Trang ii LI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, ngày… tháng … năm 2013 Đặng Thị Mỹ Chi Trang iii LI CM N Em xin cảm ơn thầy TS. Nguyễn Minh Tâm trong suốt thời gian làm luận văn đã tận tình chỉ bảo cũng như cung cấp cho em nhiều tài liệu quý giá giúp em hoàn thành luận văn này. Em cũng xin chân thành cảm ơn các thầy, cô trong quá trình giảng dạy em ở lớp cao học kĩ thuật điện tử khóa 2010A, và các thầy cô trong bộ môn Kĩ Thuật Điện Tử - Khoa Điện Điện Tử của Trường Đại Học Sư Phạm Kĩ Thuật Tp HCM đã trang bị cho em những kiến thức và nền tảng để em có thể thực hiện và hoàn thành luận văn này. Và cuối cùng em xin gửi lời biết ơn tới cha me, các bạn đồng nghiệp, các bạn cùng lớp đã trao đổi và góp ý, tạo mọi điều kiện thuận lợi cho em trong suốt quá trình thực hiện luận văn . Xin chân thành cảm ơn. Đặng Thị Mỹ Chi Trang iv TÓM TT LUN VĂN Tên đề tài: Nhận dạng thông số của robot bằng giải thuật PSO Địa điểm nghiên cứu: Trường Đại Học Sư Phạm Kĩ Thuật tp. Hồ Chí Minh Thời gian: 2011 - 2013 Luận văn trình bày về việc xác định thông số quán tính trong phương trình động lực học của cánh tay robot 3 bậc tự do gồm 3 khớp xoay sử dụng thuật toán bầy đàn PSO (Particle Swarm Optimization). Đề tài đã được thực hiện bằng phương pháp mô phỏng bằng chương trình Simulink và Matlab. Đồng thời tiến hành đánh giá và so sánh độ chính xác của thuật toán bầy đàn PSO với thuật toán di truyền GA (Genetic Algorithm). Kết quả của luận văn là đã xác định được mô hình động lực học của cánh tay robot 3 bậc tự do, xây dựng thành công mô hình mô phỏng để nhận dạng được 13 thông số quán tính của cánh tay robot bằng thuật toán bầy đàn PSO và thuật toán di truyền GA. Sai số trong việc nhận dạng của hai phương pháp PSO và GA đều được tính toán, từ việc so sánh sai số của hai thuật toán cho ta thấy rằng phương pháp ước lượng thông số của PSO có độ chính xác tốt hơn so với phương pháp GA. . Trang v THESIS SUMMARY Name of subject: Dynamic identification of arm robot 3 DoF using PSO Study location: University of Technical Education in HCMC Time: 2011 -2013 This thesis deals with the dynamic modeling and identification of an arm robot having 3 DoF (Degrees of Freedom) of 3 rotation joints. PSO (Particle Swarm Optimization) technique and GA (Genetic Algorithm) were used to estimate 13 distinct inertia parameters of motion equation of the above arm robot. The study was conducted by simulation using Simulink and Matlab. The results of the thesis show that the dynamic model of the 3 DoF robot arm was defined; simulation models were successfully built to identify the 13 inertial parameters of the robot arm using swarm algorithm PSO and genetic algorithm GA. The identification errors of both PSO and GA methods were calculated to compare the performance of these two algorithms. This showed that the method for estimating parameters using PSO have better accuracy than GA. Trang vi MC LC Trang tựa TRANG Quyết định giao đề tài Lý lịch cá nhân i Lời cam đoan ii Cảm tạ iii Tóm tắt iv Mục lục vi Danh sách các chữ viết tắt viii Danh sách các hình ix Danh sách các bảng xi Chưng 1: Tổng quan 1.1 Tổng quan về hướng nghiên cứu 1 1.2 Kết quả nghiên cứu trong và ngoài nước 2 1.3 Mục tiêu và đối tượng nghiên cứu. 4 Chưng 2: C s lý thuyết 2.1 Lý thuyết về robot 6 2.1.1 Giới thiệu chung về Robot 6 2.1.2 Các thông số về cánh tay robot 7 a. Bậc tự do của robot (DOF: Degrees Of Freedom) 7 b. Hệ tọa độ (co-ordinate frames) 7 c. Các phép biến đổi thuần nhất 8 2.1.3 Phương trình động học của robot (Kinematic Equations) 9 2.1.4 Động lực học của robot (dynamic of robot) 12 a. Cơ học Lagrange với các vấn đề động lực của robot. 