要約
この研究では、産業用高負荷油圧マニピュレータの無人自動化操作のための、データ駆動型モデリングと対応するハイブリッド動作制御フレームワークを提案します。
ニューラル ネットワーク ブラック ボックスを直接使用するのではなく、多層パーセプトロンを使用して可逆変換後の物理インテグレーター チェーン システムのダイナミクスを近似することにより、可逆非線形モデルを構築します。
可逆非線形モデルは、教師あり学習手法を使用してオフラインでトレーニングされ、データはシミュレーションまたは実験から取得されます。
ハイブリッド モーション コントロール全体のフレームワークは、非線形ダイナミクスを補償するモデル反転コントローラーとロバスト性を強化する比例微分コントローラーで構成されます。
安定性はリアプノフ理論で証明されています。
協調シミュレーションと実験により、提案されたモデリングとハイブリッド制御フレームワークの有効性が示されます。
モーション制御タスク用の商用 39 トン クラスの油圧ショベルを使用すると、軌道追跡誤差の二乗平均平方根誤差が従来の制御方法と比較して少なくとも 50% 減少します。
さらに、システム モデルを分析することにより、提案されたフレームワークをさまざまな制御プラントに迅速に適用できます。
要約(オリジナル)
This work proposes a data-driven modeling and the corresponding hybrid motion control framework for unmanned and automated operation of industrial heavy-load hydraulic manipulator. Rather than the direct use of a neural network black box, we construct a reversible nonlinear model by using multilayer perceptron to approximate dynamics in the physical integrator chain system after reversible transformations. The reversible nonlinear model is trained offline using supervised learning techniques, and the data are obtained from simulations or experiments. Entire hybrid motion control framework consists of the model inversion controller that compensates for the nonlinear dynamics and proportional-derivative controller that enhances the robustness. The stability is proved with Lyapunov theory. Co-simulation and Experiments show the effectiveness of proposed modeling and hybrid control framework. With a commercial 39-ton class hydraulic excavator for motion control tasks, the root mean square error of trajectory tracking error decreases by at least 50\% compared to traditional control methods. In addition, by analyzing the system model, the proposed framework can be rapidly applied to different control plants.
arxiv情報
| 著者 | Dexian Ma,Yirong Liu,Wenbo Liu,Bo Zhou |
| 発行日 | 2024-11-21 05:28:08+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google