Controle adaptativo de modo deslizante difuso de um atuador alimentado por dois músculos artificiais pneumáticos opostos

Apr 17, 2024

Scientific Reports volume 13, Artigo número: 8242 (2023) Citar este artigo

525 acessos

Detalhes das métricas

O músculo artificial pneumático (PAM) é um atuador potencial em sistemas de interação humano-robô, especialmente em sistemas de reabilitação. No entanto, o PAM é um atuador não linear com incerteza e um atraso considerável nas características, tornando o controle um desafio. Este estudo apresenta uma abordagem de controle de modo deslizante em tempo discreto combinada com o algoritmo fuzzy adaptativo (AFSMC) para lidar com o distúrbio desconhecido do atuador baseado em PAM. O sistema de lógica fuzzy desenvolvido possui vetores de parâmetros das regras componentes que são atualizados automaticamente por uma lei adaptativa. Consequentemente, o sistema de lógica fuzzy desenvolvido pode aproximar-se razoavelmente da perturbação do sistema. Ao operar o sistema baseado em PAM em estudos multicenários, os resultados experimentais confirmam a eficiência da estratégia proposta.

Nos últimos anos, o PAM tem sido um dos atuadores mais promissores para aplicações que requerem a simulação de movimentos semelhantes aos humanos. O PAM consiste em um longo tubo feito de borracha e coberto com fio trançado. O PAM endurece e contrai nas direções radial e longitudinal ao fornecer ar comprimido. Por outro lado, ele irá suavizar e alongar quando liberarmos o ar. Essa contração é semelhante ao princípio de funcionamento dos feixes musculares dos seres vivos. Os PAMs são geralmente utilizados em aplicações industriais devido às suas vantagens de reação rápida, extremamente leves, altas relações potência-peso e potência-volume, segurança inerente, limpeza, facilidade de manutenção, flexibilidade e baixo custo1,2, 3,4,5. Algumas aplicações proeminentes incluem manipuladores4,6,7,8 para aumentar a segurança dos humanos que interagem com robôs, sistemas de reabilitação9,10,11,12,13,14 e dispositivos médicos15,16 para ajudar os pacientes a restaurar a função motora. Porém, o PAM é um sistema não linear com uma latência enorme, e regulá-lo com bom desempenho sempre atrai grande atenção dos pesquisadores.

Além disso, determinar um modelo matemático não linear do PAM é extremamente desafiador, resultando em um viés na estimativa dos parâmetros do sistema baseado no PAM. Como resultado, os sistemas baseados em PAM apresentam muitos distúrbios desconhecidos. Muitos métodos de controle foram propostos para resolver os problemas do atuador muscular pneumático. Muitos estudos iniciais escolheram o controlador Proporcional-Integral-Derivativo (PID) e suas versões modificadas. Um controlador não linear baseado em PID17,18,19,20,21 para melhorar a correção do fenômeno de histerese não linear e aumentar a robustez. Um controlador PID fuzzy é proposto para melhorar o desempenho do rastreamento de trajetória. A maioria dos controladores mencionados tem desempenho decente. Eles são inadequados para lidar com a histerese e a não linearidade do PAM.

Para superar as desvantagens do controlador PID e suas variantes melhoradas, abordagens de controle não linear, como controle de modo deslizante (SMC), controle de superfície dinâmico, controle adaptativo, controle de aprendizagem interativo e controle inteligente foram apresentadas na literatura. Mais especificamente, o controle de modo deslizante convencional é aplicado nas Refs.26,27 para rastreamento de trajetória de um sistema PAM. Diferentes tipos de controle de modo deslizante em tempo discreto são usados ​​para controle robusto de posição de um sistema PAM . Além disso, o controle dinâmico de superfície que utiliza filtro de primeira ordem para melhorar a resposta do sistema também é aplicado ao controle de rastreamento de sistemas PAM30. Além disso, na Ref.31, os autores recomendam o controle adaptativo para estimar parâmetros desconhecidos do sistema on-line, o que atinge um desempenho de controle satisfatório.

O controle de aprendizagem interativo e o controle inteligente que podem aprender a não linearidade e estimar parâmetros desconhecidos também são abordagens importantes para controlar o sistema PAM. Os autores da Ref.32 propuseram um algoritmo robusto de controle de aprendizagem iterativo para lidar com as incertezas e restrições de estado de um sistema PAM. O controle fuzzy em combinação com o controle PID fracionário 25, com controle de modo deslizante 33 e com controle de previsão de modelo 34 são propostos para o controle do sistema PAM. Nestes artigos, a lógica fuzzy desempenha um papel no ajuste dos parâmetros de controle. A Referência35 propôs uma abordagem adaptativa de controle de modo deslizante fuzzy para regular um sistema PAM sem um modelo pré-definido, no qual os parâmetros desconhecidos são estimados usando funções fuzzy. Da mesma forma, a Ref.36 empregou a mesma ideia, mas em vez da lógica fuzzy, uma rede neural foi utilizada para estimar as funções desconhecidas. Além disso, considera-se também que a aprendizagem por reforço otimiza o desempenho de controle do sistema PAM . A maioria das abordagens mencionadas pode trazer robustez ao sistema. Alguns deles tentam melhorar o desempenho do sistema estimando as partes desconhecidas e os distúrbios com algoritmos de estimativa muito complicados. Esses algoritmos são teoricamente eficazes, mas sua implementação é muito difícil com muita computação. Assim, a exigência de um algoritmo de controle eficaz ainda é um problema em aberto.