13 b. Phương trình động lực học của cánh tay robot n bậc tự do 13 2.2 Các phương pháp nhận dạng thông số động lực học cho robot 15 2.2.1 Tổng quan về các phương pháp nhận dạng thông số động lực học của robot 15 2.2.2 Các phương pháp nhận dạng thông số động lực học 17 2.3 Thuật toán bầy đàn (PSO: Particle Swarm Optimization) 22 Trang vii 2.3.1. Giới thiệu về thuật toán PSO: 22 2.3.2 Xây dựng giải thuật PSO: 25 a) Các bước trong giải thuật PSO: 25 b) Lưu đồ giải thuật của thuật toán PSO: 26 c) Những vấn đề cần quan tâm khi xây dựng giải thuật PSO 27 2.3.3 Đặc điểm và ứng dụng của giải thuật PSO 31 2.4. Sơ lược về thuật toán di truyền GA (Genetic Algorithm) 32 2.4.1 Giới thiệu về thuật toán di truyền GA . 32 2.4.2. Thuật toán di truyền – GA (Genetic algorithm). 33 Chưng 3: Mô phng nhn dng thông s quán tính ca cánh tay robot 3 bc. 3.1. Cấu trúc của cánh tay robot 3 bậc tự do gồm 3 khớp xoay 42 3.1.1 Các thông số Denavit-Hartenberg của cánh tay robot 3 bậc 42 3.1.2 Phương trình động lực học của cánh tay robot 3 bậc 43 3.1.3 Các thông số mô hình cần nhận dạng 51 3.2 Nhận dạng các thông số quán tính 54 3.2.1. Sơ đồ khối của thuật toán nhận dạng bằng PSO 56 3.2.2. Sơ đồ mô hình mô phỏng phương trình động lực học của cánh tay robot. 55 3.2.3. Thuật toán PSO để nhận dạng thông số 56 3.2.4. Thuật toán GA trong việc nhận dạng các thông số 60 3.3 Tiến trình mô phỏng 64 3.4 Kết quả mô phỏng và nhận xét 65 3.5 Đánh giá kết quả nhận dạng 77 Chưng 4: Kết lun 81 Tài liệu tham khảo 83 Phụ lục 1. Code chương trình PSO được viết trên Matlab 86 Phụ lục 2. Code chương trình GA được viết trên Matlab 98 Trang viii DANH SÁCH CÁC CH VIT TT/ Kệ HIU KHOA HC 1. DOF (Degrees Of Freedom) 2. DH (Denavit- Hartenberg) 3. PSO (Particle Swarm Optimization) 4. GA (Genetic Algorithm) 5. NST (Nhiễm Sắc Thể) Trang ix DANH SÁCH CÁC HÌNH HÌNH TRANG Hình 2.1 Các tọa độ suy rộng của robot 8 Hình 2.2 Chiều dài và góc xoắn của 1 khâu 10 Hình 2.3 Các thông số của khâu: θ, d, a và α. 11 Hình 2.4 Khái niệm về sự thay đổi điểm tìm kiếm của PSO. 24 Hình 2.5 Chuyển động của cá thể 28 Hình 2.6 Sự tiến hóa trong tự nhiên 32 Hình 2.7 Phương pháp giải bài toán dùng GA 33 Hình 2.8 Lưu đồ giải thuật di truyền trong bài toán kỹ thuật 34 Hình 2.9 Mã hóa số thực 36 Hình 2.10 Lai ghép rời rạc 36 Hình 2.11 Lai ghép BLX-  37 Hình 2.12 Lai ghép số học 5.0  37 Hình 2.13 Lai ghép đường thẳng 38 Hình 2.14 Lai ghép trực giác 38 Hình 2.15 Đột biến ngẫu nhiên 38 Hình 2.16 Đột biến không đồng nhất 39 Hình 3.1 Sơ đồ cánh tay robot 3 bậc tự do 3 khớp xoay (RRR) 42 Hình 3.2 Hệ thống nhận dạng sử dụng PSO 54 Hình 3.3 Mô hình mô phỏng hệ thống nhận dạng bằng PSO 55 Hình 3.4 Tín hiệu mô men tham chiếu và momen nhận dạng được bằng PSO theo quĩ đạo mô phỏng (1) và (2). 66 Hình 3.5 Tín hiệu mô men tham chiếu và momen nhận dạng được bằng PSO theo quĩ đạo mô phỏng (3) và (4). 67 Hình 3.6 Tín hiệu mô men tham chiếu và momen nhận dạng được bằng PSO theo quĩ đạo mô phỏng (5) và (6) 68 Hình 3.7 Tín hiệu mô men tham chiếu và momen nhận dạng được bằng GA theo quĩ đạo mô phỏng (1) và (2) 69 Trang x Hình 3.8 Tín hiệu mô men tham chiếu và momen nhận dạng được bằng GA theo quĩ đạo mô phỏng (3) và (4) 70 Hình 3.9 Tín hiệu mô men tham chiếu và momen nhận dạng được bằng GA theo quĩ đạo mô phỏng (5) và (6) 71 Hình 3.10 Sai số của quá trình nhận dạng bằng PSO ứng với 6 quĩ đạo mô phỏng 73 Hình 3.11 Sai số của quá trình nhận dạng bằng GA ứng với 6 quĩ đạo mô phỏng 74 Hình 3.12 Momen tính được với các thông số nhận dạng được bằng phương pháp PSO ứng với 3 quĩ đạo đánh giá 78 Hình 3.13 Momen tính được với các thông số nhận dạng được bằng phương pháp GA ứng với 3 quĩ đạo đánh giá 79 Trang xi DANH SÁCH CÁC BNG BNG TRANG Bng 3.1: Bảng thông số DH của cánh tay robot 3 bậc RRR 42 Bng 3.2 Các biến để nhận dạng các thông số quán tính. 53 Bng 3.3 Một số trường hợp mô phỏng để lựa chọn hệ số c1, c2 của thuật toán PSO 58 Bng 3.4 Một số trường hợp mô phỏng để lựa chọn hệ số w của thuật toán PSO 58 Bng 3.5 Một số trường hợp mô phỏng để lựa chọn kích thước quần thể của thuật toán PSO 59 Bng 3.6 Một số trường hợp mô phỏng để lựa chọn số vòng lặp tối đa của thuật toán PSO 60 Bng 3.7 Một số trường hợp mô phỏng để lựa chọn hệ số lai chéo của thuật toán GA 62 Bng 3.8 Một số trường hợp mô phỏng để lựa chọn hệ số đột biến của thuật toán GA 63 Bng 3.9 Một số trường hợp mô phỏng để lựa chọn kích thước quần thể của thuật toán GA 63 Bng 3.10 Một số trường hợp mô phỏng để lựa chọn số vòng lặp tối đa của thuật toán GA 64 Bng 3.11 Giá trị ước lượng được của các thông số a bằng thuật toán PSO và GA 75 Bng 3.12 Giá trị ước lượng được của các thành phần của ma trận quán tính bằng phương pháp PSO và GA 76 Bng 3.13: Trị trung bình (mean), độ lệch chuẩn và phương sai của các giá trị ước lượng được 77 Bng 3.14: Sai số (RAE) của mỗi phương pháp theo các quĩ đạo đánh giá 80 [...]... các nghiên cứu về nhận dạng thông số động lực học từ trước đến nay Áp dụng phương pháp nhận dạng thông số bằng giải thuật bầy đàn (PSO: Particle Swarm Optimization) để nhận dạng thông số quán tính của cánh tay robot 3 bậc tự do gồm 3 khớp xoay Việc tìm kiếm các thông số tối ưu được thực hiện hoàn toàn bằng thuật toán PSO mà không cần sử dụng đến phương trình hồi qui tuyến tính của phương trình động... về thuật toán bầy đàn PSO và giải thuật di truyền GA - Tiến hành mô phỏng bằng chương trình Matlab để tìm ra thông số quán tính của cánh tay robot 3 bậc tự do gồm 3 khớp xoay bằng thuật toán bầy đàn PSO và giải thuật di truyền GA Trang 4 HVTH: Đặng Thị Mỹ Chi Tâm GVHD: TS Nguyễn Minh - Đánh giá và nhận xét về phương pháp nhận dạng bằng thuật toán bầy đàn PSO so với giải thuật di truyền GA - Bố cục của. .. và nhận dạng Mạng neural có thể được sử dụng rất hiệu quả cho việc nhận dạng các hệ phi tuyến Các thông số được nhận dạng được xem như là trọng số của mạng, và các trọng số gần đúng với các giá trị thực tế của các thông số được nhận dạng bằng cách huấn luyện trọng số Mạng neural có thể thực hiện nhận dạng online vì dữ liệu được lấy mẫu trong thời gian thực là ngõ vào của mạng để thu được giá trị thông. .. Guegan đã nhận dạng được 43 thông số động lực học cơ bản của máy động học song song trực giao Vivas đã nhận dạng được các thông số động lực học cơ bản của