Artykuł metodologiczny

Modułowa konstrukcja i produkcja inteligentnego robota opartego na strategii sterowania w pętli zamkniętej

11.1K wyświetleń

⸱

DOI:

10.3791/56422

⸱

14 października 2017

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

W tym artykule

Podsumowanie

Przedstawiamy protokół dotyczący modułowego projektowania i produkcji inteligentnych robotów, aby pomóc pracownikom naukowym i technicznym w projektowaniu inteligentnych robotów do specjalnych zadań produkcyjnych opartych na osobistych potrzebach i zindywidualizowanym projekcie.

Streszczenie

Inteligentne roboty są częścią nowej generacji robotów, które są w stanie wyczuć otaczające środowisko, zaplanować własne działania i ostatecznie osiągnąć swoje cele. W ostatnich latach wzrosło zaufanie do robotów zarówno w życiu codziennym, jak i w przemyśle. Protokół zaproponowany w niniejszym artykule opisuje konstrukcję i produkcję robota manipulacyjnego z inteligentnym algorytmem wyszukiwania i funkcją autonomicznej identyfikacji.

Po pierwsze, różne moduły robocze są mechanicznie montowane, aby zakończyć budowę platformy roboczej i instalację manipulatora robota. Następnie projektujemy system sterowania w pętli zamkniętej i czterokwadrantową strategię sterowania silnikiem, za pomocą oprogramowania do debugowania, a także ustawiamy tożsamość przekładni kierowniczej (ID), szybkość transmisji i inne parametry pracy, aby zapewnić, że robot osiąga pożądaną dynamiczną wydajność i niskie zużycie energii. Następnie debugujemy czujnik, aby uzyskać fuzję wielu czujników w celu dokładnego uzyskania informacji o środowisku. Na koniec implementujemy odpowiedni algorytm, który potrafi rozpoznać sukces funkcji robota dla danej aplikacji.

Zaletą tego podejścia jest jego niezawodność i elastyczność, ponieważ użytkownicy mogą rozwijać różnorodne programy do budowy sprzętu i wykorzystywać wszechstronny debugger do wdrażania inteligentnej strategii sterowania. Dzięki temu użytkownicy mogą ustawiać spersonalizowane wymagania w oparciu o swoje potrzeby z wysoką wydajnością i solidnością.

Wprowadzenie

Roboty to złożone, inteligentne maszyny, które łączą w sobie wiedzę z kilku dyscyplin, w tym mechaniki, elektroniki, sterowania, komputerów, czujników i sztucznej inteligencji 1,2. Coraz częściej roboty wspomagają lub nawet zastępują ludzi w miejscu pracy, zwłaszcza w produkcji przemysłowej, ze względu na przewagę, jaką mają roboty w wykonywaniu powtarzalnych lub niebezpiecznych zadań. Konstrukcja protokołu inteligentnego robota w obecnym badaniu opiera się na strategii sterowania w pętli zamkniętej, a konkretnie na planowaniu ścieżki w oparciu o algorytm genetyczny. Ponadto moduły funkcjonalne zostały ściśle podzielone 3,4, co może stanowić solidną podstawę do przyszłych prac optymalizacyjnych, dzięki czemu roboty będą miały dużą zdolność do rozbudowy.

Modułowa implementacja platformy robotycznej opiera się przede wszystkim na następujących metodach: wielowymiarowej strategii sterowania kombinacją w module sterowania silnikiem5,6, oraz inteligentnej eksploracji opartej na algorytmie genetycznym w module algorytmu optymalizacji.

Używamy podwójnej kontroli w pętli zamkniętej silnika prądu stałego i pracy silnika czterokwadrantowego w module sterującym silnikiem. Podwójna regulacja prędkości w pętli zamkniętej oznacza, że wyjście regulatora prędkości służy jako wejście regulatora prądu, umożliwiając mu sterowanie prądem i momentem obrotowym silnika. Zaletą tego systemu jest to, że moment obrotowy silnika może być kontrolowany w czasie rzeczywistym na podstawie różnicy między daną prędkością a rzeczywistą prędkością. Gdy różnica między podaną a rzeczywistą prędkością jest stosunkowo duża, moment obrotowy silnika wzrasta, a prędkość zmienia się szybciej, aby jak najszybciej doprowadzić prędkość silnika do podanej wartości, co umożliwia szybką regulację prędkości7,8,9. I odwrotnie, gdy prędkość jest stosunkowo zbliżona do podanej wartości, może automatycznie zmniejszyć moment obrotowy silnika, aby uniknąć nadmiernej prędkości, pozwalając prędkości osiągnąć daną wartość stosunkowo szybko bez błędu6,10. Ponieważ równoważna stała czasowa pętli prądu elektrycznego jest stosunkowo mała, silnik czterokwadrantowy 11,12 może reagować szybciej, aby stłumić wpływ zakłóceń, gdy system jest narażony na zakłócenia zewnętrzne. Pozwala to na poprawę stabilności i zdolności przeciwzakłóceniowych systemu.

Wybieramy algorytm genetycznej inteligentnej optymalizacji o najwyższej wydajności na podstawie wyników symulacji przeprowadzonej w MATLAB. Algorytm genetyczny to stochastyczny algorytm wyszukiwania równoległego oparty na teorii doboru naturalnego w genetyce. Jest to skuteczna metoda znajdowania globalnego optymalnego rozwiązania w przypadku braku jakichkolwiek wstępnych informacji. Traktuje zestaw rozwiązań problemu jako populację, zwiększając w ten sposób jakość rozwiązania poprzez ciągłą selekcję, krzyżowanie, mutacje i inne operacje genetyczne. Jeśli chodzi o planowanie tras przez inteligentne roboty, trudności pojawiają się w wyniku niewystarczających informacji początkowych, skomplikowanych środowisk i nieliniowości. Algorytmy genetyczne są w stanie lepiej rozwiązać problem planowania ścieżek, ponieważ posiadają globalną zdolność optymalizacji, dużą zdolność adaptacji i solidność w rozwiązywaniu problemów nieliniowych; Nie ma konkretnych ograniczeń dotyczących problemu; Proces obliczeń jest prosty; Nie ma też specjalnych wymagań dotyczących przestrzeni wyszukiwania 13,14.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

1. Konstrukcja urządzenia

  1. Zmontuj podwozie zgodnie z ilustracją, mocując komponenty mechaniczne za pomocą odpowiednich łączników. (Rysunek 1)
    UWAGA: Podwozie, składające się z płyty bazowej, silnika, kół itp., jest głównym komponentem robota odpowiedzialnym za jego ruch. Dlatego podczas montażu należy zachować prostą linię wspornika.
  2. ZCynuj końcówki przewodów oraz elektrody dodatnią i ujemną. Przylutuj dwa przewody do dwóch końcówek silnika, łącząc czerwony przewód z elektrodą dodatnią, a czarny z elektrodą ujemną.
  3. Zmontuj tuleję wału, silniki i koła.
    1. Połącz silnik z tuleją wału i zabezpiecz go śrubą.
    2. Wsuń tuleję wału do środka piasty koła.
    3. Zainstaluj gotową strukturę na podwoziu.
  4. Wywierć dwa otwory o średnicy 3 mm w centralnej części podwozia, aby umożliwić instalację modułu sterowania silnikiem. Podłącz silnik do modułu sterowania silnikiem.
  5. Wywierć jeden otwór w odległości 1 cm od lewej i prawej krawędzi podwozia w celu instalacji wspornika czujników podczerwieni na spodzie.
  6. Zainstaluj dwa łączniki w centralnej części obu boków podwozia.
    UWAGA: Aby zapewnić prawidłowe działanie czujników podczerwieni, upewnij się, że element łączący jest prostopadły do podwozia.
  7. Wywierć otwór o średnicy 18 mm w każdym z dwóch komponentów strukturalnych w celu instalacji czujników. (Rysunek 2A)
  8. Zainstaluj sterownik silnika na spodzie podwozia. (Rysunek 2B) Zainstaluj jeden czujnik podczerwieni skierowany odpowiednio w każdym z czterech kierunków podwozia. (Rysunek 2C)
  9. Zainstaluj serwomechanizmy symetrycznie. Ze względu na duży moment obrotowy generowany podczas pracy serwomechanizmów, upewnij się, że śruby są zamontowane w sposób zapewniający stabilne i szczelne połączenie.
  10. Zainstaluj cztery czujniki podczerwieni w centralnej części maszyny.
  11. Umieść zasilacz 14.8 V w centrum maszyny i przymocuj jednostkę mikrokontrolera (MCU) do pakietu baterii.
  12. Przymocuj cztery czujniki odległości do górnej części maszyny. Ustaw kąt między każdym czujnikiem a podłożem na 60°, aby zagwarantować dokładność detekcji względem stołu roboczego.
  13. Zainstaluj dwuosiowy czujnik nachylenia, który służy do wykrywania przypadków, w których maszyna nie dotarła do celu w obszarze roboczym.
  14. Za pomocą śrubokręta przymocuj ramię robota do przodu maszyny. (Rysunek 3)

