系統參數與系統未知項使用類神經網路進行估測，並藉由適應控制的更新律對類神經網路之權重值做參數調變，藉由Lyapunov 函數與Barbalat引裡證明整個系統的穩定性，最後經由實驗驗證此控制器的性能。Item 雙軸機械手臂之適應性神經網路滑動模式控制(2013) 鄭百恩; Pei-En Cheng本研究之目的是針對機械手臂之循軌控制提出適應性神經網路滑動模式控制方法。於系統模型部份已知的情況下，運用極點配置法來設計標稱控制器指定機械手臂之理想動態，並透過滑動模式干擾估測器及適應性神經網路補償器將系統的不確定性及外部干擾予以補償，以實現指定的理想動態。 系統控制架構中之滑動模式干擾估測器用於提昇整體控制架構之初始性能，並對於未知的干擾給予快速有效的補償，以提升系統的強健性能。相對於適應性神經網路控制器透過自訂的適應性法則，將未知干擾建模於神經網路規則庫；當建模完成便可依據系統之狀態，查得目前的系統干擾，以達到即時的干擾補償，可進一步改善滑動模式干擾估測器補償的相位落後問題。 本文實驗平台方面，採用美國德州儀器公司(Texas Instruments Incorporated, TI)所生產之TMS320C6713 DSP搭配具FPGA之自製擴充子板為控制器核心。在FPGA方面，以硬體描述語言(VHDL)撰寫Encoder, ADC與DAC等週邊界面程式；在控制法則實現上，利用TI所提供的Code Composer Studio (CCS)發展環境，以C/C++撰寫控制器程式並下載到DSP上執行。藉由本實驗室自製的雙軸機器手臂實驗平台進行追圓軌跡控制，結果顯示能有效提升循軌的表現及降低循軌誤差。Item 機械手臂結合影像系統之控制(2012) 葉傅文; Fu-Wen Ye本論文的研究內容為使用機械手臂結合影像辨識系統，取得工作空間中目標物件之座標，以進行物件的抓取或移動。由於機械手臂在現實生活當中的應用存在許多變數，不同的任務下針對物件姿態所能容許的移動方式可能有所限制，例如移動盛水的杯子要避免傾倒的姿勢。一般過去的研究僅強調物件定位的精確度，而並未考慮機械手臂的姿態，有鑒於此，本控制系統會在執行物件的抓取時，依據任務之目的切換不同的控制策略，以符合正確的任務目的與物件擺放姿態。 若要將機械手臂整合影像系統並成功應用於實作，則必須依照工作空間內的變化做出即時的運算，本研究除了利用影像處理進行物件的輪廓與顏色判別外，還配合夾爪上的雷射光模組所投影的光點作為回饋進行定位。在本研究當中所使用的機械手臂具有六軸關節存在運動學冗餘度的問題，因此本研究之系統必須事先進行D-H座標系統的順向與逆向運動學分析，推算出三維空間卡式座標系統與機械手臂各關節馬達轉動角度之間的關係，如此一來才能實現快速、靈活與準確的控制。本研究最後成功建立一套通用的多軸機械手臂控制方法，能夠應用到各種類似配置的機械手臂上，透過影像處理分析攝影機接收到的資訊，以應付各種不同的環境下更加複雜的應用與操作。Item 多重智慧控制器應用於機械手臂定位(2013) 許哲勝本論文的主要目的是設計一個六軸機械手臂，並且實現高精密且高穩定之六軸機械手臂。並且在硬體架構、機械手臂之空間三維座標、機械手臂各關節轉動角度與定位追跡的控制作介紹。在空間座標轉換中，本研究使用了D-H 座標系統來運算，並且求得機械手臂中各軸關節之轉換矩陣，再藉由順向運動學與逆向運動學的理論求得機械手臂之空間三維座標與機械手臂各關節轉動角度之轉換關係，並且再藉由設計控制器完成定位控制與追跡控制。 在控制器設計方面，本論文也設計一個多重人工智慧控制器去控制此六軸機械手臂。在控制的過程中，系統會有外界的干擾與不穩定因素，因此本研究所使用之適應性模糊類神經網路控制器會藉由理想輸出位置與機械手臂實際位置之誤差的回授來調整控制器的內部參數，藉由控制器自行調整其內部參數，則可達到高精密與高穩定度的控制法則。最後也提出李阿普諾函式(Lyapunov function)來證明此控制機械手臂系統之穩定性。Item 智慧型移動式機械手臂之設計(2010) 林哲祺; Che-Chi, Lin在現今科技產業日新月異的時代，機械手臂廣泛應用在工業自動化、微創手術、複雜且精密的產品生產、甚至替人類執行危險的任務，對人類的生活中帶來有極大的便利性，並且充滿著廣大的商機。 