Возможности использования библиотеки проектирования нейронных сетей TensorFlow для кинематического исследования манипулятора
DOI:
https://doi.org/10.32347/gbdmm2020.95.0201Ключові слова:
TensorFlow, манипулятор, система управления, нейронная сетьАнотація
Исследование кинематических структур многозвенных манипуляторов является нетривиальной задачей. Сложности проявляются при исследовании кинематических схем у которых количество подвижных независимых частей превышает количество обобщенных независимых степеней подвижности, так как в таких случаях имеет место переизбыток подвижности системы и для одной позиции может существовать больше двух конфигураций манипулятора. Подобная неоднозначность сильно усложняет поиск зависимостей между обобщенными координатами системы и конечной точкой перемещения рабочего органа. Также необходимо учитывать, что в дальнейшем при составлениях динамических уравнений движений для подобных систем, такая неоднозначность усложняет исследование задач динамики.
Решения подобных проблем осуществляется разными методами и в данной статье рассматривается возможность применения нейронных сетей для исследований подобных неоднозначных задач на примере кинематического исследования шарнирно-сочлененного манипулятора.
В представленной работе рассмотрены возможности использования библиотеки Tensor-Flow от компании Google при помощи которой создаются модели нейронных сетей и «нейронов», а также функции нахождения весовых коэффициентов настройки созданной модели сети. В ходе исследования была создана нейронная сеть для расчета функции регрессии зависимостей между геометрическими координатами точки перемещения захватного устройства манипулятора и обобщенными координатами его стреловой системы.
Целью данного исследования является демонстрация возможностей нейронных сетей при решении инженерных задач, которые требуют сложных математических преобразований.
Использование архитектур нейронных сетей в системах управления манипуляторами позволяет создавать универсальные механизмы для выполнения различных технологических процедур, при этом снижая затраты на разработку подобных решений.
В целом нейронные сети не являются универсальными средствами для решения всех инженерных задач, так как требуют большего набора тестовых выборок для настройки (обучения) параметров своих моделей, однако существует ряд проблем при решении которых нейронные сети имеют большие преимущества.Посилання
Sherbakov V. S., Rebrova I. A. (2006). Plannirovanie traektorii rabochego organa stroitelnogo manipulyatora v avtomaticheskom rezhime [Planning the trajectory of the working body of the construction manip-ulator in automatic mode]. Omskij nauchnyj vestnik, Nr.7, 107-109. – (in Russian).
Pelevin L. Ye., Pochka K. I., Mischuk D. O., Garkavenko O. M., Rusan I. V. (2016). Sintez robototehnichnih sistem v mashino-buduvanni: Pidruchnik [Synthesis of robotic systems in mechanical engineering: Text-book]. Kyiv, "NVP "Interservis"" Publ., 258. – (in Ukrainian).
Wu, Q. C., Wang, X. S., Chen, B., & Wu, H. T. (2018). Development of an RBFN-based neural-fuzzy adaptive control strategy for an upper limb rehabilitation exoskeleton. Mechatronics, 53, 85-94. https://doi.org/ 10.1016/j.mechatro-nics.2018.05.014.
Mischuk D. O. Development of control sys-tem for construction robot using technologies “Microsoft robotic studio”. II International scientific and technical conference “Energy-saving machines and technologies”, Septem-ber 29 - October 1, (2015). Kyiv, KNUCA, 47. – (in Ukrainian).
Mischuk D. O. (2014). Kinematichnij analiz manipulyacijnoyi sistemi budivelnogo robota [Kinematic analysis of the manipulation system of a construction robot]. Vestnik Harkovskogo nacionalnogo avtomobilno-dorozhnogo universiteta, Vol. 65-66, 90-96. – (in Ukrainian).
Zenkevich S. L., Yushenko A. S. (2000). Upravlenie robotami. Osnovy upravleniya manipulyacionnymi robotami: Ucheb. Dlya vuzov [Robot control. Fundamentals of ma-nipulation robots control: Textbook]. Moscow, MGTU Publ., 400.
Karlik B., Aydin S. (2000). An improved approach to the solution of inverse kinemat-ics problems for robot manipulators. Engineering applications of artificial intelligence, Vol.13, Nr. 2, 159-164.
Spiny G. A. (1991). Promyshlenye roboty. Konstruirovanie i primenenie [Industrial robots. Design and Application]. Kyiv, Vysha shk. Publ., 331. – (in Russian).
Feng Y., Yaonan W., Yimin Y. (2014). Inverse kinematics solution for robot manipu-lator based on neural network under joint subspace. International Journal of Computers Communications & Control, Vol.7, Nr. 3, 459-472.
Lovejkin V. S., Mischuk D. O. (2013). Optimizaciya rezhimiv zmini vilotu manipulyatora z gidroprivodom. Monografiya. [The optimization modes of change departure the manipulator with hydraulic drive. Monograph]. Kyiv, CP Komprint Publ., 206. – (in Ukrainian).
Lovejkіn V. S., Mіschuk D. A. (2012). Matematichne modeljuvannja zmіni vil'otu vantazhu manіpuljatorom z gіdroprivodom [Mathematical modeling of changes in cargo flight with hydraulic manipulator]. Gіrnichі, budіvel'nі, dorozhnі ta melіorativnі mashini [Mining, construction, road and reclamation machines], Nr. 79, 9-15. – (in Ukrainian).
Mischuk D., Gorbatyuk Ye., Volyanyuk V. (2019). Viznachennya geometrichnih parametriv manipulyatora za harakteristikami robochogo seredovisha [Determination of geometric parameters of a manipulator using by characteristics the working environment]. Girnichi, budivelni, dorozhni i meliorativni mashini, Nr. 94, 25-34. – (in Ukrainian). https://doi.org/10.32347/gbdmm2019.94.0201
Momani S., Abo-Hammour Z. S., Alsmadi O. M. K. (2016). Solution of inverse kinematics problem using genetic algorithms. Applied Mathematics & Information Sciences, Vol. 10, No.1, 225.
LaValle S. M. (2006). Planning algorithms. Cambridge university press, 1007.
Stilman M. et al. Manipulation planning among movable obstacles. Robotics and Automation. (2007) IEEE International Conference on., IEEE, 3327-3332.
Hirano Y., Kitahama K., Yoshizawa S. Image-based object recognition and dexter-ous hand/arm motion planning using rrts for grasping in cluttered scene. Intelligent Robots and Systems, (IROS 2005). (2005) IEEE/RSJ International Conference on., IEEE, 2041-2046.
Graca Marcos M., Machado J.A.T., Azevedo-Perdicoulis T. P. (2009). Trajecto-ry plan-ning of redundant manipulators using genetic algorithms. Communications in non-linear science and numerical simulation, Vol.14, Nr.7, 2858-2869.
Mischuk D. O. (2015). Increasing efficiency manipulator by optimal control. Gіrnichі, Budіvelnі, Dorozhnі Ta Melіorativnі Mashini [Mining, constructional, road and melioration machines], Nr. 85, 43-50. – (in Ukrainian).
Loveikin V. S., Mischuk D. A. (2019). Synthesis of Optimal Dynamic Mode of Manipulator Boom Movement Mounted on Elastic Base. Science & Technique, Nr. 18(1), 55-61. – (in Russian) https://doi.org/10.21122/2227-1031-2019-18-1-55-61.
Lovejkin V. S., Mishuk D. O. (2009). Viznachennya optimalnih rezhimiv ruhu manipulyatora za proces pusku (galmuvannya) pid chas roboti za odniyeyu z uzagalnenih koordinat [Determining the optimal modes of movement of the manipulator for the process of starting (braking) while working on one of the generalized coordinates]. Gіrnichі, Budіvelnі, Dorozhnі Ta Melіorativnі Mashini [Mining, constructional, road and melioration machines], Nr.73, 35-42. – (in Ukrainian).
Mischuk, D., Bojchenko A. (2019). Rozrobka koncepciyi sistemi keruvannya robotom dlya shtukaturnih robit na osnovi nejronnoyi merezhi [Development of the concept of control system work for plaster works based on neural network]. Gіrnichі, Budіvelnі, Dorozhnі Ta Melіorativnі Mashini [Mining, constructional, road and melioration machines], Nr. 93, 46-60. – (in Ukrainian). https://doi.org/10.32347/gbdmm2019.93.0501.