2. Debugowanie silnika sterowania i modułu sterownika

  1. Kliknij dwukrotnie, aby otworzyć oprogramowanie do debugowania (np. Robot Servo Terminal2010). Połącz komputer z płytką debugującą za pomocą kabla konwertera Universal Serial Bus (USB). (Rysunek 4)
  2. W interfejsie roboczym ustaw prędkość transmisji serwomechanizmu na 9600 bits/s, ograniczenie prędkości na 521 rad/min, ograniczenie kątowe na 300° oraz ograniczenie napięcia na 9.6 V.
  3. Ustaw tryb pracy serwomechanizmu robota na „tryb serwomechanizmu” (steering engine mode).
  4. Zastosuj asynchroniczną komunikację półdupleksową jako połączenie między kontrolerem a serwomechanizmami. W ten sposób kontroler może sterować ponad 255 serwomechanizmami z jednego interfejsu Universal Asynchronous Receiver/Transmitter (UART). (Rysunek 5)
    Uwaga: Do jednego przewodu można podłączyć maksymalnie 6 serwomechanizmów. Zbyt duża liczba serwomechanizmów doprowadzi do przegrzania i dużego spadku napięcia, co spowoduje nieprawidłowe zachowanie, takie jak resetowanie się urządzenia, błędy w komunikacji danych itp. (Rysunek 6)
  5. Zastosuj asynchroniczną komunikację półdupleksową jako połączenie między kontrolerem a modułem sterownika silnika. (Rysunek 7)
  6. Ustaw numery ID dwóch modułów sterujących i czterech serwomechanizmów. ID3 i ID4 pozostawiono puste na potrzeby przyszłych aktualizacji. (Rysunek 8)
    UWAGA: ID1: moduł sterujący lewy; ID2: moduł sterujący prawy; ID5: serwomechanizm przedni lewy; ID6: serwomechanizm przedni prawy; ID7: serwomechanizm tylny lewy; ID8: serwomechanizm tylny prawy.
  7. Połącz serwomechanizmy kaskadowo jeden po drugim, a następnie podłącz kaskadę do kontrolera.
  8. Podłącz czujniki do odpowiednich interfejsów kontrolera. Należy zwrócić uwagę, że czujnik, którego złącze posiada znak trójkąta, jest masą (GND).
    UWAGA: AD1: przedni podczerwony czujnik fotoelektryczny od spodu; AD2: prawy podczerwony czujnik fotoelektryczny od spodu; AD3: tylny podczerwony czujnik fotoelektryczny od spodu; AD4: lewy czujnik podczerwieni od spodu; AD5: przedni podczerwony czujnik pomiaru odległości; AD6: prawy podczerwony czujnik pomiaru odległości; AD7: tylny podczerwony czujnik pomiarowy; AD8: lewy podczerwony czujnik pomiaru odległości; AD9: lewy-przedni podczerwony czujnik fotoelektryczny zapobiegający upadkowi; AD10: prawy-przedni podczerwony czujnik fotoelektryczny zapobiegający upadkowi; AD11: prawy-tylny podczerwony czujnik fotoelektryczny zapobiegający upadkowi; AD12: lewy-tylny podczerwony czujnik fotoelektryczny zapobiegający upadkowi.

