방법 논문

모듈형 설계 및 폐쇄 루프 제어 전략에 따라 지능형 로봇의 생산

11.1K 조회수

⸱

DOI:

10.3791/56422

⸱

2017년 10월 14일

 ,  ,  ,  ,  ,  , 
1Institute of Software, Chinese Academy of Sciences, 2Hunan University, 3Fuyang Normal University, 4Anhui Normal University, 5University of Chinese Academy of Sciences

이 논문에서

요약

모듈식 디자인에는 프로토콜 선물이 고 특별 한 생산 작업 지능형 로봇을 디자인 하는 과학 및 기술 노동자를 있도록 지능형 로봇의 생산 개인 필요에 따라 개별 디자인.

초록

지능형 로봇 수 주변 환경 감지, 그들의 자신의 행동을 계획 하 고 결국 그들의 목표를 도달 하는 로봇의 새로운 세대의 일부입니다. 최근 몇 년 동안, 일상 생활 및 산업에서 로봇 따라 증가 했다. 이 문서에 제안 된 프로토콜 설계 및 지능형 검색 알고리즘 및 자치 식별 기능 처리 로봇의 생산에 설명 합니다.

첫째, 다양 한 작업 모듈 작업 플랫폼의 건설 및 로봇 조작 기의 설치를 완료 하려면 기계적으로 조립 됩니다. 다음, 우리는 폐쇄 루프 제어 시스템 및 소프트웨어를 디버깅의 도움으로 4-쿼드런트 모터 제어 전략, 디자인 뿐 아니라 스티어링 기어 id (ID), 전송 속도 및 로봇 원하는 동적 달성 되도록 다른 작업 매개 변수를 설정 성능 및 낮은 에너지 소비입니다. 다음, 우리는 환경 정보를 정확 하 게 취득을 다중 센서 융합을 달성 하기 위해 센서를 디버깅 합니다. 마지막으로, 우리는 성공의 특정된 응용 프로그램에 대 한 로봇의 기능을 인식할 수 있는 관련 알고리즘 구현.

이 방법의 장점은 그것의 신뢰성과 유연성, 사용자가 다양 한 하드웨어 건설 프로그램을 개발 하 고 지능형 제어 전략을 구현 하는 포괄적인 디버거를 활용 수로. 높은 효율과 견고 그들의 요구에 따라 맞춤된 요구 사항을 설정 하는 사용자 수 있습니다.

서론

로봇은 기계, 전자, 제어, 컴퓨터, 센서와 인공 지능 1,2를 포함 하 여 여러 분야의 지식을 결합 하는 복잡 하 고, 지능형 기계. 점점, 로봇 지원 또는 심지어 로봇가지고 반복 또는 위험한 작업을 수행 하는 장점으로 인해 산업 생산에서 특히 직장에서 인간을 대체 합니다. 현재 연구에서 지능형 로봇 프로토콜의 설계는 폐쇄 루프 제어 전략을 구체적으로 경로 유전 알고리즘에 따라 계획을 기반으로 합니다. 또한, 기능 모듈 엄격 하 게 나누어3,4, 로봇 업그레이드에 대 한 강한 능력을가지고 있도록 미래의 최적화 작업에 대 한 견고한 기초를 제공할 수 있습니다 되었습니다.

로봇 플랫폼의 모듈 구현을 기반으로 주로 다음 방법: 모터 제어 모듈5,6및 유전자 알고리즘 기반 지능형 탐사에서 다차원 조합 제어 전략 최적화 알고리즘 모듈.

