20053

۲۰۰۵۳

توسعه كنترل كننده و مشاهده گر تطبيقي-فازي-لغزشي و كاربرد آن در كنترل موقعيت و نيروي ربات شش پايه

دكتراي تخصصي

ارتعاشات و كنترل

۱۳۹۲-۱۳۹۷

۱۳۹۷/۰۸/۲۹

دكتر امير حسين دوائي مركزي

مكانيك

در سال‏هاي اخير روش‏هاي كنترل مقاوم با فرض عدم تكيه بر مدل رياضي سيستم ديناميكي رشد روزافزوني پيدا كرده‏اند. از جمله اين روش‏ها مي‏توان به كنترل‏كننده و مشاهده‏گر تطبيقي-فازي-لغزشي اشاره كرد. در اين رساله روش كنترلي تطبيقي-فازي-لغزشي براي حالت جامعي از معادلات ديناميكي سيستم با فرض ماتريس بهره ورودي مربعي غيرثابت (وابسته به حالات سيستم) با كهادهاي اصلي پيش روي غيرصفر توسعه داده مي‏شود. لحاظ كران غيرثابت و وابسته به متغيرهاي حالت سيستم ديناميكي از ديگر نقاط تمايز اين رساله نسبت به كارهاي پيشين است. يكي از سيستم‏هاي مكانيكي پركاربرد صنعتي و منطبق با فرضيات اين رساله، ربات موازي شش‏پايه است. به دليل در اختيار بودن بستر آزمايشگاهي اين ربات، روش كنترلي پيشنهادي جهت كنترل موقعيت و نيرو روي اين سيستم ديناميكي پياده‏سازي شده است. معادلات ديناميكي ربات با استفاده از روش لاگرانژ و بر اساس مراجع موجود استخراج شده و جهت استفاده در ساختار روش كنترلي پيشنهادي ساده‏سازي مي‏شود. روش كنترلي پيشنهادي جهت كنترل موقعيت ربات در فضاي كاري تنها نيازمند ماتريس جرم صفحه فوقاني و ماتريس ژاكوبين است؛ لذا از جهت وابستگي به مدل ديناميكي، داراي كمينه وابستگي ممكن در بين كنترل‏كننده‏هاي طراحي شده براي اين سيستم مكانيكي است. در روند كنترل موقعيت ربات با استفاده از روش پيشنهادي، كاربرد صنعتي شبيه‏ساز پرواز مورد بررسي قرار گرفته است. جهت ايجاد حس واقعي پرواز از فيلترهاي تناسب‏بخش به منظور ايجاد مسيرهاي مطلوب براي شش درجه آزادي ربات استفاده مي‏شود. كنترل هيبريد موقعيت و نيروي ربات شش‏پايه با استفاده از روش كنترلي تطبيقي-فازي-لغزشي توسعه‏يافته از ديگر نوآوري‏هاي كاربردي اين رساله است. مسئله كنترل نيروي ربات با استفاده از شناسايي پارامترهاي ديناميكي تماس ربات و محيط پيرامون، به مسئله كنترل موقعيت تبديل مي‏شود. به منظور مدلسازي نيروي عمودي سطح در محل تماس ربات با محيط از مدل ديناميكي نسبتاً كامل و پيچيده هانت كراسلي استفاده شده است. بر اساس نتايج آزمايشگاهي اين مدل ديناميكي به دليل شكل خاص معادلات رياضي آن قادر به شبيه‏سازي انواع مختلفي از تماس‏ها (از مواد نرم تا سخت) است. جهت شناسايي پارامترهاي ديناميكي تماس از روش اصلاح‏شده فيلتر كالمن توسعه يافته استفاده مي‏گردد كه اين روش نسبت به روش‏هاي مشابه موجود وابستگي كمتري به شرايط اوليه پارامترها دارد. جهت سنجش عملكرد روش كنترلي پيشنهادي، شبيه‏سازي‏هاي عددي در محيط نرم‏افزار متلب و سيمولينك انجام گرفته است. نتايج اين شبيه‏سازي‏ها حكايت از عملكرد مطلوب روش پيشنهادي در حضور عدم قطعيت‏هاي ناگهاني و غير منتظره، اغتشاشات خارجي و نويزهاي اندازه‏گيري دارد. روش كنترلي پيشنهادي قادر به حفظ تعادل ربات در شرايط بسيار بحراني خرابي عملگرهاي سيستم ديناميكي و اشباع آن‏ها است. يكي از مزاياي اصلي اين روش كنترلي، وابستگي پايين آن به پارامترهاي ثابت كنترل‏كننده و مشاهده‏گر است. اين ويژگي باعث كاهش سعي و خطاي طراح جهت انتخاب مقدار مناسب پارامترهاي ثابت در ساختار كنترل‏كننده و مشاهده‏گر مي‏شود. الگوريتم شناسايي پارامترهاي ديناميكي تماس به دليل وابستگي به مدل رياضي بيشترين تأثير را از انتخاب پارامترهاي ثابت و شرايط اوليه مي‏پذيرد. جهت صحه‏گذاري بر شبيه‏سازي‏هاي عددي، كنترل موقعيت ربات در فضاي كاري بر روي بستر آزمايشگاهي موجود پياده‏سازي شده و از سوي ديگر كنترل هيبريد موقعيت و نيروي ربات با استفاده از روش نرم‏افزار در حلقه بر روي مدل ديناميكي واقعي ربات در محيط نرم‏افزار ادمز پياده‏سازي شده است.

