لت سیستم) ………. 82
شکل (6-25): نتایج پیاده سازی کنترل کننده عصبی- فازی با آرایش یکنواخت توابع گوسین با ساختار دوم (با آموزش عاطفی مراکز دسته تالی و پارامتر های گوسین و و ژاکوبین بر اساس مدل شبکه عصبی سیستم) ……. 82
جدول (6-2): نتایج شبیه سازی و پیاده سازی کنترل کننده عصبی- فازی …………………………………………………. 83
1-1- مقدمه
در سال های اخیر، حوزه روباتیک سیر تکاملی را آغاز کرده است که مبتنی بر نیازهای کاربران می باشد. تقاضای صنعت برای زمانهای پاسخ سریعتر و مصرف انرژی کمتر، طراحان روبات را بر آن داشته تا اصلاحات بنیادی را در طراحی بازوهای روبات صورت دهند. با کاربرد مواد سبک وزن تر و بازسازی پیکربندی فیزیکی روبات، بازوها به مرور بلندتر و نازکتر شدند و اهداف آنها مبنی بر سرعت بالا، شتاب گیری سریع و مصرف انرژی کمتر تحقق یافت. این بازوهای انعطاف پذیر حوزه تحقیقاتی کاملا جدیدی را در زمینه طراحی و کنترل بازوی ربات با درجه دقت قابل قبول گشوده اند ]1[.
برای بازوی روباتیک صلب، کنترل مسیر نوک دست، معادل کنترل محرک حالت صلب (انعطاف ناپذیر) است. اما برای کنترل مطلوب بازوی انعطاف پذیر، کنترل مطمئن تری از حالات انعطاف ناپذیر لازم است تا ارتعاشات اجتناب ناپذیر و بدون محدودیت در آن مد نظر قرار گیرند. در نتیجه، ردگیری دقیق روبات با بازوی انعطاف پذیر مسئله ای بحث برانگیز شناخته می شود. این را هم باید در نظر گرفت که همواره صلبیت بازوها، یک فرض ایده آل است و با افزایش نسبت بار به وزن بازو، سرعت حرکت و پهنای باند کنترل ممکن است از این صلبیت کاسته شود ]15[.
این درست است که این بازوها به علت سبک بودن و کاهش اینرسی دارای عملکرد سریع تری نسبت به بازوهای صلب هستند و به گشتاور کمتری برای حرکت نیاز دارند و این خود باعث کاهش مصرف انرزی الکتریکی می شود و اقتصادی تر است ]1[. ولی از دیدگاه مدلسازی، طبیعت توزیع یافته دینامیک این بازوها واستعداد طبیعی انعطاف پذیری، امکان اینکه بتوان مدل دقیقی با بعد معین بدست آورد، را غیر ممکن می سازد و علاوه بر این به علت ایجاد نوسانات ناشی از کاهش صلبیت در حرکت، کنترل دقیق مسیر حرکت بسیار مشکل می شود ]3[.

1-2- ویژگی های مدل سیستم
از دیدگاه مدلسازی، طبیعت توزیع یافته دینامیک این بازوها واستعداد طبیعی انعطاف پذیری ساختمان، امکان اینکه بتوان مدل دقیقی با بعد معین بدست آورد، را غیر ممکن می سازد. در نتیجه مدلی غیرخطی، متغیر با زمان و با مرتبه بالا ( از نظر تئوری بی نهایت ) خواهیم داشت ]3[.
علاوه بر این، به علت ناهم خوانی موقعیت سنسورها و محرکها (ورودی ها و خروجی ها)، چنانچه مستقیما موقعیت انتهای بازو را به عنوان خروجی بگیریم، منجر به کنترل غیر متمرکز1 و رفتار دینامیک غیر مینیمم فاز خواهد شد. به عبارت دیگر، تابع تبدیل حلقه باز سیستم از محل اعمال گشتاور در مفصل تا موقعیت انتهای بازو، صفر های ناپایدار خواهد داشت.این ویژگی تا وقتی که بهره پایداری حلقه بسته مد نظر باشد، محدودیت های شدیدی را بر طراحی کنترل کننده تحمیل می کند ]3[.
