Методика построения гибридной нейросистемы реального времени для решения обратной задачи кинематики избыточного манипулятора
Аннотация
Рассмотрено решение обратной задачи кинематики (ОЗК) с помощью нейронных сетей. Представлен синтез системы управления для многозвенного избыточного манипулятора. Приведена принципиальная схема построения системы управления на базе сервоприводов. Предлагаемая система основана на алгоритме, который включает в себя новый гибридный метод решения ОЗК. Он сочетает в себе адаптивную нейронную сеть нечеткого вывода ANFIS и алгоритм итеративного уточнения (метод Ньютона–Рафсона). Таким образом, показан алгоритм, сочетающий в себе достоинства обоих подходов (нейросетевого и итеративного): высокую точность и быстродействие. Требуемые координаты (углы поворота звеньев) для обратной задачи рассчитываются нейронной сетью (ANFIS), а после уточняются итерационным методом. Следовательно, сильно сокращается количество итераций численного метода и, соответственно, время исполнения алгоритма. Разработанный алгоритм обеспечивает контролируемую точность вычислений с учетом применения в системах управления реального времени. Данная система является универсальной и может применяться при различных параметрах конструкции. Для проведения исследований системы управления на базе разработанного метода решения ОЗК была рассмотрена конструкция манипулятора с 3 звеньями. Приведено математическое описание, использующееся для построения рабочего пространства манипулятора и обучения нейронной сети системы управления. Даны результаты экспериментальных исследований применения гибридного алгоритма для расчета координат звеньев и рабочего органа. Исследования метода проводились в среде Matlab. На основе выполненных экспериментов сделан вывод о возможности применения разработанного метода в системах управления реального времени. Для решения задачи построения рабочих областей манипуляционных механизмов определенного типа был разработан графический интерфейс с использованием Matlab GUI. Приложение обладает возможностями по настройке параметров построения (механическая структура и точность). В качестве примера взяты области достижимости как плоской, так и пространственной конструкций манипулятора с заданными параметрами.
Литература
2. Капустина О.М. Описание множества точных решений обратной задачи кинематики робота KUKA YOUBOT c помощью обобщенных координат его платформы // Естественные и технические науки. 2016. № 12 (102). С. 176—180.
3. Kofinas N., Orfanoudakis E., Lagoudakis M.G. Complete Analytical Inverse Kinematics for NAO //Proc. 13 th Intern. Conf. Autonomous Robot Syst. 2013. Pp. 1—6.
4. Barinka L. Inverse Kinematics — Basic Methods. [Электрон. ресурс] http://old.cescg.org/CESCG-2002/LBarinka (дата обращения 09.11.2017).
5. Corke P. Robotics, Vision and Control. Fundamental Algorithms In MATLAB ® . Springer, 2017. Рр. 245—263.
6. Ломовцева Е.И., Челноков Ю.Н. Дуальные матричные и бикватернионные методы решения прямой и обратной задач кинематики роботов-манипуляторов на примере стэнфордского манипулятора // Известия Саратовского ун-та. Серия «Математика. Механика. Информатика». 2014. Т. 14. № 1. C. 88—95.
7. Дыда А.А., Оськин Д.А. Решение обратной задачи кинематики для манипуляционного робота методом штрафных функций // Фундаментальные исследования. 2015. № 11-4. С. 673—677.
8. Binggul Z., Ertunc H., Oysu C. Comparison of Inverse Kinematics Solutions Using Neural Network for 6R Robot with Offset // Proc. Congress on Computational Intelligence Method and Appl. 2005. Pp. 1—5.
9. Driscoll J. Comparison of Neural Network Architectures for the Modeling of Robot Inverse Kinematics // IEEE Trans. on Computers. 2000. Pp. 44—51.
10. Shital S., Chiddarwar N., Ramesh B. Comparison of RBF and MLP Neural Networks to Solve Inverse Kinematic Problem for 6R Serial Robot by a Fusion Approach // Eng. Appl. of Artificial Intelligence. 2010. No. 23 (7). Pp. 1083—1092.
11. Ankarali A., Cilli M. ANFIS Inverse Kinematics and Hybrid Control of a Human Leg Gait Model // APJES I-II. 2013. Pp. 34—49.
12. Manjaree S., Agarwal V., Nakra B. Inverse Kinematics Using Neuro-Fuzzy Intelligent Technique for Robotic Manipulator // Intern. J. Advanced Computer Research. 2013. No. 3(4). Pp. 160—165.
13. Layatitdev D., Jajneswar N., Mahapatra S. A Comparative Study of Prediction of Inverse Kinematics Solution of 2-DOF, 3-DOF and 5-DOF Redundant Manipulators by ANFIS // Intern. J. Computer Sci. and Network. 2014. V. 3. No 5. Pp. 304—308.
