info@luanan.net.vn
Luận án DOCX

Luận án Nghiên cứu xây dựng thuật toán thích nghi và học tăng cường cấu trúc Actor-Critic điều khiển bám quỹ đạo cho robot di động đa hướng mecanum

Năm2025
Lĩnh vựcĐiện kỹ thuật
Ngôn ngữTiếng Việt, Tiếng Anh

Mô tả tài liệu

Tên luận án:

NGHIÊN CỨU XÂY DỰNG THUẬT TOÁN THÍCH NGHI VÀ HỌC TĂNG CƯỜNG CẤU TRÚC ACTOR-CRITIC ĐIỀU KHIỂN BÁM QUỸ ĐẠO CHO ROBOT DI ĐỘNG ĐA HƯỚNG MECANUM

Ngành:

KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA

Tóm tắt nội dung tài liệu:

Luận án trình bày các nghiên cứu và đề xuất nhằm nâng cao chất lượng điều khiển bám quỹ đạo cho robot di động đa hướng Mecanum (FMWR) trong điều kiện trọng tâm thay đổi và có nhiễu ngoại tác động. Trong bối cảnh cách mạng công nghiệp 4.0, FMWR là thành phần thiết yếu trong các nhà máy tự động hóa, với ưu điểm chuyển động linh hoạt và khả năng hoạt động trong môi trường phức tạp, hẹp, đông đúc. Tuy nhiên, những môi trường này thường có yếu tố thay đổi liên tục, như chướng ngại vật, mặt sàn không bằng phẳng, và đặc biệt là sự thay đổi trọng tâm của robot khi mang tải hoặc trong tình huống mất ổn định, gây ảnh hưởng lớn đến chuyển động và khả năng bám quỹ đạo.

Mục tiêu nghiên cứu của luận án là phát triển các thuật toán điều khiển thích nghi và học tăng cường để cải thiện khả năng bám quỹ đạo của FMWR trước các yếu tố môi trường không ổn định và trọng tâm bất định. Luận án đã mô hình hóa toán học cho robot di động bốn bánh xe Mecanum có trọng tâm thay đổi và áp dụng các thuật toán điều khiển truyền thống như PID, SMC, Backstepping-SMC, DSC để đánh giá hiệu suất. Từ đó, hai thuật toán chính đã được đề xuất:

  • **Thuật toán điều khiển mặt trượt động chỉnh định thích nghi mờ (Fuzzy-DSC):** Thuật toán này tích hợp logic mờ để tự động điều chỉnh các tham số điều khiển dựa trên sai lệch vị trí và vận tốc, giúp robot thích nghi linh hoạt với nhiễu và độ lệch trọng tâm. Kết quả mô phỏng và thực nghiệm cho thấy Fuzzy-DSC vượt trội so với DSC thông thường trong việc giảm sai lệch bám quỹ đạo và duy trì sự ổn định.
  • **Thuật toán học tăng cường cấu trúc Actor-Critic:** Phương pháp này sử dụng mạng nơ-ron nhân tạo để giải xấp xỉ phương trình Hamilton-Jacobi-Bellman (HJB), cho phép robot học từ trải nghiệm để tối ưu hóa hành động và bám quỹ đạo một cách chính xác mà không cần biết tường minh các yếu tố bất định của mô hình. Thuật toán này được chứng minh đảm bảo hiệu quả bám quỹ đạo và tính ổn định cao, thích nghi với sự thay đổi về khối lượng và trọng tâm của robot.

Các kết quả mô phỏng và thực nghiệm trên mô hình robot thực tế đã chứng minh tính hiệu quả và khả năng ứng dụng thực tiễn của các thuật toán đề xuất, góp phần phát triển công nghệ tự động hóa và ứng dụng robot trong nhiều lĩnh vực.

Tài liệu liên quan