우리는 모터 제어 모듈에 DC 모터 및 4-쿼드런트 모터 작업의 이중 폐쇄 루프 제어를 사용합니다. 이중 폐쇄 루프 속도 제어 속도 레 귤 레이 터의 출력 전류와 모터의 토크를 제어할 수 있도록 전류 레 귤 레이 터의 입력으로 역할을 의미 합니다. 이 시스템의 장점은 그 모터의 토크를 제어할 수 있습니다 실시간으로 주어진된 속도 실제 속도 차이에 따라. 때 주어진된와 실제 속도 상대적으로 큰, 모터 토크 증가 하 고 급속 하 게는 속도 변화, 최대한 빨리 주어진된 값으로 모터 속도를 빠르게 속도 규제7, 8 , 9. 반대로 때 속도가 상대적으로 주어진된 값에 가까운, 그것 자동으로 줄일 수 없습니다 오류6, 에 주어진된 값 상대적으로 신속 하 게 달성 하기 위해 속도 수 있도록 과도 한 속도 피하기 위해 모터의 토크 10. 해당 시간 이후 전기 전류 루프의 상수는 상대적으로 작은 4-쿼드런트 모터11,12 수 더 빠르게 응답할 때 시스템에 간섭 영향을 억제 외부 방해입니다. 이 안정성과 시스템의 안티 방해 능력을 향상 시킬 수 있습니다.

우리는 MATLAB에서 실행 하는 시뮬레이션의 결과에 따라 가장 높은 효율으로 유전자 지능형 최적화 알고리즘을 선택 합니다. 유전자 알고리즘은 유전학에 자연 선택의 이론에 따라 확률적 병렬 검색 알고리즘. 그것은 어떤 초기 정보 부재에서 글로벌 최적을 찾는 효율적인 방법을 구성 합니다. 그것은 연속 선택, 교차, 돌연변이 다른 유전자 작업을 통해 솔루션의 품질을 증가 하는 인구로 문제의 솔루션 세트를 감사 합니다. 지능형 로봇에 의해 계획 하는 경로 관해서는 어려움 부족 한 초기 정보, 복잡 한 환경 및 비선형 결과로 발생 합니다. 유전자 알고리즘은 더 나은 경로 계획 글로벌 최적화 능력, 강한 적응성 및 비선형 문제; 해결에 견고성을 소유 하기 때문에 문제를 해결할 수 문제;에 특정 제한은 없습니다. 계산 과정은 간단 하다; 그리고 검색 공간 13,14에 대 한 특별 한 요건은 없습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

1. 건설 기계의

  1. 어셈블 섀시 같이, 적절 한 패스너를 사용 하 여 기계 요소를 확보. ( 그림 1)
    참고: 베이스 보드, 모터, 바퀴, 등을 구성, 섀시, 로봇의 모션에 대 한 책임의 기본 구성 요소입니다. 따라서, 어셈블리, 동안 브래킷을 똑바로 유지.
  2. 는 와이어 리드와 긍정적이 고 부정적인 전극 주석. 땜 납 모터, 긍정적인 전극 및 부정적인 전극에 블랙 리드 레드 리드를 연결의 두 끝에 두 개의 와이어 리드.
  3. 조립 샤프트 슬리브, 모터 및 바퀴.
    1. 샤프트 슬리브 모터를 연결 하 고 나사와 보안.
    2. 휠 허브의 센터 샤프트 슬리브 삽입.
    3. 섀시로 완성 된 구조를 설치.
  4. 두 구멍, 섀시 모듈 운전 하는 모터의 설치 수 있도록 중앙에 직경에서 3 m m 드릴. 모듈을 운전 하는 모터에 모터를 연결.
  5. 하나 드릴 구멍 둘 다 왼쪽 및 오른쪽 가장자리에서 섀시 하단에 적외선 센서의 설치에 대 한 1 cm.
  6. 설치 섀시의 두 측면의 중심에 두 패스너.
    주: 적외선 센서의 정상 작동을 보장 하기 위해, 연결 조각 인지 확인을 섀시에 수직.
  7. 드릴 구멍, 각 센서의 설치에 대 한 두 개의 구조적 구성 요소를 통해 지름 18 m m. ( 그림 2A)
  8. 섀시 밑면에 모터 드라이브를 설치합니다. ( 그림 2B) 섀시의 각각, 각 4 개의 방향에서 가리키는 한 적외선 센서를 설치 합니다. ( 그림 2C)
  9. 대칭에 조 향 기어를 설치합니다. 조 타기의 작동에 의해 생성 된 큰 토크 때문에 볼트 확고 하 고 통하지 공동 제공 하는 방식으로 설치 되어 있는지 확인 하십시오.
  10. 컴퓨터의 센터에 4 개의 적외선 센서 설치.
  11. 장소는 14.8 V 기계, 중앙에 전원 및 배터리 팩을 마이크로컨트롤러 유닛 (MCU)를 부착.
  12. 는 컴퓨터의 위쪽 부분에 4 개의 범위 센서 부착. 작업 테이블 기준으로 탐지 정확도 보장 하기 위해 60 ° 각 센서와 바닥 사이의 각도 조정.
  13. 컴퓨터 작업 영역에서 그것의 목표에 도달 하지 못할 때 경우를 감지 하는 데 사용 되는 듀얼 축 기울기 센서 설치.
  14. 는 컴퓨터의 앞에 로봇 팔을 연결 하는 드라이버를 사용 합니다. ( 그림 3)

