Do you want to publish a course? Click here

Developing of ANFIS base inverse kinematics solution using orientation angle

تطوير حل مسألة الحركة المجردة العكسية المعتمد على تقنية نظام الاستدلال العائم المتكيّف عصبونيا باستخدام زاوية الاتجاه

1254   3   34   0 ( 0 )
 Publication date 2016
and research's language is العربية
 Created by Shamra Editor




Ask ChatGPT about the research

The robotic manipulator's control process involves many engineering challenges from mechanical design phase to the phase of programming. The inverse kinematics problem is one of the most difficult challenges, as it requires determining the angles of joints for a desired position of the end-effector, the difficulty of this problem comes from the none linearity and the possibility of multiple solutions or lack of solutions in some cases. Many solutions were proposed to solve the issue of inverse kinematics; analytically and numerically in addition to the solutions which based on artificial intelligence. In this research the solution of inverse kinematics using Adaptive Neuro-Fuzzy Inference System was discussed and amendments were proposed and indicated their usefulness.


Artificial intelligence review:
Research summary
تتناول هذه الورقة البحثية مشكلة الحركة المجردة العكسية للأذرع الروبوتية، وهي واحدة من أصعب التحديات في التحكم بالروبوتات. تتطلب هذه المشكلة تحديد زوايا المفاصل للوصول إلى موقع معين للنهاية المؤثرة. تتميز المشكلة بعدم خطيتها وإمكانية تعدد الحلول أو عدم وجودها في بعض الأحيان. تم اقتراح العديد من الحلول لهذه المشكلة، منها التحليلية والعددية، بالإضافة إلى الحلول المعتمدة على الذكاء الصناعي. في هذا البحث، تم مناقشة حل مشكلة الحركة المجردة العكسية باستخدام نظام الاستدلال العائم المتكيف عصبونياً (ANFIS) وتم اقتراح بعض التعديلات التي أثبتت فعاليتها. تم استخدام ذراع روبوتية بدرجتي حرية كنموذج للدراسة، وتم تدريب النظام على بيانات الحركة المجردة الأمامية بالإحداثيات الديكارتية والقطبية. أظهرت النتائج أن استخدام زاوية الاتجاه كمدخل إضافي يزيد من دقة النظام بشكل ملحوظ. تم تلخيص النتائج بأن استخدام ANFIS مع زاوية الاتجاه يعطي نتائج دقيقة وموثوقة، ويمكن تطبيق هذه التقنية على أذرع ذات درجات حرية أعلى في المستقبل.
Critical review
دراسة نقدية: تعتبر هذه الورقة البحثية خطوة مهمة نحو تحسين حلول مشكلة الحركة المجردة العكسية للأذرع الروبوتية باستخدام تقنية ANFIS. ومع ذلك، يمكن توجيه بعض الانتقادات البناءة. أولاً، الدراسة اقتصرت على ذراع بدرجتي حرية فقط، مما يجعل من الصعب تعميم النتائج على أذرع ذات درجات حرية أعلى دون إجراء تجارب إضافية. ثانياً، زيادة تعقيد النظام باستخدام زاوية الاتجاه قد يؤدي إلى زيادة الحمل الحسابي وتأخير استجابة النظام، وهو ما قد يكون غير مقبول في بعض التطبيقات العملية. أخيراً، كان من الممكن تقديم مقارنة أكثر تفصيلاً بين الأداء باستخدام الإحداثيات الديكارتية والقطبية لتوضيح الفروقات بشكل أفضل.
Questions related to the research
  1. ما هي مشكلة الحركة المجردة العكسية للأذرع الروبوتية؟

    مشكلة الحركة المجردة العكسية تتعلق بتحديد زوايا المفاصل للوصول إلى موقع معين للنهاية المؤثرة، وتتميز بعدم خطيتها وإمكانية تعدد الحلول أو عدم وجودها في بعض الأحيان.

  2. ما هي التقنية المستخدمة في هذا البحث لحل مشكلة الحركة المجردة العكسية؟

    تم استخدام نظام الاستدلال العائم المتكيف عصبونياً (ANFIS) لحل مشكلة الحركة المجردة العكسية.

  3. ما هي الفائدة من استخدام زاوية الاتجاه كمدخل إضافي في نظام ANFIS؟

    استخدام زاوية الاتجاه كمدخل إضافي يزيد من دقة النظام بشكل ملحوظ ويحل مشكلة تعدد الحلول.

  4. ما هي التحديات التي قد تواجه تطبيق هذه التقنية على أذرع ذات درجات حرية أعلى؟

    تطبيق التقنية على أذرع ذات درجات حرية أعلى قد يتطلب تجارب إضافية لإثبات فعاليتها، كما أن زيادة تعقيد النظام قد يؤدي إلى زيادة الحمل الحسابي وتأخير استجابة النظام.


References used
Alavandar, S, Nigam, M. J 2008 – Neuro-Fuzzy based Approach for Inverse Kinematics Solution of Industrial Robot Manipulators . Int. J. of Computers, Communications & Control,Vol. III, No. 3, pp. 224-234
Ankarali, A – ANFIS Inverse Kinematics and Precise Trajectory Tracking of a Dual Arm Robot . The scientific and Technological Research Council of Turkey
Bonissone, P. P 2002 – Adaptive Neural Fuzzy Inference Systems (ANFIS):Analysis and Applications , a presentation
rate research

Read More

In this research was proofed that the first liner essential problem of electro Elasticity theory has unique solution . This problem aim to find the vector which belong to the class and realize the folowing system of equations : For som bondary conditions , In improving that the Dairkhli integral was used .
IOT sensors use the publish/subscribe model for communication to benefit from its decoupled nature with respect to space, time, and synchronization. Because of the heterogeneity of communicating parties, semantic decoupling is added as a fourth di mension. The added semantic decoupling complicates the matching process and reduces its efficiency. The proposed algorithm clusters subscriptions and events according to topic and performs the matching process within these clusters, which increases the throughput by reducing the matching time . Moreover, the accuracy of matching is improved when subscriptions must be fully approximated . This work shows the benefit of clustering, as well as the improvement in the matching accuracy and efficiency achieved using this approach.
In this paper, it has merged two techniques of the artificial intelligent, they are the ants colony optimization algorithm and the genetic algorithm, to The recurrent reinforcement learning trading system optimization. The proposed trading system is based on an ant colony optimization algorithm and the genetic algorithm to select an optimal group of technical indicators, and fundamental indicators.
This paper presents a new technique to extract the features of a common case of images of the iris called off-angle iris which taken for persons identification system. The main problem when using biological iris measurements to identify the persons is the difficulty of identifying and extracting features of the iris. This problem increasing when dealing with off-angle iris and it leading to decrease system accuracy and increase system rate error.
In this research we introduce a regularization based feature selection algorithm to benefit from sparsity and feature grouping properties and incorporate it into the medical image classification task. Using this group sparsity (GS) method, the wh ole group of features are either selected or removed. The basic idea in GS is to delete features that do not affect the retrieval process, instead of keeping them and giving these features small weights. Therefore, GS improves system by increasing accuracy of the results, plus reducing space and time requirements needed by the system.
comments
Fetching comments Fetching comments
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا