Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Circumnutation: From Plants to Robots Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Artificial Neural Network Based Compliant Control for Robot Arms

verfasst von : Vince Jankovics, Stefan Mátéfi-Tempfli, Poramate Manoonpong

Erschienen in: From Animals to Animats 14

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The aim of this paper is to present an artificial neural network (ANN) based adaptive nonlinear control approach of a robot arm, with highlight on its capability as a compliant control scheme. The approach is based on a computed torque law and consists of two main components: a feedforward controller (approximated by the ANN) and a proportional-derivative (PD) feedback loop. Here, the feedforward controller is used to approximate the nonlinear system dynamics and can also adapt to the long-term dynamics of the arm while the PD feedback loop can be tuned to obtain proper compliant behaviour to deal with instantaneous disturbances (e.g., collisions). The employed controller structure makes it possible to decouple these two components for individual parameter adjustments. The performance of the control approach is evaluated and demonstrated in physical simulation which shows promising results.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel An Adaptive Neural Mechanism with a Lizard Ear Model for Binaural Acoustic Tracking
Nächstes Kapitel UESMANN: A Feed-Forward Network Capable of Learning Multiple Functions
Literatur
1.
Haddadin, S., Albu-Schäffer, A., Luca, A.D., Hirzinger, G.: Collision detection and reaction: a contribution to safe physical human-robot interaction. In: 2008 IEEE/RSJ International Conference on Intelligent Robots and Systems, IROS 2008, pp. 3356–3363. IEEE (2008)
2.
Hornik, K., Stinchcombe, M., White, H.: Multilayer feedforward networks are universal approximators. Neural Netw. 2, 359–366 (1989)CrossRef
3.
Hunt, K.J., Sbarbaro, D., Zbikowski, R., Gawthrop, P.J.: Neural networks for control systems - a survey. Automatica 28(6), 1083–1112 (1992)MathSciNetCrossRefMATH
4.
Isidori, A.: Nonlinear Control Systems. Springer Science & Business Media, New York (2013)MATH
5.
Kröse, B., van der Smagt, P.: An Introduction to Neural Networks, 8th edn. The University of Amsterdam, The Netherlands (1996)
6.
Krstic, M., Kokotovic, P.V., Kanellakopoulos, I.: Nonlinear and Adaptive Control Design. Wiley, New York (1995)MATH
7.
Lewis, F.L., Dawson, D.M., Abdallah, C.T.: Robot Manipulator Control. Marcel Dekker Inc., New York (2004)
8.
Lewis, F.L., Yegildirek, A., Liu, K., Member, S.: Multilayer neural-net robot controller with guaranteed tracking performance. IEEE Trans. Neural Netw. 7(2), 388–399 (1996)CrossRef
9.
Lewis, F., Jagannathan, S., Yesildirak, A.: Neural Network Control of Robot Manipulators and Non-linear Systems. CRC Press, Boca Raton (1998)
10.
Luca, A., Albu-Schaffer, A., Haddadin, S., Hirzinger, G.: Collision detection and safe reaction with the DLR-III lightweight manipulator arm. In: IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 1623–1630. IEEE, October 2006
11.
12.
Miller, W.T., Werbos, P.J., Sutton, R.S.: Neural Networks for Control. MIT Press, Cambridge (1995)CrossRefMATH
13.
Omidvar, O., Elliott, D.L.: Neural Systems for Control. Elsevier, Amsterdam (1997)
14.
Schiavi, R., Grioli, G., Sen, S., Bicchi, A.: VSA-II: a novel prototype of variable stiffness actuator for safe and performing robots interacting with humans. In: 2008 IEEE International Conference on Robotics and Automation, ICRA 2008, pp. 2171–2176. IEEE (2008)
15.
Selmic, R.R., Lewis, F.L.: Neural-network approximation of piecewise continuous functions: application to friction compensation. IEEE Trans. Neural Netw. 13(3), 745–751 (2002)CrossRef
16.
Sisbot, E.A., Marin-Urias, L.F., Alami, R., Simeon, T.: A human aware mobile robot motion planner. IEEE Trans. Robot. 23(5), 874–883 (2007)CrossRef
17.
Spall, J.C., Cristion, J.A.: Model-free control of nonlinear stochastic systems with discrete-time measurements. IEEE Trans. Autom. Control 43(9), 1198–1210 (1998)MathSciNetCrossRefMATH
18.
Tonietti, G., Schiavi, R., Bicchi, A.: Design and control of a variable stiffness actuator for safe and fast physical human/robot interaction. In: 2005 Proceedings of the 2005 IEEE International Conference on Robotics and Automation, ICRA 2005, pp. 526–531. IEEE (2005)
19.
Xiong, X., Wörgötter, F., Manoonpong, P.: Neuromechanical control for hexapedal robot walking on challenging surfaces and surface classification. Robot. Auton. Syst. 62(12), 1777–1789 (2014)CrossRef
20.
Xiong, X., Wörgötter, F., Manoonpong, P.: Virtual agonist-antagonist mechanisms produce biological muscle-like functions: an application for robot joint control. Ind. Robot Int. J. 41(4), 340–346 (2014)CrossRef
21.
Yang, W., Hammoudi, N., Herrmann, G., Lowenberg, M., Chen, X.: Dynamic gain-scheduled control and extended linearisation: extensions, explicit formulae and stability. Int. J. Control 88(1), 163–179 (2015)MathSciNetCrossRefMATH
Metadaten
Titel
Artificial Neural Network Based Compliant Control for Robot Arms
verfasst von
Vince Jankovics
Stefan Mátéfi-Tempfli
Poramate Manoonpong
Copyright-Jahr
2016
Buch
From Animals to Animats 14

Print ISBN: 978-3-319-43487-2

Electronic ISBN: 978-3-319-43488-9

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-43488-9_9

Premium Partner

    Bildnachweise