Đánh Giá Hiệu Quả Mặt Trượt PID và Mạng RBF-NN Cho Mobile Robot

Các tác giả

Email tác giả liên hệ:

tungpt@vlute.edu.vn

DOI:

https://doi.org/10.54644/jte.2024.1505

Từ khóa:

PID, Mạng nơ-ron hàm cơ sở xuyên tâm, Điều khiển trượt, Mobile robot, MATLAB/Simulink

Tóm tắt

Mặt trượt vi tích phân tỷ lệ và mạng RBF-NN cho Mobile robot được ứng dụng trong nghiên cứu này. Đây là robot có nhiều ưu điểm như cấu trúc đơn giản, tiết kiệm năng lượng, tốc độ di chuyển cao, và chi phí sản xuất thấp. Bộ điều khiển trượt sử dụng mặt trượt PID (PIDSS-SMC) được thiết kế sao cho ngõ ra thực tế của robot tiến về ngõ vào chuẩn và giảm hiện tượng chattering quanh mặt trượt. Mạng RBF-NN được sử dụng để xấp xỉ các thành phần phi tuyến trong ma trận Pw của bộ điều khiển PIDSS-SMC. Các trọng số của mạng được huấn luyện trực tuyến sử dụng giải thuật Gradient Descent. Lý thuyết Lyapunov được sử dụng để chứng minh tính ổn định của hệ thống. Ngõ ra thực tế của xw và yw hội tụ về xd và yd tham chiếu với sai số xác lập hội tụ về 0, thời gian tăng đạt 0,0832s và 0,0764s; thời gian xác lập là 0,1309s và 0,1226s; độ vọt lố là 0,0042% và 0,0055% tương ứng, và hiện tượng chattering được giảm.

Tải xuống: 0

Dữ liệu tải xuống chưa có sẵn.

Tiểu sử của Tác giả

Trần Trung Hiếu, Đại học Sư phạm Kỹ thuật Vĩnh Long, Việt Nam

Tran Trung Hieu received BSc degree in HCMC University of Technical and Education in 2002. Currently, he works at the Ly Tu Trong College Ho Chi Minh City and is the master student of the Vinh Long University of Technical Education. His research interests include robot and modern control engineering. Email: trantrunghieu.ltt@gmail.com. ORCID:  https://orcid.org/0009-0002-9512-4745

Nguyễn Việt Trung, Đại học Sư phạm Kỹ thuật Vĩnh Long, Việt Nam

Nguyen Viet Trung received BSc degree in Vinh Long University of Technical Education in 2018, and MSc degree in Vinh Long University of Technical Education in 2021. Currently, he works at the Faculty of Electrical and Electronics Engineering, Vinh Long University of Technical Education. His research interests include electric motor, Microcontrollers, Embedded System and Atificial Neural Network. Email: trungnv@vlute.edu.vn. ORCID:  https://orcid.org/0009-0004-2887-361X

Trần Thị Thùy Trang, Đại học Sư phạm Kỹ thuật Vĩnh Long, Việt Nam

Tran Thi Thuy Trang received BSc degree in Vinh Long University of Technical Education in 2019, and MSc degree in Vinh Long University of Technical Education in 2022. Currently, she works at the Faculty of Electrical and Electronics Engineering, Vinh Long University of Technical Education. Her research interests include robot, Microcontrollers and modern control engineering. Email: trangttt@vlute.edu.vn. ORCID:  https://orcid.org/0009-0005-6688-6785

Phạm Thanh Tùng, Đại học Sư phạm Kỹ thuật Vĩnh Long, Việt Nam

Pham Thanh Tung received BSc degree in EE at Mekong University in 2004, and MSc degree in Automation at Ho Chi Minh City University of Transportation in 2010. The degree of Ph.D. was award by the Ho Chi Minh City University of Transport, Vietnam, in 2019. Currently, he works at the Faculty of Electrical and Electronics Engineering, Vinh Long University of Technical Education. His research interests include robot, intelligent and modern control engineering. Email: tungpt@vlute.edu.vn. ORCID:  https://orcid.org/0000-0001-7437-9541

Tài liệu tham khảo

C. Ren, C. Li, L. Hu, X. Li, and S. Ma, “Adaptive model predictive control for an omnidirectional mobile robot with friction compensation and incremental input constraints,” Trans. Inst. Meas. Control, vol. 44, no. 4, pp. 835–847, 2022, doi: 10.1177/01423312211021321. DOI: https://doi.org/10.1177/01423312211021321

