C&A-SBA logo

Volume 12 number 1

Pages: 11-18


Fault Detection and Isolation in Robotic Manipulators Using a Multilayer Perceptron and a RBF Network Trained by the Kohonen’s Self-Organizing Map

Renato Tinós and Marco Henrique Terra

    tinos@sel.eesc.sc.usp.br, terra@sel.eesc.sc.usp.br
    Departamento de Engenharia Elétrica - EESC / USP
    Caixa Postal 359
    São Carlos, São Paulo, Brazil, 13560-970
Resumo: 
Neste trabalho, um sistema de detecção e isolação de falhas para robôs manipuladores baseado em Redes Neurais Artificiais é proposto. Duas redes são utilizadas: um Perceptron Multicamadas é empregado para reproduzir o comportamento dinâmico do manipulador sem falhas e uma Rede com Função de Base Radial (RBF) é usada para a classificação dos resíduos gerados através da diferença entre as saídas do Perceptron e as velocidades das juntas. Os centros das unidades radiais da rede RBF são posicionados através do Mapa Auto-Organizável de Kohonen ou através do método Forward Selection, que emprega seleção de subconjuntos para escolher os centros a partir dos padrões de treinamento. Simulações utilizando um manipulador planar com duas juntas e um robô Puma 560 indicam que o primeiro método fornece resultados mais interessantes para a detecção e isolação das falhas
Palavras Chave: Detecção e Isolação de Falhas; Robôs Manipuladores; Redes Neurais Artificiais; Redes RBF; Mapa Auto-Organizável de Kohonen.
  
Abstract: 
In this work, Artificial Neural Networks are employed in a Fault Detection and Isolation scheme for robotic manipulators. Two networks are utilized: a Multilayer Perceptron is employed to reproduce the manipulator dynamical behavior, generating a residual vector that is classified by a Radial Basis Function Network, giving the fault isolation. Two methods are utilized to choose the radial unit centers in this network. The first method, Forward Selection, employs Subset Selection to choose the radial units from the training patterns. The second employs the Kohonen’s Self-Organizing Map to fix the radial unit centers in more interesting positions. Simulations employing a two link manipulator and the Puma 560 manipulator indicate that the second method gives a smaller generalization error.
Keywords: Fault Detection and Isolation; Robotic Manipulators; Neural Networks; RBF Networks; Kohonen's Self Organizing Map.

PDF copy (222 kbytes)

Back to Volume 12 index.


Click here to obtain
get acrobat reader

Last modifications:  
 by jro