fa کنترل بینامبنای بازوی ربات با مدل‌سازی عصبی معکوس ماتریس ژاکوبین تخصصي Special كاربردي Review paper سیستم کنترل خودفرمان بینایی، به سیستمی اتلاق می شود که از اطلاعات بازخوردی دوربین برای کنترل ربات استفاده می‌کند؛ تا ربات، از نقاط شروع دلخواه به نقطه هدف برسد. راه‌های متنوعی از جمله کنترل با استفاده از مدل ربات، طراحی کنترلگر بصورت مستقیم، و استفاده از ماتریس ژاکوبین در این زمینه مطرح شده است. اما، از آنجا که در بسیاری از مواقع، مدلی از ربات دردسترس نیست و یا بدست آوردن آن کاری دشوار و زمانبر خواهد بود، فرمان کنترل با استفاده از ماتریس ژاکوبین تولید می‌شود. در اینجا، با استفاده از شبکه‌های عصبی مصنوعی و آموزش برون‏خط آن‌ها با داده‌های آموزشی، معکوس ماتریس ژاکوبین تقریب زده می‌شود؛ تا مستقیماً در قانون کنترل موردنظر استفاده شود. به ازای هر کدام از درجات آزادی بازوی ربات، یک شبکه عصبی دو لایه با ساختار پیشرو درنظر گرفته شده است. فاصله مجری‌نهایی با هدف (در دو بعد x و y) و مختصات مفصل شانه در دو بعد x و y، ورودی‌های این شبکه‌ها، و خروجی‌ آن‏ها، بیان کننده میزان تغییرات ویژگی‌ها به تغییر در مقادیر متغیرهای مفصل ربات (المانهای معکوس ماتریس ژاکوبین) می‌باشد. روش ارائه شده بر روی بازوی ربات واقعی پیاده‌سازی شده است و نتایج آزمایشات حاکی از موفقیت روش پیشنهادی در رساندن مجری‌نهایی به نقاط هدف مختلف در محیط کاری با دقت مناسب است. Visual servoing system is a system to control a robot by visual feedback so that robot drives from any arbitrary start position to the target positions. Various ways, including control by using model of the robot, designing controller directly, and using Jacobian matrix have been studied. Since there is not access to model of robot and obtaining a model of robot would be difficult and time consuming, in many cases, the control law is obtained using Jacobian matrix. In this paper, inverse of Jacobian matrix is approximated using artificial neural networks. The approximated neural models are used in control law directly. For each degree of freedom of the robot manipulator, a two-layer feedforward neural network is considered. The distance between end-effector and target along the x-axis and y-axis, and the shoulder joint coordinates along the x-axis and y-axis are the inputs of each of the networks and the outputs are the fraction of the related robot joint changes to the image features changes (the elements of the inverse of Jacobian matrix). The proposed method has been implemented on a real robot manipulator. The experimental results show that the proposed control system can move the end-effector to different target positions in workspace with good accuracy. کنترل خودفرمان بینایی, ماتریس ژاکوبین, بازوی ربات, شبکه‌های عصبی مصنوعی Visual servoing, Jacobian matrix, robot manipulator, artificial neural network 11 20 http://joc.kntu.ac.ir/browse.php?a_code=A-10-91-4&slc_lang=fa&sid=1 Farzane Nadi فرزانه نادی farzane.nadi@stu.yazd.ac.ir 1003194753284600927 1003194753284600927 No Yazd University دانشگاه یزد vali Derhami ولی درهمی vderhami@yazd.ac.ir 1003194753284600928 1003194753284600928 Yes Yazd University دانشگاه یزد Mehdi Rezaeian مهدی رضاییان mrezaeian@yazd.ac.ir 1003194753284600929 1003194753284600929 No Yazd University دانشگاه یزد