امیرحسین دادبین
زمینه تحقیقاتی : —
بازه فعالیت در آزمایشگاه : از 1399
amirhosseindadbin@ut.ac.ir
1
2
Citations: 0
h-index: 0
i10-index: 0
No. of Papers: 0
تحصیلات
کارشناسی : برق – دانشگاه خواجه نصیر طوسی
کارشناسی ارشد : برق – دانشگاه تهران
دکتری : —
امیرحسین دادبین مدرک کارشناسی خود را در رشته‌ی مهندسی برق گرایش کنترل در سال 1397 از دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران دریافت کرد. عنوان پایان‌نامه کارشناسی وی «طراحی و ساخت میکروکوادروتور با هدف برقراری پایداری افقی آن و پرواز آن» بود. برنامه‌نویسی به زبان‌های C، C++، Python، MATLAB و Simulink، کار با قابلیت‌های متنوع میکروکنترلرهای خانواده‌ی AVR، PLCهای شرکت زیمنس و دلتا، راه اندازی سنسورها و ماژول‌های متنوع MEMS – از جمله سنسورهای لوکس‌متر، شتاب سنج و ژیروسکوپ، فراصوت – ترمیستور، RTD، انکودر،ماژول بی‌سیم nrf24، طراحی مدارات چاپی با نرم افزار Altium Designer، شبیه سازی مدارات الکترونیکی با نرم افزارهایی همچون PSPICE و Proteus Design Suite، مونتاژ مدارات الکترونیکی و لحیم‌کاری از جمله تجربیات مفید وی در دوران کارشناسی بود.طراحی منبع نور کنترل‌شونده با میکروکنترلر به همراه فیدبک گرفتن از شدت روشنایی محیط به کمک یک لوکس‌متر، طراحی و پیاده سازی یک انکودر نوری از دیگر پروژه‌های انجام شده‌ی وی در دوران کارشناسی بود.
وی در سال 1398 با اخذ رتبه‌ی 23 کنکور ارشد در گرایش کنترل جهت تحصیل در مقطع فوق لیسانس وارد دانشگاه تهران شد. به دلیل علاقه‌ی وی به رباتیک، هوش مصنوعی، کنترل هوشمند و بدون مدل، وی به عضویت آزمایشگاه تعامل انسان و ربات دانشگاه تهران درآمد و زیر نظر دکتر طالع ماسوله و دکتر کلهر فعالیت پژوهشی خود را در زمینه ربات های سری و پرنده آغاز کرد. عنوان پروپزال پایان‌نامه ارشد وی «طراحی، شبیه سازی و کنترل یک بازوی رباتیک متصل به کوادروتور با هدف پایدار سازی و رفع اغتشاش» است. مدلسازی سینماتیکی، استاتیکی و دینامیکی کوادروتور و بازوی رباتیکی متصل به آن، کوپل بودن دینامیک کوادروتور و بازوی رباتیک، کنترل مقاوم و رفع اغتشاشات وارده بر ربات، کنترل تطبیقی، کنترل به کمک شبکه‌های عصبی و بدون مدل بودن آن، شبیه‌سازی ربات و کنترل‌کننده‌ها در محیط شبیه سازی Gazebo در نرم افزار ROS و MATLAB از مهمترین کلیدواژه‌های این پروژه است. در فاز عملی پیاده سازی سنسورها، و بلادرنگ بودن کنترل کننده از چالش‌های اصلی این پروژه می‌باشد.
وی به تعمیر تجهیزات خانه، اسب سواری، شنا، تیراندازی با تفنگ بادی، تیراندازی با کمان، پینگ پونگ و والیبال و بوکسینگ علاقه‌مند است.
طراحی، شبیه سازی و کنترل یک بازوی رباتیک متصل به کوادروتور با هدف پایدار سازی و رفع اغتشاش
افزودن یک بازوی رباتیک به ربات پرنده، آن را از یک ربات منفعل که عمدتا عملیات نظارت را می‌تواند سامان دهد به یک ربات فعال که قابلیت دستکاری محیط را داراست تبدیل می‌کند. اما به هم کوپل بودن دینامیک‌های پلت‌فرم پرواز (که در اینجا همان کوادروتور می‌باشد) و دینامیک‌های ابزارهای دستکاری (که دراینجا بازوی رباتیک است) باعث پیچیدگی مدلسازی و کنترل این سیستم می‌شود. برای مثال با حرکت بازوی رباتیک مرکز ثقل سیستم کلی تغییر می‌کند. چالش‌های اصلی مساله‌ی مدلسازی و مساله‌ی کنترل است. دو رویکرد برای حل این مساله پیشنهاد می‌شود. ۱- رویکرد غیرمتمرکز: بدین گونه است که سیستم به دو بخش مستقل کوادروتور و بازو تقسیم می‌شود و اثرات حرکتی و دینامیک‌های بازوی رباتیک به عنوان اغتشاش خارجی برای کوادروتور در نظر گرفته می‌شود و بالعکس. 2- رویکرد متمرکز: در این رویکرد سیستم شامل کوادروتور و بازوی رباتیک به طور کامل به عنوان یک سیستم واحد در نظر گرفته شده و مدل کلی برای آن به دست می‌آید.
رویکرد اول پیچیدگی کمتری دارد. اما دقت زیادی ندارد. این روش در مواردی که دینامیک بازوی رباتیک برای جبران خطای موقعیت کوادروتور کافی نیست یا بازو مجاز به کنترل گشتاور نیست، مفید می‌باشد.
رویکرد دوم بایستی بتواند مساله‌ی جداسازی دینامیکی، مدلسازی و تغییرات مرکز ثقل در حین دستکاری محیط توسط بازو را حل کند. لذا بسیار پیچیده‌تر است.
در سال‌های اخیر با ظهور پردازنده‌های قدرتمند تجاری، شبکه‌های عصبی در زمینه‌ی مدلسازی سیستم‌ها و کنترل سیستم‌ها با اقبال زیادی مواجه شده و کارایی بالایی از خود نشان داده‌اند. شبکه‌های عصبی داده محور، پتانسیل زیادی در رویکردهای بدون مدل در کنترل فرایندها و سیستم‌های دینامیکی دارند. لذا استفاده کردن از روشی تلفیقی از هر دو رویکرد غیرمتمرکز و متمرکز با استفاده از شبکه‌ی عصبی می‌تواند مزایای هر دو رویکرد را یک جا در اختیار قرار دهد.
در این پژوهش هدف کنترل بازوی رباتیک X-OpenMANIPULATOR ساخته شرکت ROBOTIS است که به یک کوادروتور متصل می‌باشد. بدین ترتیب که به جای عملگر نهایی بازوی رباتیک، یک لیزر قرار داده‌شده‌است تا نقطه‌ای را هدف قرار دهد. هدف کنترل کننده‌ها نیز این است که علاوه بر پایدارسازی سیستم کلی، برخی اغتشاشات وارده به بدنه‌ی کوادروتور را به گونه‌ای رفع کند که هدف‌گیری نهایی لیزر خطای ناچیز داشته باشد.
در گام اول سعی می شود مدلی ساده از کوادروتور و مدل ساده‌ای از بازوی رباتیک به دست آید. از محیطSimscape در Simulink نرم افزار MATLAB برای صحت‌سنجی مدل‌های به‌دست‌آمده استفاده می‌شود. سپس با رویکرد غیرمتمرکز کنترل کننده‌ای برای پایدارسازی اولیه سیستم کلی طراحی می‌شود (چرا که پایدار بودن سیستم، شرط اولیه شناسایی آن است). این کنترل‌کننده می‌تواند از نوع PID یا کنترل‌کننده‌های مقاوم در برابر اغتشاش بیرونی و نایقینی‌های مدل، کنترل‌کننده تطبیقی، کنترل مد لغزشی یا … باشد.
سپس در گام دوم از شبکه (های) عصبی برای کنترل همزمان پرواز کواد روتور و بازوی رباتیک استفاده می‌شود بدین منظور سیستم یکپارچه کوادروتور و بازوی رباتیک در ROS Gazebo شبیه‌سازی خواهد شد. ورودی‌های متنوعی به سیستم شبیه‌سازی شده در محیط ROS اعمال می‌شود و کنترل‌کننده‌ی هوشمند مبتنی بر شبکه عصبی آموزش داده می‌شود تا علاوه بر پایدارسازی سیستم بتواند اغتشاش وارده به کوادروتور (که در هدف‌گیری لیزر اختلال ایجاد می‌کند) را رفع نماید. این روش در واقع تلفیقی از هر دو رویکرد غیرمتمرکز و متمرکز است و مزایای هر دو را می‌تواند داشته باشد. چرا که تا حد زیادی مستقل از مدل بوده و پیچیدگی‌های مدلسازی در رویکرد متمرکز با استفاده کردن از شبکه عصبی رفع می‌شود. در نهایت هر دو روش رویکرد غیرمتمرکز و شبکه عصبی با هم مقایسه خواهد شد. در تمامی مراحل فرض بر این است که داده‌های لازم همچون موقعیت بازو و کوادروتور در دسترس است و از این حیث محدودیتی در شبیه‌سازی لحاظ نمی‌شود.
منبع پایان نامه
کلمات کلیدی: