Kablo ile sürülen paralel robotların model tabanlı ve pekiştirmeli öğrenme ile konum denetimi

Abstract

Kablo ile Sürülen Paralel Robotlar (KSPR), rijit uzuvların yerine kabloların kullanıldığı, geniş çalışma alanı, yüksek hız ve ivme gerektiren işlemlerde kullanılabilme, kolay taşınıp monte edilme gibi avantajlara sahip bir çeşit paralel mekanizmadır. KSPR'nin doğrusal olmayan dinamik yapısıyla beraber kablolar ile itme kuvveti uygulanamadığı için nesne taşıma ve yerleştirme gibi hassas denetim görevlerinde kabloların gerginliğini sağlamak bu sistemlerin modellenmesi ve denetimlerini zorlaştırmaktadır. Bu çalışmada dört kablo ile sürülen düzlemsel bir KSPR'nin hassas konum denetimi için klasik model tabanlı denetim yöntemleri ile model bağımsız olan Pekiştirmeli Öğrenme (PÖ) yönteminin performansları incelenmiştir. Model tabanlı ve gürbüz bir denetim yöntemi olan kayan kipli denetim yöntemi KSPR'nin referans takibinde uygulanmış ve klasik PID denetim yöntemi ile karşılaştırılmıştır. İleri kinematik probleminin çözümünde sisteme gelecek olan geri besleme için sensör verisinden kaçınarak Yapay Sinir Ağları (YSA) ve Newton-Raphson yönteminden oluşan karma bir yöntem kullanılmıştır. Dört kablo ile sürülen düzlemsel KSPR artıksıl eyletmeye sahip olduğu için kablolara uygulanabilecek sonsuz farklı gerilme değeri mevcuttur. Bu nedenle kablolarda pozitif gerilme değerlerine sahip bir çözüm için denetim esnasında gerilim dağıtımı yapılmıştır. Sonrasında bu klasik denetim yöntemlerden farklı olarak kompleks robotik görevlerini çözebilen, çok yeni ve güçlü bir yapay zeka yöntemi olan PÖ yöntemi KSPR'nin denetiminde uygulanmıştır. KSPR'nin PÖ yöntemi ile yapılan denetiminde gerilim dağıtımına gerek kalmadan kablolardaki pozitif gerilme sağlanmış ve belirli bir referansın takibi başarılıyla gerçekleştirilmiştir.