NGHIÊN CỨU ỨNG DỤNG AI VÀO MÔ HÌNH HÓA ĐỘNG LỰC HỌC NGHỊCH CHO ROBOT DELTA

Tóm tắt

Robot Delta song song là một hệ thống cơ khí phức tạp với nhiều ưu điểm vượt trội như tốc độ cao, độ chính xác và khả năng tải trọng lớn, nhưng việc mô hình hóa động lực học nghịch của nó vẫn là một thách thức lớn do cấu trúc ràng buộc hôlômôn và sự hiện diện của các yếu tố bất định. Nghiên cứu này đề xuất một phương pháp mới ứng dụng trí tuệ nhân tạo (AI), cụ thể là mạng nơ-ron thông tin vật lý (PINN), để mô hình hóa động lực học nghịch của robot Delta 3 bậc tự do. Phương pháp kết hợp các ràng buộc vật lý vào quá trình học của mạng nơ-ron, khắc phục hạn chế của các phương pháp truyền thống như Newton-Euler, Công ảo hay Lagrange-Euler trong việc xử lý nhiễu và các hiệu ứng phi tuyến. Kết quả thực nghiệm cho thấy mô hình đề xuất đạt độ chính xác cao trong việc dự đoán mô-men xoắn, phù hợp với dữ liệu thực tế trên các quỹ đạo đa dạng, mở ra tiềm năng ứng dụng trong điều khiển và tối ưu hóa robot Delta.

Title

STUDY ON THE APPLICATION OF AI IN MODELLING DELTA ROBOT INVERSE DYNAMIC

Abstract

Parallel Delta robots are complex mechanical systems offering superior advantages such as high speed, precision, and load capacity; however, modeling their inverse dynamics remains a significant challenge due to holonomic constraints and the presence of uncertainties. This study proposes a novel approach utilizing artificial intelligence (AI), specifically Physics-Informed Neural Networks (PINNs), to model the inverse dynamics of a 3-DoF Delta robot. The method integrates physical constraints into the neural network learning process, overcoming limitations of traditional approaches like Newton-Euler, Virtual Work, or Lagrange-Euler in handling noise and nonlinear effects. Experimental results demonstrate that the proposed model achieves high accuracy in predicting torque, closely aligning with real-world data across diverse trajectories, thus paving the way for enhanced control and optimization of Delta robots.