Artificial neural networks based ınverse kinematics solution and simulation of a six degree of freedom lighting manipulator

Robot manipülatörlerinde ters kinematik problem, manipülatörün uç işlevcisinin istenilen konumda olması için eklem değişkenlerinin hesaplanmasını içeren doğrusal olmayan bir problemdir. Ters kinematik problemin çözümü robotlarda başlıca zorluklardandır. Bazı manipülatör konfigürasyonlarında bu problemin çözümü zor da olsa mümkün olabilirken bazı konfigürasyonlarda mümkün olamamaktadır. Bu çalışma 6 serbestlik dereceli (6-DOF) bir aydınlatma robotunun ters kinematik probleminin yapay sinir ağları (YSA) temelli çözümünü amaçlamaktadır. Aydınlatma robotu olarak ifade edilen bu robot, tıbbi operasyon alanında istenilen bölgeyi aydınlatmak için kendiliğinden aydınlatma görevini yapmaktadır. Aydınlatma için kullanılan manipülatör bilgisayar destekli tasarım (CAD) programında tasarlanmış olup Simulink ortamına aktarılmıştır. Bu sayede, geliştirilen YSA modelinin uygulaması Simulink ortamında gerçekleştirilmiştir. Elde edilen sonuçlar grafiksel olarak verilmiştir. Elde edilen sonuçlara göre, tasarlanan modelin makul sonuç verdiği gözlemlenmiştir.Inverse kinematics problem of a robot manipulator is calculation of joint variables of the manipulator. Inverse kinematic is a challenging problem of robots. The inverse kinematics in robotic is the determination of joint angles for a desired position of the end effector. This paper proposes an Artificial Neural Network (ANN) model to find Inverse kinematic solution of a 6DOF manipulator, which is designed instead of a manually lighting system that is used in surgery rooms. After obtaining forward kinematic equations, these equations were used to derive training data of ANN. The manipulator was designed in a computer aided design (CAD) program and this CAD model transferred to Simulink environment for a realistic and visual simulation purpose. To evaluate the trained ANN performance visually, this Simulink model were used. A test input set is introduced to the trained ANN. Results are discussed and demonstrated graphically. It was observed that obtained results are satisfactory, and the error of ANN for a reference position is acceptable