طراحی کنترل کننده عصبی - پیشبین چندلایه برای ربات توانبخشی در برابر نویز و عدم قطعیت پارامتری

رباتهای توانبخشی در سالهای اخیر به عنوان یکی از ابزارهای مهم در بازتوانی حرکتی بیماران مورد توجه گسترده قرار گرفته اند. عملکرد دقیق این رباتها به طراحی سیستمهای کنترلی پیشرفته وابسته است که بتوانند در حضور نویز اندازه گیری، اغتشاشات خارجی و عدم قطعیت های پارامتری حرکت دقیق و ایمنی را برای کاربر فراهم کنند. با این حال، بسیاری از روشهای کنترلی متداول در مواجهه با غیرخطی بودن دینامیک ربات و شرایط غیر ایده آل محیطی با محدودیت هایی مواجه هستند. از این رو، توسعه روشهای کنترلی مقاوم و هوشمند که بتوانند دقت ردیابی و پایداری سیستم را در شرایط واقعی تضمین کنند از اهمیت بالایی برخوردار است. هدف اصلی این پژوهش طراحی و ارائه یک معماری کنترلی نوین برای بهبود عملکرد رباتهای توانبخشی در شرایط وجود نویز و عدم قطعیت های پارامتری است. در این مقاله یک کنترل کننده عصبی - پیشبین مقاوم چندلایه برای ربات توانبخشی ارائه شده است. در ساختار پیشنهادی ابتدا با استفاده از یک مدل پیش بینی مبتنی بر فرآیند خودرگرسیونی نویز اندازه گیری تخمین زده شده و اثر آن در سیگنال های ورودی کنترل کاهش می یابد. سپس یک شبکه عصبی به عنوان تقریب زننده غیرخطی برای تخمین عدم قطعیت های دینامیکی و بخش های ناشناخته مدل سیستم به کار گرفته می شود. در نهایت یک بخش مقاوم کننده غیرخطی مبتنی بر تابع تانژانت هیپربولیک در قانون کنترل طراحی شده است تا ضمن حفظ پایداری سیستم، از بروز نوسانات شدید کنترلی جلوگیری شود. پایداری سیستم کنترلی نیز با استفاده از تحلیل لیاپانوف مورد بررسی قرار گرفته است. برای ارزیابی عملکرد روش پیشنهادی شبیه سازی های متعددی در محیط MATLAB/Simulink انجام شده و نتایج آن با کنترل کننده های مرجع شامل PID، کنترل لغزشی و کنترل فازی تطبیقی مقایسه شده است. نتایج شبیه سازی نشان می دهد که روش پیشنهادی قادر است دقت ردیابی مسیر را به طور قابل توجهی بهبود دهد و در عین حال نوسانات سیگنال کنترلی را کاهش دهد. همچنین این کنترل کننده مقاومت بالایی در برابر نویز اندازه گیری و تغییرات پارامتری سیستم از خود نشان داده و پایداری سیستم در شرایط مختلف حفظ شده است.

کلیدواژه ها:

ربات ، توانبخشی ، کنترل مقاوم ، کنترل عصبی پیشبین ، نویز ، عدم قطعیت پارامتری