@article { author = {نادی, فرزانه and Derhami, Vali}, title = {Vision Based Robot Manipulator Control in 3D Space Using Fuzzy System and Neural Modeling}, journal = {Journal of Soft Computing and Information Technology}, volume = {5}, number = {4}, pages = {76-85}, year = {2016}, publisher = {Babol Noshirvani University of Technology}, issn = {2383-1006}, eissn = {2588-4913}, doi = {}, abstract = {Visual servoing system controls a robot by visual feedback so that robot moves from any arbitrary start position to the target positions. The coordinates of points in three dimensions is needed in 3D space. In this paper, a Kinect camera is used to collect RGB images as well as workspace’s depth matrix. The control law is obtained using Jacobian matrix. Since, the mathematical model of robot and workspace, is unknown, artificial neural networks is applied to approximate inverse of Jacobian matrix by gathering data. The approximated neural models are used in control law directly. For each degree of freedom of the robot manipulator, a two-layer feedforward neural network is considered. The distance between end-effector and target in 3D space, and the shoulder joint coordinates are inputs of each of the networks and outputs are the fraction of the related robot joint changes to the image features changes (the elements of inverse of Jacobian matrix). The proposed method has been implemented on an industrial robot manipulator. The experimental results show that the proposed control system can move the end-effector to different target positions in workspace with good accuracy and fewer steps in comparision with the previous method.}, keywords = {Visual Servoing,Jacobian Matrix,Fuzzy System,Artificial Neural Networks}, title_fa = {کنترل خودفرمان بینایی بازوی ربات در فضای سه بعدی با سیستم‌های فازی و مدل‌سازی عصبی}, abstract_fa = { سیستم کنترل خودفرمان بینایی، به سیستمی اتلاق می‌شود که از اطلاعات بازخوردی دوربین برای کنترل ربات استفاده می‌کند؛ تا ربات، از نقاط شروع دلخواه به نقطه هدف برسد. باتوجه به نیاز به کنترل ربات در فضای سه بعدی، مختصات نقاط در سه بعد موردنیاز است. بدین منظور در این مقاله، ایده استفاده از دوربین کینکت که علاوه بر تصویر رنگی، ماتریس عمق محیط را هم می‌دهد؛ دنبال شده است. فرمان کنترل با استفاده از ماتریس ژاکوبین تولید می‌شود. از آنجا که مدلی ریاضی از ترکیب ربات و دوربین در دسترس نیست، لذا با جمع آوری داده‌های مناسب با استفاده از شبکه‌های عصبی مصنوعی، معکوس ماتریس ژاکوبین تقریب زده می‌شود؛ تا مستقیماً در قانون کنترل موردنظر استفاده شود. به ازای هر کدام از درجات آزادی بازوی ربات، یک شبکه عصبی دو لایه با ساختار پیشرو درنظر گرفته شده است. فاصله مجری نهایی با هدف در سه بعد و زاویه مفصل شانه، ورودی‌های این شبکه‌ها هستند؛ و خروجی‌ آنها، بیان کننده میزان تغییرات ویژگی‌ها به تغییر در مقادیر متغیرهای مفصل ربات (المان­های معکوس ماتریس ژاکوبین) می‌باشد. در قانون کنترل، از ماتریس قطری بهره استفاده می‌شود. درایه‌های روی قطر این ماتریس توسط سیستم خبره فازیِ ارائه شده تعیین می‌گردند. روش ارائه شده بر روی یک بازوی ربات صنعتی پیاده‌سازی شده است. نتایج آزمایشات حاکی از موفقیت روش پیشنهادی در رساندن مجری‌نهایی به نقاط هدف مختلف در محیط کاری با دقت مناسب و تعداد گام کمتر نسبت به روش پیشین است.}, keywords_fa = {کنترل خودفرمان بینایی,ماتریس ژاکوبین,سیستم فازی,شبکه‌های عصبی مصنوعی}, url = {https://jscit.nit.ac.ir/article_51689.html}, eprint = {https://jscit.nit.ac.ir/article_51689_fdb24377a7154a9580f5bebc25229cec.pdf} }