Mejorando la Precisión de un Robot mediante el Uso de Redes Neuronales (Compensadores Neurales y Dinámicas No Lineales)
Autores: Yan, Zhengjie; Klochkov, Yury; Xi, Lin
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Mejorando la Precisión de un Robot mediante el Uso de Redes Neuronales (Compensadores Neurales y Dinámicas No Lineales)
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Sistema de control
Manipulador robótico
Red neuronal
MATLAB
Estabilidad
Tasa de respuesta
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
El tema de este artículo es un sistema de control programable para un manipulador robótico. Considerando la compleja dinámica no lineal involucrada en las aplicaciones prácticas de sistemas y brazos robóticos, el método de control tradicional es reemplazado aquí por la red neuronal de función de base radial adaptativa Elma diseñada, mejorando así la estabilidad y la tasa de respuesta del sistema. Se desarrollaron y entrenaron controladores y compensadores relacionados utilizando software relacionado con MATLAB. Se presentan los resultados del entrenamiento de los dos controladores de red neuronal para las trayectorias de programación del robot y se analizan los errores dinámicos de los diferentes tipos de controladores de red neuronal y dos métodos de control.
Descripción
El tema de este artículo es un sistema de control programable para un manipulador robótico. Considerando la compleja dinámica no lineal involucrada en las aplicaciones prácticas de sistemas y brazos robóticos, el método de control tradicional es reemplazado aquí por la red neuronal de función de base radial adaptativa Elma diseñada, mejorando así la estabilidad y la tasa de respuesta del sistema. Se desarrollaron y entrenaron controladores y compensadores relacionados utilizando software relacionado con MATLAB. Se presentan los resultados del entrenamiento de los dos controladores de red neuronal para las trayectorias de programación del robot y se analizan los errores dinámicos de los diferentes tipos de controladores de red neuronal y dos métodos de control.