2. 조 타 엔진 및 드라이버 모듈 디버깅

  1. 디버깅 소프트웨어 (예: 로봇 서보 Terminal2010)를 열려면 두 번 클릭 합니다. 컴퓨터 연결 디버그 보드와는 범용 직렬 버스 (USB) 케이블을 변환. ( 그림 4)
  2. 스티어링 엔진 설정 ' s 전송 속도를 9600 비트/s, 521 rad/분 속도 제한, 300 °와 전압 9.6 V 작업 인터페이스에 제한에 각도 제한.
  3. 로봇 스티어링 기어에의 작업 모드 설정 " 조 타 엔진 모드. "
  4. 비동기 반이중 통신 컨트롤러와 스티어링 엔진 간의 연결으로 적용 됩니다. 이러한 방법으로, 컨트롤러는 단일 범용 비동기 수신기/송신기 (UART) 인터페이스에서 이상 255 조 타 엔진을 제어할 수 있습니다. ( 그림 5)
    주의: 있을 수 있습니다, 최대, 단일 와이어에 연결 된 엔진 운영 6. 너무 많은 스티어링 엔진 과열 크고 전압 강하, 재설정 및 비정상적인 데이터 통신, 등 등과 같은 비정상적인 동작으로 이어질 것입니다 ( 그림 6)
  5. 비동기 반이중 적용 컨트롤러와 모듈을 운전 하는 모터 사이 연결으로 통신 합니다. ( 그림 7)
  6. 2 운전 모듈과 4 개의 조 타 엔진의 ID 번호를 설정합니다. ID3 및 ID4은 비어 미래의 업데이트를 위해 있습니다. ( 그림 8)
    참고: ID1: 좌 구동 모듈; 번호 2: 우 구동 모듈; ID5: 왼쪽 전방 조 타 엔진; ID6: 오른쪽 전방 조 타 엔진; ID7: 왼쪽-후방 조 타 엔진; ID8: 오른쪽 후방 조 타 엔진.
  7. 컨트롤러에 폭포를 연결 하 고 스티어링 엔진 하나를 계단식.
  8. 그들의 각각 컨트롤러 인터페이스에 센서를 연결합니다. 그것은 누구의 커넥터 곰 삼각형 마크 센서 접지 (GND)는 주목 한다.
    참고: AD1: 밑면;에 전면 적외선 광 센서 AD2: 오른쪽 아래쪽;에 적외선 광 센서 AD3: 밑면;에 후방 적외선 광 센서 AD4: 왼쪽된 적외선 센서에 아래쪽; AD5: 전면 적외선 거리 측정 센서; AD6: 오른쪽 적외선 거리 측정 센서; AD7: 후방 적외선 측정 센서; AD8: 왼쪽된 적외선 거리 측정 센서; AD9: 왼쪽 전면 반가 적외선 광 센서; AD10: 오른쪽 앞 안티가 적외선 광 센서; AD11: 오른쪽 후면 반대로 적외선 광 센서; AD12: 왼쪽 후면 반대로 적외선 광 센서.