3. Debugowanie czujników

  1. Obracaj pokrętłem regulacyjnym znajdującym się z tyłu czujników podczerwieni, aby dostosować ich zakres wykrywania. Gdy robot znajduje się w centrum stołu roboczego, poziom logiczny czterech górnych czujników podczerwieni wynosi 1. Gdy maszyna przemieści się do krawędzi stołu roboczego, poziom logiczny czujnika podczerwieni po odpowiadającej stronie wyniesie 0. (Rysunek 9A)
    UWAGA: Robot może określić swoje położenie na stole roboczym poprzez analizę poziomów logicznych czujników podczerwieni. Na przykład, jeśli poziomy logiczne czujników lewego i przedniego wynoszą 0, robot musi znajdować się w górnej lewej części stołu roboczego.
  2. W celu kalibracji porównaj wartości mierzone przez czujnik odległości z ich wartościami bazowymi. (Rysunek 9B)
    UWAGA: Czujnik odległości jest czujnikiem analogowym. Wraz ze zmianą odległości zmienia się natężenie sygnału zwrotnego czujnika oraz odpowiadające mu wartości mierzone. Wartości mierzone będą przekazywane do jednostki centralnej za pomocą czujników cyfrowych, dzięki czemu robot będzie mógł zidentyfikować zmiany w swoim otoczeniu.
  3. Przeprowadź debugowanie czujnika kąta nachylenia.
    1. Ustaw czujnik kąta nachylenia poziomo i zapisz jego wartości mierzone.
    2. Przechyl czujnik w dwóch różnych kierunkach i zapisz jego wartości mierzone. Jeśli wartości mierzone mieszczą się w zakresie błędu, można uznać, że czujnik działa prawidłowo.

4. Schemat kontrolny

  1. Opracuj model symulacyjny silnika prądu stałego (DC), w oparciu o równanie bilansu napięć, równanie strumienia magnetycznego oraz równanie bilansu momentów obrotowych silnika DC.
    1. Ustal równanie bilansu napięć wyrażone wzorem
      figure-protocol-1
      gdzie ud jest napięciem osi bezpośredniej, a uq napięciem osi kwadraturowej. Rd oraz Rq oznaczają odpowiednio rezystancję osi bezpośredniej i rezystancję osi kwadraturowej. figure-protocol-2,figure-protocol-3,figure-protocol-4,figure-protocol-5, reprezentują prąd osi bezpośredniej, prąd osi kwadraturowej, strumień osi bezpośredniej oraz strumień osi kwadraturowej.
    2. Ustal równanie strumienia magnetycznego wyrażone wzorem
      figure-protocol-6
      gdzie figure-protocol-7 i figure-protocol-8 oznaczają odpowiednio współczynnik indukcyjności własnej osi bezpośredniej i indukcyjności własnej osi kwadraturowej. figure-protocol-9 oraz figure-protocol-10 są współczynnikami indukcyjności wzajemnej. figure-protocol-11, figure-protocol-12 reprezentują moment obrotowy elektromagnetyczny i moment obrotowy obciążenia.
    3. Ustal równanie bilansu momentów obrotowych obliczane zgodnie z figure-protocol-13.
    4. Zbuduj model symulacyjny silnika DC. (Rysunek 10)
  2. Zastosuj dwupętlowe sterowanie silnika DC. Wykorzystaj wyjście regulatora prędkości jako wejście do regulatora prądu w celu regulacji momentu obrotowego i prądu silnika.
    Uwaga: Schemat struktury systemu regulacji prądu. (Rysunek 11)
    Funkcja przejścia regulatora prądu PI jest przedstawiona jako figure-protocol-14, gdzie figure-protocol-15 jest współczynnikiem proporcjonalnym regulatora prądu, a figure-protocol-16 stałą czasową wyprzedzenia regulatora prądu. Można je wyznaczyć na podstawie współczynnika skalującego figure-protocol-17 oraz współczynnika całkującego figure-protocol-18.
    1. Zastosuj dwupętlowe sterowanie silnika DC. (Rysunek 12)
  3. Zastosuj czterokwadrantowe sterowanie ruchem silnika DC. (Rysunek 13)
    1. Wykorzystaj układ sterujący w postaci mostka H, aby uzyskać ruch czterokwadrantowy silnika DC poprzez modulację stanu włączenia/wyłączenia tranzystorów polowych z izolowaną bramką (MOSFET). (Rysunek 14)
      Uwaga: Gdy włączone są Q1 i Q4, silnik znajduje się w stanie zasilania w przód i w stanie pracy w pierwszym kwadrancie. Gdy włączone są Q3 i Q4, silnik znajduje się w stanie hamowania regeneracyjnego i w stanie pracy w drugim kwadrancie. Gdy włączone są Q2 i Q3, silnik znajduje się w stanie zasilania w tył i w stanie ruchu w trzecim kwadrancie. Gdy włączone są Q1 i Q2, silnik znajduje się w stanie odwrotnego hamowania regeneracyjnego i w stanie ruchu w czwartym kwadrancie.
  4. Zastosuj modulację szerokości impulsu (PWM) do regulacji prędkości silnika DC. Moduluj szerokość impulsu napięcia DC (cykl pracy) przyłożonego do stojana silnika poprzez sterowanie włączaniem i wyłączaniem przełącznika elektrycznego, podczas gdy napięcie zasilania silnika DC pozostaje w zasadzie niezmienione, modulując tym samym wartość średnią i prędkość obrotową wejściowego napięcia stojana silnika.

5. Napisanie programu

  1. Użyj linii pobierania USB, aby zaimportować do kontrolera plik binarny (BIN) wygenerowany przez KEIL5.
  2. Wybierz program do wykonania.

6. Scenariusz zastosowania

  1. Zastosuj rozpoznawanie kolorów w celu kategoryzacji ładunków w fabryce. (Rycina 15)
    1. Użyj kamery optycznej do zbierania obrazów i weryfikacji zeskanowanego koloru przy użyciu liczby z odbitej tablicy dwuwymiarowej.
    2. Podnieś obiekt za pomocą ramion mechanicznych.
    3. Wydaj polecenie przetransportowania obiektu do wyznaczonego miejsca, korzystając z kamery i silnika napędowego robota.
  2. Przeprowadź szybkie przeszukiwanie w celu oczyszczenia wyznaczonych obszarów. (Rycina 16)
    1. Użyj czterech czujników optycznych robota do wykrywania położenia otaczających przeszkód.
    2. Wydaj polecenie do silnika sterującego, aby podnieść łopatę mechaniczną i usunąć przeszkody z wyznaczonych obszarów.
    3. Użyj algorytmu genetycznego do wyznaczenia najskuteczniejszej ścieżki przeszukiwania.
  3. Wykorzystaj funkcję samorozpoznawania, aby zapobiec spadnięciu ze stołu warsztatowego, oddzielając pracowników od obszaru roboczego maszyny i zapewniając ich bezpieczeństwo.
    1. Modyfikuj sygnały w oparciu o różnicę wysokości między czterema górnymi czujnikami optycznymi, które rozpoznają stół warsztatowy i podłoże.
    2. Analizuj zmienne sygnały, aby określić położenie krawędzi stołu warsztatowego.
    3. Wydaj polecenie maszynie, aby omijała krawędzie stołu warsztatowego.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Na schemacie programu sterowania ruchem w podwójnej pętli zamkniętej kolor fioletowy reprezentuje zadany sygnał prędkości, a kolor żółty reprezentuje wartość wyjściową systemu sterowania. Rycina 17 wyraźnie pokazuje, że system sterowania w podwójnej pętli zamkniętej jest znacznie skuteczniejszy niż system w pętli otwartej. Rzeczywiste przeregulowanie wyjścia systemu w podwójnej pętli zamkniętej jest stosunkowo niewielkie, a charakterystyka dynamiczna systemu ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