Y. Shi and R. Eberhart, “A modified particle swarm optimizer,” in 1998 IEEE International Conference on Evolutionary Computation Proceedings. IEEE World Congress on Computational Intelligence (Cat. No.98TH8360), Anchorage, AK, USA: IEEE, 1998, pp. 69–73, doi: 10.1109/ICEC.1998.699146. DOI: https://doi.org/10.1109/ICEC.1998.699146

Y. Liu, J. J. Zhu, R. L. Williams, and J. Wu, “Omni-directional mobile robot controller based on trajectory linearization,” Robot. Auton. Syst., vol. 56, no. 5, pp. 461–479, May 2008, doi: 10.1016/j.robot.2007.08.007. DOI: https://doi.org/10.1016/j.robot.2007.08.007

Q. Xu, J. Kan, S. Chen, and S. Yan, “Fuzzy PID Based Trajectory Tracking Control of Mobile Robot and its Simulation in Simulink,” Int. J. Control Autom., vol. 7, no. 8, pp. 233–244, Aug. 2014, doi: 10.14257/ijca.2014.7.8.20. DOI: https://doi.org/10.14257/ijca.2014.7.8.20

L. Ovalle, H. Ríos, M. Llama, V. Santibáñez, and A. Dzul, “Omnidirectional mobile robot robust tracking: Sliding-mode output-based control approaches,” Control Eng. Pract., vol. 85, no. 4, pp. 50–58, Apr. 2019, doi: 10.1016/j.conengprac.2019.01.002. DOI: https://doi.org/10.1016/j.conengprac.2019.01.002

D. T. Nguyen, C. C. Tran, and H. D. Le, “Modeling and Control of Three Wheeled Omni-Directional Mobile Robot,” in Proc.the 8th Vietnam Conference on Mechatronics, 2016, pp. 517–523.

H. D. Le, D. T. Nguyen, and C. C. Tran, “Experiment on a Omni-Directional Mobile Robot Using RBF-PD Supervisory Controller,” Measurement, Control and Automation, vol. 17, pp. 51–55, 2016.

T. T. Pham, D. V. Huong, C. N. Nguyen, and M. T. Le, “Comparison of SMC and RBF-SMC on mobile robot control system,” 16th ASIA Marit. Fish. Univ. FORUM, 2017, pp. 325–339.

W. Xiao, G. Wang, J. Tian, and L. Yuan, “A novel adaptive robust control for trajectory tracking of mobile robot with uncertainties,” J. Vib. Control, pp. 563-574, 2023, doi: 10.1177/10775463231161847. DOI: https://doi.org/10.1177/10775463231161847

G. D. S. Lima, V. R. F. Moreira, and W. M. Bessa, “Accurate trajectory tracking control with adaptive neural networks for omnidirectional mobile robot subject to unmodeled dynamics,” J. Braz. Soc. Mech. Sci. Eng., vol. 45, no. 1, pp. 1–11, 2023, doi: 10.1007/s40430-022-03969-y. DOI: https://doi.org/10.1007/s40430-022-03969-y

X. Feng and C. Wang, “Adaptive neural network tracking control of an omnidirectional mobile robot,” Proc. Inst. Mech. Eng. Part J. Syst. Control Eng., vol. 237, no. 3, pp. 375–387, 2023, doi: 10.1177/09596518221135904. DOI: https://doi.org/10.1177/09596518221135904

L. T. Hoan, T. Dong, and V. V. Thong, “Adaptive Sliding Mode Control for Three-Wheel Omnidirectional Mobile Robot,” Int. J. Eng. Trends Technol., vol. 71, no. 5, pp. 9–17, 2023, doi: 10.14445/22315381/IJETT-V71I5P202. DOI: https://doi.org/10.14445/22315381/IJETT-V71I5P202

A. Mehmood, I. U. H. Shaikh, and A. Ali, “Application of Deep Reinforcement Learning for Tracking Control of 3WD Omnidirectional Mobile Robot,” Inf. Technol. Control, vol. 50, no. 3, pp. 507–521, Sep. 2021, doi: 10.5755/j01.itc.50.3.25979. DOI: https://doi.org/10.5755/j01.itc.50.3.25979

W. Zheng and Y. Jia, “Trajectory Tracking Control for Omnidirectional Mobile Robots with Full-State Constraints,” in Proceedings of 2017 Chinese Intelligent Automation Conference, vol. 458, Z. Deng, Ed., in Lecture Notes in Electrical Engineering, vol. 458, Singapore: Springer Singapore, 2018, pp. 605–612, doi: 10.1007/978-981-10-6445-6_66. DOI: https://doi.org/10.1007/978-981-10-6445-6_66

C. G. Yun, Y. C. Sin, H. R. Ri, and K. N. Jo, “Trajectory tracking control of a three-wheeled omnidirectional mobile robot using disturbance estimation compensator by RBF neural network,” J. Braz. Soc. Mech. Sci. Eng., vol. 45, no. 8, p. 432, 2023, doi: 10.1007/s40430-023-04340-5. DOI: https://doi.org/10.1007/s40430-023-04340-5