本論文研究之目的是設計擁有多個自由度的機械手臂搭配移動裝置，實現機械手臂能夠真正用在生活上的服務以及工作任務的執行。整個系統結合了影像處理技術，利用攝影機擷取到的影像來加以辨識後，將結果傳給控制器命令機械手臂執行相對應之動作。本研究主題並非是重覆執行同一件任務的傳統工業手臂，而是隨機判斷物體而執行任務，故必須額外推導順、逆向運動學用來處理物體在空間座標轉換到手臂轉軸角度的調配，產生運動軌跡並使用馬達致動器來進行物體夾取，以達到預先設定之任務，並且考慮到機械手臂展示時需要有優良的姿態協調去執行動作，讓機器人展示時更為生動活潑，祈使在人類未來的生活中，機械手臂的物體夾取系統能夠朝向更為複雜與高彈性的日常生活環境中。Item 應用強健性重複滑動模型控制於機械手臂定位追跡控制器設計(2015) 張煒騰; Wei-Tang Chang本研究利用非線性控制理論實現重複控制結合滑動模型控制於非線性系統之四軸機械手臂上，使得輸出的追跡效能具有較高精度，且在外部干擾訊號以及系統未知項影響下有較佳的強健性。 機械手臂精密運動控制在實際的應用上經常面對不同型態的負載，如不可預測的外部干擾訊號、系統未知項(System Uncertainty)，或是系統模型自身的影響：重力、柯氏力、慣性力等等，在不同型態的負載影響下使得系統輸出效能的精準度與穩定性受到影響。為了有效提高系統的輸出效能，必須對外部干擾訊號以及系統未知項的影響加以抑制。本研究致力於機械手臂的精密運動控制。其中滑動模型控制設計用來消除外部干擾訊號以及系統模型的影響，增加系統的強健性。結合重複控制抑制系統未知項的影響，即使系統包含未知項依然能夠達成追跡控制。Item 應用可變步長適應滑模結合指數律演算法於機械手臂追跡之控制器設計(2015) 楊智翔; Zhi-Xiang Yang本研究主要在於結合指數律(exponential law, EL)於可變步長適應滑模控制器(variable step size adaptive sliding mode controller, VSSASMC)並應用於機械手臂的追跡。在設計控制器時考慮到機械手臂的不確定量與外界干擾，於是本研究選擇具有良好強健性的滑動模式控制器為主控制器。而滑動模式控制中有一設計參數為切換增益(switching gain)，此參數必須大於系統的干擾和不確定量的上界(upper bound)，但是通常我們並無法直接知道上界值只能通過重覆測試調整。為了使系統能夠應付未知邊界的不確定量與干擾，本研究加入適應控制調整滑動模式中的上界參數，使控制器能應付多變的情況。 而適應控制本身則會使系統響應變慢，因此引入了指數律使系統更快收斂。而指數律不只可以與滑動模式控制結合達到減小跳切現象的效果；同時也能和適應控制結合成可變步長適應控制，使適應律的步長依誤差而調整。並且通過Lyapunov函數及Barbalat引理證明系統穩定性。最後經由實驗驗證此控制器的性能。Item 雙軸機械手臂之平順控制(2014) 林益頤; Yi-Yi, Lin本論文研究主旨為將各種平順控制方法應用於雙軸機械手臂之定位。雙軸機械手臂為耦合的非線性系統，在此我們使用計算力矩控制(Computed Torque Control)方法將其解耦為線性系統之後，再設計各種時間最佳化平順控制器。 研究動機是因為機械系統中若急動度(即，加速度對時間的微分量)太大常常會對系統造成不好的影響。基於此點，本論文限制雙軸機械手臂的最大急動度，設計急動度限制下時間最佳化控制(Jerk-Constrained Time-Optimal Control, JCTOC)；此外，更進一步限制痙攣度，其為急動度的再一次微分量，設計痙攣度限制下時間最佳化控制(Snap-Constrained Time-Optimal Control, SCTOC)。 在實作上，本研究將平順控制法則實現於雙軸機械手臂，使用的實驗平台核心控制器為DSP搭配具可程式陣列閘(FPGA)之實驗室自製擴充子板，FPGA方面使用VHDL規劃週邊界面，而DSP方面使用C語言實現各種控制法則。實驗結果顯示，藉由限制住受控體輸出之高階微分量，雙軸機械手臂在定位時能擁有平順的響應，且相較於傳統的線性控制器能達到更短的安定時間。