fa طراحی کنترل‌گر فازی با قابلیت تنظیم برخط برای کنترل بینامبنای بازوی ربات تخصصي Special كاربردي Review paper <p style="text-align: justify;"><span dir="RTL">درکنترل بینامبنا ربات از اطلاعات استخراج شده از حسگر بصری برای کنترل حرکت ربات استفاده می‌شود. در روش‌های سنتی کنترل بینامبنا، مدل ربات و مدل دوربین مورد نیاز است. به دست آوردن این مدل‌ها زمان‌بر و گاهی اوقات غیرممکن است. بنابراین در تحقیقات اخیر از روش‌های هوشمند برای مقابله با این چالش استفاده می‌شود. در این پژوهش ابتدا از یک کنترل&shy;گر فازی ترکیبی برای کنترل بازوی ربات استفاده شده است. ورودی‌های بصری کنترل‌گر از طریق کینکت حاصل می‌شود و خروجی کنترل‌گر میزان چرخش زاویه موتورهای مفاصل ربات از موقعیت فعلی آن‌ها است. کنترل‌گر ترکیبی شامل دو کنترل‌گر می‌باشد. کنترل‌گر اول بر پایه مدل فازی معکوس است که تقریبی از مدل واقعی معکوس سیستم، با استفاده از داده‌های جمع‌آوری شده است. به منظور افزایش دقت، یک کنترل‌گر خبره فازی برای وقتی که موقعیت مجری نهایی نزدیک هدف است، طراحی شده است. از آنجا که تعیین دقیق پارامترهای کنترل‌گر خبره فازی ممکن نیست، همچنین به منظور تطبیق‌پذیری کنترل‌گر در برابر تغییرات جزیی در محیط کار، از معماری عملگر- نقاد که از جمله روش‌های یادگیری تقویتی است برای تنظیم پارامترهای آن استفاده شده است. کنترل‌گر ارائه شده بر روی بازوی ربات </span>ARM_6AX18<span dir="RTL"> پیاده سازی شده است. نتایج آزمایش‌های عملی نشان می‌دهد که با استفاده از روش ارائه شده، مجری نهایی به موقعیت هدف از پیش تعیین شده با دقت خوبی می‌رسد.</span></p> <p style="text-align: justify;">Vision-based robot control is a method to motion control of a robot using information extracted from visual sensors. In traditional approaches, a model of robot and camera are needed. Obtaining these models are time consuming and sometimes impossible. Recently, intelligent methods are used to cope the above challenges. In this paper, a hybrid fuzzy controller is proposed to control a robot manipulator. Visual inputs of the controller are provided by Kinect and outputs are the rotation of joints motors. The hybrid controller contains two controllers. The first controller in based on fuzzy inverse model which approximates real inverse model of robot using gathered data. In order to increase accuracy, a fuzzy expert controller is designed and it is used when the end-effector is in the predefined near-goal area. Since determining exact value of the fuzzy expert controller parameters is impossible, in addition to make system adaptive with small changes in the environment, actor-critic architecture is used. This architecture is a well known continuous reinforcement learning methods. The proposed method is applied to control a real robot manipulator (ARM_6AX18). Experimental results show that using the proposed method in practice, the end-effector reaches from any random start position to the goal position with a good accuracy in robot workspace.</p> کنترل بینامبنا, سیستم فازی, مدل معکوس فازی, بازوی ربات, یادگیری تقویتی, عملگر-نقاد Visual servoing, Fuzzy systems, Fuzzy inverse model, Robot manipulator, Reinforcment learning, Actor-critic. 39 52 http://joc.kntu.ac.ir/browse.php?a_code=A-10-485-1&slc_lang=fa&sid=1 Fatemeh Abadianzadeh فاطمه السادات آبادیان زاده abadian.fatemeh@gmail.com 10031947532846004994 10031947532846004994 No Yazd University دانشگاه یزد Vali Derhami ولی درهمی vderhami@yazd.ac.ir 10031947532846004995 10031947532846004995 Yes Yazd University دانشگاه یزد Mehdi Rezaeain مهدی رضاییان mrezaeian@yazd.ac.ir 10031947532846004996 10031947532846004996 No Yazd University دانشگاه یزد