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

Libo Zhang; Junjie Zhu; Hao Ren; Dongdong Liu; Dan Meng; Yanjun Wu; Tiejian Luo

doi:10.3791/56422

Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

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

11.2K wyświetleń

⸱

DOI:

10.3791/56422

⸱

14 października 2017

Libo Zhang¹ , Junjie Zhu² , Hao Ren² , Dongdong Liu³ , Dan Meng⁴ , Yanjun Wu¹ , Tiejian Luo⁵

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 prędkości^7,⁸^,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

Zmontować podwozie zgodnie z ilustracją, mocując komponenty mechaniczne za pomocą odpowiednich elementów złącznych. (Rysunek 1)
UWAGA: Podwozie, składające się z płyty bazowej, silnika, kół itp., jest głównym elementem robota odpowiedzialnym za jego ruch. Dlatego podczas montażu należy dbać o to, aby uchwyt pozostał prosty.
Ocynować końcówki przewodów oraz elektrody dodatnia i ujemna. Przylutować dwa przewody do obu końców silnika, łącząc czerwony przewód z elektrodą dodatnią, a czarny z elektrodą ujemną.
Zmontować tuleję wału, silniki oraz koła.
1. Połączyć silnik z tuleją wału i zabezpieczyć go śrubą.
2. Wsunąć tuleję wału do środka piasty koła.
3. Zamontować gotową strukturę na podwoziu.
Wywiercić w centrum podwozia dwa otwory o średnicy 3 mm, aby umożliwić instalację modułu sterowania silnikiem. Połączyć silnik z modułem sterowania silnikiem.
Wywiercić jeden otwór w odległości 1 cm od lewej i prawej krawędzi podwozia w celu instalacji uchwytu czujników podczerwieni na spodzie.
Zamontować dwa elementy złączne w centrum obu boków podwozia.
UWAGA: Aby zapewnić prawidłowe działanie czujników podczerwieni, należy upewnić się, że element łączący jest prostopadły do podwozia.
Wywiercić otwór o średnicy 18 mm w każdym z dwóch elementów konstrukcyjnych w celu instalacji czujników. (Rysunek 2A)
Zamontować sterownik silnika na spodzie podwozia. (Rysunek 2B) Zainstalować jeden czujnik podczerwieni skierowany odpowiednio w każdym z czterech kierunków podwozia. (Rysunek 2C)
Zamontować serwomechanizmy symetrycznie. Ze względu na duży moment obrotowy generowany podczas pracy serwomechanizmów, należy upewnić się, że śruby są zamontowane w sposób zapewniający trwałe i szczelne połączenie.
Zainstalować cztery czujniki podczerwieni w centrum maszyny.
Umieścić zasilacz 14.8 V w centrum maszyny i przymocować jednostkę mikrokontrolera (MCU) do pakietu baterii.
Przymocować cztery czujniki odległości do górnej części maszyny. Ustawić kąt między każdym czujnikiem a podłożem na 60°, aby zagwarantować dokładność detekcji względem stołu roboczego.
Zainstalować dwuosiowy czujnik nachylenia, który służy do wykrywania przypadków, w których maszyna nie dotrze do celu w obszarze roboczym.
Za pomocą śrubokręta przymocować ramię robota do przodu maszyny. (Rysunek 3)

2. Debugowanie silnika sterującego i modułu sterownika

Kliknij dwukrotnie, aby otworzyć oprogramowanie do debugowania (np. Robot Servo Terminal2010). Połącz komputer z płytką debugującą za pomocą kabla konwertora Universal Serial Bus (USB). (Rycina 4)
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.
Ustaw tryb pracy serwomechanizmu robota na „steering engine mode”.
Zastosuj asynchroniczną komunikację półdupleksową jako połączenie między kontrolerem a serwomechanizmami. W ten sposób kontroler może sterować więcej niż 255 serwomechanizmami z jednego interfejsu Universal Asynchronous Receiver/Transmitter (UART). (Rycina 5)
Uwaga: Do jednego przewodu można podłączyć maksymalnie 6 serwomechanizmów. Zbyt duża liczba serwomechanizmów doprowadzi do przegrzania i dużego spadku napięcia, co spowoduje nietypowe zachowanie, takie jak resetowanie się i nieprawidłowa komunikacja danych itp. (Rycina 6)
Zastosuj asynchroniczną komunikację półdupleksową jako połączenie między kontrolerem a modułem sterowania silnikiem. (Rycina 7)
Ustaw numery ID dwóch modułów sterujących i czterech serwomechanizmów. ID3 i ID4 pozostawiono puste na potrzeby przyszłych aktualizacji. (Rycina 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.
Połącz serwomechanizmy kaskadowo jeden po drugim, a następnie podłącz kaskadę do kontrolera.
Podłącz czujniki do odpowiednich interfejsów kontrolera. Należy zauważyć, że czujnik, którego złącze posiada oznaczenie 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 przeciwupadkowy; AD10: prawy-przedni podczerwony czujnik fotoelektryczny przeciwupadkowy; AD11: prawy-tylny podczerwony czujnik fotoelektryczny przeciwupadkowy; AD12: lewy-tylny podczerwony czujnik fotoelektryczny przeciwupadkowy.

3. Debugowanie czujników

Obracaj pokrętłem regulacyjnym znajdującym się z tyłu czujników podczerwieni, aby dostosować ich zasięg 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. (Rycina 9A)
UWAGA: Robot może określić swoje położenie na stole roboczym poprzez analizę poziomu logicznego czujników podczerwieni. Na przykład, jeśli poziomy logiczne czujników lewego i przedniego wynoszą 0, robot musi znajdować się w górnej lewej części stołu roboczego.
Porównaj wartości zmierzone przez czujnik odległości z ich wartościami bazowymi w celu przeprowadzenia kalibracji. (Rycina 9B)
UWAGA: Czujnik odległości jest czujnikiem analogowym. Wraz ze zmianą odległości będą zmieniać się moc sygnału zwrotnego czujnika oraz odpowiadające mu wartości zmierzone. Wartości zmierzone zostaną przekazane do jednostki centralnej za pomocą czujników cyfrowych, aby robot mógł zidentyfikować zmiany w swoim otoczeniu.
Przeprowadź debugowanie czujnika kąta nachylenia.
1. Ustaw czujnik kąta nachylenia poziomo i zapisz jego wartości zmierzone.
2. Przechyl czujnik w dwóch różnych kierunkach i zapisz jego wartości zmierzone. Jeśli wartości zmierzone mieszczą się w zakresie błędu, można uznać, że czujnik działa prawidłowo.

4. Schemat kontrolny

Zbuduj model symulacyjny silnika prądu stałego (DC), w oparciu o równanie bilansu napięć silnika DC, równanie strumienia wiązania oraz równanie bilansu momentów obrotowych.
1. Sformułuj równanie bilansu napięć zapisane jako
  
  gdzie u_d jest napięciem osi bezpośredniej, a u_q napięciem osi kwadraturowej. R_d i R_q oznaczają odpowiednio rezystancję osi bezpośredniej i rezystancję osi kwadraturowej. $Symbol pędu kątowego $ I_a $.$ ,,,, reprezentują odpowiednio prąd osi bezpośredniej, prąd osi kwadraturowej, strumień osi bezpośredniej i strumień osi kwadraturowej.
2. Sformułuj równanie strumienia wiązania zapisane jako
  
  gdzie i oznaczają odpowiednio współczynnik samoindukcyjności osi bezpośredniej i samoindukcyjności osi kwadraturowej. oraz $Symbol równania $ M_{q0} $; możliwe zastosowanie mechaniczne lub termodynamiczne.$ są współczynnikami indukcyjności wzajemnej. i reprezentują moment obrotowy elektromagnetyczny i moment obrotowy obciążenia.
3. Sformułuj równanie bilansu momentów obrotowych obliczone za pomocą .
4. Zbuduj model symulacyjny silnika DC. (Rysunek 10)
Zastosuj podwójne sterowanie w pętli zamkniętej silnika DC. Wykorzystaj wyjście regulatora prędkości jako wejście do regulatora prądu, aby regulować moment obrotowy i prąd silnika.
Uwaga: Schemat struktury układu regulacji prądu. (Rysunek 11)
Funkcja przejścia regulatora prądu PI jest przedstawiona jako , gdzie jest współczynnikiem proporcjonalnym regulatora prądu, a jest stałą czasową wyprzedzenia regulatora prądu. Można ją wyznaczyć za pomocą współczynnika skalowania oraz współczynnika całkującego .
1. Zastosuj podwójne sterowanie w pętli zamkniętej silnika DC. (Rysunek 12)
Zastosuj czterokwadrantowe sterowanie ruchem silnika DC. (Rysunek 13)
1. Wykorzystaj układ sterujący w postaci mostka H, aby uzyskać ruch czterokwadrantowy silnika DC poprzez modulację włączania i wyłączania metal-tlenkowych półprzewodnikowych tranzystorów polowych (MOSFET). (Rysunek 14)
  Uwaga: Gdy Q1 i Q4 są włączone, silnik znajduje się w stanie elektrycznym do przodu i w stanie pracy w pierwszym kwadrancie. Gdy Q3 i Q4 są włączone, silnik znajduje się w stanie hamowania regeneracyjnego i w stanie pracy w drugim kwadrancie. Gdy Q2 i Q3 są włączone, silnik znajduje się w stanie elektrycznym wstecznym i w stanie ruchu w trzecim kwadrancie. Gdy Q1 i Q2 są włączone, silnik znajduje się w stanie wstecznego hamowania regeneracyjnego i w stanie ruchu w czwartym kwadrancie.
Zastosuj modulację szerokości impulsu (PWM) do regulacji prędkości silnika DC. Moduluj szerokość impulsu napięcia DC (cykl pracy) przyłożonego do kotwicy silnika poprzez sterowanie włączaniem i wyłączaniem przełącznika elektrycznego, podczas gdy napięcie zasilania silnika DC pozostaje w zasadzie niezmienione, modulując w ten sposób wartość średnią i prędkość obrotową wejściową napięcia kotwicy silnika.

5. Napisz program

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

6. Scenariusz zastosowania

Zastosuj rozpoznawanie kolorów do kategoryzacji ładunku w fabryce. (Rycina 15)
1. Użyj kamery optycznej do zbierania obrazów i zweryfikuj zeskanowany kolor, korzystając z numeru odbitej tablicy dwuwymiarowej.
2. Podnieś obiekt za pomocą ramion mechanicznych.
3. Wydaj polecenie transportu obiektu do wyznaczonego miejsca, wykorzystując kamerę i silnik napędowy robota.
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 mechaniczną łopatę i usunąć przeszkody z wyznaczonych obszarów.
3. Zastosuj algorytm genetyczny w celu wyznaczenia najskuteczniejszej ścieżki przeszukiwania.
Wykorzystaj samorozpoznawanie, aby zapobiec spadnięciu ze stołu warsztatowego, oddzielając pracowników od obszaru pracy maszyny i zapewniając ich bezpieczeństwo.
1. Modyfikuj sygnały na podstawie różnicy wysokości pomiędzy 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. Rysunek 17 wyraźnie pokazuje, że system sterowania w podwójnej pętli zamkniętej jest znacznie bardziej skuteczny niż system w pętli otwartej. Rzeczywiste przeregulowanie wyjścia systemu w podwójnej pętli zamkniętej jest stosunkowo niewielkie, a charakterystyka dynamiczna sys...

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
Nazwa	Firma	Numer katalogowy	Komentarze
części konstrukcyjne	UPTECMONYH HAR	L1-1
części konstrukcyjne	UPTECMONYH HAR	L2-1
części konstrukcyjne	UPTECMONYH HAR	L3-1
części konstrukcyjne	UPTECMONYH HAR	L4-1
części konstrukcyjne	UPTECMONYH HAR	L5-1
konstrukcyjne	UPTECMONYH HAR	L5-2
części konstrukcyjne	UPTECMONYH HAR	U3A części konstrukcyjne
	UPTECMONYH HAR	U3B
części konstrukcyjne	UPTECMONYH HAR	U3C

części konstrukcyjne	UPTECMONYH HAR	U3G
części konstrukcyjne	UPTECMONYH Części	U3H
konstrukcyjne	UPTECMONYH HAR	U3J
Części konstrukcyjne	UPTECMONYH HAR	I3
Części konstrukcyjne	UPTECMONYH HAR	I5
Części konstrukcyjne	UPTECMONYH HAR	I7
Elementy konstrukcyjne	UPTECMONYH HAR	CGJ
link	komponentKomponent łączący UPTECMONYH HAR	LM1
łączący	UPTECMONYH HAR	LM2
Składnik łączący	UPTECMONYH



	Element łącznika UPTECMONYH HAR	LX3
	UPTECMONYH HAR	LX4
Element konstrukcji przekładni kierowniczej	UPTECMONYH HAR	KD
Element struktury przekładni kierowniczej	UPTECMONYH HAR	DP
Czujnik podczerwieni	UPTECMONYH HAR	E18-B0	Czujnik cyfrowy
Podczerwień Zakres Szukacz	SHARP	GP2D12
Czujnik poziomu szarości	SHARP	GP2Y0A02YK0F
proMOTION Płyty CDS	Sharp	CD 5516	przekładni kierowniczej robota
	Risym	HG7881
drut lutowniczy	ELECALL	63A
terminal	Jasny drut	5264
silnik	BX silnik	60JX
kamera	Logitech	C270
Wiertarka	XIN XIANG	16MM	Proszę być ostrożnym
Stacja lutownicza	YIHUA	8786D	Be ostrożny do być
wkrętak	do	043003
Pęseta	R'DEER	RST-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

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).
Huang, Y., &Wang, Q. N. Disturbance rejection of Central Pattern Generator based torque-stiffness-controlled dynamic walking. Neurocomputing. 170 (1), 141-151 (2015).
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).
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).
Brogardh, T., et al. Present and future robot control development - An industrial perspective. Annu Rev Control. 31 (1), 69-79 (2007).
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).
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).
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).
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).
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).
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).
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).
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).
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

Tagi

Sterowanie silnikiem w czterech kwadrantach fuzja danych z wielu czujników manipulator robotyczny konstrukcja sprzętowa debugowanie czujników autonomiczna identyfikacja inteligentny algorytm wyszukiwania

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