Bingul Z., Ertunc H. M., Oysu C. Applying neural network to inverse kinematic problem for 6R robot manipulator with off-set wrist. Adaptive and Natural Computing Algorithms. (2005). Springer, Vienna, 112-115.
Koker R., Cakar T., Sari Y. (2014). A neural-network committee machine approach to the inverse kinematics problem solution of robotic manipulators. Engineering with Computers, Vol.30, Nr. 4, 641-649.
Mischuk D., Voliyanuk V., Gorbatyk Eu. (2017). The module design of construction robot. Gіrnichі, Budіvelnі, Dorozhnі Ta Melіorativnі Mashini [Mining, constructional, road and melioration machines], Nr. 89, 90-97. – (in Ukrainian). http://gbdmm.knuba.edu.ua/article/view/114398.
Dorogov A. Yu. (2014). Teoriya i proektirovanie bystryh perestraivaemyh preobrazovanij i slabosvyazannyh nejronnyh setej [Theory and design of fast reconstructed transformations and loosely coupled neural networks]. Politehnika Publ, 328. – (in Russian).
Zheron O. (2020). Prikladnoe mash-innoe obuchenie s pomoshyu Scikit-Learn i TensorFlow: koncepcii, instrumenty i tehniki dlya sozdaniya intellektualnyh sistem [Hands-On Machine Learning with Scikit-Learn and TensorFlow]. Dialektika-Vilyams, 688.
TensorFlow Core for beginners. Keras basics. https://www.tensorflow.org/tutorials?hl=en.
Komotska, S., & Bigun, M. (2019). Testing of pneumatic cylinders using time relays. Gіrnichі, Budіvelnі, Dorozhnі Ta Melіorativnі Mashini [Mining, constructional, road and melioration machines], Nr. 94, 51–62. https://doi.org/10.32347/gbdmm2019.94.0501
Sukach M. K., (2019). Laboratory research of staple leaf springs. Mining, construction, road and melioration machines, Nr. 94, 16-24. – (in Russian). https://doi.org/10.32347/gbdmm2019.94.0102.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2020 Andriy Boychenko, Dmitry Mishchuk
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Право авторства належить авторам статей. Невиключні права на першу публікацію матеріалів статті автори передають редакції журналу «Гірничі, будівельні, дорожні та меліоративні машини» на умовах угоди з авторами згідно ліцензії Creative Commons CC BY 4.0. При цьому авторри мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Запозичення матеріалів повністю або частково можливе з посиланням на вихідні дані журналу з обов'язковою вказівкою правовласника та імен авторів статей. При створенні на основі опублікованих у журналі статей нових матеріалів, цитуванні або перекладі фрагментів статей з метою їхнього цитування необхідно посилатися на першоджерела з дотриманням правил цитування.
Автори, які публікуються в цьому журналі, погоджуються з такими умовами:
- автори зберігають за собою авторські права на роботу та передають журналу право першої публікації разом із роботою, одночасно ліцензуючи її на умовах Creative Commons Attribution License, яка дозволяє іншим поширювати цю роботу з обов'язковим зазначенням авторства цієї роботи та посиланням на оригінальну публікацію у цьому журналі.
- автори зберігають за собою право укладати окремі додаткові контрактні угоди на неексклюзивне розповсюдження версії роботи, опублікованої в цьому журналі (наприклад, розмістити її в університетському сховищі або опублікувати її в книзі), з посиланням на оригінальну публікацію в цьому журналі.
- авторам дозволяється розміщувати їх роботу в мережі Інтернет (наприклад, в університетському сховищі або на їхньому персональному веб-сайті) до і під час процесу розгляду її даним журналом, оскільки це може призвести до продуктивного обговорення, а також до більшої кількості посилань на дану опубліковану роботу (Дивися The Effect of Open Access).
Дозвіл на повторне використання визначається наступною користувальницькою ліцензією:
- Creative Commons Attribution (CC BY 4.0): дає можливість іншим поширювати і копіювати статтю, створювати уривки, реферати та інші виправлені версії, адаптації або похідні роботи зі статті (наприклад, переклад) для включення в колективну роботу (наприклад, монографію), для пошуку тексту або даних в статті, навіть в комерційних цілях, за умови, що вони вказують автора (ів), не змінюють статтю в такий спосіб, щоб завдати шкоди честі або репутації автора.