3. 센서를 디버깅

센서의 검출 범위를 조정 하려면 적외선 센서의 꼬리에
  1. 는 조절 회전 손잡이. 로봇은 작업 테이블의 중앙에 위치는, 최고 4 개의 적외선 센서의 로직 레벨은 1입니다. 기계 작업 테이블의 가장자리를 이동 하면 해당 측면에 적외선 센서의 로직 레벨 0이 될 것입니다. ( 그림 9A)
    참고: 로봇 적외선 센서의 로직 레벨을 분석 하 여 작업 테이블에서 위치를 확인할 수 있습니다. 예를 들어 왼쪽 및 전면 센서의 로직 레벨 0 인 경우에, 로봇에에서 있어야 작업 테이블의 왼쪽 위 영역.
  2. 교정에 대 한 그들의 초기 계획 값에 거리 센서의 측정된 값을 비교합니다. ( 그림 9B)
    참고: 거리 센서는 아날로그 센서가입니다. 거리 변화, 센서로 ' s 신호 강도 의견과 해당 측정 값이 달라질 수 있습니다. 측정된 된 값은 로봇 주변에 변화를 확인할 수 있도록 디지털 센서를 통해 호스트 컴퓨터에 전달 됩니다.
  3. 는 기울기 각도 센서를 디버깅합니다.
    1. 기울기 각도 센서를 수평으로 놓고 측정된 값 기록.
    2. 두 개의 서로 다른 방향으로 센서를 경사 하 고 측정 된 값을 기록 합니다. 만약 측정된 된 값 범위 내에 있는 오류, 센서 일반 작업에 있는 것으로 간주 될 수 있다.

4. 제어 구성표

  1. 구조 DC 모터 전압 균형 방정식, 플럭스 연계 방정식 및 토크 균형 방정식에 DC 모터의 시뮬레이션 모델 기반.
    1. 구축 전압 균형 방정식에 의해 주어진
      figure-protocol-1
      u d는 직접 축 전압, u q 쿼드 러 처 축 전압입니다. R d와 R q 직접 축 성 및 쿼드 러 처 축 저항을 각각 나타냅니다. figure-protocol-2, figure-protocol-3, figure-protocol-4, figure-protocol-5 직접 축 전류를 나타내는 축 전류를 직접, 직접 축 플럭스와 구적 축 플럭스.
    2. 구축 유출 링크 방정식에 의해 주어진
      < img는lt = "방정식 6" src="/files/ftp_upload/56422/56422eq6.jpg" / >
      어디 figure-protocol-6와 figure-protocol-7는 계수를 나타내는 직접 축 self-inductance 및 쿼드 러 처 축 self-inductance 각각. figure-protocol-8 및 figure-protocol-9는 상호 인덕턴스의 계수. figure-protocol-10, figure-protocol-11 전자기 토크와 부하 토크를 나타냅니다.
    3. 구축 토크 균형 방정식에 의해 계산 figure-protocol-12.
      4. DC 모터의
    4. 빌드 시뮬레이션 모델입니다. ( 그림 10)
  2. DC 모터의 이중 폐쇄 루프 제어를 적용. 모터 통제를 현재 레 귤 레이 터에 대 한 입력으로 속도 레 귤 레이 터의 출력 활용 ' s 토크 및 전류.
    참고: 현재 규제 시스템의 구조 다이어그램. ( 그림 11)
    PI 전류 레 귤 레이 터의 전달 함수 표시 됩니다 figure-protocol-13, 어디 figure-protocol-14의 비례 계수는 현재 레 귤 레이 터 및 figure-protocol-15는 현재 레 귤 레이 터의 리드 시간 상수. 그것은 규모 계수에 의해 얻어질 수 있다 figure-protocol-16, 정수 계수 및 figure-protocol-17.
  3. 적용 이중 폐쇄 루프 제어 DC 모터의
      . ( 그림 12)
  • DC 모터의 4-쿼드런트 모션 컨트롤 적용. ( 그림 13)
    1. 활용 한 H-브리지 구동 회로 온-오프 금속-산화물-반도체 전계효과 트랜지스터 (MOSFET)의 변조 하 여 DC 모터의 4-쿼드런트 모션을 달성 하기 위해. ( 그림 14)
      참고: 1 분기와 4 분기 설정 되어 하 고 모터는 앞으로 전기 상태와 실행 상태 첫 번째 사분면. 3 분기와 4 분기 설정 되어, 모터 상태와 실행 상태 두 번째 사분면 제동 에너지에서입니다. 2 분기와 3 분기 설정 되어, 모터 역 전기 상태, 세 번째 사분면 모션 상태입니다. 1 분기와 2 분기 설정 되어, 모터는 제동 상태 고 제 4 사분면 모션 상태 역 에너지.
  • 펄스 폭 변조 (PWM) DC 모터의 속도 조절 하기 위해 적용. DC 전압 펄스 폭 (듀티 사이클) DC 모터 파워의 전압 공급 본질적으로 변경 되지 않습니다 때는 온-오프 전기 스위치의 제어에 의해 모터 뼈대에 적용 된 평균 값과 회전 속도 입력을 따라서 변조 변조 모터의 전기자 전압.

