دوره 17، شماره 1 - ( مجله کنترل، جلد 17، شماره 1، بهار 1402 )
جلد 17 شماره 1,1402 صفحات 15-1 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Abooee A, Koofeh M, Allahbakhshi M. A Combined Finite-Time Control Framework for Exoskeleton Robots by Utilizing Adaptive-Robust Nonlinear Control Method. JoC 2023; 17 (1) :1-15
URL: http://joc.kntu.ac.ir/article-1-951-fa.html
URL: http://joc.kntu.ac.ir/article-1-951-fa.html
ابویی علی، کوفه مهدیه، اله بخشی مهدی. چارچوب کنترلی زمان-متناهی ترکیبی برای ربات اسکلت بیرونی با استفاده از رویکرد کنترل غیرخطی مقاوم-تطبیقی. مجله کنترل. 1402; 17 (1) :1-15
علی ابویی* 
1، مهدیه کوفه2 ، مهدی اله بخشی3
1، مهدیه کوفه2 ، مهدی اله بخشی3
1- بخش کنترل و الکترونیک، دانشکده مهندسی برق، دانشگاه یزد، ایران
2- دانشکده مهندسی برق، دانشگاه یزد
3- بخش مهندسی قدرت و کنترل، دانشکده مهندسی برق وکامپیوتر، دانشگاه شیراز
2- دانشکده مهندسی برق، دانشگاه یزد
3- بخش مهندسی قدرت و کنترل، دانشکده مهندسی برق وکامپیوتر، دانشگاه شیراز
چکیده: (19079 مشاهده)
در این مقاله با استفاده از رویکرد کنترل غیرخطی مقاوم-تطبیقی، ساختار کنترلی ترکیبی جدیدی برای حل مسئله ردیابی زمان-متناهی ربات اسکلت بیرونی (با وجود اصطکاک ناشناخته، نامعیّنی پارامتری، عدم قطعیّت مدل سازی و گشتاور انسانی نامعلوم) ارائه می گردد تا جابجایی های زاویه ای مفاصل این نوع ربات بعد از گذشت مدّت زمان متناهی دقیقاً به مسیرهای موردنظر برسند. در این راستا، ابتدا مدل غیرخطی کاملی برای توصیف رفتار دینامیکی ربات اسکلت بیرونی ارائه شده و ثابت های فیزیکی (هم چون جرم، طول و ممان اینرسی بازوها) همگی نامعلوم فرض می گردند. علاوه بر این، نیروهای اصطکاک نامعلوم، عدم قطعیّت مدل سازی و گشتاورهای انسانی نامعلوم (در قالب اغتشاش خارجی) به صورت عبارت های جمعی به مدل اضافه گردیده اند. بخش هایی از مدل که شامل ثابت های فیزیکی نامعلوم و نیروهای اصطکاک ناشناخته هستند به صورت دو فرم جداگانه رگرسوری خطی در پارامتر نوشته می شوند. در ادامه، کنترل کننده های غیرخطی مقاوم-تطبیقی به گونه ای طرّاحی می شوند که در حضور عوامل نامطلوب مورد اشاره، هدف ردیابی زمان-متناهی برای ربات اسکلت بیرونی برآورده شده و پایداری زمان-متناهی کلّی سیستم حلقه-بسته تضمین گردد. در ساختار کنترلی ترکیبی پیشنهادی، از تلفیق راهکار کنترل مد لغزشی پایاندار (شامل سطوح لغزشی غیرخطی نوآورانه) و قوانین تطبیقی زمان-متناهی استفاده می شود. این قوانین به منظور تخمین ثابت های فیزیکی مدل، ضرایب نامعلوم نیروهای اصطکاکی، گشتاورهای انسانی نامعلوم و کران بالای نرم اقلیدسی بردار اغتشاش خارجی به کار گرفته می شوند. تحلیل های ریاضیاتی مقاله نشان می دهد که پاسخهای زمانی همه ی تخمین ها بعد از سپری شدن زمان متناهی، دقیقاً به مقادیر ثابت همگرا خواهند شد. در انتها، ساختار کنترلی غیرخطی پیشنهادی بر روی یک نوع ربات اسکلت بیرونی دو درجه آزادی مورد شبیه سازی قرار می‌گیرد تا درستی عملکرد و کارایی آن آشکار گردد.
واژه‌های کلیدی: پایداری زمان-متناهی کلّی، ربات اسکلت بیرونی، نامعیّنی پارامتری، کنترل مد لغزشی پایاندار، قوانین تطبیقی زمان-متناهی.
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
دریافت: 1401/6/15 | پذیرش: 1402/3/16 | انتشار الکترونیک پیش از انتشار نهایی: 1402/3/20 | انتشار: 1402/4/1
دریافت: 1401/6/15 | پذیرش: 1402/3/16 | انتشار الکترونیک پیش از انتشار نهایی: 1402/3/20 | انتشار: 1402/4/1
فهرست منابع
1. [1] P. Yang, X. Ma, J. Wang, G. Zhang, Y. Zhang, and L. Chen, "Disturbance observer based terminal sliding mode control of a 5-DOF upper-limb exoskeleton robot," IEEE Access, vol. 7, no. 1, pp. 62833-62839, 2019. [DOI:10.1109/ACCESS.2019.2911348]
2. [2] M. Sharifi, J. K. Mehr, V. K. Mushahwar, and M. Tavakoli, "Autonomous locomotion trajectory shaping and nonlinear control for lower limb exoskeletons," IEEE/ASME Transactions on Mechatronics, vol. 27, no. 2, pp. 645-655, 2022. [DOI:10.1109/TMECH.2022.3156168]
3. [3] G. Zhang, J. Wang, P. Yang, and S. Guo, "A learning control scheme for upper-limb exoskeleton via adaptive sliding mode technique," Mechatronics, vol. 86, no. 1, pp. 102832 (1-12), 2022. [DOI:10.1016/j.mechatronics.2022.102832]
4. [4] M. Khamar, M. Edrisi, and S. Forghany, "Designing a robust controller for a lower limb exoskeleton to treat an individual with crouch gait pattern in the presence of actuator saturation," ISA Transactions, vol. 126, no. 1, pp. 513-532, 2022. [DOI:10.1016/j.isatra.2021.08.027]
5. [5] Y. Yang, Y. Li, X. Liu, and D. Huang, "Adaptive neural network control for a hydraulic knee exoskeleton with valve dead-band and output constraint based on nonlinear disturbance observer," Neurocomputing, vol. 473, no. 7, pp.14-23, 2022. [DOI:10.1016/j.neucom.2021.12.010]
6. [6] J. Han, S. Yang, L. Xia, and Y.H. Chen, "Deterministic adaptive robust control with a novel optimal gain design approach for a fuzzy 2-DOF lower limb exoskeleton robot system," IEEE Transactions on Fuzzy Systems, vol. 29, no. 8, pp. 2373-2387, 2021. [DOI:10.1109/TFUZZ.2020.2999739]
7. [7] L. Gao, L.J. Zhao, G.S. Yang, and C.J. Ma, "A digital twin-driven trajectory tracking control method of a lower-limb exoskeleton," Control Engineering Practice, vol. 127, no. 1, pp. 105271 (1-14), 2022. [DOI:10.1016/j.conengprac.2022.105271]
8. [8] V. Molazadeh, Q. Zhang, X. Bao, and N. Sharma, "An iterative learning controller for a switched cooperative allocation strategy during sit-to-stand tasks with a hybrid exoskeleton," IEEE Transactions on Control Systems Technology, vol. 30, no. 3, pp. 1021-1036, 2022. [DOI:10.1109/TCST.2021.3089885]
9. [9] L. Teng, M. A. Gull and S. Bai, "PD-based fuzzy sliding mode control of a wheelchair exoskeleton robot," IEEE/ASME Transactions on Mechatronics, vol. 25, no. 5, pp. 2546-2555, 2020. [DOI:10.1109/TMECH.2020.2983520]
10. [10] J. Zhao, T. Yang, X. Sun, J. Dong, Z. Wang, and C. Yang, "Sliding mode control combined with extended state observer for an ankle exoskeleton driven by electrical motor," Mechatronics, vol. 76, no. 1, pp. 102554 (1-12), 2021. [DOI:10.1016/j.mechatronics.2021.102554]
11. [11] A. Abooee, M. M. Arefi, F. Sedghi and V. Abootalebi, "Robust nonlinear control schemes for finite-time tracking objective of a 5-DOF robotic exoskeleton," International Journal of Control, vol. 92, no. 9, pp. 2178-2193, 2019. [DOI:10.1080/00207179.2018.1430379]
12. [12] A. Razzaghian "A fuzzy neural network-based fractional-order Lyapunov-based robust control strategy for exoskeleton robots: Application in upper-limb rehabilitation," Mathematics and Computers in Simulation, vol. 193, no. 3, pp. 567-583, 2022. [DOI:10.1016/j.matcom.2021.10.022]
13. [13] S. Bembli, N. K. Haddad, and S. Belghith, "Model free terminal sliding mode with gravity compensation control of a 2 DOF exoskeleton-upper limb system," International Journal of Mechanical and Mechatronics Engineering, vol. 14, no. 9, pp. 451-457, 2020.
