سروش زارع
زمینه تحقیقاتی : —
بازه فعالیت در آزمایشگاه : از 1397
Soroush.Zare@ut.ac.ir
1
2
Citations: 1
h-index: 1
i10-index: 0
No. of Papers: 2
تحصیلات
کارشناسی : مکانیک – دانشگاه شیراز
کارشناسی ارشد : مکانیک – دانشگاه تهران
دکتری : —
سروش زارع تحصیلات خود را در دوره کارشناسی رشته مهندسی مکانیک از دانشگاه شیراز در سال 1393 به عنوان نفر دوم رنک گرایش خود به اتمام رساند. پس از آن برای ادامه تحصیل در مقطع کارشناسی ارشد در رشته‌ي مکانیک و گرایش طراحی کاربردی در سال 1397 وارد دانشگاه تهران شد. با ورود به دانشگاه تهران، و با عضویت در آزمایشگاه تعامل انسان و ربات دانشگاه تهران، فعالیت‌های پژوهشی خود را زیر نظر دکتر طالع ماسوله و دکتر حایری یزدی در زمینه کنترل ربات کابلی آغاز کرد. فعالیت‌های پژوهشی سروش زارع در خصوص کنترل و شناسایی سیستم به دوره کارشناسی نیز باز می‌گردد. موضوع پروژه لیسانس سروش زارع در زمینه‌ی ساخت، تحلیل و کنترل یک نمونه اولیه توربین بدون پره (BWT) بوده است. موضوع پایان نامه کارشناسی ارشد سروش زارع کنترل ربات کابلی مقید ناقص به منظور تولید مدل سه‌بعدی اجسام است. در این پایان نامه از آنجایی که حل سینماتیک مستقیم ربات کابلی پیچیدگی‌های به خصوصی دارد ابتدا به کمک روش direct geometric static problem یا همان (DGP) به حل سینماتیک مستقیم ربات در نقاط تعیین شده‌ي فضای کاری ربات پرداخته شد. در ادامه با توجه به وقت‌گیر بودن این روش، با طراحی شبکه‌های عصبی MLP و LOLIMOT و RBF به حل سینماتیک مستقیم ربات پرداخته شد و کنترل ربات کابلی و حل سینماتیک مستقیم آن به صورت آنلاین مقدور گردید. در ادامه با استفاده از کنترلر های مختلف و استفاده از پردازش تصویر و هوش مصنوعی به تعقیب اشیا پرداخته شد. در راستای اهداف پایان‌نامه، با استفاده از علم فوتوگرامتری به ساخت مدل سه‌بعدی اجسام و به ویژه ربات انسان نمای SANBOT موجود در آزمایشگاه تعامل انسان و ربات پرداخته شد. در ادمه به طراحی کنترل دینامیکی از نوع چند ورودی-چند خروجی یک ربات موازی معلق کابلی مقید ناقص با بهره‌گیری از الگوریتم ژنتیک پرداخته شد. اهداف بعدی پروژه، شناسایی کامل ربات و اجرای کنترلر دینامیکی طراحی شده روی ربات است.
کنترل ربات کابلی مقید-ناقص معلق به منظور تولید مدل تصویری سه‌بعدی اجسام
هدف این پایان نامه ، کنترل ربات کابلی مقید ناقص معلق برای تولید مدل سه‌بعدی اجسام است. اول ، سه نوع شبکه عصبی شامل ، پرسپترون چندلایه ، توابع پایه شعاعی و درخت مدل خطي محلي ، بر اساس سازگاری با رفتار قابل توجه داده ها برای حل سینماتیک مستقیم و معکوس ربات کابلی مقید ناقص معلق در نظر گرفته شد. فضای کاری این ربات یک مکعب مستطیل با ابعاد 360 سانتی متر × 220 سانتی متر × 160 سانتی متر است. حل مسئله سینماتیک مستقیم ربات کابلی مقید ناقص به دلیل پیچیدگی و غیرخطی بودن معادلات حرکتی ربات مشکل است و به همین دلیل از یک روش عددی برای حل این معادلات استفاده می‌شود که از نظر محاسباتی گران قیمت و وقت گیر است. شبکه عصبی آموزش دیده شده،این امکان را فراهم می‌کند تا نه تنها تمامی کابل‌ها در کشش باشند بلکه بتوان سینماتیک مستقیم ربات را به صورت آنلاین حل کرد و ربات را به صورت آنلاین کنترل کرد. نتایج به دست آمده نشان می دهد که پرسپترون چند لایه بهترین عملکرد را دارد و میانگین مربع خطاها در حدود 2 میلی متر برای موقعیت و 0.78 درجه برای جهت گیری است، که این امر باعث می شود کنترل دقیق در حرکت سریع ربات انجام‌پذیر شود. در راستای اهداف این پایان نامه، روشی برای تولید مدل سه بعدی اجسام با هر اندازه‌ای محدود به فضای کاری ربات معرفی شد. مهم‌ترین مشکل ربات کابلی مقید ناقص معلق، مستقل نبودن جهت‌گیری و موقعیت عملگر نهایی است. مشکل فوق با استفاده از یک استبیلایزر برای ضبط فیلم در جهت های تعیین شده حل شد. نتایج نشان می دهد که با کنترل عملگر نهایی می توان به تولید مدل سه بعدی اجسام بر اساس فیلم های گرفته شده از یک دوربین که بر روی عملگر نهایی ربات نصب شده است، پرداخت. یکی از اجسام در نظر گرفته شده در این پایان‌نامه، ربات اجتماعی به نام Sanbot است که دارای سطحی براق است که از دقت بازسازی مدل سه بعدی می کاهد. با این حال ، نتایج نشان می دهد که مدل سه بعدی ربات Sanbot دقت بسیار خوبی دارد و نتایج تجربی کارآیی روش پیشنهادی را تأیید می کند. این روش راهی آسان برای تولید مدل سه بعدی یک جسم فراهم می کند ، که با روش های دیگر قابل تولید نیست. در راستای اهداف این پروژه ، کنترل دینامیکی نوع چند ورودی – چند خروجی ربات کابلی مقید ناقص فضایی با استفاده از الگوریتم ژنتیک طراحی شد. اهداف بعدی پایان نامه تجزیه و تحلیل مدل دینامیکی ربات و پیاده سازی کنترل کننده دینامیکی بر روی ربات مذکور است.
منبع پایان نامه
کلمات کلیدی:
- Kinematic Analysis of an Under-constrained Cable-driven Robot Using Neural Networks
- Reconstructing 3-D Graphical Model Using an Under-Constrained Cable-Driven Parallel Robot