Συντάχθηκε 09-06-2022 14:40
Τόπος: Η παρουσίαση θα γίνει με τηλεδιάσκεψη
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 22/06/2022 11:00
Λήξη: 22/06/2022 12:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΠΕΝΤΑΡΗΣ ΔΗΜΗΤΡΙΟΣ
με Θέμα:
Έλεγχος σε Ρομποτικό Βραχίονα με χρήση Νευροασαφών Συστημάτων
Control of Robotic Arm using Neuro-fuzzy Systems
Εξεταστική Επιτροπή
Καθηγητής Γεώργιος Σταυρακάκης (επιβλέπων)
Επικ. Καθηγητής Νικόλαος Μπεκιάρης- Λυμπέρης
Καθηγητής Γεώργιος Σταυρουλάκης (Σχολή ΜΠΔ)
Περίληψη
Τα ευφυή μηχανικά συστήματα, τα οποία είναι εξοπλισμένα με αισθητήρες και διεγέρτες από πιεζοηλεκτρικά υλικά αλληλοεπιδρούν με το περιβάλλον μέσω κάποιου ενεργού μηχανισμού ελέγχου. Ένα τέτοιο παράδειγμα αποτελεί και η περίπτωση ενός ρομποτικού βραχίονα. Ωστόσο, λόγω ατελειών στο μηχανικό μοντέλο, αλλά και στα αισθητήρια όργανα, πάντα υπεισέρχεται στο σύστημα κάποιος βαθμός αβεβαιότητας. Ο κλασικός έλεγχος μπορεί να λειτουργήσει υπό συνθήκες αβεβαιότητας, αλλά με μειωμένη απόδοση.
Η σχεδίαση κανόνων ελέγχου μη γραμμικής ανάδρασης με χρήση κλασικών μεθόδων είναι δύσκολο εγχείρημα. Ως εκ τούτου προτείνεται η χρήση τεχνικών ευφυούς ελέγχου, ο οποίος βασίζεται σε νευροασαφή συστήματα.
Στόχος της παρούσης εργασίας είναι η ανάπτυξη αξιόπιστου συστήματος νευροασαφούς ελέγχου σε περιβάλλον MATLAB(Simulink) και η σύνδεσή του με μηχανικό σύστημα ρομποτικού βραχίονα 2 βαθμών ελευθερίας. Οι τεχνικές που θα αναπτυχθούν στο πλαίσιο της παρούσας εργασίας είναι κατάλληλες για επίλυση γραμμικών και μη γραμμικών συστημάτων και μπορούν να εφαρμοστούν σε πλήθος διαφορετικών εφαρμογών.
Abstract
Intelligent mechanical systems, which are equipped with sensors and exciters made of piezoelectric materials, interact with the environment through an active control mechanism. One such example is the case of a robotic arm. However, due to imperfections in the mechanical model, but also in the sensory organs, a certain degree of uncertainty always enters the system. Classic control can operate under conditions of uncertainty, but with reduced efficiency.
Designing nonlinear feedback control rules using classical methods is a difficult task. It is therefore recommended to use intelligent control techniques, which are based on neurofuzzy systems.
The aim of this work is the development of a reliable neurofuzzy control system in MATLAB (Simulink) environment and its connection to a mechanical robotic arm system of 2 degrees of freedom. The techniques that will be developed in the context of this work are suitable for solving linear and non-linear systems and can be applied in a numeral of different applications.
Meeting ID: 986 1661 5745
Password: 067172