    • 5. 프로그램을 작성

    1. USB 다운로드 줄을 사용 하 여 컨트롤러에 KEIL5에 의해 생성 된 이진 (BIN) 파일을 가져올.
    2. 실행 될 프로그램을 선택 합니다.

    6. 응용 프로그램 시나리오

    1. 공장에서 화물을 분류 하 적용 색상 인식. ( 그림 15)
      1. 는 광학 카메라를 사용 하 여 이미지를 수집 하 고 반송 2 차원 배열의 번호를 사용 하 여 스캔 한 컬러를 확인 하.
      2. 기계 팔을 사용 하 여 개체를 들어.
      3. 구동 로봇의 모터는 카메라를 사용 하 여 지정 된 위치에 개체를 전송 하는 명령을.
    2. 지정된 분야를 신속 하 게 검색. ( 그림 16)
      1. 주변 장애물의 위치를 감지 하는 로봇에 4 개의 광 센서를 사용 하 여.
      2. 기계 삽 고 지정 된 지역에서 장애물을 분명히 조 타 엔진 명령.
      3. 가장 효과적인 검색 경로 결정 하는 유전자 알고리즘을 사용 하 여
    3. 컴퓨터 작업 영역에서 노동자를 분리 하 고 작업자 안전 보장에 작업 대에서 떨어지는 것을 방지 하기 위해 사용 하는 자기 인식.
      1. 신호 인식 벤치와 4 위 광 센서, 고도 차이에 따라 수정.
      2. 벤치의 가장자리의 위치를 변경할 수 신호 분석.
      3. 벤치의 가장자리를 피하기 위해 기계를 명령.

    액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

    결과

    이중 폐쇄 루프 모션 제어 프로그램의 다이어그램에서 보라색 주어진된 속도 신호를 나타내고 노란색 제어 시스템 출력의 값을 나타냅니다. 그림 17 이중 폐쇄 루프 제어 시스템 오픈 루프 시스템 보다 훨씬 더 효과적 임을 나타냅니다. 실제의 오버 슛 이중 폐쇄 루프 시스템의 출력은 상대적으로 작은 그리고 시스템의 동적 성능을 낫다. ( 그림 17)

    그림 18 다른 파장에서 반사 된 빛의 영향 아래 로봇의 색상 인식 정확도를 보여줍니다. 실제로, 다른 조명 조건으로 인해 대상 개체의 반사 빛 파장 일정 범위 내에서 변동 됩니다. 컴퓨터의 인식 정확도 검사, 노란 빛 (565 595 nm)과 붉은 빛 (625-7...