14. Joong-Kyoo P. Inverse Kinematics Based on Fuzzy Logic and Neural Networks for the WAM-Titan II Teleoperation System [Электрон. ресурс] http://trace.tennessee.edu/utk_gradthes/186 (дата обращения 09.11.2017).
15. Panchanand J., Bibhuti B., Prakash S. Inverse Kinematic Solution of Robot Manipulator Using Hybrid Neural Network. // Intern. J. Materials Sci. and Eng. 2015. V. 3. No. 1. Pp. 31—38.
---
Для цитирования: Ганин П.Е., Кобрин А.И. Методика построения гибридной нейросистемы реального времени для решения обратной задачи кинематики избыточного манипулятора // Вестник МЭИ. 2018. № 4. С. 128—137. DOI: 10.24160/1993-6982-2018-4-128-137.
#
1. Pieper D., Roth B. The Kinematics of Manipulators Under Computer Control. Proc. Second Intern. Congress Theory of Machines and Mechanisms. 1969;2:159—169.
2. Kapustina O.M. Opisanie Mnozhestva Tochnyh Resheniy Obratnoy Zadachi Kinematiki Robota KUKA YOUBOT c Pomoshch'yu Obobshchennyh Koordinat Ego Platformy. Estestvennye i tekhnicheskie Nauki. 2016;12 (102):176—180. (in Russian).
3. Kofinas N., Orfanoudakis E., Lagoudakis M.G. Complete Analytical Inverse Kinematics for NAO. Proc. 13 th Intern. Conf. Autonomous Robot Syst. 2013:1—6.
4. Barinka L. Inverse Kinematics — Basic Methods. [Elektron. Resurs] http://old.cescg.org/CESCG-2002/ LBarinka (Data Obrashcheniya 09.11.2017).
5. Corke P. Robotics, Vision and Control. Fundamental Algorithms In MATLAB ® . Springer, 2017:245—263.
6. Lomovtseva E.I., Chelnokov Yu.N. Dual'nye Matrichnye i Bikvaternionnye Metody Resheniya Pryamoy i Obratnoy Zadach Kinematiki Robotov-manipulyatorov Na Primere Stenfordskogo Manipulyatora. Izvestiya Saratovskogo Un-ta. Seriya «Matematika. Mekhanika. Informatika». 2014;14;1:88—95. (in Russian).
7. Dyda A.A., Os'kin D.A. Reshenie Obratnoy Zadachi Kinematiki dlya Manipulyatsionnogo Robota Metodom Shtrafnyh Funktsiy. Fundamental'nye Issledovaniya. 2015;11-4:673—677. (in Russian).
8. Binggul Z., Ertunc H., Oysu C. Comparison of Inverse Kinematics Solutions Using Neural Network for 6R Robot with Offset. Proc. Congress on Computational Intelligence Method and Appl. 2005:1—5.
9. Driscoll J. Comparison of Neural Network Architectures for the Modeling of Robot Inverse Kinematics. IEEE Trans. on Computers. 2000:44—51.
10. Shital S., Chiddarwar N., Ramesh B. Comparison of RBF and MLP Neural Networks to Solve Inverse Kinematic Problem for 6R Serial Robot by a Fusion Approach. Eng. Appl. of Artificial Intelligence. 2010; 23 (7):1083—1092.
11. Ankarali A., Cilli M. ANFIS Inverse Kinematics and Hybrid Control of a Human Leg Gait Model. APJES I-II. 2013:34—49.
12. Manjaree S., Agarwal V., Nakra B. Inverse Kinematics Using Neuro-Fuzzy Intelligent Technique for Robotic Manipulator. Intern. J. Advanced Computer Research. 2013;3(4):160—165.
13. Layatitdev D., Jajneswar N., Mahapatra S. A Comparative Study of Prediction of Inverse Kinematics Solution of 2-DOF, 3-DOF and 5-DOF Redundant Manipulators by ANFIS. Intern. J. Computer Sci. and Network. 2014;3;5:304—308.
14. Joong-Kyoo P. Inverse Kinematics Based on Fuzzy Logic and Neural Networks for the WAM-Titan II Teleoperation System [Elektron. Resurs] http://trace.tennessee.edu/utk_gradthes/186 (Data Obrashcheniya 09.11.2017).
15. Panchanand J., Bibhuti B., Prakash S. Inverse Kinematic Solution of Robot Manipulator Using Hybrid Neural Network.. Intern. J. Materials Sci. and Eng. 2015;3;1:31—38.
---
For citation: Ganin P.E., Kobrin A.I. A Procedure for Synthesizing a Hybrid Real-time Neural System for Solving a Redundant Manipulator’s Inverse Kinematics Problem. MPEI Vestnik. 2018;4:128—137. (in Russian). DOI: 10.24160/1993-6982-2018-4-128-137.
