Нечеткий цифровой фильтр для управления роботом-манипулятором ARMino

Рассмотрены принцип работы устройства робота-манипулятора ARMino и схема подключения его электрических компонентов. В состав устройства входят: управляющая плата Arduino Mega, четыре сервопривода, четыре потенциометра, макетная плата, компьютер. Поворот ручек потенциометра регулирует положение шпинделей сервоприводов. При изменении напряжения на ножке потенциометра изменяется напряжение на аналоговых входах микроконтроллера. Затем в микроконтроллере напряжение масштабируется в значение угла поворота сервопривода, после этого осуществляется поворот звеньев робота-манипулятора. В процессе работы устройства робота-манипулятора ARMino возникла проблема дребезга контактов, значительно уменьшающая точность позиционирования и плавность хода звеньев ARMino. Для решения этой проблемы был разработан нечеткий цифровой фильтр.

Описан алгоритм работы цифрового фильтра, состоящего из четырех шагов. Одним из шагов является нахождение коэффициентов цифрового фильтра, от которых зависят уровень напряжения, передаваемого на сервоприводы сигнала, и время переходного процесса формирования фронтов этого сигнала. Основной проблемой при реализации цифрового фильтра является тот факт, что при стандартной методике нахождения коэффициентов цифрового фильтра его коэффициенты задаются диапазоном рекомендуемых значений, что затрудняет выбор из этого диапазона единственного значения и передачи его на сервоприводы. Для решения этой проблемы был разработан нечеткий цифровой фильтр, алгоритм работы которого состоит из шести шагов. На первом шаге определяются степени истинности входных переменных. Второй шаг — это расчет степеней истинности предпосылок нечетких правил. На третьем шаге осуществляется расчет степеней истинности заключений нечетких правил с помощью операции нахождения максимумов. Четвертым шагом является этап дефаззификации, при котором осуществляется расчет четкого значения коэффициента нечеткого цифрового фильтра. На пятом шаге находится выходное напряжение, передаваемое на сервоприводы. На последнем шаге выходное напряжение в микроконтроллере преобразуется в значение угла поворота и сервоприводу дается команда для поворота.

Представлено численное моделирование алгоритма работы нечеткого цифрового фильтра на примере работы сервопривода, перемещающего основание ARMino.

Проведены экспериментальные исследования функционирования нечеткого цифрового фильтра, подтверждающие целесообразность его использования. Приведены графики переходного процесса движения основания робота-манипулятора без применения и с применением нечеткого цифрового фильтра.

1. Горитов А. Н. Управление роботом-манипулятором в среде с неполной информацией // Мехатроника, автоматизация, управление. 2014. № 6. С. 19—23.

2. Нусратов О. К., Джафаров П. С., Зейналов Э. Р., Мустафаева А. М., Джафаров С. М. Аналитический методсинтеза регулятора с нечеткой TS-моделью для управления манипулятором робота с гибким соединением // Мехатроника, автоматизация, управление. 2011. № 8. C. 10—14.

3. Коротков А. Л., Королев Д. М., Китаев Н. А. Комплект модулей мобильной робототехники для макетирования и отладки алгоритмов управления // Мехатроника, автоматизация, управление. 2018. T. 19. № 3. С. 175—182.

4. URL: http://electricalschool.info (дата обращения 08.05.2018).

5. Кондратьев Н. О., Кузнецов К. А., Трубин В. Г. Устройство ввода информации на базе механического инкрементального энкодера EC11 // Автоматика и программная инженерия. 2017. № 2. С. 39—45.

6. URL: http://iarduino.ru. (дата обращения 16.05.18)

7. URL: http://www.teh-lib.ru/cimpu/cifrovye-filtry.html (дата обращения 17.05.18)

8. Бобырь М. В. Адаптивная система управления мобильным роботом на основе нечеткой логики // Мехатроника, автоматизация и управления. 2015. № 7. С. 449—455.

9. Ющенко А. С. Методы нечеткой логики в управлении мобильными манипуляционными роботами // Вестник МГТУ им. Баумана. 2012. С. 29—43.

10. Ho Pham Huy Anh, Kyoung Kwan Ahn Hybrid control of a pneumatic artificial muscle (PAM) robot arm using an inverse NARX fuzzy model // Engineering Applications of Artificial Intelligence. 2011. N. 24. P. 697—716.

11. Бобырь М. В., Титов В. С., Милостная Н. А. Прогнозирование работы мехатронных систем на основе мягких нечетких баз знаний // Мехатроника, автоматизация и управления. 2014. № 10. С. 8—14.

12. Yuksel Hacioglu, Yunus Ziya Arslan, Nurkan Yagis. MIMO fuzzy sliding mode controlled dual arm robot in load transportation // Journal of the Franklin Institute. 2011. N. 348. P. 1886—1902.

13. Bobyr M. V., Milostnaya N. A., Kulabuhov S. A. A method of defuzzification based on the approach of areas’ ratio // Applied Soft Computing Journal. 2017. N. 10. P. 19—32.

14. Бобырь М. В., Кулабухов С. А., Милостная Н. А. Обучение нейро-нечеткой системы на основе метода разности площадей // Искусственный интеллект и принятие решений. 2016. № 4. С. 15—26.

15. Barmak Baigzadehnoe, Zahra Rahmani, Alireza Khosravi, Behrooz Rezaie. On position/force tracking control problem of cooperative robot manipulators using adaptive fuzzy backstepping approach // ISA Transactions. 2017. N. 70. P. 432—446.