robot song song H4 So với hai phương pháp trên thì phương pháp nhận dạng có thể thu được kết quả nhận dạng khá chính xác và dễ đo đạt Phương pháp này có kết quả tốt hơn so với phương pháp thử nghiệm vật lý và kỹ thuật CAD b) Nhận dạng on-line Nhận dạng. .. tuyến tính Các thông số động lực học của robot có thể được phân loại thành 3 nhóm: hoàn toàn nhận dạng được, có thể nhận dạng được chỉ khi kết hợp tuyến tính và không thể nhận dạng được Không thể nhận dạng được tất cả các giá trị thông số động lực học của một khâu từ dữ liệu về sự dịch chuyển của khâu đó và các lực và momen quán tính của khớp nối, bởi vì toàn bộ các thông số động lực học của các khâu... căn bậc hai giá trị trung bình của bình phương số dư sai số (rootmean square residual error) của mô hình theo giả thiết là sai số phép đo là không đáng kể Tuy nhiên, vấn đề cho việc nhận dạng thông số của phương pháp này là sự ảnh hưởng của nhiễu trong phép đo Nhiễu sẽ hạn chế độ chính xác của các thông số đạt được bằng bình phương nhỏ nhất, và sẽ hạn chế tốc độ hội tụ của thuật toán bình phương nhỏ nhất... đề tài này được thực hiện nhằm để đánh giá khả năng ước lượng các thông số của mô hình robot của thuật toán PSO Sau đây là tóm tắt một số kết quả nghiên cứu trong và ngoài nước có liên quan đến việc nhận dạng thông số động lực học của cánh tay robot và thuật toán PSO 1.2 Kết qu nghiên cứu trong vƠ ngoƠi nư c - Năm 2004, các thành viên của IEEE là Dragan Kostic, Bram de Jager và Ron Hesen đã thực hiện... lực học của cánh tay robot, thuật toán bầy đàn PSO và thuật toán di truyền GA Chương 3 trình bày chi tiết về các vấn đề sau: - Cách xác định mô hình động lực học của cánh tay robot RRR có 3 bậc tự do - Xây dựng mô hình mô phỏng phương trình động lực học của cánh tay robot RRR - Cách sử dụng thuật toán PSO và GA để nhận dạng các thông số của mô hình động lực học của cánh tay robot - Trình bày một số kết... vực robot, đã có các nghiên cứu ứng dụng thuật Trang 1 HVTH: Đặng Thị Mỹ Chi Tâm GVHD: TS Nguyễn Minh toán PSO để tìm kiếm các thông số tối ưu cho việc điều khiển robot ví dụ như các thông số của bộ điều khiển PID [4]; và tìm kiếm các thông số động học của robot [21] Do đó, PSO sẽ là một công cụ hiệu quả để xác định các thông số tối ưu trong phương trình động lực của robot Vì vậy đề tài này được thực... kết quả nhận dạng với phương pháp nhận dạng bằng giải thuật di truyền (GA: Genetic algorithm) Nghiên cứu được tiến hành bằng phương pháp mô phỏng bằng chương trình Matlab và Simulink - Đối tượng nghiên cứu Đề tài tập trung nghiên cứu các vấn đề sau - Nghiên cứu, tìm hiểu về mô hình cánh tay robot, phương trình động lực học - Tìm hiểu tổng quan về các phương pháp nhận dạng thông số động lực học của cánh . cứu về nhận dạng thông số động lực học từ trước đến nay. Áp dụng phương pháp nhận dạng thông số bằng giải thuật bầy đàn (PSO: Particle Swarm Optimization) để nhận dạng thông số quán tính của cánh. Sơ đồ khối của thuật toán nhận dạng bằng PSO 56 3.2.2. Sơ đồ mô hình mô phỏng phương trình động lực học của cánh tay robot. 55 3.2.3. Thuật toán PSO để nhận dạng thông số 56 3.2.4. Thuật toán. momen nhận dạng được bằng GA theo quĩ đạo mô phỏng (5) và (6) 71 Hình 3.10 Sai số của quá trình nhận dạng bằng PSO ứng với 6 quĩ đạo mô phỏng 73 Hình 3.11 Sai số của quá trình nhận dạng bằng