از اینها گذشته، به علت کمتر بودن تعداد محرکها نسبت به درجات آزادی سیستم، سیستم کنترل زیر فعال2 خواهد بود که خود محدودیت های زیادی را بر آنچه که از طریق کنترل کردن می توان به آن دست یافت، ایجاد می کند. زیرا با تنها یک ورودی باید بتوانیم جابجایی زاویه ای بازو را به نحوی کنترل کنیم که میزان نوسانات انتهای بازو میرا شود ]3[.

1-3- چرا کنترل هوشمند
سیستم های مکانیکی که به صورت نرم افزاری شبیه سازی شده اند، معمولاً ویژگی های اجزای صلب را نشان می دهند، در حالی که، در واقعیت محرکها، بازوها و مفصل ها، به دلیل اینکه صلب مطلق نیستند، نسبت به آنچه که به صورت تئوری بدست می آید، تاحدودی کاهش در عملکرد کنترل را نشان می دهند. استفاده از یک سیستم کنترل خاص ، یکی از راه های حل این مشکل است ]5[.
از طرفی، توصیف دقیق دینامیک یک سیستم غیر صلب، به خاطر ویژگی خاص مدل سیستم، مثل غیر خطی بودن، مرتبه بالا و متغیر با زمان بودن معادلات مدل سیستم ، کار بسیار پیچیده ای است ]5[.
مدل های تخمین زده شده توسط روش های معمول ریاضی مثل معادلات دیفرانسیلی نیوتن-اویلر یا لاگرانژ-اویلر، نیاز به ظرفیت محاسباتی بالا و اطلاعات از پیش تعیین شده در مورد پارامترهای سیستم دارد که استفاده کاربردی از آنها را در سیستم های کنترل محدود می کند. بنابراین وجود نا معینی های دینامیک سیستم، مهمترین فاکتوری است که استفاده از روش های کنترل کلاسیک را برای تحلیل سیستم های کنترل غیر صلب نامناسب می کند ]5[.
در طول سال های زیادی، مهندسان کنترل کلاسیک با مدل های ریاضی کار می کردند و اطلاعات بیشتری از سیستم بدست نمی آوردند. اما امروزه مهندسان کنترل علاوه بر اینکه از تمام مراجع اطلاعات کلاسیک استفاده می کنند، از کنترل کننده های غیر کلاسیک، از جمله کنترل کننده هوشمند نیز که به عنوان یک کنترل کننده آزاد از مدل3 شناخته می شود، استفاده می کنند. از داده های عددی (ورودی/خروجی) و/ یا اطلاعات فرد خبره به عنوان یک مدل تخمینی استفاده می کنند و کنترل کننده ای براساس قانون اگر-آنگاه4 فازی و یا بر اساس شبکه عصبی با گره هایی در چند لایه طراحی می کنند ]6[.
تحلیل مقالاتی که به کنترل سیستم های انعطاف پذیر با روش های هوشمند از طریق شبکه عصبی پرداخته اند ، نشان از نتیجه مطلوب کنترل کننده های عصبی با آموزش بهنگام5، برای غلبه بر مشکل نامعینی و وابسته به زمان بودن دینامیک سیستم ، دارد. نگاشت غیرخطی، طبیعت تطبیقی6 و توانایی برخورد با عدم قطعیت ها، در شبکه های عصبی آنها را ابزار توانمندی برای کنترل بازوی انعطاف پذیر ساخته است ]4[.
استفاده کاربردی از تئوری مجموعه های فازی در کنترل سازه های انعطاف پذیر نیز روز به روز علاقمندان بیشتری پیدا می کند. کنترل کنندههای فازی، بستری ساده و مقاوم7 برای ایجاد قوانین کنترلی غیرخطی می باشند که توانایی اصلاح نامعینی و بی دقتی را هم دارند. چنانچه توصیف زبانی8 از کنترل موجود باشد یا بتوان ایجاد کرد، کنترل کننده های فازی می توانند بدون مدل ریاضی سیستم طراحی شوند و پیاده سازی براساس توصیف زبانی هم به صورت تئوری و هم به صورت عملی ممکن است. بنابراین منطق فازی می تواند ابزار مناسبی برای کنترل سیستم هایی مانند بازوی انعطاف پذیر باشد که مدل ریاضی دقیقی ندارند ]8[.
