Luận văn Ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy (Phần 1)

Nội dung text: Luận văn Ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy (Phần 1)

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VIỆT HÙNG ỨNG DỤNG MẠNG NƠRON ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƯỢC CHO TAY MÁY S K C 0 0 3 9 5 9 NGÀNH: KỸ THUẬT CƠ KHÍ- 60520103 S KC 0 0 4 2 3 0 Tp. Hồ Chí Minh, tháng 4 năm 2014
2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VIỆT HÙNG ỨNG DỤNG MẠNG NƠRON ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƯỢC CHO TAY MÁY NGÀNH: KỸ THUẬT CƠ KHÍ - 60520103 Hướng dẫn khoa học: TS. LƯƠNG HỒNG SÂM Tp. Hồ Chí Minh, tháng 04 / 2013
3. LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƯỢC: Họ & tên: Nguyễn Việt Hùng Giới tính: Nam Ngày, tháng, năm sinh: 20/04/1985 Nơi sinh: Đăk Lăk Quê quán: Hƣng Tây - Hƣng Nguyên - Nghệ An Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: 209/6/7 Nguyễn Văn Lƣợng, Phƣờng 10, Quận Gò Vấp, Tp Hồ Chí Minh. Điện thoại cơ quan: Điện thoại nhà riêng: Fax: E-mail:Rocketb72@gmail.com II. QUÁ TRÌNH ĐÀO TẠO: 1. Cao đẳng: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2003 đến 03/2007 Nơi học: Trƣờng Cao đẳng Kỹ thuật Vinhempich, TP Hồ Chí Minh. Ngành học: Cơ khí chuyên dùng 2. Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2009 đến 04/2011 Nơi học: Trƣờng Đại học Sƣ phạm Kỹ thuật TP Hồ Chí Minh. Ngành học: Công nghệ chế tạo máy Tên đồ án: Xây dựng phần mềm thí nghiệm ảo trang bị điện trong máy công nghiệp. Nơi bảo vệ đồ án:Trƣờng Đại học Sƣ phạm Kỹ thuật TP Hồ Chí Minh. Ngƣời hƣớng dẫn: ThS Trần Thanh Lam III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Từ năm 2011 đến nay Trƣờng Đại học Trần Đại Nghĩa Giáo viên
4. LỜI 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 chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, ngày 01 tháng 4năm 2014 Nguyễn Việt Hùng ii
5. CẢM TẠ Để hoàn thành luận văn này, em xin chân thành cảm ơn quý thầy cô Trƣờng Đại học Sƣ phạm Kỹ thuật đã tạo mọi điều kiện giúp đỡ trong quá trình học tập và nghiên cứu. Em xin đặc biệt chân thành cảm ơn Thầy TS Lƣơng Hồng Sâm đã nhiệt tình hƣớng dẫn và truyền đạt những kiến thức quý báuđểem hoàn thành luận văn này. Cuối cùng, xin cảm ơn Ban giám hiệu, quý thầy cô, đồng nghiệp Trƣờng Đại học Trần Đại Nghĩa đã giúp đỡ và tạo mọi điều kiện thuận lợi cho em trong suốt quá trình học tập và thực hiện luận văn. Mặc dù đã có nhiều cố gắng trong quá trình thực hiện luận văn, song do kiến thức và thời gian nghiên cứu còn hạn chế nên không thể tránh đƣợc sai sót, kính mong nhận đƣợc ý kiến đóng góp của quý Thầy Cô và độc giả. Xin chân thành cảm ơn! iii
