Розробка методики застосування кинематичної та імітаційної моделі для робота InMoov

Autor: Chingis Kenshimov, Talgat Sundetov, Murat Kunelbayev, Magzhan Sarzhan, Madina Kutubayeva, Arman Amandykuly
Rok vydání: 2022
Předmět:
Zdroj: Eastern-European Journal of Enterprise Technologies; Vol. 4 No. 7 (118) (2022): Applied mechanics; 79-88
Eastern-European Journal of Enterprise Technologies; Том 4 № 7 (118) (2022): Прикладна механіка; 79-88
ISSN: 1729-4061
1729-3774
Popis: In this work, the direct and inverse kinematic analysis of both robot arms are investigated based on the analytical and informational representation. The results of the study will be used to provide the functionality of gesturing by a robot in sign language, both Kazakh and other languages, used in educational systems, especially in children's institutions and societies for deaf people. A simulation model of the movement of the robot's arms in the workspace has been studied and built. The developed model will be further implemented and used as mathematical and information support for the created robot. The developed library contains implementations of forward kinematics and iterative algorithms for inverse kinematics. The InMoov robot is a platform widely used in research tasks, supported by the MyRobotLab package. A direct kinematic model for the left and right hands of the robot has been studied. Based on the Python programming language, the working space for robot manipulators was calculated, using the matpilotlib library, an iteration method algorithm was developed to find the probable path of robot manipulators in space. A model of a structured artificial neural network (ANN) is proposed, which is used to find a solution to the inverse kinematics of the InMoov robot with six degrees of freedom (4-dof). The applied ANN model is a multilayer perceptron neural network (MLPNN) in which the learning rule of the Adam-a gradient diskend type is applied. To solve this problem, the problem of finding the best ANN configuration was studied. It has been established that a multilayer parseptron neural network gives the minimum mean square error. The regression coefficient analysis, which shows a 95.6 % fit of all communication variables, is acceptable for obtaining the inverse kinematics of the InMoov robot.
У цій роботі досліджується прямий та інверсний кінематичний аналіз обох маніпуляторів на основі аналітичного та інформаційного уявлення. Результати дослідження будуть використані для забезпечення функціоналу жестикуляції роботом мовою жестів як казахською, так і іншими мовами, що використовуються в освітніх системах, особливо в дитячих установах і суспільствах глухих. Досліджено та побудовано імітаційну модель руху рук робота в робочому просторі. Розроблена модель буде надалі реалізована та використана як математичне та інформаційне забезпечення створюваного робота. Розроблена бібліотека містить реалізації алгоритмів прямої кінематики та ітераційних алгоритмів зворотної кінематики. Робот InMoov — платформа, що широко використовується в дослідницьких завданнях, підтримувана пакетом MyRobotLab. Досліджено пряму кінематичну модель для лівої та правої руки робота. На основі мови програмування Python розрахований робочий простір для роботів-маніпуляторів, з використанням бібліотеки matpilotlib розроблено алгоритм методу ітерацій для знаходження ймовірного шляху руху роботів-маніпуляторів у просторі. Запропоновано модель структурованої штучної нейронної мережі (ШНМ), яка використовується для вирішення зворотної кінематики робота InMoov із шістьма ступенями свободи (4-ступеня свободи). Модель ШНМ, що застосовується, являє собою багатошарову персептронну нейронну мережу, в якій застосовується правило навчання типу Адама-градієнтного диска. Для вирішення цієї проблеми було вивчено завдання пошуку найкращої конфігурації ШНМ. Встановлено, що мінімальну середньоквадратичну помилку дає багатошарова нейронна мережа парсептрон. Аналіз коефіцієнтів регресії, який показує збіг всіх комунікаційних змінних на 95,6 %, прийнятний для отримання інверсної кінематики робота InMoov.
Databáze: OpenAIRE
Externí odkaz: