Điều khiển robot dạng chuỗi sử dụng mạng nơ-ron nhân tạo

Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8

ĐIỀU KHIỂN ROBOT DẠNG CHUỖI SỬ DỤNG MẠNG
NƠ-RON NHÂN TẠO
Trần Văn Hải
Trường Đại học Thủy lợi, email:

1. TỔNG QUAN

1.1. Đặt vấn đề
Robot ngày càng được ứng dụng rộng rãi
trong cơng nghiệp, đời sống và an ninh quốc
phịng. Robot ngày càng thơng minh và địi
hỏi phải có các phương pháp điều khiển hiện
đại để đáp ứng cho đa dạng ứng dụng. Điều
khiển robot đang còn nhiều vấn đề cần giải
quyết do độ phức tạp , tính phi tuyến và độ
bất định của các hệ phương trình động lực và
động học của robot gây nên. Trong thực tế,
chúng ta rất khó để xác định chính xác về
động lực học của robot. Tuy nhiên, mơ hình
động lực học gần đúng của robot có thể tính
được. Tính khả thi điều khiển của mơ hình đã
được chứng minh. Vì vậy, việc dự đốn về
động lực học robot nên được sử dụng một
cách hợp lý chứ khơng nên loại bỏ hồn tồn.
Gần đây, một thuật tốn điều khiển thích nghi
sử dụng mạng nơ-ron nhân tạo đã được đề
xuất. Phương pháp này dựa trên mạng phản
hồi vịng kín và tăng cường q trình học
tương tự như cách hoạt động của mạng nơron não bộ con người.

1.2. Não bộ con người
Não bộ của con người bao gồm một hệ
thống vô cùng phức tạp các phần tử được gọi
là nơ-ron thần kinh ghép nối với nhau. Tổng
cộng trong một hệ thống thần kinh của con
người có khoảng 1012 − 1014 nơ-ron. Các nơron này hoạt động với tần số tương đối thấp.
Nếu như các IC hiện nay có tần số làm việc
đạt tới GHz (109 Hz) thì các nơ-ron của con
người chỉ hoạt động ở cỡ kHz(103 Hz). Với
tần số làm việc thấp như vậy nhưng bộ não

đã tăng tốc độ xử lý bằng việc sử dụng song
song một số lương nơ-ron rất lớn cũng như
số lượng ghép nối khổng lồ giữa những
nơ-ron này.

Hình 1. Cấu trúc nơ- ron
1.3. Mạng Nơ-ron nhân tạo
Một trong những nghiên cứu đầu tiên đưa
ra được mơ hình tốn học cho nơ-ron là
McCulloch và Pitts vào năm 1943 [1]. Từ đó
ta có mơ hình của nơ-ron bao gồm ba thành
phần cơ bản: Hệ thống các ghép nối thần
kinh, bộ cộng, hàm kích hoạt (activation
function).

243

Hình 2. Mơ hình tốn học nơ-ron nhân tạo

Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8

2. ĐIỀU KHIỂN RO–BOT DẠNG
CHUỖI SỬ DỤNG MẠNG NƠ-RON
NHÂN TẠO

2.1. Bộ điều khiển
Xét một robot n khâu có phương trình
động lực học như sau:
 + C (q , q )q + g (q ) = τ + d
M (q )q
(1)
Trong đó:
M(q) : R nxn là ma trận qn tính.
C(q,q ) : R nxn là ma trận Coriolis và lực
ly tâm.
g(q) : R nx1 là thành phần gia tốc trọng trường.
q = [ q1 , q2 ,....., qn ] R nx1 là tọa độ suy rộng
T

q = [ q1 , q2 ,....., qn ] R nx1 là vận tốc suy rộng
T

 = [ q1 , q2 ,....., qn ] R nx1 là gia tốc suy rộng
q
T

τ = [τ 1 ,τ 2 ,...,τ n ] R nx1 là mômen tác động
lên các khâu.

d : R nx1 là thành phần lực ma sát và nhiễu
tác động lên các khâu của robot.
Tuy nhiên, trên thực tế, việc xây dựng
một mơ hình robot hồn hảo là rất khó đồng
thời ln tồn tại rất nhiều loại nhiễu. Thơng
thường, ta chỉ có thể có một mơ hình robot
danh nghĩa. Giả thiết mơ hình danh nghĩa
của robot được mô tả bởi các thông số:

⎡α 2 0 ⎤
⎡ 2α 0 ⎤
,kv = ⎢
kp = ⎢
⎥ ,α > 0.
2⎥
⎣ 0 2α ⎦
⎣0 α ⎦
Trừ (2) cho (1) ta có hệ thống vịng kín
như sau:

e + k ve + k pe = 0
(3)

Trong đó: qd là biến đặt ( quỹ đạo mong
muốn), e = q − q d , e = q − q d là các sai lệch về
vị trí và vận tốc thực tế so với vị trí và vận
tốc mong muốn.
Mục đích là để thiết kế một bộ điều khiển
ổn định dựa trên mơ hình robot danh nghĩa.
Tuy nhiên trong kỹ thuật thực tế, hàm f (⋅)

luôn khơng thể biết chính xác được. Vì vậy,
chúng ta phải ước tính f (⋅) và bù cho nó.
Trong phần này, tác giả sử dụng mạng nơ-ron
RBF để ước lượng và bù cho hàm f (⋅) .
2.2. Mạng nơ-ron xấp xỉ RBF

T

⋅

M 0 (q), C0 (q, q), G0 (q) và các giá trị bất định
là: ΔM = M0 − M, ΔC = C0 − C, Δg = g0 − g .
Khi đó cơng thức (1) có dạng:
 + (C 0 (q, q ) − ΔC)q + g 0 (q )
( M 0 (q ) − Δ M ) q
−Δg (q ) = τ + d

3. KẾT QUẢ NGHIÊN CỨU

Do quy thời gian không nhiều nên tác giả
tập trung vào việc xây dựng luật điều khiển
đối với ro-bot dạng chuỗi có 2 khâu.