K. Watanabe, "Control of an omnidirectional mobile robot," 1998 Second International Conference. Knowledge-Based Intelligent Electronic Systems. Proceedings KES'98 (Cat. No.98EX111), Adelaide, SA, Australia, 1998, pp. 51-60, doi: 10.1109/KES.1998.725827. DOI: https://doi.org/10.1109/KES.1998.725827

F. Loucif and S. Kechida, “Optimization of sliding mode control with PID surface for robot manipulator by Evolutionary Algorithms,” Open Comput. Sci., vol. 10, no. 1, pp. 396–407, 2020, doi: 10.1515/comp-2020-0144. DOI: https://doi.org/10.1515/comp-2020-0144

J. Liu, Sliding Mode Control Using MATLAB. Academic Press, 2017. DOI: https://doi.org/10.1016/B978-0-12-802575-8.00005-9

H. Li and S. Huang, “Research on the Prediction Method of Stock Price Based on RBF Neural Network Optimization Algorithm,” E3S Web Conf., vol. 235, pp. 1–5, 2021, doi: 10.1051/e3sconf/202123503088. DOI: https://doi.org/10.1051/e3sconf/202123503088

H. Wang, Y. Zhao, J. Pei, D. Zeng, and M. Liu, “Non-negative Radial Basis Function Neural Network in Polynomial Feature Space,” J. Phys. Conf. Ser., vol. 1168, no. 6, pp. 1–8, Feb. 2019, doi: 10.1088/1742-6596/1168/6/062005. DOI: https://doi.org/10.1088/1742-6596/1168/6/062005

A. Lemita, S. Boulahbel, and S. Kahla, “Gradient Descent Optimization Control of an Activated Sludge Process based on Radial Basis Function Neural Network,” Eng. Technol. Appl. Sci. Res., vol. 10, no. 4, pp. 6080–6086, Aug. 2020, doi: 10.48084/etasr.3714. DOI: https://doi.org/10.48084/etasr.3714

A. İ. Kaya, M. İLkuçar, and A. ÇiFci, “Use of Radial Basis Function Neural Network in Estimating Wood Composite Materials According to Mechanical and Physical Properties,” Erzincan Üniversitesi Fen Bilim. Enstitüsü Derg., vol. 12, no. 1, pp. 116–123, Mar. 2019, DOI: 10.18185/erzifbed.428763. DOI: https://doi.org/10.18185/erzifbed.428763

A. Lemita, S. Boulahbel, S. Kahla, and M. Sedraoui, “Auto-Control Technique Using Gradient Method Based on Radial Basis Function Neural Networks to Control of an Activated Sludge Process of Wastewater Treatment,” J. Eur. Systèmes Autom., vol. 53, no. 5, pp. 671–679, 2020, doi: 10.18280/jesa.530510. DOI: https://doi.org/10.18280/jesa.530510

C. Tran, “Catalog of curves-part-2,” 2012, [Online]. Available: http://cohtran.blogspot.com/2012/04/catalog of curves-part-2.

I. Mukherjee and S. Routroy, “Comparing the performance of neural networks developed by using Levenberg–Marquardt and Quasi-Newton with the gradient descent algorithm for modelling a multiple response grinding process,” Expert Syst. Appl., vol. 39, no. 3, pp. 2397–2407, Feb. 2012, doi: 10.1016/j.eswa.2011.08.087. DOI: https://doi.org/10.1016/j.eswa.2011.08.087

Tải xuống

Đã Xuất bản

2024-10-28

Cách trích dẫn

[1]
Trần Trung Hiếu, Nguyễn Việt Trung, Trần Thị Thùy Trang, và Phạm Thanh Tùng, “Đánh Giá Hiệu Quả Mặt Trượt PID và Mạng RBF-NN Cho Mobile Robot”, JTE, vol 19, số p.h Special Issue 04, tr 22–32, tháng 10 2024.

Số

T. 19 S. Special Issue 04 (2024)

Chuyên mục

Bài báo khoa học

Categories

Giấy phép

Bản quyền (c) 2024 Tạp chí Khoa học Giáo dục Kỹ Thuật

Giấy phép Creative Commons

Tác phẩm này được cấp phép theo Giấy phép quốc tế Creative Commons Attribution-NonCommercial 4.0 .

Bản quyền thuộc về JTE.

Crossref
Scopus
Google Scholar
Europe PMC

Các bài báo tương tự

Bạn cũng có thể bắt đầu một tìm kiếm tương tự nâng cao cho bài báo này.