剛性連成多体ロボットのためのファジィ適応非線形MIMO制御における強化学習モデル

科学分野:

• ロボット工学
• 制御システム
• 人工知能

背景:

• ロボットのようなメカトロニクスシステムは複数の自由度（DOF）を持ち、産業および日常生活において重要です。
• これらのシステムの正確な特性評価は、結合、未知のダイナミクス、および外部摂動により困難であり、従来のモデルベース制御を制限します。
• 既存の制御方法は、実際のロボットアプリケーションの複雑さに苦労しています。

研究 の 目的:

• ロボットおよびロボットアームのための適応型MIMO（Multiple-Input Multiple-Output）制御アプローチを開発すること。
• 環境の不確実性と外乱に直面するロボットシステムの安定性、柔軟性、およびリアルタイムパフォーマンスを向上させること。
• 複雑なロボットシステムにおける迅速かつ正確な軌道追従を実現すること。

主な方法:

• 強化学習ベースの適応型MIMO制御戦略を開発しました。
• ヒトデ最適化アルゴリズム（SFOA）、ファジィ強化学習、および有限時間収束原理の統合。
• 支配方程式のための関節空間モデリングと制御戦略実装のための四元数モデリングを利用しました。
• 動的適応、リアルタイム学習、および瞬時フィードバックを多変量フィードバックアーキテクチャに組み込みました。

主要な成果:

• 提案された制御戦略は、シミュレーションにおいて優れた性能を示しました。
• このアプローチは、外乱下でのロボット運動の安定性と柔軟性を向上させました。
• 迅速かつ正確な軌道追従を実現し、リアルタイム性能、精度、および堅牢性の向上を示しました。
• 2自由度および5自由度のロボットでテストされました。

結論:

• 強化学習ベースの適応型MIMO制御は、ロボットシステムの特性評価および制御における課題を効果的に解決します。
• SFOA、ファジィ強化学習、および有限時間収束の統合は、複雑なロボットタスクのための堅牢なソリューションを提供します。
• 開発された制御戦略は、優れたリアルタイムパフォーマンス、精度、および堅牢性を提供し、重要なアプリケーションに適しています。