WYZNACZANIE PARAMETRÓW MODELU ROBOTA PRZEMYSŁOWEGO PRZY POMOCY SIECI NEURONOWYCH

Podobne dokumenty
BADANIE STATYSTYCZNEJ CZYSTOŚCI POMIARÓW

Portfel złożony z wielu papierów wartościowych

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

Projekt 3 Analiza masowa

WPŁYW ZMIENNOŚCI MASY JEDNEGO Z POJAZDÓW NA NIEBEZPIECZEŃSTWO ZEJŚCIA KOŁA Z SZYNY PODCZAS ZDERZENIA CZOŁOWEGO

Planowanie eksperymentu pomiarowego I

W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

KALIBRACJA NIE ZAWSZE PROSTA

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

Jego zależy od wysokości i częstotliwości wypłat kuponów odsetkowych, ceny wykupu, oczekiwanej stopy zwrotu oraz zapłaconej ceny za obligację.

METODY KOMPUTEROWE 1

będą niezależnymi zmiennymi losowymi o tym samym 2 x

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

Pomiary parametrów napięć i prądów przemiennych

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. dr Michał Silarski

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

KONCEPCJA WIELOKRYTERIALNEGO WSPOMAGANIA DOBORU WARTOŚCI PROGOWEJ W BIOMETRYCZNYM SYSTEMIE UWIERZYTELNIANIA. Adrian Kapczyński Maciej Wolny

TMM-2 Analiza kinematyki manipulatora metodą analityczną

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

Teoria i metody optymalizacji

Szeregi czasowe, modele DL i ADL, przyczynowość, integracja

Pomiary bezpośrednie i pośrednie obarczone błędem przypadkowym

n R ZałóŜmy, Ŝe istnieje d, dla którego: Metody optymalizacji Dr inŝ. Ewa Szlachcic otwarte otoczenie R n punktu x, Ŝe

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Podstawy opracowania wyników pomiarowych, analiza błędów

f f x f, f, f / / / METODA RÓŻNIC SKOŃCZONYCH niech N = 2 (2 równania różniczkowe zwyczajne liniowe I-rz.) lub jedno II-rzędu


Estymacja przedziałowa

Równania rekurencyjne

Badanie efektu Halla w półprzewodniku typu n

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Nr 70 Politechniki Wrocławskiej Nr 70


Prognozowanie wielkości sprzedaży z wykorzystaniem sztucznych sieci neuronowych na przykładzie przedsiębiorstwa branży kwiatowej

METODY I ZASTOSOWANIA SZTUCZNEJ INTELIGENCJI. LABORATORIUM nr 01. dr inż. Robert Tomkowski

Laboratorium Metod Statystycznych ĆWICZENIE 2 WERYFIKACJA HIPOTEZ I ANALIZA WARIANCJI

Wyrażanie niepewności pomiaru

Podstawowe zadanie statystyki. Statystyczna interpretacja wyników eksperymentu. Zalety statystyki II. Zalety statystyki

ANALIZA DRGAŃ POPRZECZNYCH PŁYTY PIERŚCIENIOWEJ O ZŁOŻONYM KSZTAŁCIE Z UWZGLĘDNIENIEM WŁASNOŚCI CYKLICZNEJ SYMETRII UKŁADU

08 Model planowania sieci dostaw 1Po_2Pr_KT+KM

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Agenda. Politechnika Poznańska WMRiT ZST. Piotr Sawicki Optymalizacja w transporcie 1. Kluczowe elementy wykładu

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

MATEMATYKA STOSOWANA W INŻYNIERII CHEMICZNEJ

Prawdopodobieństwo i statystyka r.

