Endüstriyel bir robot sensör modellemede sinerji

6 serbestlik derecesine sahip bir endüstriyel robot sensörün modellenme performansının yükseltilmesinde sinerji yapısının uygulanması bu çalışmada verilmiştir. Böyle bir sensör, bir robotun bir cismi istenilen yere hareket ettirebilmesinde gerekli olan cismin konum (pozisyon) ve yönelim (oriyantasyon) bilgisini elde etmede kullanılır. Sinerjistik nöromodeller kullanılarak, cismin lokasyonunun en hızlı ve en hassas şekilde tayin edimesinde yeni bir yaklaşım sunulmuştur. Elde edilen sonuçlar göstermiştir ki, Sinerjistik yaklaşım bütün durumlar için en iyi sonucu vermiştir. Bu yaklaşım ile en iyi ağın yaptıklarından (performansından) daha iyi bir sonuç elde edilmiş olup seçilen modeller çok basit yapıdadır.

An industrial robot sensor modelling with the use of synergy

In this study, the use of synergistic neural networks to compute the orientation of a part from the output signals of an industrial robot sensor, which is a device for determining the location of parts by measuring their inertial parameters, is described. In this paper, an approach for increasing the accuracy of the computed orientation is investigated. This study shows that the accuracy achieved in a combined system is almost invariably higher than that of its individual components. The selected neuromodels are also in simple form.

___

Davis, L., 1991, Handbook of Genetic Algorithms, (Eds), (Van Nostrand Reinhold, NY). Goldberg, D. Ev 1989, Genetic Algorithms in Search, Optimisation & Machine Learning (Addison- Wesley, Reading, MA) ISBN 0-201-15767-5.
Gomi, H. and Kawato, M., 1993, Recognition of manipulated objects by motor learning with modular architecture networks, Neural Networks, Vol.6, pp.485-497.
Hafeez, K., 1991, An Intelligent Sensor for Robotics, Ph.D. Thesis, UWCC, Cardiff, UK.
Haken, H., 1974, Synergistics: Basic Concepts and Mathematical Tools. In : Co-operative Phenomena,H. Haken, (Ed.), North-Holland, Amsterdam, pp.1-32.
Holland, J.H.,1975, Adaptation in Natural and Artificial Systems. (The University of Michigan Press, Ann Arbor, MI).
Jacobs, R. A., Jordan, M. L, Nowlan, S. J. and Hinton, G. E., 1991, Adaptive Mixtures of Local Experts, Neural Computation, Vol.3, pp.79-87.
Levenberg, K., 1944, A Method For the Solution of Certain Nonlinear Problems in Least Squares, Quart. Appl. Math., 2, 164-168.
Marquardt, D.W.,1963, An Algorithm For Least-Squares Estimation Of Nonlinear Parameters, J. Soc. Ind. Appl. Math., Vol.11, pp.431-441.
Pham, D. T. and Bayro-Corrochano, E. J., 1993, Synergistic neural net structures for pattern classificati||o;^|echnical Report, University of Wales, Cardiff, UK.
Pham, D. T. and Hafeez, KÜ, 1990, Dynamic Modelling of A Robot Sensor, Int. J. Mathematical and Computer Moâelling, Vol.14, pp.456-462.
Pham, D. T. and Hafeez, K., 1992, Fuzzy Qualitative Model of a Robot Sensor For Locating Three-Dimensional Objects, Robotica, Vol.10, pp.555-562.
Pham, D. T. and Hafeez, K., 1993, Improving The Accuracy Of A Vibratory Sensor Using Kalman Filtering, Robotica, Vol.11, pp.129-138.
Pham, D. T. and Menendez, J., 1987, A Six-Degree-of-Freedom Inertial Sensor for Locating Parts, Proc. 7th World Congress on Theory of Machines and Mechanisms, IFToM, (1987) Seville, Spain, pp.929-934.
Pham, D. T. and Oztemel, E., 1992, Control chart pattern recognition using neural networks , J. of Systems Engineering, Special Issue on NNs, Vol.2, No.4, pp.256-262.
Pham, D. T. and Sagiroglu, S., 1995, Three methods of training multi-layer perceptrons to model a robot sensor. Robotica, Vol.13, pp.531-538.
Pham, D. T. and Sagiroglu, S., 1996, Synergistic neural models of a robot sensor for part location, IMechE, Vol.210, pp.69-76.
Rumelhart, D. E. and McClelland, J. L., 1986, Parallel Distributed Processing: Explorations in the Microstructure of Cognition, Vol.1, (MET Press, Cambridge, MA).
Sagiroglu, S., 1996a, Bir Robot Sensörün Yapay Sinir Ağlarıyla Modellenmesi, Zeki îmalat Sistemleri Sempozyumu, Sapanca, Sakarya, 30-31 May, s.342-349.
Sagiroglu, S., 1996b, Levenberg-Marquardt metodunun bir robot sensörün yapay sinir ağı modellenmesinde kullanılması The Fifth Turkish Symposium On Artificial Intelligence And Neural Networks, TAINN'96, Istanbul Teknik Üniversitesi, 27-28 Haziran, İstanbul, s.323-328.
Sagiroglu, S., ve Çiftlikli, C, 1996, Altı serbestlik derecesine sahip bir robot sensörün MLP kullanılarak modellenmesi, IX Mühendislik Sempozyumu, Süleyman Demirel Ünivesitesi, Mühendislik-Mimarhk Fakültesi, İsparta, 29-31 Mayıs, s.135-140.