W tym artykule zaprojektowaliśmy typ inteligentnego robota, który może być budowany autonomicznie. Wdrożyliśmy proponowany inteligentny algorytm wyszukiwania i autonomiczne rozpoznawanie poprzez integrację kilku programów ze sprzętem. W protokole wprowadziliśmy podstawowe podejścia do konfiguracji sprzętu i debugowania inteligentnego robota, które mogą pomóc użytkownikom zaprojektować odpowiednią strukturę mechaniczną własnego robota. Jednak podczas rzeczywistej eksploatacji należy zwrócić uwagę na stabilność konstrukcji...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

Autorzy pragną wyrazić swoją wdzięczność Panu Yaojie He za pomoc w przeprowadzaniu eksperymentów opisanych w tym artykule. Prace te były częściowo wspierane przez Narodową Fundację Nauk Przyrodniczych Chin (nr 61673117).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
części konstrukcyjneUPTECMONYH HARL1-1
części konstrukcyjneUPTECMONYH HARL2-1
części konstrukcyjneUPTECMONYH HARL3-1
części konstrukcyjneUPTECMONYH HARL4-1
części konstrukcyjneUPTECMONYH HARL5-1
konstrukcyjneUPTECMONYH HARL5-2
części konstrukcyjneUPTECMONYH HARU3A części konstrukcyjne
UPTECMONYH HARU3B
części konstrukcyjneUPTECMONYH HARU3C
części konstrukcyjneUPTECMONYH HARU3G
części konstrukcyjneUPTECMONYH CzęściU3H
konstrukcyjneUPTECMONYH HARU3J
Części konstrukcyjneUPTECMONYH HARI3
Części konstrukcyjneUPTECMONYH HARI5
Części konstrukcyjneUPTECMONYH HARI7
Elementy konstrukcyjneUPTECMONYH HARCGJ
linkkomponentKomponent łączący UPTECMONYH HARLM1
łączącyUPTECMONYH HARLM2
Składnik łączącyUPTECMONYH
Element łącznika UPTECMONYH HARLX3
UPTECMONYH HARLX4
Element konstrukcji przekładni kierowniczejUPTECMONYH HARKD
Element struktury przekładni kierowniczejUPTECMONYH HARDP
Czujnik podczerwieniUPTECMONYH HARE18-B0Czujnik cyfrowy
Podczerwień  Zakres  SzukaczSHARPGP2D12
Czujnik poziomu szarościSHARPGP2Y0A02YK0F
proMOTION  Płyty CDSSharpCD  5516przekładni kierowniczej robota
RisymHG7881
drut lutowniczyELECALL63A
terminalJasny drut5264
silnikBX silnik60JX
kameraLogitechC270
WiertarkaXIN XIANG16MMProszę być ostrożnym
Stacja lutowniczaYIHUA8786DBe  ostrożny  do  być 
wkrętakdo043003
PęsetaR'DEERRST-12
części części konstrukcyjne UPTECMONYH HAR U3F konstrukcyjne HAR Części Komponent HAR LM3 Składnik łączący UPTECMONYH HAR LM4 Składnik łączący UPTECMONYH HAR LX1 Składnik łączący UPTECMONYH HAR LX2 Moduł napędowy silnika oparzeń EXPLOIT

Bibliografia

  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Sterowanie silnikiem w czterech kwadrantachfuzja danych z wielu czujnik wmanipulator robotycznykonstrukcja sprz towadebugowanie czujnik wautonomiczna identyfikacjainteligentny algorytm wyszukiwania

Powiązane artykuły