fa کنترل هماهنگ یک تراکتور- تریلر و ماشین برداشت محصول کمباین با استفاده از کنترل مقاوم تطبیقی عصبی تخصصي Special پژوهشي Research paper <div style="text-align: justify;">در این مقاله، مسئله‌ی کنترل هماهنگ یک سیستم تراکتور- تریلر و یک ماشین برداشت محصول کمباین به کمک روش رهبر- پیرو در حضور عدم قطعیت‌های مدل با هدف ردیابی مسیر زمانی مرجع برای اولین ‌بار مورد توجه قرار می‌گیرد. ابتدا، یک مدل دینامیکی مرتبه دوم رهبر- پیرو به صورت اویلر- لاگرانژ توسعه می‌یابد که تمام خواص ساختاری مدل دینامیکی را حفظ می‌کند. سپس، کنترل ربات تراکتور- تریلر به نحوی انجام می‌گیرد که فاصله و جهت نسبی مطلوب با ماشین جمع آوری محصول، حفظ شود. برای این منظور، طراحی کنترل‌کننده‌ی پیشنهادی به روش مقاوم تطبیقی عصبی انجام می‌گیرد. در این طرح کنترلی، نامعینی‌های پارامتری مانند جرم، ممان اینرسی و پارامترهای فیزیکی دیگر توسط شبکه‌ی عصبی تابع پایه شعاعی تخمین زده می‌شوند و سپس نامعینی‌های غیرپارامتری از قبیل دینامیک‌های مدل نشده سیستم، اصطکاک و لغزش چرخ‌ها توسط جمله کنترلی مقاوم تطبیقی جبران می‌گردند. به علاوه، نشان داده می‌شود که کنترل‌کننده خطاهای ردیابی را وادار می‌کند که به توپ کوچکی اطراف مبدأ در حضور نامعینی‌ها میل کنند. پایداری کنترل‌کننده‌ پیشنهادی به صورت تحلیلی و بر اساس تئوری لیاپانوف اثبات می‌شود. نهایتاً، طرح‌ کنترلی پیشنهادی با استفاده از نرم‌افزار متلب شبیه‌سازی و اعتبار آن‌ نشان داده خواهد شد و با کنترل‌کننده‌ی پس‌گام مقایسه می‌شود.</div> <div style="text-align: justify;">In this paper, the coordinated control problem of a tractor-trailer and a combine harvester is taken into account in the presence of model uncertainties by using the leader-following approach to track a reference trajectory for the first time. At first, a second-order leader-follower dynamic model is developed in Euler-Lagrange form which preserves all structural properties of the dynamic model. Then, the tractor-trailer is controlled to maintain a separation distance and a relative bearing angle with respect to the combine harvester. For this purpose, the controller is designed by using an adaptive robust neural network technique. In this control scheme, the parametric uncertainties such as masses, the moments of inertia and other physical parameters are estimated by a radial basis function neural network (RBFNN) and, then, nonparametric uncertainties such as unmodeled dynamics, friction and the slippage of wheels are compensated by the adaptive robust control term. Moreover, it will be shown that the controller makes the tracking errors converge to a small bound around the origin in the presence of uncertainties. The stability of the proposed controller is demonstrated by an analysis based on Lyapunov theory. Finally, the proposed control scheme is simulated by MATLAB software and its validity will be shown and it is compared with the backstepping controller.<br> &nbsp;</div> تراکتور- تریلر, روش کنترل رهبر- پیرو, شبکه عصبی تابع پایه شعاعی, کنترل‌کننده پس‌گام, کنترل مقاوم تطبیقی عصبی, ماشین برداشت محصول کمباین. Backstepping controller, combine harvester, leader-follower control, neural adaptive robust control, radial basis function neural network, tractor-trailer 23 35 http://joc.kntu.ac.ir/browse.php?a_code=A-10-532-3&slc_lang=fa&sid=1 Parisa Mehrmohammadi پریسا مهر محمدی parisa_mehrmohammadi@sel.iaun.ac.ir 10031947532846006418 10031947532846006418 No Department of Electrical Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران Khoshnam Shojaei خوشنام شجاعی shojaei@pel.iaun.ac.ir 10031947532846006419 10031947532846006419 Yes Department of Electrical Engineering, Najafabad Branch, Islamic Azad University, Najafabad, Iran دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران