Controllo adattivo della modalità di scorrimento fuzzy di un attuatore alimentato da due muscoli artificiali pneumatici contrapposti

Oct 28, 2023

Rapporti scientifici volume 13, numero articolo: 8242 (2023) Citare questo articolo

286 accessi

Dettagli sulle metriche

Il muscolo artificiale pneumatico (PAM) è un potenziale attuatore nei sistemi di interazione uomo-robot, in particolare nei sistemi di riabilitazione. Tuttavia, PAM è un attuatore non lineare con incertezza e un notevole ritardo nelle caratteristiche, che rendono difficile il controllo. Questo studio presenta un approccio di controllo della modalità scorrevole a tempo discreto combinato con l'algoritmo fuzzy adattivo (AFSMC) per gestire il disturbo sconosciuto dell'attuatore basato su PAM. Il sistema di logica fuzzy sviluppato ha vettori di parametri delle regole componenti che vengono aggiornati automaticamente da una legge adattativa. Di conseguenza, il sistema logico fuzzy sviluppato può ragionevolmente approssimare il disturbo del sistema. Quando si utilizza il sistema basato su PAM in studi multi-scenario, i risultati sperimentali confermano l'efficienza della strategia proposta.

Negli ultimi anni, il PAM è stato uno degli attuatori più promettenti per applicazioni che richiedono la simulazione di movimenti simili a quelli umani. Il PAM è costituito da un lungo tubo in gomma e ricoperto di filo intrecciato. Il PAM si irrigidisce e si contrae in direzione radiale e longitudinale durante la fornitura di aria compressa. Al contrario, si ammorbidirà e si allungherà quando libereremo l'aria. Questa contrazione è simile al principio di funzionamento dei fasci muscolari degli esseri viventi. I PAM vengono solitamente utilizzati in applicazioni industriali grazie ai vantaggi di reazione rapida, estrema leggerezza, elevati rapporti peso-potenza e potenza-volume, sicurezza intrinseca, pulizia, facilità di manutenzione, flessibilità e basso costo1,2, 3,4,5. Alcune applicazioni importanti includono manipolatori4,6,7,8 per migliorare la sicurezza degli esseri umani che interagiscono con i robot, sistemi di riabilitazione9,10,11,12,13,14 e dispositivi medici15,16 per assistere i pazienti nel ripristino della funzione motoria. Tuttavia, PAM è un sistema non lineare con un’enorme latenza e la sua regolazione con buone prestazioni attira sempre grande attenzione da parte dei ricercatori.

Inoltre, determinare un modello matematico non lineare di PAM è estremamente impegnativo, con conseguente distorsione nella stima dei parametri del sistema basato su PAM. Di conseguenza, i sistemi basati su PAM presentano molti disturbi sconosciuti. Sono stati proposti molti metodi di controllo per risolvere i problemi dell'attuatore muscolare pneumatico. Molti dei primi studi hanno scelto il controller Proporzionale-Integrale-Derivativo (PID) e le sue versioni modificate. Un controller non lineare basato su PID17,18,19,20,21 per migliorare la correzione del fenomeno dell'isteresi non lineare e aumentare la robustezza. Viene proposto un controller PID fuzzy22,23,24,25 per migliorare le prestazioni di tracciamento della traiettoria. La maggior parte dei controller citati ha prestazioni decenti. Sono inadeguati a gestire l'isteresi e la non linearità di PAM.

Per superare gli inconvenienti del controller PID e delle sue varianti migliorate, in letteratura sono stati presentati approcci di controllo non lineare come il controllo della modalità scorrevole (SMC), il controllo dinamico della superficie, il controllo adattivo, il controllo dell'apprendimento interattivo e il controllo intelligente. Più specificamente, il controllo della modalità di scorrimento convenzionale viene applicato nei Rif.26,27 per il tracciamento della traiettoria di un sistema PAM. Diversi tipi di controllo in modalità scorrevole a tempo discreto vengono utilizzati per un robusto controllo della posizione di un sistema PAM28,29. Inoltre, il controllo dinamico della superficie che utilizza il filtro del primo ordine per migliorare la risposta del sistema viene applicato anche al controllo del tracciamento dei sistemi PAM30. Inoltre, nel Rif.31, gli autori raccomandano il controllo adattivo per stimare online i parametri di sistema sconosciuti, ottenendo prestazioni di controllo soddisfacenti.

Anche il controllo dell'apprendimento interattivo e il controllo intelligente in grado di apprendere la non linearità e stimare parametri sconosciuti sono approcci importanti per il controllo del sistema PAM. Gli autori del Rif.32 hanno proposto un robusto algoritmo di controllo dell'apprendimento iterativo per affrontare le incertezze e i vincoli di stato di un sistema PAM. Per il controllo del sistema PAM vengono proposti il ​​controllo fuzzy in combinazione con il controllo PID frazionario25, con il controllo in modalità scorrevole33 e con il controllo di previsione del modello34. In questi articoli, la logica fuzzy gioca un ruolo nella regolazione dei parametri di controllo. Reference35 ha proposto un approccio di controllo adattivo in modalità scorrimento fuzzy per regolare un sistema PAM senza un modello predefinito, in cui i parametri sconosciuti sono stimati utilizzando funzioni fuzzy. Allo stesso modo, Ref.36 ha utilizzato la stessa idea, ma invece della logica fuzzy, è stata utilizzata una rete neurale per stimare le funzioni sconosciute. Inoltre, si ritiene che l’apprendimento per rinforzo ottimizzi anche le prestazioni di controllo del sistema PAM37. La maggior parte degli approcci sopra menzionati può apportare robustezza al sistema. Alcuni di essi cercano di migliorare le prestazioni del sistema stimando le parti sconosciute e i disturbi con algoritmi di stima molto complicati. Questi algoritmi sono teoricamente efficaci, ma la loro implementazione è molto difficile e richiede molti calcoli. Pertanto, la necessità di un algoritmo di controllo efficace è ancora un problema aperto.