Do you want to publish a course? Click here

Design of Optimal Quadratic Controller to Give Enable the Flying Robot to Trace Specific Trajectory

تصميم متحكم تربيعي أمثل لتمكين الروبوت الطائر من تعقب مسار محدد

1205   0   58   0 ( 0 )
 Publication date 2016
  fields Mechatronics
and research's language is العربية
 Created by Shamra Editor




Ask ChatGPT about the research

In our research, we propose technique to become LQR controller able to drive (Micro Aerial Vehicle by Change Center of Gravity(MAV COG)) robot on a specific trajectory. We add a matrix to adjust the trajectory that we want to trace it. We use Matlab program to execute our controller.


Artificial intelligence review:
Research summary
يتناول هذا البحث تصميم متحكم تربيعي أمثل (LQR) للروبوت الطائر الذي يستخدم تقنية تغيير مركز الجاذبية (COG). يهدف المتحكم LQR إلى تحقيق الاستقرار الأمثل للنظام، ولكنه غير قادر على تعقب مسارات محددة. لذلك، يقترح الباحثون تحسين هذا المتحكم باستخدام مصفوفة إضافية لضبط المسار المرغوب. تم تنفيذ التصميم باستخدام برنامج المحاكاة ماتلاب. أظهرت النتائج أن المتحكم LQR المعدل قادر على تعقب المسار المحدد، مما يفتح الباب لاستخدام الروبوت في تطبيقات متعددة مثل الزراعة والمجالات العسكرية. ومع ذلك، لا يزال النظام يعاني من تأخير زمني وتجاوز أعظمي، مما يستدعي المزيد من البحث لتحسين الأداء.
Critical review
دراسة نقدية: البحث يقدم حلاً مبتكراً لمشكلة تعقب المسار في الروبوتات الطائرة باستخدام تقنية تغيير مركز الجاذبية. ومع ذلك، هناك بعض النقاط التي يمكن تحسينها. أولاً، لم يتم تقديم تحليل كافٍ للتأثيرات البيئية والضوضاء على أداء المتحكم. ثانياً، يمكن تحسين البحث من خلال تقديم تجارب عملية بدلاً من الاعتماد الكامل على المحاكاة. أخيراً، يجب دراسة تقنيات أخرى مثل التحكم التكيفي للتغلب على مشكلة التأخير الزمني والتجاوز الأعظمي.
Questions related to the research
  1. ما هو الهدف الرئيسي من البحث؟

    الهدف الرئيسي هو تصميم متحكم تربيعي أمثل (LQR) للروبوت الطائر ليتمكن من تعقب مسار محدد باستخدام تقنية تغيير مركز الجاذبية.

  2. ما هي التقنية المستخدمة لتحسين أداء المتحكم LQR؟

    تم استخدام مصفوفة إضافية لضبط المسار المرغوب، مما يجعل المتحكم LQR قادرًا على تعقب المسار المحدد.

  3. ما هي الأدوات المستخدمة في البحث؟

    تم استخدام برنامج المحاكاة ماتلاب إصدار 2007a لتنفيذ التصميم واختبار المتحكم.

  4. ما هي التحديات التي لا يزال النظام يعاني منها بعد تحسين المتحكم LQR؟

    النظام لا يزال يعاني من تأخير زمني يصل حتى 0.45 ثانية وتجاوز أعظمي يصل حتى 4%.


References used
T. Talay,1975- Introduction to the Aerodynamics of Flight . NATIONAL AERONAUTICS AND SPACE ADMINISTRATION ,1,Washignton,204
F.Lesage, N. Hamel, X.Huang, Y.Yuan, M.Khalid and P.Zdunich,2008-Initial Investigation on the Aerodynamic Performance of Flapping wings for Nano Air Vehicles . defence research and development Canada,1,Canada,166
Y. Zhang,2009- Modeling and Hover Control of a Double- Rotor Micro Flying Robot Via Shape Change .Purdue University , 1 , India, 65
rate research

Read More

In this research a proportional integral differential classic (PID controller) and state feedback controller was designed to control the in the inverted pendulum and a comparison between all the cases and choose the most suitable controller using MATLAB / SIMULINK program
The nonlinear model of Unmanned Aerial Vehicle( UAV) has been recognized. Airosim Matlab toolbox has been used to guarantee a simulation model for the Aerosonde.In the first stage, a linearization technique is used to calculate the mathematical m odel of the UAV at a specific operation point, then PID controller is used to stabilize this linear model. At the final stage, an augmented feedback neural network adaptive controller is applied to stabilize the overall nonlinear system.
Training a robust and reliable deep learning model requires a large amount of data. In the crisis domain, building deep learning models to identify actionable information from the huge influx of data posted by eyewitnesses of crisis events on social media, in a time-critical manner, is central for fast response and relief operations. However, building a large, annotated dataset to train deep learning models is not always feasible in a crisis situation. In this paper, we investigate a multi-task learning approach to concurrently leverage available annotated data for several related tasks from the crisis domain to improve the performance on a main task with limited annotated data. Specifically, we focus on using multi-task learning to improve the performance on the task of identifying location mentions in crisis tweets.
Industrialists interested automates their factories to increase production, reduce costs and improve quality by using robots in leadership and finishing most of the production processes, where robots characterized as mechanical structures programma ble to perform tasks accurate, speed and reliability. Research depend in concluding the optimal path on generating virtual paths (triangular, curved, square) reflects the robotic arm movement to reach the target point, where as it has been known moving time and angles of rotation and torque in the joints under the influence of gravity through the study of horizontal and vertical movement of the robotic arm. A study of suggested trajectories for the robotic arm shows that the best paths on the safety of robotic arm motors is semi-circular path as limiting the occurrence of mechanical shocks or the appearance of high values of the joints torques. while showing that the path that achieves less time to reach the target point and less amount of energy is the triangular path in the case of horizontal motion of the robotic arm despite the emergence of sharp deviations in the torque and power schemas as a result of the sudden change in the direction of movement. The negative impact of gravity is especially apparent when the second joint up or down movement, causing the appearance of peaks in energy curve reflects the high values of determination in this joint.
comments
Fetching comments Fetching comments
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا