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

Scientific Reports volume 13, Número do artigo: 8242 (2023) Citar este artigo

291 Acessos

Detalhes das métricas

O músculo pneumático artificial (PAM) é um potencial atuador em sistemas de interação humano-robô, especialmente sistemas de reabilitação. No entanto, o PAM é um atuador não linear com incerteza e um atraso considerável nas características, tornando o controle desafiador. Este estudo apresenta uma abordagem de controle de modo deslizante de tempo discreto combinada com o algoritmo difuso adaptativo (AFSMC) para lidar com a perturbação desconhecida 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 razoavelmente a perturbação do sistema. Ao operar o sistema baseado em PAM em estudos multicenários, 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 humanos. O PAM consiste em um longo tubo feito de borracha e coberto com fios trançados. O PAM enrijece e contrai nas direções radial e longitudinal ao fornecer ar comprimido. Por outro lado, ele vai amolecer e alongar quando soltarmos 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 leve, altas relações potência-peso e potência-volume, segurança inerente, limpeza, facilidade de manutenção, maleabilidade e baixo custo1,2, 3,4,5. Algumas aplicações proeminentes incluem manipuladores4,6,7,8 para aumentar a segurança de 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. Entretanto, o PAM é um sistema não linear com grande latência, 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 têm 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 baseado em PID não linear17,18,19,20,21 para melhorar a correção do fenômeno de histerese não linear e aumentar a robustez. Um controlador PID difuso22,23,24,25 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 não linearidade do PAM.

Para superar as desvantagens do controlador PID e suas variantes aprimoradas, abordagens de controle não linear, como controle de modo deslizante (SMC), controle dinâmico de superfície, controle adaptativo, controle de aprendizado interativo e controle inteligente foram apresentados na literatura. Mais especificamente, o controle por modo deslizante convencional é aplicado nas Refs.26,27 para rastreamento de trajetória de um sistema PAM. Diferentes tipos de controle de modo deslizante de tempo discreto são usados ​​para controle de posição robusto de um sistema PAM28,29. Além disso, o controle dinâmico de superfície que usa 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 online, o que alcança um desempenho de controle satisfatório.

O controle de aprendizado interativo e o controle inteligente que podem aprender a não linearidade e estimar parâmetros desconhecidos também são abordagens proeminentes para controlar o sistema PAM. Os autores da Ref.32 propuseram um algoritmo de controle de aprendizado iterativo robusto para lidar com as incertezas e restrições de estado de um sistema PAM. O controle fuzzy em combinação com controle PID fracionário25, com controle de modo deslizante33 e com controle preditivo de modelo34 são propostos para o controle do sistema PAM. Nesses artigos, a lógica difusa desempenha um papel no ajuste dos parâmetros de controle. A Referência35 propôs uma abordagem de controle de modo deslizante fuzzy adaptativo para regular um sistema PAM sem um modelo pré-definido, no qual os parâmetros desconhecidos são estimados usando funções fuzzy. Da mesma forma, Ref.36 empregou a mesma ideia, mas em vez de lógica fuzzy, uma rede neural foi utilizada para estimar as funções desconhecidas. Além disso, o aprendizado por reforço também é considerado para otimizar o desempenho do controle do sistema PAM37. A maioria das abordagens mencionadas pode trazer robustez ao sistema. Alguns deles tentam melhorar o desempenho do sistema estimando as partes desconhecidas e 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.