Hay:

 + C 0 (q , q )q + g 0 (q ) = τ + f (q , q , q
)
M 0 (q )q

) = ΔMq

 + ΔCq + Δg + d
=> f (q, q , q

Do đó, nếu mơ hình danh nghĩa được sử
dụng để thiết kế mơ-men điều khiển và hàm
f (⋅) là một biến, chúng ta có thể thiết kế luật
điều khiển như sau:
 d − k ve − k pe) + C0 (q, q )q + g 0 (q) − f (⋅)
τ = M 0 (q)(q

(2)
Trong đó:

Thuật tốn của mạng nơ-ron RBF là:
hi = g (|| x − ci ||2 / bi2 ), i = 1, 2,..., n
(4)
T
y = w h( x )
(5)
Trong đó: x là vectơ đầu vào, y là vectơ
đầu ra.
h = [h1 , h2 ,..., hn ]T là đầu ra của hàm Gauss
w là hàm trọng số liên kết.
Cho một hằng số dương rất nhỏ ε 0 và một
hàm liên tục f (⋅) ; Ở đó tồn tại một vector
trọng lượng w * sao cho đầu ra của mạng
RBF thỏa mãn :
max || f (⋅) − fˆ * (⋅) ||≤ ε 0

3.1. Thiết lập phương trình vi phân

chuyển động

Hai phương pháp cơ học hay được sử dụng
để nghiên cứu động lực học robot là Phương
pháp Newton-Euler và Phương pháp Lagrange.
Dựa theo tài liệu [4], trong bài báo này tác
giả sẽ giới hạn chỉ trình bày Phương pháp
Lagrange.

244


Tuyển tập Hội nghị Khoa học thường niên năm 2019. ISBN: 978-604-82-2981-8

tốn khá phức tạp. Đặc biệt là việc tính tốn
ma trận qn tính và Coriolis C. Vì vậy
người ta đã thiết lập nhiều phần mềm tính
tốn động lực học của hệ nhiều vật nói chung
và của robot nói riêng. Trong đề tài này, tác
giả sử dụng phần mềm Matlab. Khi đó
phương trình vi phân của robot có dạng:
 + C (q, q )q + g (q ) = τ + d
(1)
M (q )q
Trong đó :
⎡ v + q01 + 2γ cos( q2 ) q01 + 2 q02 cos( q2 ) ⎤
M (q ) = ⎢
⎥
q01
⎣ q01 + 2 q02 cos( q2 )

⎦
⋅
⋅
⋅
⎡
⎤
− q q sin(q2 ) − q02 (q2 + q1 )sin(q2 ) ⎥
C(q, q ) = ⎢ 02 ⋅ 2
⎢
⎥
0
⎣ q02 q1 sin(q2 )
⎦

Hình 3. Robot phẳng 2 khâu
Khâu

αi-1

ai-1

di

θi

1

0

0

0

q1

2

0

l1

0

q2

⎡15cos q1 + 8.75 g cos( q1 + q2 ) ⎤
g (q ) = ⎢
⎥
8.75 g cos( q1 + q2 )
⎣
⎦

Hình 4. Bảng thơng số Craig

Việc áp dụng các phương trình Lagrange
loại hai thiết lập phương trình vi phân chuyển
động của robot khơng gian nói chung là bài

τ = [τ 1 ,τ 2 ]

T

3.2. Kết quả mơ phỏng số

Hình 5. Vị trí khâu 1 và khâu 2

Hình 6. vận tốc khâu 1 và khâu 2

4. KẾT LUẬN

5. TÀI LIỆU THAM KHẢO

Trong bài báo này tác giả trình bày một số
vấn đề cơ sở của điều khiển robot sử dụng
mạng nơ-ron như sau:
- Mơ hình tốn học của mạng nơ-ron
nhân tạo.
- Phương trình Lagrange loại 2 và áp dụng
vào động lực học robot.
- Điều khiển robot dạng chuỗi sử dụng
mạng nơ-ron nhân tạo.
- Đối với các robot mà mơ hình động lực
học có nhiều biến động (lực ma sát chưa biết,
nhiễu của mơi trường,v.v….) thì sử dụng các
bộ điều khiển sử dụng mạng nơ-ron có nhiều
ưu điểm.

[1] Trần Hồi Linh (2014), Mạng nơ-ron và
ứng dụng trong xử lý tín hiệu, NXB Bách
khoa Hà Nội.

[2] Phạm Thượng Cát (2009), Một số phương
pháp điều khiển hiện đại cho robot công
nghiệp, NXB Thái Nguyên.
[3] Phạm Hữu Đức Dục (2009), Mạng nơ-ron
và ứng dụng trong điều khiển tự động, NXB
Khoa học và Kỹ thuật Hà Nội
[4] Nguyễn Văn Khang, Chu Anh Mỳ (2011),
Cơ sở robot công nghiệp, NXB Giáo dục
Việt Nam.

245