14. [14] G. W. Zhang, P. Yang, J. Wang, J. J. Sun, and Y. Zhang, "Integrated observer-based fixed-time control with backstepping method for exoskeleton robot," International Journal of Automation and Computing, vol. 17, no. 1, pp. 71-82, 2019. [DOI:10.1007/s11633-019-1201-z]
15. [15] W. Sun, J.W. Lin, S.F. Su, N. Wang, and M. Joo Er, "Reduced adaptive fuzzy decoupling control for lower limb exoskeleton," IEEE Transactions on Cybernetics, vol. 51, no. 3, pp. 1099-1109, 2021. [DOI:10.1109/TCYB.2020.2972582]
16. [16] J. Wang and O. R. Barry, "Inverse optimal robust adaptive controller for upper limb rehabilitation exoskeletons with inertia and load uncertainties," IEEE Robotics and Automation Letters, vol. 6, no. 2, pp. 2171-2178, 2021. [DOI:10.1109/LRA.2021.3061361]
17. [17] Z. Zhao, L. Hao, M. Liu, H. Gao, and X. Li, "Prescribed performance model-free adaptive terminal sliding mode control for the pneumatic artificial muscles elbow exoskeleton," Journal of Mechanical Science and Technology, vol. 35, no. 7, pp. 3138-3197, 2021. [DOI:10.1007/s12206-021-0639-4]
18. [18] R.P. San Lazaro, I. Salgado, and I. Chairez, "Adaptive sliding-mode controller of a lower limb mobile exoskeleton for active rehabilitation," ISA Transactions, vol. 109, no. 1, pp. 218-228, 2021. [DOI:10.1016/j.isatra.2020.10.008]
19. [19] M. Deng, Z. Li, Y. Kang, C. L.P. Chen, and X. Chu, "A learning-based hierarchical control scheme for an exoskeleton robot in human-robot cooperative manipulation," IEEE Transactions on Cybernetics, vol. 50, no. 1, pp. 112-125, 2020. [DOI:10.1109/TCYB.2018.2864784]
20. [20] J. Sun, J. Wang, P. Yang, and S. Guo, "Model-free prescribed performance fixed-time control for wearable exoskeletons," Applied Mathematical Modelling, vol. 90, no. 1, pp. 61-77, 2021. [DOI:10.1016/j.apm.2020.09.010]
21. [21] B. Brahmi, M. Saad, M.H. Rahman, and C.O. Luna, "Cartesian trajectory tracking of a 7-DOF exoskeleton robot based on human inverse kinematics," IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Human, vol. 49, no. 3, pp. 600-611, 2019. [DOI:10.1109/TSMC.2017.2695003]
22. [22] W. He, Z. Li, Y. Dong, and Ting Zhao, "Design and adaptive control for an upper limb robotic exoskeleton in presence of input saturation," IEEE Transactions on Neural Networks and Learning Systems, vol. 30, no. 1, pp. 97-108, 2019. [DOI:10.1109/TNNLS.2018.2828813]
23. [23] R. Sharma, P. Gaur, S. Bhatt, and D. Joshi, "Optimal fuzzy logic-based control strategy for lower limb rehabilitation exoskeleton," Applied Soft Computing, vol. 105, no. 1, pp. 107226 (1-12), 2021. [DOI:10.1016/j.asoc.2021.107226]
24. [24] E. Fazli, S. M. Rakhtala, N. Mirrashid, and H. R. Karimi, "Real-time implementation of a super twisting control algorithm for an upper limb wearable robot," Mechatronics, vol. 84, no. 1, pp. 102808 (1-13), 2022. [DOI:10.1016/j.mechatronics.2022.102808]
25. [25] Q. Wu, B. Chen, and H. Wu, "RBFN-based adaptive backstepping sliding mode control of an upper-limb exoskeleton with dynamic uncertainties," IEEE Access, vol. 7, no. 1, pp. 134635-134646, 2019. [DOI:10.1109/ACCESS.2019.2941973]
