文献

J-GLOBAL ID：202102285801448885   整理番号：21A2525532

形状記憶合金マニピュレータのためのオンライン学習によるニューラルネットワーク直接制御【JST・京大機械翻訳】

Neural Network Direct Control with Online Learning for Shape Memory Alloy Manipulators

著者 (5件)： Gomez-Espinosa Alfonso (Tecnologico de Monterrey, Escuela de Ingenieria y Ciencias, Ave. Epigmenio Gonzalez 500, Fracc. San Pablo, Queretaro 76130, Mexico) ,  Sundin Roberto Castro (KTH Royal Insitute of Technology, 114 28 Stockholm, Sweden) ,  Eguren Ion Loidi (Escuela Politecnica Superior, Universidad Mondragon, 20500 Pais Vasco, Spain) ,  Cuan-Urquizo Enrique (Tecnologico de Monterrey, Escuela de Ingenieria y Ciencias, Ave. Epigmenio Gonzalez 500, Fracc. San Pablo, Queretaro 76130, Mexico) ,  Trevino-Quintanilla Cecilia D. (Tecnologico de Monterrey, Escuela de Ingenieria y Ciencias, Ave. Epigmenio Gonzalez 500, Fracc. San Pablo, Queretaro 76130, Mexico)
資料名： Sensors (Web)  (Sensors (Web))
巻： 19  号： 11  ページ： 2576  発行年： 2019年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 新しいアクチュエータと材料は,常に工業プロセスに取り込まれ,それらの複雑な挙動によって,付加的な課題が提起される。非線形ヒステリシスは形状記憶合金で一般に見出され,制御システムにおける適切なヒステリシスモデルの包含は,各システムがユニークな方法で応答するという大きな欠点であるが,制御装置がより良い性能を達成するのを可能にする。本研究では,形状記憶合金マニピュレータの位置制御のために,オンライン学習によるニューラルネットワーク直接制御を開発した。神経回路網重み係数を,アクチュエータ位置データを用いてオンラインで更新し,一方,制御装置を,ニューラルネットワーク重みの以前の訓練,またはヒステリシスモデルの包含なしで,システムに適用した。リアルタイム,低計算コスト制御システムを実行した。形状記憶合金ワイヤで駆動した1-DOFマニピュレータシステムについて実験的評価を行った。試験結果は,形状記憶合金アクチュエータのヒステリシス挙動を補償する,システム角位置を制御する提案制御方式の有効性を検証した。参照信号として正弦波を用いた学習アルゴリズムを用いて,可能な範囲内でいくつかの設定点に対して検証したとき,0.83の最大静的誤差を達成した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ヒステリシス ,  制御系 ,  *マニピュレータ ,  *ニューラルネットワーク ,  正弦波 ,  制御方式 ,  アクチュエータ ,  金属線 ,  基準信号 ,  *形状記憶合金 ,  神経回路網 ,  学習アルゴリズム
準シソーラス用語： *オンライン学習 ,  計算コスト ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (4件)： 形状記憶合金 ,  人工ニューラルネットワーク ,  制御 ,  マニピュレータ

分類 (3件)： ロボットの運動・制御  (IC04012J) ,  システム設計・解析  (IA02030D) ,  ロボットの設計・製造・構造要素  (IC04013A)

引用文献 (29件)：

• Zhou, M.; Zhang, Q. Hysteresis model of magnetically controlled shape memory alloy based on a PID neural network. IEEE Trans. Magn. 2015, 51, 1-4.
• Chinni, F.; Spizzo, F.; Montoncello, F.; Mattarello, V.; Maurizio, C.; Mattei, G.; Bianco, L.D. Magnetic hysteresis in nanocomposite films consisting of a ferromagnetic AuCo alloy and ultrafine Co particles. Materials 2017, 10, 717.
• Tan, Q.; Kang, H.; Xiong, J.; Qin, L.; Zhang, W.; Li, C.; Ding, L.; Zhang, X.; Yang, M. A wireless passive pressure microsensor fabricated in HTCC MEMS technology for harsh environments. Sensors 2013, 13, 9896-9908.
• Tu, F.; Hu, S.; Zhuang, Y.; Lv, J.; Wang, Y.; Sun, Z. Hysteresis Curve Fitting Optimization of Magnetic Controlled Shape Memory Alloy Actuator. Actuators 2016, 5, 25.
• Nasiri-Zarandi, R.; Mirsalim, M. Finite-element analysis of an axial flux hysteresis motor based on a complex permeability concept considering the saturation of the hysteresis loop. IEEE Trans. Ind. Appl. 2016, 52, 1390-1397.

タイトルに関連する用語 (4件)： 形状記憶合金 ,  マニピュレータ ,  オンライン学習 ,  ニューラルネットワーク