Sprawdzenie stateczności skarpy wykopu pod składowisko odpadów komunalnych

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

5. OPTYMALIZACJA NIELINIOWA

Sterowanie optymalne statkiem w obszarze ze zmiennym prądem problem czasooptymalnej marszruty. Zenon Zwierzewicz

Regresja REGRESJA

OGÓLNE SFORMUŁOWANIE ZADANIA IDENTYFIKACJI NIELINIOWEGO MODELU DYNAMICZNEGO

... MATHCAD - PRACA 1/A

Tablice wzorów Przygotował: Mateusz Szczygieł

System finansowy gospodarki

Funkcja wiarogodności

Obliczanie średniej, odchylenia standardowego i mediany oraz kwartyli w szeregu szczegółowym i rozdzielczym?

. Wtedy E V U jest równa

FINANSE II. Model jednowskaźnikowy Sharpe a.

Nowoczesne technk nformatyczne - Ćwczene 2: PERCEPTRON str. 2 Potencjał membranowy u wyznaczany jest klasyczne: gdze: w waga -tego wejśca neuronu b ba

ĆWICZENIE 10 OPTYMALIZACJA STRUKTURY CZUJKI TEMPERATURY W ASPEKCIE NIEZWODNOŚCI

SOWA - ENERGOOSZCZĘDNE OŚWIETLENIE ULICZNE METODYKA

ma rozkład normalny z nieznaną wartością oczekiwaną m

05 Klasyfikacja modeli planowania sieci dostaw Model: 1Po_1Pr_KT

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Proces narodzin i śmierci

Statystyczne charakterystyki liczbowe szeregu

AKADEMIA MORSKA W SZCZECINIE

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

Wykład 10 Wnioskowanie o proporcjach

Dynamika układu punktów materialnych

Prognozowanie obciążeń 24-godzinnych w systemie elektroenergetycznym z użyciem zespołu sieci neuronowych

EMIL PANEK STABILNO STANU RÓWNOWAGI NA RYNKU KONKURENCYJNYM Z NIEKLASYCZNYM RÓWNANIEM DYNAMIKI CEN I CZASEM DYSKRETNYM 1. WST P

BADANIE UKŁADÓW ZAWIERAJĄCYCH WZMACNIACZE OPERACYJNE

(a) Jednowarstwowa sieć Hopfielda, z n neuronami (źródło [2]) (b) Bipolarna funkcja przejścia

W wielu przypadkach zadanie teorii sprężystości daje się zredukować do dwóch

Zależność kosztów produkcji węgla w kopalni węgla brunatnego Konin od poziomu jego sprzedaży

Laboratorium z Biomechatroniki Ćwiczenie 3 Wyznaczanie położenia środka masy ciała człowieka za pomocą dźwigni jednostronnej

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Materiały do wykładu 7 ze Statystyki

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

Sztuczna Inteligencja Tematy projektów Sieci Neuronowe

MODELOWANIE NEURONALNE ROZWOJU SYSTEMU ELEKTROENERGETYCZNEGO. CZĘŚĆ 2. MODELE SYSTEMU IEEE RTS

3. OPTYMALIZACJA NIELINIOWA

Badania niezawodnościowe i statystyczna analiza ich wyników

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Wielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania MODELOWANIE I PODSTAWY IDENTYFIKACJI

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

1.3. STAN NAPRĘŻENIA STRONA STATYCZNA

METODY ROZWIĄZYWANIA DUŻYCH UKŁADÓW RÓWNAŃ LINIOWYCH

Centralna Izba Pomiarów Telekomunikacyjnych (P-12) Komputerowe stanowisko do wzorcowania generatorów podstawy czasu w częstościomierzach cyfrowych

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Józef Beluch Akademia Górniczo-Hutnicza w Krakowie. Wpływ wag współrzędnych na wyniki transformacji Helmerta

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

MODELE OBIEKTÓW W 3-D3 część

PRZYKŁADOWE TEMATY ZADAŃ PROJEKTOWYCH

WSPOMAGANIE DECYZJI - MIŁOSZ KADZIŃSKI LABORATORIUM II PROGRAMOWANIE CELOWE, ILORAZOWE I MIN-MAX. min. min

Transkrypt:

XIV Krajowa Koferecja Autoatyk Zeloa Góra, -7 czerwca WYZNACZANIE PARAMETRÓW MODEU ROBOTA PRZEMYSŁOWEGO PRZY POMOCY SIECI NEURONOWYCH Jakub MOŻARYN, Cezary WIDNER, Jerzy E KUREK Istytut Autoatyk Robotyk, Poltechka Warszawska ul Chodkewcza 8, -55, Warszawa Streszczee: Model ateatyczy robota rzeysłowego jest dobrze zay w ostac rówań agrage a-eulera Paraetry fzycze robota wykorzystywae w ty odelu są jedak trude do wyzaczea dla rzeczywstego robota W racy rzedstawoo sosób wyzaczaa wsółczyków odelu ateatyczego robota rzy oocy sec euroowych Prooowaa etoda ozwala a wyzaczee odelu rzeczywstego robota bez otrzeby oaru jego araetrów fzyczych takch jak oety ercyje, t Słowa kluczowe: robotyka, sec euroowe, odel robota Wstę Jedy ze sosobów wyzaczaa odelu ateatyczego robota jest wykorzystae wzorów agrage a-eulera Wyagają oe jedak dokładej zajoośc araetrów fzyczych robota takch jak oety ercyje, asy wyary człoów W zarooowaej w artykule etodze do oblczeń odelu ateatyczego robota w ostac rówań agrage a-eulera wykorzystao sec euroowe Dotychczasowe wyk badań w zakrese zastosowaa sztuczych sec euroowych do wyzaczaa odelu robota wskazują a ch otecjale duże ożlwośc [, 5, 6] Podstawową zaletą jest brak wyagań zajoośc araetrów fzyczych robota Neuroowy odel budoway jest z wykorzystae sygałów wejścowych wyjścowych robota, oraz zajoośc struktury jego odelu ateatyczego W racy rzedstawoo odel robota w ostac rówań agrage a-eulera Nastęe zarooowae są odele euroowe robota Na końcu rzedstawoo oówoo wyk badań Model robota agrage a-eulera Model ateatyczy robota oża osać rówaa agrage'a-eulera [] w ostac: M ( θ ) && θ V ( θ, & θ ) G( θ ) = τ () gdze: θ R wektor wsółrzędych uogóloych, lość sto swobody robota, τ R wektor oetów aędowych, M (θ ) R acerz oetów bez- władośc robota, V ( θ, & θ ) R wektor oetów zależych od sł odśrodkowych sł Corolsa, G(θ ) R wektor oetów zależych od sł grawtacj Dokoując astęujących odstaweń & θ ( t ) θ (t T ) θ ( t) & θ & θ ( t T ) & θ ( t), ( t) T M[ θ ( k)][ θ ( k ) θ ( k) θ ( k )] = Tτ ( k) T B[ θ ( k)] = [ T oża wyzaczyć odel robota w czase dyskrety: V[ θ ( k), θ ( k )] T W erwszy rzyadku seć euroowa wyzacza astęujące araetry A, B,C odelu robota (): T ] = M [ θ ( k)] G[ θ ( k)], C[ θ ( k)] = [ cj ] = T M [ θ ( k)] Przyjując, że: ϑ( k) = θ ( k ) θ ( k) θ ( k ), oraz korzystając z () oża asać rówae dyak dla każdego ze sto swobody jako: G[ θ ( k)] gdze T jest okrese róbkowaa oraz k jest czase dyskrety, t = kt Modele euroowe robota () () Do wyzaczaa odelu robota zbudowao dwa układy sec euroowych Model euroowy A[ θ ( k), θ ( k )] = [ a ] = T M [ θ ( k)] V[ θ ( k), θ ( k )], b

