كنترل مود لغزشي تطبيقي با تخمين‌گر عدم قطعيت براي ربات موازي انتقالي 3-[P-2(US)]

Adaptive sliding mode control with uncertainty estimator for a 3-[P-2(US)] translational parallel robot

در اين مقاله، ابتدا به استخراج معادلات سينماتيك معكوس يك نوع ربات موازي با سه درجه آزادي انتقالي پرداخته شده و سپس با استفاده از روش لاگرانژ، معادلات حاكم بر مدل ديناميكي ربات استخراج شده است. از آنجايي كه مدل استخراجي، بيان دقيقي از رفتار ربات نيست، مدل داراي عدم قطعيت پارامتري مي باشد. از اينرو يك روش براي كنترل رديابي اين ربات ارائه شده است. كنترل كننده پيشنهادي، شامل يك مدل ديناميك معكوس تقريباً شناخته شده به عنوان خروجي بخش مدل-مبناي كنترل كننده، يك ترم تخميني از عدم قطعيت براي جبران ديناميك مدل نشده، اغتشاشات خارجي، و پارامترهاي متغير با زمان، و همچنين يك كنترل كننده PID غيرمتمركز به عنوان بخش بازخورد براي بهبود پايداري حلقه-بسته و ميزان خطاي تخمين عدم قطعيت ها مي باشد. عملكرد كنترل كننده طراحي شده در شرايط مختلف از جمله در حضور اغتشاش و تغيير پارامترهاي سيستم، شبيه سازي و مورد بررسي قرار گرفته است. بدين منظور، پاسخ كنترل كننده تطبيقي مقاوم پيشنهادي با پاسخ يك كنترل كننده خطي سازي پسخورد مقايسه شده و تاثير اغتشاش و تغيير پارامترها روي هر دو كنترل كننده نشان داده شده است. نتايج نشان مي دهند كه كنترل كننده پيشنهادي با وجود درنظرگرفتن اغتشاش و عدم قطعيت هاي موجود در مدل، داراي عملكرد مطلوبي مي باشد.

In this paper, constraint equations are derived based on the kinematic model of the robot and Lagrange method is applied to derive the dynamic equations. In order to control the robot position on planned reference trajectories, in presence of uncertainties of the dynamic model, an adaptive robust controller with uncertainty estimator is designed which is robust against the uncertainties and induced noises. The proposed controller consists of an approximately known inverse dynamics model output as model-based part of the controller, an estimated uncertainty term to compensate for the un-modeled dynamics, external disturbances, and time-varying parameters, and also a decentralized PID controller as a feedback part to enhance closed-loop stability and account for the estimation error of uncertainties. Performance of the designed controller is simulated and evaluated in different conditions including the presence of noise and parameters variation. In this regard, a comparison has been made between the response of the proposed adaptive robust controller and response of a feedback linearization controller, indicating their capabilities in noise rejection and to compensate parameter variations. Also, the results show that the proposed sliding mode controller has a desirable performance in tracking the reference trajectories in presence of the model uncertainties and noises for this kind of parallel mechanism