1397/11/16

Extending Adaptive Fuzzy Sliding Mode Controller and Observer (E-AFSMCO) and its Application in Hybrid Position/Force Control of Stewart Manipulator

2/5/2019 12:00:00 AM

Sliding Mode Control (SMC) is a robust control scheme that has a good performance to overcome nonlinearities, time varying parameters, disturbances and plant uncertainties. This method is effective when the bound of the uncertainties are known. A conventional sliding mode controller is designed using a presumed upper bound of uncertainties, as a control parameter, which may generate excessively large amplitude chatters in the control input. The recently introduced Adaptive Fuzzy Sliding Mode Control (AFSMC) and Adaptive Sliding Mode Observer (AFSMO) methodology have the advantage that the upper bound of the uncertainty can be estimated on line, even when the exact knowledge of the plant nonlinear dynamics is not available. The AFSMC method can be either in direct or indirect forms. In the direct approach, the ideal controller is designed exactly as in the SMC scheme, where the nonlinear equations of the system are employed, except that an adaptively-tuned fuzzy inference system is employed to estimate the model-based part of the conventional SMC method. Furthermore, the upper bound of the plant uncertainty is adaptively estimated. In this research, the application of the AFSMC and AFSMO to the complicated and industrial problems of flight simulator and task-space hybrid position/force control of Stewart Manipulator (SM) is proposed for the first time. The first contribution of this thesis is extending and mixing the conventional AFSMC method with AFSMO for state-dependent, non-diagonal and non-positive definite input gain matrix. The second contribution of this thesis is extending the conventional AFSMC method for nonlinear continuous time systems with state-dependent upper bound of the uncertainties. To validate the feasibility of the proposed method, simulations and experimental results are presented for position control of SM. SM is a parallel robot with 6 degrees of freedom (DOF). It consists of two plates named Moving Platform (MP) and Bottom Platform (BP) that are connected to each other with six arms. The actuators are located on prismatic joints, i.e., the arms can be extended or shortened. The SM has impressive features, including high load carrying capacity, low inertia, high stiffness, very good repeatability and positioning accuracy. Important applications of the SM include flight moving simulators and machining tools. For hybrid position/force control of the SM, a complete dynamic model of the system is obtained, and then reduced into a simpler dynamic system, by neglecting the very complex terms related to the inertial, centrifugal and gravitational effects of the legs. The remaining terms which are associated with the dynamics of the MP are much simpler and more manageable from the control strategy point of view. The neglected terms are considered as un-modeled dynamics, for which an extended form of the adaptive fuzzy sliding mode controller and observer (E-AFSMCO) is employed. The reduced dynamic model of the SM is converted to affine form, with an input gain matrix which is neither diagonal nor positive definite and state-dependent. This peculiarity prevents the application of conventional AFSMC methodology for control of such a manipulator. In this research, the mentioned limitations of the conventional AFSMC method are relaxed by employing a particular decomposition of the gain matrix. In the conventional SMC control method, the ideal controller is constructed as a model-based sliding mode scheme. In the E-AFSMCO approach, a simple Takagi-Sugeno (TS) fuzzy system is used as a replacement for the ideal controller. An adaptation law and a robust switching strategy compensate the differences between the fuzzy controller and the unknown ideal controller. Unlike the conventional sliding mode method, the upper bound of the plant lumped uncertainty is estimated using an adaptive scheme, which prevents the excessive switching of the robust part of the controller. Robot’s environment is considered as an elastic and deformable material, which is described by Hunt-Crossley nonlinear dynamic model. These parameters are estimated using Modified Extended Kalman Filter (MEKF) for the first time, which is effective for nonlinear recursive problems. The second Lyapunov theorem is used to prove the closed-loop asymptotic stability. Numerical simulations and experimental implementation depict the effectiveness of the proposed controller and observer in comparison with the conventional sliding mode control method with nonlinear observer.