6. TÓM TẮT Giải bài toán động học ngƣợc là cơ sở để điều khiển tay máy theo quỹ đạo cho trƣớc. Nhiệm vụ của bài toán động học ngƣợc là từ các thông số vị trí và hƣớng của bàn kẹp (điểm tác động cuối) của tay máy cần phải xác định giá trị của các biến khớp qi. Cho đến nay, vẫn chƣa có một phƣơng pháp chung nào để giải bài toán động học ngƣợc một cách hiệu quả nhất, đặc biệt là đối với tay máy có bậc tự do lớn hơn 6. Để giải quyết vấn đề này, tác giả đã nghiên cứu, ứng dụng mạng nơron nhân tạo với giải thuật Levenberg-Marquardt để giải bài toán động học ngƣợc cho tay máy 5 bậc tự do Scorbot ER7. Hơn nữa, để mạng nơron có khả năng nhận biết tốt bộ dữ liệu huấn luyện, cũng nhƣ để so sánh kết quả của phƣơng pháp này so với phƣơng pháp giải tích, tác giả đã sử dụng hai mạng nơron để giải cho 2 vùng làm việc cụ thể của tay máy. Mạng Net1_1 tƣơng ứng với vùng 1 và cấu hình 1 của tay máy; mạng Net2_1 tƣơng ứng với vùng 2 và cấu hình 1. Để khẳng định tính đúng đắn của các mạng đã đƣợc luyện, tác giải tiến hành giải bài toán động học ngƣợc với một số vị trí cho trƣớc, nằm trong vùng huấn luyện của mạng. Kết quả giải bằng mạng nơron gần nhƣ trùng khớp với kết quả giải bằng phƣơng pháp giải tích. Điều đó cho thấy tính đúng đắn và hiệu qủa của phƣơng pháp giải bài toán động học ngƣợc bằng mạng nơron. iv
7. ABSTRACT Solve the inverse kinematics problem is fundamentals of manipulator control following a given trajectory. The task of inverse kinematics is from location and orientation parameters of the manipulator clamp ( the end point of impact ) obtains the values of the joint variables qi. So far, there is no general method to solve the inverse kinematics problem most efficiently, especially for manipulators have more than 6 degrees of freedom. To solve this problem, we studied application of artificial neural network with Levenberg - Marquardt algorithm to solve inverse kinematics for a manipulator with 5 degrees of freedom Scorbot ER7. Moreover, to neural networks have good ability to recognize the training data, as well as to compare the results of this method to analytical methods, we have used two neural networks to solve for two working regions of the specific manipulator. Network Net1_1 corresponds to the region 1 and configuration 1 of the robot arm 1; Net2_1 network corresponds to the region 2 and configuration 1. To confirm the correctness of the network has been trained, we solved the inverse kinematics problem for several pre-defined locations in the training area of network. Results of neural network method almost coincide with the results solved by analytical methods, and show the correctness and effectiveness of the method solved. v
