نوقشت اطروحة الماجستير الموسومة:

“Modeling, Controller Design and Optimization for Flexible Joint Robot Manipulators”

التي  اعدتها طالبة الماجستير رندة جلاء يحيى  في قسم الهندسة الكهربائية – كلية الهندسة / جامعة بغداد كجزء من متطلبات نيل درجة الماجستير في الهندسة الكهربائية وبإشراف الاستاذ الدكتور نزار هادي عباس يوم الخميس المصادف 17/3/ 2022 .

وقد تشكلت لجنة  المناقشة  من السادة :

المنصب في اللجنة اللقب العلمي الاسم ت
رئيسا استاذ ا.د. اخلاص حميد كاظم 1
عضوا استاذ مساعد ا.م.د. ضياء جاسم كاظم 2
عضوا استاذ مساعد ا.م.د. احمد محروس راغب 3
مشرفا استاذ ا.د. نزار هادي عباس 4

 

خلاصة اطروحة الطالبة كما يلي:

في الوقت الحاضر ، يتم دعم النشاط البشري في العديد من المجالات بواسطة الروبوتات ابتدا من الروبوتات البسيطة المستخدمة في التطبيقات الصناعية إلى الروبوتات المعقدة المستقلة لاستكشاف الفضاء. ان سبب هذا الانتشار هو تنوع ومرونة الروبوتات الممتازة ، مما يجعلها مناسبة لأداء مهام مختلفة. فعلى سبيل المثال ، تعتبر منظومة الزراع الروبوتي ذو المفاصل المرنة (FJM) من ألانظمة الميكانيكية المعقدة للغاية بسبب مرونة المفاصل. هناك العديد من التحديات المهمة في المتلاعبات الروبوتية المرنة للمفاصل ، بما في ذلك ظاهرة الاهتزاز ، والاضطراب الخارجي ، والشكوك المنظمة وغير المنظمة ، والاحتكاك الشديد اللاخطية ، والتي من المرجح أن تحدث عند التشغيل بسرعة عالية أو حمل أحمال ثقيلة.

ركزت هذه الاطروحة على تحسين أداء التتبع لهذه الروبوتات لحل هذه المشكلة للنموذج الديناميكي غير الخطي لذراع المفصل المرن الثنائي ذو الوصلة الصلبة (2-RLFJM) ، وذراع المفصل المرن الرباعي ذو الوصلات الصلبة (4-RLFJM) ، وذراع المفصل المرن السداسي ذو الوصلات الصلبة (6-RLFJM). تم الحصول على النموذج الديناميكي غير الخطي باستخدام معادلات أويلر-لاجرانج بدون تقريب أو خطي لتسهيل النموذج الديناميكي.

تم استخدام وحدات التحكم المتكاملة في وضع الانزلاق (ISMC) والتحكم التكيفي لتتبع ردود الفعل (AOFTC)  للتحكم في أوضاع النظام. بالإضافة إلى ذلك ، لتحسين معلمات التحكم ، تم تطبيق نوعين من الخوارزميات: خوارزمية Salp Swarm (SSA) و Harris hawks Optimization (HHO). وللغرض نفسه تم أيضًا اقتراح خوارزميتين محسنتين.

أول خوارزمية مقترحة هي تهجين خوارزمية ال Salp Swarm مع خوارزمية الذئب الرمادي (HSSGWOA) والخوارزمية الثانية المقترحة تسمى Parallel Harris hawks Optimization Algorithm (PHHO). يتم اختبار أداء الخوارزميتين المقترحتين من خلال وظائف الاختبار المعيارية المصنفة على أنها (وظائف اختبار متعدد الوسائط أحادي الوسائط ومتعدد الوسائط وثابت الأبعاد). بالإضافة إلى ذلك ، يتم استخدام وظيفتين موضوعيتين مع الخوارزميات القياسية والمقترحة لتقليل وظيفة التكلفة لنظام FJM.

أظهرت النتائج المجمعة أن الخوارزمية HSSGWOA تقدم أداءً أفضل من الخوارزمية SSA بنسبة 72.86٪ ، 98.3٪ و 31.82٪ مع نموذج 2-RLFJM ، ونموذج 4-RLFJM ، ونموذج 6-RLFJM ، على التوالي. وقدمت الخوارزمية PHHO أداءً أفضل من الخوارزمية HHO بنسبة 97.63٪ و 72.37٪ و 38.38٪ مع نموذج 2-RLFJM ، ونموذج 4-RLFJM ، ونموذج 6-RLFJM على التوالي. تقدم خوارزمية PHHO أداءً أفضل من خوارزمية HSSGWOA بنسبة 94.92٪ و 90.41٪ و 29.49٪ مع نموذج 2-RLFJM ، ونموذج 4-RLFJM ، ونموذج 6-RLFJM على التوالي. بالإضافة إلى ذلك ، تم إجراء مقارنات مع التقنيات الأخرى المستخدمة في البحوث السابقة لنفس النموذج و أشارت النتائج إلى أن الطرق المستخدمة في هذه الاطروحة تفوقت عنها بنسبة 90.268٪ و 97.64٪.

 

Comments are disabled.