26. [26] H. Fakharizade Bafghi, M.R. Jahed-Motlagh, A. Abooee, and A. Moarefianpur, "Robust finite-time tracking for a square fully-actuated class of nonlinear systems," Nonlinear Dynamics, vol. 103, no. 1, pp. 1611-1625, 2021. [DOI:10.1007/s11071-020-06187-0]
27. [27] F. Sedghi, M. M. Arefi, A. Abooee, and S. Yin, "Distributed adaptive-neural finite-time consensus control for stochastic nonlinear multi-agent systems subject to saturated inputs," IEEE Transactions on Neural Networks and Learning Systems, DOI: 10.1109/TNNLS.2022.3145975, 2022. [DOI:10.1109/TNNLS.2022.3145975]
28. [28] F. Sedghi, M. M. Arefi, A. Abooee, and O. Kaynak, "Adaptive robust finite-time nonlinear control of a typical autonomous underwater vehicle with saturated inputs and uncertainties," IEEE/ASME Transactions on Mechatronics, vol. 26, no. 5, pp. 2517-2527, 2021. [DOI:10.1109/TMECH.2020.3041613]
29. [29] A. Abooee, M. Hayeri Mehrizi, M. M. Arefi, and S. Yin, "Finite-time sliding mode control for a 3-DOF fully actuated autonomous surface vehicle," Transactions of the Institute of Measurement and Control, vol. 43, no. 2, pp. 371-389, 2021. [DOI:10.1177/0142331220957516]
30. [30] S. Neisarian, M. M. Arefi, A. Abooee, and S. Yin, "Fast finite-time observer-based sliding mode controller design for a class of uncertain nonlinear systems with input saturation," Information Sciences, vol. 630, no. 1, pp. 599-622, 2023. [DOI:10.1016/j.ins.2023.02.051]
31. [31] A. Abooee and M. M. Arefi, "Robust finite time stabilizers for five-degree-of-freedom active magnetic bearing system," Journal of the Franklin Institute, vol. 356, no. 1, pp. 80-102, 2019. [DOI:10.1016/j.jfranklin.2018.08.026]
32. [32] F. Sedghi, M. M. Arefi, and A. Abooee, "Command filtered-based neuro-adaptive robust finite-time trajectory tracking control of autonomous underwater vehicles under stochastic perturbations," Neurocomputing, vol. 519, no. 1, pp. 158-172, 2023. [DOI:10.1016/j.neucom.2022.11.005]
33. [33] H. Li, S. Zhao, W. He, and R. Lu, "Adaptive finite-time tracking control of full state constrained nonlinear systems with dead-zone," Automatica, vol. 100, no. 1, pp. 99-107, 2019. [DOI:10.1016/j.automatica.2018.10.030]
34. [34] A. Abooee and M. M. Arefi, "Robust finite-time stabilizers for a connected chain of nonlinear double-integrator systems," IEEE Systems Journal, vol. 13, no. 1, pp. 833-841, 2019. [DOI:10.1109/JSYST.2018.2851153]
35. [35] M. Basin, "Finite- and fixed-time convergent algorithms: Design and convergence time estimation," Annual Reviews in Control, vol. 48, no. 1, pp. 209-221, 2019. [DOI:10.1016/j.arcontrol.2019.05.007]
36. [36] علي ابويي، حمیدرضا احمدزاده، محمد حائری و محمد مهدی عارفی "طراحی گشتاورهای غیرخطی زمان-محدود مقاوم برای ربات n-درجه آزادی درحضور نامعینی‌ها و غیرخطی‌سازهای ورودی شعاعی و ناحیه مرده" مجله علمي و پژوهشي کنترل، جلد 14، شماره 1، بهار 1399، صفحات 73-91.
37. [37] علي ابويي، مهران اسلامی و محمد حائری، "طراحی کنترل‌کننده‌های غیرخطی زمان-محدود مقاوم برای زیردریایی شش درجه آزادی به منظور ردیابی مسیر" مجله علمي و پژوهشي کنترل، جلد 14، شماره 1، بهار 1399، صفحات 93-113.
38. [38] علی ابویی،"ارائهی ساختار کنترلی تلفیقی نوآورانه برای وسیلهی دریایی خودکار تحریک کامل" نشریه سامانههای غیرخطی در مهندسی برق، ﺟﻠﺪ 9، ﺷﻤﺎره 1، بهار و تابستان 1401، ﺻﻔﺤﺎت 118-146.
39. [39] ﻋﻠﯽ اﺑﻮﯾﯽ، فرزاد محمودیان بارزی و محمد حائری،" ردیابی نقطه بیشینه توان در سیستم فتوولتائی دارای نامعینی با رویکردکنترل غیرخطی زمان-متناهی" مجله علمي و پژوهشي کنترل، ﺟﻠﺪ 16، ﺷﻤﺎره 4، زمستان 1401، ﺻﻔﺤﺎت 1-13.
40. [40] S. Song, B. Zhang, J. Xia, and Z. Zhang, "Adaptive backstepping hybrid fuzzy sliding mode control for uncertain fractional-order nonlinear systems based on finite-time scheme," IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 50, no. 4, pp. 1559-1569, 2020. [DOI:10.1109/TSMC.2018.2877042]
41. [41] W. Dou, S. Ding, and X. Chen, "Practical adaptive finite-time stabilization for a class of second-order systems," Applied Mathematics and Computation, vol. 431, no. 1, pp. 127340 (1-14), 2022. [DOI:10.1016/j.amc.2022.127340]
42. [42] W. Lv, J. Lu, Y. Li, Y. Chu, and S. Xu, "Adaptive neural finite-time control of nonlinear systems subject to sensor hysteresis," Journal of the Franklin Institute, vol. 359, no. 7, pp. 2932-2948, 2022. [DOI:10.1016/j.jfranklin.2022.02.032]
43. [43] J A. Abooee, M. Moravej Khorasani, and M. Haeri, "Finite-time control of robotic manipulators with position output feedback," International Journal of Robust and Nonlinear Control, vol. 27, no. 16, pp. 292-2999, 2017. [DOI:10.1002/rnc.3721]
44. [44] T. Yu, H. Wang, J. Cao, and C.F. Xue, "Finite-time stabilization of memristive neural networks via two-phase method," Neurocomputing, vol. 491, no. 1, pp. 24-33, 2022. [DOI:10.1016/j.neucom.2022.03.059]
45. [45] A. Abooee, M. Moravej Khorasani, and M. Haeri, "Global finite-time stabilization of a class of uncertain MIMO nonlinear systems," Journal of Dynamic Systems, Measurement, and Control, vol. 138, no. 2, pp. 021007 (1-9), 2016. [DOI:10.1115/1.4032065]
46. [46] علی ابویی، سجاد مرادی و وحید ابوطالبی،" هدایت زمان-متناهی سوزن جرّاحی رباتیک در بافت پروستات بر اساس رویکرد کنترل غیرخطی مقاوم-تطبیقی "نشریه سامانههای غیرخطی در مهندسی برق، ﺟﻠﺪ 9، ﺷﻤﺎره 2، پاییز و زمستان 1401، ﺻﻔﺤﺎت 27-50.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