ϑ ( k) = a = [ θ ( k), θ ( k )] b c [ θ ( k)] τ ( k) [ θ ( k)] (5) Do wyzaczaa araetrów w rówau (5) wykorzystao rzedstawoy a rys układ trójwarstwowych sec euroowych tyu feed-forward o dwóch ukrytych warstwach elowych (N, N) składających sę z różej lczby euroów o fukcj aktywacj: f N ( v ) = ta sg( v ) =, f [,] (6) v e wyjścowej warstwe lowej () z euroa o fukcj aktywacj: f ( v ) = v (7) k = v Model : J ( d) = [ ϑ ( k, d) ϑnn ( k, d)] (8) Υ a = a θ k θ k = gdze: d ozacza uer teracj, v ozacza lość róbek uczących, ϑ NN ozacza wyjśce z sec odelujących dyakę -tego stoa swobody (rys) Model euroowy Każda z sec jest kolete ołączoa, tz wejśca do kolejych warstw ołączoe są ze wszystk euroa w tych warstwach Sygała wejścowy do sec są θ (k) θ ( k ) W ty rzyadku oddzely układ sec euroowych odtwarza araetry dla każdego ze sto swobody Dla tego odelu rzyjęto wskaźk jakośc uczea sec euroowych w astęującej ostac: Drug odel do wyzaczaa araetrów A, B,C wykorzystuje rzedstawoy a rys układ trójwarstwowych sec euroowych tyu feed-forward Każda z sec a strukturę aalogczą jak w osay wcześej odelu W ty rzyadku układ sec euroowych odtwarza jedocześe araetry wszystkch sto swobody Dla tego odelu rzyjęto astęujący wskaźk jakośc uczea sec euroowych: v J ( d) = [ θ j ( k, d) θ NNj ( k, d)] (9) k = j= gdze: wektor wyjść z sec odelujący dyakę θ NNj wszystkch sto swobody (rys) Syulacje kouterowe Sec uczoo wykorzystując etodę roagacj wsteczej gradetową etodę alzacj kerukowej erwszego rzędu [8] Przedstawoą owyżej etodykę odelowaa sec euroowych do odtwarzaa araetrów odelu ateatyczego robota wykorzystao w syulacjach kouterowych Dae uczące testujące uzyskao z kouterowych syulacj robota PUMA 56 o 6 stoach swobody rzegubach obrotowych w których zastosowao sterowae o zeej strukturze [], lub teracyje sterowae uczące [] Paraetry robota odao w tabel W celu auczea sec wygeerowao 5 zborów daych uczących, syulując zachowae robota odczas którego ał o oruszać sę o zadaej trajektor w czase [s] z czase róbkowaa wyoszący T = [ s] Przerowadzoo badaa dla różych lośc euroów w warstwach elowych Na oczątku auk sec wyberao w sosób losowy wag rzesuęca Sec uczoo wykoując teracj uczących Przykładowe rezultaty uzyskae w wyku uczea sec dla wszystkch sto swobody rzedstawoo a rys W rzyadku dotyczący odelu każda z sec w układze ała euroy w erwszej warstwe elowej, euroy w drugej warstwe elowej, oraz jede euro w warstwe wyjścowej Natoast w odelu każda z sec ała (czarek) Zadae trajektore uczące rzedstawoo a rysuku Różce oędzy dwoa odela zobrazowao dla stoa swobody a rysuku, gdze zajdują sę wykresy błędu lczoego jako: Model : Υ = a θ k ( ϑ k θ k θ ( k () a k = ( ) ( ) ( ) )) ( ) ( k)) NN W tabel rzedstawoo wartośc aksyalego błędu o teracjach 5 Wosk Podczas wykoywaa syulacj dotyczących erwszego odelu zauważoo, że sec odowadające róży stoo swobody uczoe są z różą dokładoścą Dobrą aroksyację fukcj osującej dyakę uzyskao dla, 5 stoa swobody o teracjach W ozostałych rzyadkach różce oędzy fukcją zadaą a wyjśce z sec euroowej są wększe Dodatkowo a rys wdać, że ajwększe różce są a końcach trajektor Po uczeu sec rzerowadzao także róby dla trajektor ych ż trajektore uczące, aby srawdzć ożlwośc redykcyje tak auczoych sec Nestety e uzyskao zadowalających rezultatów Korzystając z uzyskaych wyków oża stwerdzć, że dla daych uczących owyższe odele ogą odtwarzać zadae fukcje osujące dyakę oszczególych sto swobody robota Należy wykoać jedak węcej badań, tak aby zotyalzować czas uczea sec, oraz orawć jej właścwośc redykcyje 6 teratura [] Corke P I, Matlab Robotcs Toolbo (release 5), CSIRO, Australa, 999 [] Fu K S, Gozalez R C, ee C S G, Robotcs: cotrol, sesg, vso, ad telgece, McGraw- Hll Book Coay, 987

[] Gao W, Wag Y, Hoafa A, Dscrete-Te Varable Structure Cotrol Systes, IEEE Trasactos o Idustral Electrocs, vol, o, str7-, Arl 995 [] Kurek J E Iteracyje uczące sę sterowae dla układu z czase dyskrety z zakłócea, XIII Krajowa Koferecja Autoatyk, Oole 999 [5] Kurek J E, "Calculato of Robot Maulator- Model Usg Neural Net", Euroea Cotrol Coferece ECC '99, Karlsruhe, Geray 999 [6] Kurek J E, "Neural Net Model of Robot Maulator", Neural Coutato NC '98, Vea, Austra, 998 [7] Kurek J E, "Calculato of a Robot Maulator Model a for of a Recurret Neural Net", [8] Osowsk S, Sec Neuroowe, OWPW, Warszawa, 99 CACUATION OF THE INDUSTRIA ROBOT MODE PARAMETERS USING NEURA NETWORKS Abstract: I the aer there are reseted ethods of calculato of the araeters of the dustral robot atheatcal odel usg eural etworks We reset the ossble archtectures of eural etworks ad the obtaed results fro the couter sulatos of PUMA 56 robot ar A NN θ(k-) θ(k) N N a NN (k) B NN N N b NN (k) ϑ NN(k) C NN τ (k) N N c NN (k) C NN N N c NN (k) τ (k) Rys Struktura układu sec euroowych służąca do detyfkacj araetrów odelu ()

θ( k), θ( k ), τ ( k) N N (k) C NN N N A NN (k) θ ( k ) NN N N (k) B NN - Rys Struktura układu sec euroowych odtwarzających araetry odelu (9) Tabela Paraetry Robota PUMA 56 wg[] ( α - kąt skręcea, a - długość człou, θ - kąt kofguracj, d - odsuęce człoów I,, I yy, I zz,- asowe oety bezwładośc, I y,i yz, I z asowe oety dewacj, M- asa człou, r=[r r y r z ] T - jedorody wektor wsółrzędych środka asy ) ołączee α a [] θ d [] I [kg ] I yy [kg ] I zz [kg ] I y = I yz = I z [kg ] 9 5 8 5 59 7-68 6 75 M [kg] r [] r y [] r z [] -9 55 66 86 5 8 - - 7 9 8 8 8 8 9 5-9 6 5 5 8

6 υnn, υ [deg] - υnn, υ [deg] - - - -6 5 5 5 5 5 5 rkroku - 5 5 5 5 5 5 rkroku υnn, υ [deg] - υnn, υ [deg] - - - - 5 5 5 5 5 5 rkroku - 5 5 5 5 5 5 rkroku 8 υnn5, υ5 [deg] - - - υnn6, υ6 [deg] 6 - - -6-5 5 5 5 5 5 5 rkroku -8 5 5 5 5 5 5 rkroku egeda: υnn υ Rys Wyjśca z sec ϑ NN (k) fukcja zadaa ϑ (k) dla wszystkch sto swobody robota PUMA 56 o teracjach TABEA Maksyaly błąd uzyskay o teracjach (dae uczące) Υ a [ ] Υ a [ ] Υ a [ ] Υ a [ ] Υ 5a [ ] Υ 6a [ ] Model TABEA 5Maksyaly błąd uzyskay o teracjach (dae testowe) Υ a [ ] Υ a [ ] Υ a [ ] Υ a [ ] Υ 5a [ ] Υ 6a [ ] teracj