8. MỤC LỤC Trang tựa TRANG Quyết định giao đề tài Lý lịch khoa học i Lời cam đoan ii Cảm tạ iii Tóm tắt iv Mục lục vi Danh sách các kí hiệu khoa học ix Danh sách các chữ viết tắt ix Danh sách các bảng vii Danh sách các hình viii Chƣơng 1. TỔ NG QUAN 1.1 Đặt vấn đề 1 1.2 Giới thiệu chung về robot công nghiệp 2 1.2.1 Các bộ phận cấu thành công nghiệp 2 1.2.2 Bậc tự do của tay máy 3 1.2.4 Tổng quan về tình hình nghiên cứu bài toán động học ngƣợc 4 1.3Mục đích của đề tài 5 1.4 Nhiệm vụ của đề tài và giới hạn đề tài 5 1.5Phƣơng pháp nghiên cứu 6 Chƣơng 2. CƠ SỞ LÝ THUYẾ T 2.1 Động học tay máy 7 2.1.1 Bài toán động học thuận của tay máy 7 2.1.1.1 Quy tắc Denavit - Hartenberg 8 2.1.1.2 Mô hình biến đổi 10 2.1.1.3 Các bƣớc để thiết lập hệ phƣơng trình động học cho tay máy 11 2.1.2 Bài toán động học ngƣợc của tay máy 11 2.2 Lý thuyết mạng nơron 12 2.2.1 Lịch sử phát triển của mạng nơron nhân tạo 13 vi
9. 2.2.2 Mô hình nơron sinh học 13 2.2.3 Phần tử xử lí 14 2.2.3.1 Tín hiệu vào (Inputs) -ra (Output) 15 2.2.3.2 Bộ cộng 15 2.2.3.3 Hàm chuyển đổi 16 2.2.4 Các loại mô hình cấu trúc mạng nơron 19 2.2.5 Các tính chất của mạng nơron 20 2.2.6 Các luật học 20 2.2.7 Thuật toán Backpropagation 22 2.2.7.1 Chế độ hoc̣ tƣ̀ ng mâũ 23 2.2.7.2 Chế đô ̣hoc̣ theo nhóm mâũ 23 2.2.8 Giải thuật Levenberg-Marquardt 24 2.2.8.1 Luâṭ câp̣ nhâṭ troṇ g số 25 2.2.8.2 Tính toán ma trận jacobian 26 2.2.8.3 Quá trình huấn luyện 31 Chƣơng 3. XÂY DƢ̣NG BÔ ̣ DƢ̃ LIÊỤ HUẤ N LUYÊṆ ĐỂ GIẢ I BÀ I TOÁ N ĐỘNG HỌC NGƢỢC CHO TAY MÁY SCORBOT ER7 BẰ NG MAṆ G NƠRON 3.1 Giải bài toán động học thuận tay máy Scorbot ER7 35 3.2 Giải bài toán động học ngƣợc cho tay máy Scorbot ER7 37 3.3 Xây dƣṇ g bô ̣mâũ để huấn luyêṇ mạng giải bài toán động học ngƣơc̣ cho tay máy Scorbot ER 40 Chƣơng 4. HUẤ N LUYÊṆ MAṆ G NƠRON VÀ PHÂN TÍCH KẾ T QUẢ 4.1 Huấn luyêṇ maṇ g Net1_1 45 4.1.1 Xác định cấu trúc mạng 45 4.1.2 Huấn luyêṇ maṇ g 46 4.1.3 Đánh giá thông tin huấn luyêṇ và kết qủa mô phỏng 53 4.1.4 Ứng dụng mạng Net1_1 để điều khiển tay máy theo quỹ đạo cho trƣớc 54 4.2 Huấn luyêṇ maṇ g Net2_1 60 4.2.1 Xác định cấu trúc mạng 60 vii
10. 4.2.2 Huấn luyêṇ maṇ g 60 4.2.3 Đánh giá thông tin huấn luyêṇ và kết qủa mô phỏng mạng Net2_1 64 4.2.4 Ứng dụng mạngNet2_1 để điều khiển tay máy theo quỹ đạo cho trƣớc 65 Chƣơng 5. KẾT LUẬN VÀ KIẾN NGHỊ 71 TÀI LIỆU THAM KHẢO 74 PHỤ LỤC 76 viii
11. DANH SÁCH KÝ HIỆU KHOA HỌC qi: Biếnkhớp Pi : Số khớp loại i ai: độ dài đƣờng vuông góc chung giữa 2 trục khớp động i+1 và i. αi là góc quay quanh trục xi giữa trục zi-1 và zi. di là khoảng cách đo dọc trục khớp động i từ đƣờng vuông góc chung giữa trục khớp động i-1 với trục khớp động i đến đƣờng vuông góc chung giữa khớp động i và trục khớp động i +1. θi là góc quay quanh trục zi giữa trục xi-1 và xi. Ai: ma trận tổng hợp mô tả vị trí và hƣớng của khâu thứ i so với khâu thứ i-1 i Tn: Ma trận mô tả vị trí và hƣớng của khâu thứ n so với khâu thứ i p: vectơ định vịcủa khâu tác động cuối n, s, a: là các vectơ chỉ phƣơng của khâu tác động cuối xi: Tín hiệu vào của nơron thứ i yi: Tín hiệu racủa nơron thứ i Wij: Trọng số liên kết giữa nơron thứ j với nơron thứ i bi: Thành phần dịch chuyển bias vi = neti: Tổng trọng số a(neti) =a(vi): Hàm chuyển đổi : Hệ số độ dốc của hàm chuyển đổi xk: vector trọng số và bias hiện tại gk: gradient hiện tại k: hằng số họctheo qui tắc giảm dốc nhất E: tổng bình phƣơng sai số ep,m: sai lêc̣ h của tín hiêụ ra m khi duyêṭ mâũ p d: vectơ tín hiêụ ra mong muốn : hê ̣số hoc̣ của giải thuật Levenberg-Marquardt i, j, k: chỉ số lặp ix
12. J: ma trâṇ jacobian ni: số nơron trong lớp vào n1: số nơron ở lớp thƣ́ nhất n2: số nơron ở lớp thƣ́ hai nQ: số nơron ở lớp ra zj,i: tín hiệu vào thứ i của nơron j zj: tín hiệu ra của nơron j sj: Độ dốc của hàm chuyển đổi của nơron thứ j : tín hiệu lan truyền ngƣợc sai lêc̣ h x
13. DANH SÁCH CHỮ VIẾT TẮT ANN: Artificial Neural Network MLP: Multilayer perceptrons PPN: Polynomial Pre-Processor NN: Neural Network ANFIS: Artificial Neuro- Fuzzy Inference System DH:Denavit – Hartenberg ci: biểu thị cho cosθi si: biểu thị cho sinθi cij : biểu thị chocos(θi+ θj+ ) xi
14. DANH SÁCH CÁC BẢNG TRANG Bảng 3.1 Bảng thông số DH của tay máy Scorbot ER7 35 Bảng 4.1Kết quả của bài toán đôṇ g hoc̣ ngƣơc̣ theo phƣơng pháp giải tích và phƣơng pháp dùng mạng nơron khi điều khiển tay máy theo quỹ đạo đƣờng tròn nằm trong vùng huấn luyện mạng Net1_1 54 Bảng 4.2Vị trí xác định bằng mạng Net1_1 khi mô phỏng theo quỹ đạo đƣờng tròn 57 Bảng 4.3Kết quả mô phỏng theo quỹ đạo đƣờng tròn nằm trong vùng huấn luyện mạng Net2_1 và kết quả giải theo phƣơng pháp giải tích. 65 Bảng 4.4Vị trí của mạng Net2_1xác định đƣợc khi mô phỏng theo quỹ đạo đƣờng tròn 68 xii
15. DANH SÁCH CÁC HÌNH TRANG Hình 1.1Các bộ phận cấu thành robot công nghiệp 3 Hình 2.1Các hệ toạ độ đối với 2 khâu động liên tiếp 9 Hình 2.2 Mô hình của một dạng nơron sinh học 14 Hình 2.3 Mô hình một nơron thứ i 15 Hình 2.4 Hàm chuyển đổi dạng giới hạn cứng 16 Hình 2.5 Hàm chuyển đổi dạng giới hạn cứng đối xứng 16 Hình 2.6Hàm chuyển đổi dạng tuyến tính bão hòa 17 Hình 2.7Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng 17 Hình 2.8 Hàm chuyển đổi dạng sigmoid 18 Hình 2.9 Hàm chuyển đổi dạng tang hyperbolic 18 Hình 2.10 Hàm chuyển đổi dạng tuyến tính 19 Hình 2.11 Cấu trúc của mạng nơron truyền thẳng một lớp 19 Hình 2.12 Cấu trúc của mạng nơron truyền thẳng nhiều lớp 20 Hình 2.13 Cấu trúc của mạng nơron chỉ có một nơron tự hồi qui 21 Hình 2.14 Cấu trúc của mạng nơron hồi qui một lớp 21 Hình 2.15 Cấu trúc của mạng nơron hồi qui nhiều lớp 21 Hình 2.16 Liên kết của nơron j với các phần khác trong maṇ g. 27 Hình 2.17 Mạng nơron truyền thẳng 3 lớp 29 Hình 2.18 Sơ đồ khối để huấn luyêṇ sƣ̉ duṇ g thuâṭ toán Levenberg - Marquardt 33 Hình 3.1 Tay máy Scorbot ER7 34 Hình 3.2 Sơ đồ động học của tay máy Scorbot ER7 35 Hình 3.3Vùng làm viêc̣ của tay máy Scorbot ER 7 trong măṭ phẳng Oxy và phân chia vùng huấn luyện 40 Hình 3.4Hai lời giải khác nhau đƣơc̣ miêu tả cho bài toán đôṇ g hoc̣ ngƣơc̣ tay máy Scorbot ER7 41 xiii
