Mejora de la precisión del seguimiento de trayectoria de un brazo robótico mediante un algoritmo de red neuronal inicializado con Lyapunov

Jesús Rodríguez Flores, Luis Sánchez Muyulema, Jonnathan Chamba Cruz, Andrés Morocho Caiza

Resumen


Se plantea un método de corrección adaptativa de la desviación en la trayectoria de un brazo robótico mediante una red neuronal, abordando problemas de inestabilidad y desviación en seguimiento de movimientos cuando el manipulador es afectado por factores externos. Se emplea una red neuronal de flujo directo o no realimentada para analizar las características dinámicas del manipulador y se formula un sistema de control adaptativo basado en esta tecnología. La estabilidad y convergencia del sistema se demuestran utilizando la función de Lyapunov, siendo esta la condición de inicialización de pesos de la red neuronal. Se emplea MATLAB/Simulink para simular los parámetros dinámicos del manipulador y se comparan los resultados con un sistema de control PID. Las simulaciones muestran que, con ciertos parámetros, el brazo robótico sigue una trayectoria esperada con precisión. Cuando el entorno externo perturba el movimiento del brazo, la red neuronal adaptativa minimiza el error de seguimiento y reduce la fluctuación en el par de entrada. En resumen, el uso de este método mejora significativamente la precisión en el control de la trayectoria de movimiento y reduce la vibración del manipulador.


Palabras clave


Manipulador; Control; Red neuronal adaptativo; Trayectoria; Robótica.

Texto completo:

PDF HTML

Referencias


Gautier, M. (1986). Identification of Robots Dynamics. IFAC Proceedings Volumes. https://doi.org/10.1016/S1474-6670(17)59465-3

Hernandez-Sanchez, A., Mireles-Perez, C., Poznyak, A., Andrianova, O., Chertopolokhov, V., & Chairez, I. (2022). Trajectory Tracking of Robotic Arm Based on Power Regulation of Actuator Using Neural Averaged Subgradient Control. https://doi.org/10.1016/J.IFACOL.2022.07.018

Ogata, K. (2010). Ingeniería de control moderna. Pearson Educación.

Qin, B., Zhang, W., Dong, S., Wang, S., & Jiang, Y. (2022). Robotic Arm Trajectory Tracking Control Based on An RBF Neural Network Adaptive Control Algorithm. https://doi.org/10.1109/ICIST55546.2022.9926773

Quynh, N. X., Nan, W. Y., & Yen, V. T. (2020). A novel Robust Adaptive Control Using RFWNNs and Backstepping for Industrial Robot Manipulators with Dead-Zone. Journal of Intelligent and Robotic Systems. https://doi.org/10.1007/S10846-019-01089-9

Rebouças Filho, P. P., Suane, S. P., Praxedes, V. N., Hemanth, J., & de Albuquerque, V. H. C. (2019). Control of singularity trajectory tracking for robotic manipulator by genetic algorithms. Journal of Computational Science, 30, 55–64. https://doi.org/10.1016/j.jocs.2018.11.006

Safaei, A., Koo, Y., & Mahyuddin, M. (2017). Adaptive model-free control for robotic manipulators. IRIS. https://doi.org/10.1109/IRIS.2017.8250090

Van, M., Mavrovouniotis, M., & Ge, S. (2019). An Adaptive Backstepping Nonsingular Fast Terminal Sliding Mode Control for Robust Fault Tolerant Control of Robot Manipulators. IEEE Transactions on Systems, Man, and Cybernetics: Systems. https://doi.org/10.1109/TSMC.2017.2782246

Vijay, M., & Jena, D. (2017). Backstepping terminal sliding mode control of robot manipulator using radial basis functional neural networks. Computers & Electrical Engineering. https://doi.org/10.1016/J.COMPELECENG.2017.11.007

Xu, K., & Wang, Z. (2022). The design of a neural network-based adaptive control method for robotic arm trajectory tracking. https://doi.org/10.1007/S00521-022-07646-Y

Zheng, H., Liu, Y., Li, C., & Wang, G. (2018). Trajectory Tracking Control of Robotic Manipulator via Variable Gain Iterative Learning Algorithm. https://doi.org/10.23919/CHICC.2018.8482870




DOI: https://doi.org/10.23857/pc.v8i10.6135

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/