Введение 3
Глава 1. Моделирование простейшего манипулятора 5
1.1. Постановка задачи и цели 5
1.2. Моделирование движения 5
1.2.1. Геометрия манипулятора 5
1.2.2. Прямая задача кинематики 7
1.2.3. Составление уравнений динамики 8
1.3. Синтез управления 9
1.3.1. ПИД-регулятор 9
1.4. Нейроупавление 11
1.4.1. Устройство нейронной сети 11
1.4.2. Настройка параметров ПИД-регулятора с помощью нейронной сети 14
1.5. Сравнение результатов 15
1.5.1. Классический ПИД-регулятор без адаптации 15
1.5.2. Настройка параметров ПИД с помощью нейронной сети 16
1.6. Вывод 17
Глава 2. Моделирование движения 7-ми звенного манипулятора .... 18
2.1. Постановка задачи 18
2.2. Геометрия манипулятора 18
2.3. Уравнения динамики 20
2.3.1. Рекурсивные уравнения Ньютона-Эйлера 20
2.4. Планирование траектории 22
2.5. Управление по силе 23
2.6. Программная реализация и визуализация 24
2.6.1. Описание основных элементов программы 24
2.6.2. Использованные инструменты 24
2.7. Вывод 25
Заключение 26
Приложение A: Пример кода обработки изображения 27
Приложение B: Пример кода реализации управления движения 29
Приложение C: Составление уравнений динамики 33
Список литературы 36
Купить

В современном мире сфера применения роботов манипуляторов расширяется. Их можно встретить не только на различных линиях производства, но и при работе на опасных объектах или в опасных для человека местах. В связи с этим, разработка и модификация автоматического управления для робототехнических систем, к которым также относятся манипуляторы, актуальна на сегодняшний день.
Работа с робототехническими манипуляторами начинается с описания геометрии. Для описания геометрии будем использовать параметры Денавита-Хартенберга. [1]
В данной работе рассмотрен вопрос моделирования движения робота манипулятора. Моделирование движения разделяется на построение математической модели кинематики и динамики робота. Для моделирования кинематики строится последовательность матриц однородных преобразований, благодаря которой решается прямая задача кинематики для рабочей точки схвата. Задача динамики решается с помощью составления систем дифференциальных уравнений движения в форме Лагранжа-Эйлера [2].
При моделировании динамики предполагаются допущения, такие как идеальность сочленений в шарнирах, неподвижность первой вращающейся опоры, которая позволяет рассматривать 3-х звенный манипулятор, как 2-звенный, плоский манипулятор. В дальнейшем, от этого допущения можно будет отказаться
Решение таких систем аналитически довольно трудоёмко, а зачастую вовсе невозможно, поэтому моделирование было проведено численно [3]. Такой подход в данной работе позволяет решать более широкий класс задач. Например, численно можно без особо труда с заданной точностью решить систему нелинейных дифференциальных уравнений, которыми как раз описывается движение.
С математической точки зрения выбор оптимального управления - это решение задачи оптимизации [4]. Одним из классических способов решения задачи синтеза управления, является создание ПИД-регулятора и его настройка для конкретной системы [1]. Также в настоящее время в теории оптимизации широкое применение находят методы машинного обучения, в частности нейронные сети, которые также можно использовать в задачи синтеза управления.
Есть два основных подхода в применении алгоритмов машинного обучения в задачах построения управления: прямой подход и косвенный. Прямой подход заключается в том, что сам регулятор представляет собой нейронные сеть. Косвенный подход состоит в использовании нейронных сетей для исправления шумов сигналов или для настройки параметров классических регуляторов, например, ПИД-регулятора. В данной работе рассматривается второй вариант применения нейроныых сетей.
Главная задача данной работы — выяснить, для каких задач робототехники можно применить нейронные сети. А также выяснить, являются они более эффективными стандартных методов или нет, и по каким аспектам.

Купить