در کنار این ها کنترل فازی تطبیقی یا کنترل عصبی- فازی نیز مطرح می شود که بنای کار در این پایان نامه می باشد. کنترل عصبی- فازی علاوه بر داشتن مزایای کنترل فازی به عنوان یک کنترل قانونمند و مقاوم، از مزیت تطبیقی بودن شبکه های عصبی هم بهره می برد و می تواند به صورت بهنگام خود را با نا معینی ها و تغییرات نقطه کار سیستم بازوی انعطاف پذیر Quanser تطبیق دهد. علاوه بر این میزان حساسیت به شرایط اولیه نیز کاهش می یابد که این امر در پیاده سازی کنترل کننده روی سیستم Quanser بیشتر خود را نشان می دهد.

1-4- کاربردها
بازوی انعطاف پذیر کاربرد های بسیاری در صنعت دارد، چرا که آنچه در صنعت اهمیت زیادی دارد، صرفه اقتصادی است. این بازوها اگرچه ممکن است هزینه بیشتری در مرحله طراحی و کنترل داشته باشند، اما میزان انرژی مصرفی آنها در دراز مدت بسیار کمتر است. نمونه این تجهیزات را می توان در ربات هایی که برای مونتاژ قطعات استفاده می شوند، در معدن ها و در مناطق قابل انفجار ]8[ دید.
کاربرد مهم دیگر این بازوها در تجهیزات فضایی با ابعاد بسیار بزرگ است. آنچه در تجهیزات فضایی مورد توجه است، این است که ابزار بتواند با ذخیره انرژی مشخصی مدت زمان بیشتری به کار خود ادامه دهد، بنابراین سعی بر استفاده از تجهیزاتی است که سبکتر باشند. نمونه بارز آن Canadarm است که یک بازوی انعطاف پذیر 15.2 متری با قطر 0.38 متر و وزن 410 کیلوگرم در جاذبه زمین است.
علاوه براینها کاربرد هایی هم در تجهیزات عمرانی از جمله درطراحی و ساخت سیستم کنترل پل های متحرک و جرثقیل های بلند9 ]8[ دارد.

1-5- مروری بر کارهای انجام شده در زمینه کنترل هوشمند بازوی انعطاف پذیر
در این قسمت سعی داریم به مروری کلی بر کارهای انجام شده در طراحی کنترل کننده های هوشمند برای بازوی انعطاف پذیر بپردازیم. با توجه به گستردگی و تنوع کارهای انجام شده در این زمینه، قصد داریم کنترل کننده های طراحی شده را به دو قسمت عمده کنترل کننده های عصبی و فازی دسته بندی نمائیم.
در زمینه کنترل کننده های عصبی، دو طرح کنترلی در سال های 2001 و 2002 مطرح شد. یکی بر اساس بازتعریف خروجی10 و دیگری بر اساس مدل دینامیک معکوس11 می باشد. تنها در این دو تحقیق کنترل کننده های پیشنهادی به صورت عملی پیاده سازی شده اند.
در زمینه کنترل فازی، عمده کارها در سال های 2001 و سال های بعد از آن به کنترل کننده های فازی توزیع یافته12 پرداخته اند. در سال های 2005 و 2006، توجه بیشتری به مقایسه ساختارهای مختلف کنترل کننده های فازی توزیع یافته شد. کارهای انجام شده در این زمینه، به صورت شبیه سازی بوده و به صورت عملی پیاده سازی نشده اند.
1-5-1- کنترل کننده عصبی بر اساس بازتعریف خروجی ]4[
در این تحقیق، دو ساختار کنترلی بر پایه شبکه عصبی با روش آموزش خطای پسخور13 برای کنترل بازوی انعطاف پذیر، که پیش از آن مطرح شده بودند، به صورت اولیه و اصلاح شده، ارائه شده اند. در ساختارهای کنترلی در این مرجع فرض می شود که اطلاعات اولیه درباره دینامیک سیستم وجود ندارد.
در هر دو روش، سیگنال خطا