طراحی و تنظیم کنترل مقاوم مد لغزشی-تناسبی-مشتقی PD-SMC در پایدار‌سازی بازوی ربات دو درجه آزادی

نوع مقاله : مقاله مستقل

نویسندگان

1 استاد‌یار، گروه مهندسی برق، دانشگاه خلیج فارس

2 دانش‌آموخته کارشناسی ارشد، گروه مهندسی برق، دانشگاه خلیج فارس

3 استاد‌یار، پژوهشکده علوم و فنون هوا دریا، دانشگاه شیراز

چکیده

یک سیستم کنترل مد لغزشی-تناسبی-مشتقی PD-SMC برای ردیابی مسیر حرکت بازوی ربات دو درجه آزادی دارای عدم قطعیت، در این مطالعه ارائه شده است. در حضور عدم‌قطعیت و تغییر پارامترهای یک سیستم غیرخطی، کنترل‌ مد‌لغزشی SMC، روش مقاومی می‌باشد. با به‌کارگیری روش کنترل تناسبی-مشتقی PD، سیستم حلقه بسته دارای پاسخ سریع و محدوده پایداری نیز افزایش می‌یابد. بنابراین در قانون PD-SMC، از ویژگی‌های دو نوع کنترل SMC و PD استفاده می‌شود. با بهره‌گیری از تئوری پایداری لیاپانف، پایداری سیستم کنترل حلقه بسته، با قانون PD-SMC، نشان داده خواهد شد. دیده می شود اگر بهره های قانون PD-SMC در یک نامساوی ماتریسی صدق کنند آن گاه با استفاده از قانون PD-SMC، دینامیک بازوی ربات دو درجه آزادی پایدار مجانبی می‌گردد. در نتیجه، خطای ردیابی و مشتق‌های مرتبه اول و دوم آن به صفر همگرا خواهد شد. برای ارزیابی سیستم کنترل طراحی شده، ابتدا با روش بهینه‌سازی الگوریتم ژنتیک، یک مساله مینیمم‌یابی حل شده و پارامترهای قانون PD-SMC تنظیم می‌شود. سپس این قانون کنترل در یک ربات دو درجه آزادی استفاده شده است. نتایج شبیه سازی‌های انجام شده، کارآمدی و مقاوم بودن روش کنترل طراحی شده را در مقایسه با سایر روش‌ها نشان می‌دهد.

کلیدواژه‌ها


[1] Soltanpour MR (2011) Variable structure tracking control of robot manipulator in task space in the presences of structure and unstructured uncertainties in dynamics and kinematics. Journal of Solid and Fluid Mechanics 1: 81-88.
[2] Naghibi SR, Pirmohamadi AA (2018) Control of manipulator in task space using modified transpose effective Jacobian and model based friction compensator. Modares Mechanical Engineering 18: 335-344.
[3] Spong MW, Hutchinson S, Vidyasagar M (2006) Robot modeling and control. Wiley, New York.
[4] Edwards C, Spurgeon S (1998) Sliding mode control: Theory and applications. CRC Press.
[5] Lee H, Kim E, Kang HJ, Park M (2001) A new sliding-mode control with fuzzy boundary layer. Fuzzy Set Syst 120: 135-143.
[6] Chen MS, Hwang YR, Tomizuka M (2002) A state-dependent boundary layer design for sliding mode control. IEEE T Automat Contr 47: 1677-1681.
[7] Khalil HK (2001) Nonlinear Systems: Prentice Hall.
[8] Laghrouche S, Plestan F, Glumineau A (2007) Higher order sliding mode control based on integral sliding mode. Automatica 43: 531-537.
[9] Romdhane NMB, Damak T (2015) Higher order sliding mode control of uncertain robot manipulators. Advances and Applications in Sliding Mode Control Systems, Springer.
[10] de Wit CC, Siciliano B, Bastin G (2012) Theory of robot control. Springer Science & Business Media.
[11] Ghasemi I, Ranjbar Noei A, Sadati Rostami SJ (2015) Optimal Fractional order iterative learning control for single-link robot control. Modares Mechanical Engineering 15: 259-268.
[12] Pervozvanski AA, Freidovich LB (1999) Robust stabilization of robotic manipulators by PID controllers. Dynam Contr 9: 203-222.
[13] Cervantes I, Alvarez-Ramirez J (2001) On the PID tracking control of robot manipulators. Syst Control Lett 42: 37-46.
[14] Åström KJ, Hägglund T (1995) PID controllers: Theory, design, and tuning. Instrument society of America Research Triangle Park, NC.
[15] Nahapetian N, Motlagh MJ, Analoui M (2009) PID gain tuning using genetic algorithms and fuzzy logic for robot manipulator control. In International Conference on Advanced Computer Control 346-350.
[16] Abdalla TY (2018) Fuzzy Fine tuning of an Optimized PID Control Scheme for Mobile Robot Trajectory Tracking. Int J Comput Appl T 181.
[17] Bingul Z, Karahan O (2011) Tuning of fractional PID controllers using PSO algorithm for robot trajectory control. In IEEE International Conference on Mechatronics 955-960.
[18] Kelly R (1995) A tuning procedure for stable PID control of robot manipulators. Robotica 13: 141-148.
[19] Nunes EV, Hsu L (2010) Global tracking for robot manipulators using a simple causal PD controller plus feedforward. Robotica 28: 23-34.
[20] Wang H (2017) Adaptive control of robot manipulators with uncertain kinematics and dynamics. IEEE T Automat Contr 62: 948-954.
[21] Kali Y, Saad M, Benjelloun K, Fatemi A (2017) Discrete-time second order sliding mode with time delay control for uncertain robot manipulators. Robot Auton Syst 94: 53-60.
[22] He W, Chen Y, Yin Z (2016) Adaptive neural network control of an uncertain robot with full-state constraints. IEEE T Cybernetics 46: 620-629.
[23] Fateh MM (2014) Robust control of robotic manipulators using an adaptive neural network estimator of uncertainty. Journal of Solid and Fluid Mechanics 4: 1-12.
[24] Mazdarani H, Farrokhi M (2014) Adaptive neuro-predictive position/velocity control of robot manipulators in work space. Computational Intelligence in Electrical Engineering 4: 33-50.
[25] Chen Y, Mei G, Ma G, Lin S, Gao J (2014) Robust adaptive inverse dynamics control for uncertain robot manipulator. Int J Innov Comput I 10: 575-587.
[26] Utkin V (1977) Variable structure systems with sliding modes. IEEE T Automat Contr 22: 212-222.
[27] Piltan F, Nabaee A, Ebrahimi M, Bazregar M (2013) Design robust fuzzy sliding mode control technique for robot manipulator systems with modeling uncertainties. Int J Inform Tech Comput Sci 5: 123-135.
[28] Soltanpour MR, Khooban MH, Soltani M (2014) Robust fuzzy sliding mode control for tracking the robot manipulator in joint space and in presence of uncertainties. Robotica 32: 433-446.
[29] Castillo O, Neyoy H, Soria J, Melin P, Valdez F (2015) A new approach for dynamic fuzzy logic parameter tuning in ant colony optimization and its application in fuzzy control of a mobile robot. Appl Soft Comput 28: 150-159.
[30] Lee K, Choi J, Kim J (2004) A proportional-derivative-sliding mode hybrid control scheme for a robot manipulator. P I Mech Eng I-J Sys 218: 667-674.
[31] Ouyang P, Acob J, Pano V (2014) PD with sliding mode control for trajectory tracking of robotic system. Robot Cim-Int Manuf 30: 189-200.
[32] Boyd S, EI-Ghaoui L, Feron E, Balakrishnan V (1994) Linear matrix inequalities in systems and control theory. Philadelphia: SIAM.