    액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

    토론

    이 문서에서 우리는 자율적으로 건설 될 수 있는 지능형 로봇의 종류 설계 되었습니다. 우리는 제안 된 지능형 검색 알고리즘 및 자치 인식 하드웨어와 여러 소프트웨어 프로그램을 통합 하 여 구현. 프로토콜에서 우리는 하드웨어를 구성 하기 위한 기본 방법을 소개 하 고 그들의 자신의 로봇의 적당 한 기계 구조 설계 디버깅 사용자가 도움이 될 수 있는 지능형 로봇. 그러나, 실제 작업 하는 동안 그것은 구조, 동작 범위, 자유도와 공간 활용, 이러한 매개 변수는 요구 사항을 충족 하는 안정성에 관심을 지불 하는 데 필요한. 적당 한 기계적 구조는 높은 정밀도, 높은 유연성 및 로봇의 높은 견고성을 보장합니다. 복잡 한 기계 구조를 디자인 하려면 사용자 시뮬레이션 모델을 생성 하 고 가상 프로토타이핑 기술을 적용 아담스 같은 소프트웨어를 결합할 수 있습니다. 이 기술적 요구 사항을 충족 하지 않는 가능성 또는 기계적으로 실현 되지 않은 가능성을 제외 하도록 수 있습니다.

    하나의 잠재적인...

    액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

    공개 사항

    저자는 공개 없다.

    감사의 글

    작가 씨 Yaojie 그가이 문서에서 보고 하는 실험을 수행에 그의 원조에 대 한 그들의 감사를 표현 하 고 싶습니다. 이 작품은 국립 자연 과학 재단의 중국 (No. 61673117) 부분에서 지원 되었다.

    액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

    재료

    이 논문에 사용된 재료 목록
    이름회사카탈로그 번호댓글
    구조 부품UPTECMONYH HARL1-1
    구조 부품UPTECMONYH HARL2-1
    구조 부품UPTECMONYH HARL3-1
    구조 부품UPTECMONYH HARL4-1
    구조 부품UPTECMONYH HARL5-1
    구조 부품UPTECMONYH HARL5-2
    구조 부품UPTECMONYH HARU3A
    구조 부품UPTECMONYH HARU3B
    구조 부품UPTECMONYH HARU3C
    구조 부품UPTECMONYH HARU3F
    구조 부품UPTECMONYH HARU3G
    구조 부품UPTECMONYH HARU3H
    구조 부품UPTECMONYH HARU3J
    구조 부품UPTECMONYH HARI3
    구조 부품UPTECMONYH HARI7
    구조 부품UPTECMONYH HARCGJ
    링크 구성 요소UPTECMONYH HARLM1
    링크 구성 요소UPTECMONYH HARLM2
    링크 구성 요소UPTECMONYH HARLM3
    링크 구성 요소UPTECMONYH HARLM4
    링크 구성 요소UPTECMONYH HARLX1
    링크 구성 요소UPTECMONYH HARLX2
    링크 구성 요소UPTECMONYH HARLX3
    링크 구성 요소UPTECMONYH HARLX4
    스티어링 기어 구조 구성 요소UPTECMONYH HARKD
    스티어링 기어 구조 구성 요소UPTECMONYH HARDP
    적외선 센서UPTECMONYH HARE18-B0디지털 센서
    적외선  범위  FinderSHARPGP2D12
    그레이 레벨 센서SHARPGP2Y0A02YK0F
    proMOTION  CD샤프CD  5516로봇 스티어링 기어
    모터 구동 모듈RisymHG7881
    솔더 와이어ELECALL63A
    터미널밝은 와이어5264
    모터BX 모터60JX
    카메라LogitechC270
    드릴링 머신XIN XIANG16MM조심하십시오
    납땜 스테이션YIHUA8786DBe  조심스럽게  에  베  굽기
    스크루 드라이버EXPLOIT043003
    핀셋R'DEERRST-12
    구조 부품 UPTECMONYH HAR I5 , , , , ,

