RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A comparison between a traditional PID controller and an Artificial Neural Network controller in manipulating a robotic arm
KTH, Skolan för elektroteknik och datavetenskap (EECS).
2019 (engelsk)Independent thesis Basic level (degree of Bachelor), 10 poäng / 15 hpOppgaveAlternativ tittel
En jämförelse mellan en traditionell PIDstyrenhet och en Artificiell Neural Nätverksstyrenhet för att styra en robotarm (svensk)
Abstract [en]

Robotic and control industry implements different control technique to control the movement and the position of a robotic arm. PID controllers are the most used controllers in the robotics and control industry because of its simplicity and easy implementation. However, PIDs’ performance suffers under noisy environments. In this research, a controller based on Artificial Neural Networks (ANN) called the model reference controller is examined to replace traditional PID controllers to control the position of a robotic arm in a noisy environment. Simulations and implementations of both controllers were carried out in MATLAB. The training of the ANN was also done in MATLAB using the Supervised Learning (SL) model and Levenberg-Marquardt backpropagation algorithm. Results shows that the ANN implementation performs better than traditional PID controllers in noisy environments.

Abstract [sv]

Robotoch kontrollindustrin implementerar olika kontrolltekniker för att styra rörelsen och placeringen av en robotarm. PID-styrenheter är de mest använda kontrollerna inom roboten och kontrollindustrin på grund av dess enkelhet och lätt implementering. PID:s prestanda lider emellertid i bullriga miljöer. I denna undersökning undersöks en styrenhet baserad på Artificiell Neuralt Nätverk (ANN) som kallas modellreferenskontrollen för att ersätta traditionella PID-kontroller för att styra en robotarm i bullriga miljöer. Simuleringar och implementeringar av båda kontrollerna utfördes i MATLAB. Utbildningen av ANN:et gjordes också i MATLAB med hjälp av Supervised Learning (SL) -modellen och LevenbergMarquardt backpropagationsalgoritmen. Resultat visar att ANN-implementeringen fungerar bättre än traditionella PID-kontroller i bullriga miljöer.

sted, utgiver, år, opplag, sider
2019. , s. 29
Serie
TRITA-EECS-EX ; 2019:398
Emneord [en]
Artificial Intelligence, Artificial Neural Network, Control System, PID Controller, Model Reference Controller, Robot arm
Emneord [sv]
Artificiell Intelligens, Artificiell Neuralt Nätverk, Kontroll System, PID-kontroller, Modellreferenskontroller, Robotarm
HSV kategori
Identifikatorer
URN: urn:nbn:se:kth:diva-259365OAI: oai:DiVA.org:kth-259365DiVA, id: diva2:1351191
Veileder
Examiner
Tilgjengelig fra: 2019-09-13 Laget: 2019-09-13 Sist oppdatert: 2019-09-13bibliografisk kontrollert

Open Access i DiVA

fulltext(1473 kB)29 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 1473 kBChecksum SHA-512
b4f12c6bd7ea249b836658fc99fa4222e8a61bc24d4bbea699ec8444ae9e19795b40ba0576811568cd1b7268f181e6a392c25a3db4ddffe6ebb239cb57bbdffe
Type fulltextMimetype application/pdf

Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 29 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

urn-nbn

Altmetric

urn-nbn
Totalt: 82 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf