طراحی کننده مقاوم برای ربات توانبخشی در برابر نویز و عدم قطعیت پارامتری

طراحی کننده مقاوم برای ربات توانبخشی در برابر نویز و عدم قطعیت پارامتری

عباس نعمتی1 شبنم پورمسعود2

1) گروه مهندسی برق، دانشگاه آزاد اسلامی، واحد میانه، میانه، ایران.
2) کارشناسی ارشد رشته مهندسی برق، گرایش مدارهای مجتمع الکترونیک، دانشگاه آزاد اسلامی، واحد میانه، میانه، ایران.

کد IOI مقاله : AAHD-ABGAHD
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    ربات‌های توانبخشی در سال‌های اخیر به عنوان یکی از ابزارهای مهم در بازتوانی حرکتی بیماران مورد توجه گسترده قرار گرفته‌اند. عملکرد دقیق این ربات‌ها به طراحی سیستم‌های کنترلی پیشرفته وابسته است که بتوانند در حضور نویز اندازه‌گیری، اغتشاشات خارجی و عدم‌قطعیت‌های پارامتری، حرکت دقیق و ایمنی را برای کاربر فراهم کنند. با این حال، بسیاری از روش‌های کنترلی متداول در مواجهه با غیرخطی بودن دینامیک ربات و شرایط غیرایده‌آل محیطی با محدودیت‌هایی مواجه هستند. از این رو، توسعه روش‌های کنترلی مقاوم و هوشمند که بتوانند دقت ردیابی و پایداری سیستم را در شرایط واقعی تضمین کنند، از اهمیت بالایی برخوردار است. هدف اصلی این پژوهش طراحی و ارائه یک معماری کنترلی نوین برای بهبود عملکرد ربات‌های توانبخشی در شرایط وجود نویز و عدم‌قطعیت‌های پارامتری است. در این تحقیق یک کنترل‌کننده عصبی–پیش‌بین مقاوم چندلایه برای ربات توانبخشی ارائه شده است. در ساختار پیشنهادی، ابتدا با استفاده از یک مدل پیش‌بینی مبتنی بر فرآیند خودرگرسیونی، نویز اندازه‌گیری تخمین زده شده و اثر آن در سیگنال‌های ورودی کنترل کاهش می‌یابد. سپس یک شبکه عصبی به عنوان تقریب‌زننده غیرخطی برای تخمین عدم‌قطعیت‌های دینامیکی و بخش‌های ناشناخته مدل سیستم به کار گرفته می‌شود. در نهایت، یک بخش مقاوم‌کننده غیرخطی مبتنی بر تابع تانژانت هیپربولیک در قانون کنترل طراحی شده است تا ضمن حفظ پایداری سیستم، از بروز نوسانات شدید کنترلی جلوگیری شود. پایداری سیستم کنترلی نیز با استفاده از تحلیل لیاپانوف مورد بررسی قرار گرفته است. برای ارزیابی عملکرد روش پیشنهادی، شبیه‌سازی‌های متعددی در محیط MATLAB/Simulink انجام شده و نتایج آن با کنترل‌کننده‌های مرجع شامل PID، کنترل لغزشی و کنترل فازی تطبیقی مقایسه شده است. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی قادر است دقت ردیابی مسیر را به طور قابل توجهی بهبود دهد و در عین حال نوسانات سیگنال کنترلی را کاهش دهد. همچنین این کنترل‌کننده مقاومت بالایی در برابر نویز اندازه‌گیری و تغییرات پارامتری سیستم از خود نشان داده و پایداری سیستم در شرایط مختلف حفظ شده است.

کلمات کلیدی : ربات توانبخشی کنترل مقاوم شبکه عصبی پیش‌بینی نویز کنترل غیرخطی