    참고문헌

    1. Charalampous, K., Kostavelis, I., Gasteratos, A. Robot navigation in large-scale social maps: An action recognition approach. Expert Syst Appl. 66 (1), 261-273 (2016).
    2. Huang, Y., &Wang, Q. N. Disturbance rejection of Central Pattern Generator based torque-stiffness-controlled dynamic walking. Neurocomputing. 170 (1), 141-151 (2015).
    3. Tepljakov, A., Petlenkov, E., Gonzalez, E., Belikov, J. Digital Realization of Retuning Fractional-Order Controllers for an Existing Closed-Loop Control System. J Circuit Syst Comp. 26 (10), 32-38 (2017).
    4. Siluvaimuthu, C., Chenniyappan, V. A Low-cost Reconfigurable Field-programmable Gate Array Based Three-phase Shunt Active Power Filter for Current Harmonic Elimination and Power Factor Constraints. Electr Pow Compo Sys. 42 (16), 1811-1825 (2014).
    5. Brogardh, T., et al. Present and future robot control development - An industrial perspective. Annu Rev Control. 31 (1), 69-79 (2007).
    6. Wang, E., Huang, S. A Novel DoubleClosed Loops Control of the Three-phase Voltage-sourced PWM Rectifier. Proceedings of the CSEE. 32 (15), 24-30 (2012).
    7. Li, D. H., Chen, Z. X., Zhai, S. Double Closed-Loop Controller Design of Brushless DC Torque Motor Based on RBF Neural Network. Proc. 2nd International Conference on Frontiers of Manufacturing Science and Measuring Technology. (ICFMM 2012), , 1351-1356 (2012).
    8. Tian, H. X., Jiang, P. L., Sun, M. S. Double-Loop DCSpeed Regulation System Design Basd On OCC). Proc. 4th International Conference on Advances in Materials and Manufacturing (ICAMMP 2013), , 889-890 (2014).
    9. Xu, G. Y., Zhang, M. Double Closed-Loop Feedback Controller Design for Micro Indoor Smart Autonomous Robot). Proc. International Conference on Material Science and Engineering Technology. (ICMSET 2011), , 474-479 (2011).
    10. Chen, Y. N., Xie, B., Mao, E. R. Electric Tractor Motor Drive Control Based on FPGA. Proc. 5th IFAC Conference on Sensing, Control and Automation Technologies for Agriculture (AGRICONTROL), , 271-276 (2016).
    11. Zhang, J., Zhou, Y. J., Zhao, J. Study on Four-quadrant Operation of Brushless DC Motor Control Method. Proc. International Conference on Mechatronics, Robotics and Automation. (ICMRA 2013). , 1363-1368 (2013).
    12. Joice, C. S., Paranjothi, S. R., Kumar, V. J. S. Digital Control Strategy for Four Quadrant Operation of Three Phase BLDC Motor With Load Variations. Ieee T Ind Inform. 9 (2), 974-982 (2013).
    13. Drumheller, Z., et al. Optimal Decision Making Algorithm for Managed Aquifer Recharge and Recovery Operation Using Near Real-Time Data: Benchtop Scale Laboratory Demonstration. Ground Water Monit R. 37 (1), 27-41 (2017).
    14. Wang, X. S., GAO, Y., Cheng, Y. H., Ma, X. P. Knowledge-guided genetic algorithm for path planning of robot. Control Decis. 24 (7), 1043-1049 (2009).

    액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

    재인쇄 및 허가

    이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

    허가 요청

    태그

    4

    관련 논문