摘要
本論文之目的在於針對機械臂之力量控制與定位追蹤，發展出智慧型控制系統。首先利用力學與能量的觀念，分析機械臂結構的幾何關係與其運動狀態，進而建立機械臂之動態模型。藉由複雜的建模過程，可知欲正確且完整的建立機械臂模型實屬不易；再者，機械臂運動過程常需面對許多外來干擾與參數變化的問題，然而這些資訊往往不易取得，因此更提高了機械臂控制上的難度。有鑑於此，本論文發展強健型模糊類神經網路控制系統，除了具備良好的定位追蹤能力外，設計過程不需要事先對於許多系統不確定量有所瞭解，符合實際應用上之狀況。然而強健型模糊類神經網路控制系統無法針對機械臂力量做有效規劃，因此本論文設計智慧型最佳化控制系統將機械臂的控制層面加以提升，以改善強健型模糊類神經網路控制系統之缺失。智慧型最佳化控制系統可分為智慧型最佳化定位追蹤控制器與力量控制器。智慧型最佳化定位追蹤控制器中，模糊類神經網路用來學習最佳化控制法則中之非線性函數，而強健控制器則設計用來補償其近似誤差；並提出簡單的適應性邊界估測演算法即時調整參數擾動項以克服控制力顫抖現象。另一方面，力量控制器利用阻抗控制的觀念，負責規劃機械臂與環境間接觸力的細部響應。本論文所提出之控制系統皆以數值模擬驗證其可行性以及強健性。
參考文獻
[1] S. J. Huang, and J. S. Lee, “A stable self-organizing fuzzy controller for robotic motion control,” IEEE Transactions on Industrial Electronics, vol. 47, no. 2, pp. 421-428, 2000.
[2] B. K. Yoo, and W. C. Ham, “Adaptive control of robot manipulator using fuzzy compensator,” IEEE Transactions on Fuzzy Systems, vol. 8, no. 2, pp. 186-199, 2000.
[3] H. D. Patino, R. Carelli, and B. R. Kuchen, “Neural networks for advanced control of robot manipulators,” IEEE Transactions on Neural Networks, vol. 13, no. 2, pp. 343-354, 2002.
[4] F. Sun, Z. Sun, and P. Y. Woo, “Neural networks-based adaptive controller design of robotic manipulators with an observer,” IEEE Transactions on Neural Networks, vol. 12, no. 1, pp. 54-67, 2001.
[6] N. Ranganathan, M. I. Patel, and R. Sathyamurthy, “An intelligent system for failure detection and control in an autonomous underwater vehicle,” IEEE Transactions on Systems, Man and Cybernetics, Part A, vol. 31, no. 6, pp. 762-767, 2001.