کنترل مقاوم مبتنی بر تخمین ‌گر زیربهینه برای بازوهای رباتیک به‌شدت غیرخطی تحت تاثیر نامعینی‌های مدل و اغتشاشات محیطی

یکی از چالش‌های اساسی در به‌کارگیری بازوهای رباتیکی در صنایع مختلف مانند خط تولید و مونتاژ، مراکز پزشکی و جراحی، صنایع فضایی و ادوات نظامی عدم دستیابی به مدل‌سازی و کنترل دقیق آن‌هاست. در این مقاله مسئله کنترل مقاوم مبتنی بر تخمین‌گر بهینه برای سیستم‌های دینامیک به‌شدت غیرخطی تحت تاثیر عدم‌قطعیت‌های سیستمی و محیطی، انجام‌شده است. در نظر گرفتن زیرسیستم الکتریکی محرک کوپل‌شده به زیرسیستم مکانیکی در مدل‌سازی، منجر به مدل کامل‌تر و واقعی‌تر معروف به ربات‌های با مفاصل انعطاف‌پذیر الکتریکی شده است. متغیرهای حالت نامعلوم که امکان اندازه‌گیری آن‌ها توسط سنسورها وجود ندارد، توسط تخمین‌گر معادله ریکاتی وابسته به حالت تعیین می‌شود. با به‌کارگیری رویکرد پیشنهادی در شبیه‌سازی یک بازوی دو درجه آزادی با مفاصل انعطاف‌پذیر الکتریکی به‌عنوان یک نمونه کاربردی، هر دو مزیت استحکام و بهینگی برای سیستم حاصل می‌شود. سپس روش پیشنهادی با روش کنترل مود‌لغزشی و تخمین‌گر فیلتر کالمن مقایسه شده است. نتایج به‌دست‌آمده بهبود استحکام سیستم در مقابل عدم‌قطعیت‌ و اغتشاشات را با به‌کارگیری روش پیشنهادی نشان می‌دهد. نرم خطای نهایی پنجه ربات در الگوریتم پیشنهادی و فیلتر کالمن به ترتیب 4.13 میلی‌متر و 37.02 میلی‌متر و نرم ورودی کنترلی (مصرف انرژی) به ترتیب 7.5 و 16.8 بوده است؛ بنابراین، دستیابی به هدف، با دقت بالاتر و تلاش کنترلی حداقل با استفاده از روش پیشنهادی تامین‌شده است.

robust control based on suboptimal estimator for highly nonlinear robotic arms influenced model uncertainties and environmental disturbance

one of the main challenges of using robotic arms in various industrial applications such as: production and assembly line, medical and surgical centers, space industries and military instruments is the lack of accurate modeling and control of the systems. in this paper, the problem of robust control based on the suboptimal estimator for highly nonlinear dynamic systems affected by systemic and environmental uncertainties is addressed. considering the coupled electrical-driven and mechanical subsystems in modeling leads to a completer and more realistic model known as the electrical flexible joint robots (efjr). the state-dependent riccati equation estimator is used to determine unknown state variables that cannot be measured by sensors. by applying the proposed approach in simulating a two degree-of-freedom (dof) arm with electrically flexible joints as a practical case study, both robustness and optimality are obtained for the system. then, the proposed method is compared to the sliding mode control and the kalman filter estimator. the obtained results indicate that the proposed method has improved the system robustness against uncertainty and disturbance. the norm of final error of the robot end-effector has been obtained as 4.13 mm and 37.02 mm in the proposed algorithm and kalman filter method, respectively. also, the norm of control input (energy consumption) has been obtained as 7.5 and 16.8 by the two methods, respectively. therefore, the proposed method provides the possibility of achieving to the goal with a higher accuracy and less control effort.