16. Hình 3.5Vùng làm việc của tay máy Scorbot ER 7 trong măṭ phẳng Oxz 42 Hình 3.6Vùng làm việc của tay máy Scorbot ER 7 trong măṭ phẳ ng Oxy dùng cho mạng Net1_1 43 Hình 3.7Vùng làm việc của tay máy Scorbot ER 7 trong măṭ phẳng Oxy dùng cho mạng Net2_1. 44 Hình 4.1 Giao diêṇ của Neural Network Toolbox 46 Hình 4.2 Nhâp̣ dƣ̃ liêụ vào Neural Network Toolbox 46 Hình 4.3 Dƣ̃ liêụ huấn luyêṇ đa ̃ đƣơc̣ nhâp̣ vào Neural Network Toolbox 47 Hình 4.4 Khởi taọ maṇ g Net1_1 và lựa chọn thông tin cho mạng nơron 47 Hình 4.5 Cấu trúc của maṇ g Net1_1 48 Hình 4.6 Mạng Net1_1 đa ̃ đƣơc̣ taọ để chuẩn bi ̣huấn luyêṇ 48 Hình 4.7 Chọn dữ liệu để huấn luyện mạng Net1_1 48 Hình 4.8 Các thông số huấn luyện mạng Net1_1 49 Hình 4.9 Thông tin huấn luyêṇ maṇ g Net1_1 sau 1000 bƣớc lăp̣ 49 Hình 4.10 Đồ thị thể hiện tổng bình phƣơng sai số trong quá trình huấn luyêṇ maṇ g Net1_1 50 Hình 4.11 Đồ thị thể hiện gradien, hê ̣số kết hơp̣ ‘mu’ và sai số trên bô ̣dƣ̃ liêụ kiểm chƣ́ ng của mạng Net1_1 50 Hình 4.12 Đồ thị thể hiện mối quan hệ giữa giá trị đích và đầu ra của mạng Net1_1 51 Hình 4.13 Thiết lâp̣ dƣ̃ liêụ để mô phỏng maṇ g Net1_1 51 Hình 4.14 Đồ thị thể hiện sai lệch của θ1 khi mô phỏng maṇ g Net1_1 52 Hình 4.15 Đồ thị thể hiện sai lệch của θ2 khi mô phỏng maṇ g Net1_1 52 Hình 4.16 Đồ thị thể hiện sai lệch của θ3 khi mô phỏng maṇ g Net1_1 52 Hình 4.17 Đồ thị thể hiện sai lệch của θ4 khi mô phỏng maṇ g Net1_1 53 Hình 4.18 Đồ thị thể hiêṇ sai lêc̣ h của θ5 khi mô phỏng maṇ g Net1_1 53 Hình 4.19 Sai lêc̣ h của θ1 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net1_1 56 xiv
17. Hình 4.20 Sai lêc̣ h của θ2 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net1_1 56 Hình 4.21 Sai lêc̣ h của θ3 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net1_1 56 Hình 4.22 Sai lêc̣ h của θ4 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net1_1 57 Hình 4.23 Sai lêc̣ h của θ5 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net1_1 57 Hình 4.24 Sai lêc̣ h vi ̣trí của maṇ g Net 1_1 khi mô phỏng theo quỹ đaọ đƣờng tròn 59 Hình 4.25 Vị trí mong muốn và vị trí mạng Net 1_1 xác định đƣợc khi mô phỏng theo quỹ đạo đƣờng tròn 59 Hình 4.26 Lƣạ choṇ các thông số huấn luyêṇ maṇ g Net2_1 60 Hình 4.27 Quá trình huấn luyện mạng Net 2_1 đƣơc̣ hoàn thành với 1867 bƣớc lăp̣ 61 Hình 4.28 Đồ thị thể hiện tổng bình phƣơng sai số trong quá trình huấn luyêṇ maṇ g Net2_1 61 Hình 4.29 Đồ thị thể hiện gradien, hê ̣số kết hơp̣ ‘mu’ và sai số trên bô ̣dƣ̃ liêụ kiểm chƣ́ ng của maṇ g Net2_1 62 Hình 4.30 Đồ thị thể hiện mối quan hệ giữa đầu ra của mạng và giá trị đích của maṇ g Net2_1 62 Hình 4.31 Đồ thị thể hiện sai lệch của θ1 khi mô phỏng maṇ g Net2_1 63 Hình 4.32 Đồ thị thể hiện sai lệch của θ2 khi mô phỏng maṇ g Net2_1 63 Hình 4.33 Đồ thị thể hiện sai lệch của θ3 khi mô phỏng maṇ g Net2_1 63 Hình 4.34 Đồ thị thể hiện sai lệch của θ4 khi mô phỏng maṇ g Net2_1 64 Hình 4.35 Đồ thị thể hiện sai lệch của θ5 khi mô phỏng maṇ g Net2_1 64 Hình 4.36 Sai lêc̣ h của θ1 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net2_1 66 xv
18. Hình 4.37 Sai lêc̣ h của θ2 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net2_1 66 Hình 4.38 Sai lêc̣ h của θ3 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net2_1 67 Hình 4.39 Sai lêc̣ h của θ4 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net2_1 67 Hình 4.40 Sai lêc̣ h của θ1 khi mô phỏng theo quỹ đaọ đƣờng tròn dùng mạng Net2_1 67 Hình 4.41 Sai lêc̣ h vi ̣trí của maṇ g Net 2_1 khi mô phỏng theo quỹ đaọ đƣờng tròn 69 Hình 4.42 Vị trí của mạng Net2_1 khi mô phỏng theo quỹ đaọ đƣờng tròn 69 xvi
19. Chƣơng 1 TỔ NG QUAN 1.1 Đặt vấn đề Ngày nay, với sự phát triển mạnh mẽ của khoa học kỹ thuật, các nước trên thế giới đã và đang đẩy mạnh sự nghiệp công nghiệp hóa và hiện đại hóa vào trong quá trình sản xuất nhằm nâng cao năng suất, chất lượng, giảm giá thành sản phẩm và giảm thiểu sức lao động của con người. Đặc biệt là trong các môi trường nặng nhọc, nguy hiểm như: sự nóng bức tại các lò hơi, sự lây lan của các bệnh hiểm nghèo tại các cơ sở y tế, sự ô nhiễm không khí ở các hầm mỏ, sự nguy hiểm ở duới đáy đại dương và trên không gian vũ trụ Để đáp ứng được những vấn đề trên, các nước có nền sản xuất phát triển đã đưa các robot công nghiệp vào các dây chuyền sản xuất của mình. Robot ngày càng được nâng cao về tính năng cũng như lĩnh vực hoạt động. Chúng trở nên thông minh hơn, linh hoạt hơn, chính xác hơn và đáp ứng nhanh hơn. Vì vậy để có thể khai thác, sử dụng một cách hiệu quả các robot đã được trang bị, cũng như để có thể tiến hành nghiên cứu, chế tạo các robot mới đáp ứng được nhu cầu đòi hỏi ngày càng cao của nền công nghiệp hiện đại thì việc nghiên cứu Robot đang là vấn đề được các cơ sở sản xuất, các nhà khoa học, các trường học đại học, cao đẳng rất quan tâm. Trong đó, giải quyết bài toán động học ngược cho tay máy là điều kiện tiên quyết để điều khiển tay máy theo quỹ đạo cho trước. Hơn thế nữa, việc tìm ra một phương pháp chung hiệu quả để giải cho tay máy n bậc tự do đang là thách thức đối với những nhà nghiên cứu trên toàn thế giới. Nhiệm vụ của bài toán động học ngược là xác định các giá trị của biến khớp qi, (i=1, ,n) khi biết trước vị trí và hướng của bàn kẹp tay máy. Theo truyền thống, có ba phương pháp thường được sử dụng để giải bài toán động học ngược cho tay máy đó là: Phương pháp giải tích, phương pháp hình học và phương pháp lặp[10]. Mỗi một phương pháp đều có điểm hạn chế riêng. Phương pháp giải tích không đảm bảo nhận được nghiệm tường minh [10]. Trường hợp giải theo phương pháp
20. hình học, thì nghiệm tường minh cho ba khớp đầu tiên phải tồn tại về phương diện hình học. Bên cạnh đó, nghiệm tường minh của một loại tay máy không thể dùng cho loại tay máy có dạng hình học khác [10]. Phương pháp lặp hội tụ tới một lời giải duy nhất, nó phụ thuộc vào vị trí ban đầu[10]. Nếu số bậc tự do của tay máy tăng lên thì việc giải bài toán động học ngược bằng các phương pháp truyền thống này sẽ tốn rất nhiều thời gian, đôi khi không hội tụ đến lời giải cuối cùng vì vậy việc nghiên cứu đưa ra một phương pháp chung sử dụng có hiệu quả để giải quyết vấn đề động học ngược cho tay máy là một đề tài có giá trị thực tiễn cao. 1.2 Giới thiệu chung về robot công nghiệp Robot công nghiệp có thể được hiểu là những thiết bị tự động linh hoạt, bắt chước được các chức năng lao động công nghiệp của con người [1]. Những chiếc robot công nghiệp đầu tiên được chế tạo vào năm 1956 bởi công ty Unimation của George Devol và Joseph F. Engelberger ở Mỹ [1]. Các robot này chủ yếu được dùng để vận chuyển các vật thể trong một phạm vi nhỏ. 1.2.1 Các bộ phận cấu thành robot công nghiệp Cấu tạo của robot công nghiệp thông thường như trên hình 1.1[1] gồm các bộ phận chủ yếu sau: Tay máy: là cơ cấu cơ khí gồm các khâu, khớp. Chúng hình thành cánh tay để tạo các chuyển động cơ bản và bàn kẹp để trực tiếp thao tác trên đối tượng. Tay máy gồm có các bộ phận cơ bản sau: Đế (1), thân (2), cánh tay trên (3), cánh tay dưới (4), bàn kẹp (5). Hệ thống truyền dẫn động: là bộ phận chủ yếu tạo nên sự chuyển dịch các khớp động. Hệ thống điều khiển:đảm bảo sự hoạt động của robot theo các thông tin đặt trước hoặc nhận biết trong quá trình làm việc. 2
21. Hình 1.1Các bộ phận cấu thành robot công nghiệp Hệ thống cảm biến tín hiệu:thực hiện việc nhận biết và biến đổi thông tin về hoạt động của bản thân robot (cảm biến nội tín hiệu) và của môi trường, đối tượng mà robot phục vụ (cảm biến ngoại tín hiệu). 1.2.2 Bậc tự do của tay máy Để định vị và định hướng bàn kẹp một cách tùy ý trong không gian ba chiều tay máy cần có 6 bậc tự do, trong đó 3 bậc tự do để định vị và ba bậc tự do để định hướng. Một số công việc như nâng hạ, xếp dỡ, chỉ cần số bậc tự do ít hơn 6. Tay máy hàn, sơn thường có 6 bậc tự do. Trong một số trường hợp như cần sự khéo léo, linh hoạt hoặc khi cần tối ưu hóa quỹ đạo, người ta có thể dùng tay máy có số bậc tự do lớn hơn 6. Thông thường các khâu của cơ cấu tay máy được nối ghép với nhau bằng các khớp quay hoặc khớp tịnh tiến, chúng đều thuộc khớp động học loại 5. Trong cơ cấu tay máy các khâu nối liên tiếp với nhau gọi là cơ cấu hở và thông thường mỗi khâu gắn liền với nguồn lực riêng, cho nên đối với các loại cơ cấu dùng các khớp động loại 5 thì số bậc tự do của cơ cấu bằng số khâu động. 3