كنترل مدلغزشي هيپربوليك دوگانه برمبناي فيلتر كالمن خنثي براي بازوي رباتيك سه‌پا

Double Hyperbolic Sliding Mode Control Based on Unscented Kalman Filter for Three-legged Mobile manipulator

در اين مقاله ابتدا مدلسازي رياضي و سه بعدي يك بازوي رباتيك سه پا با قابليت حمل اجسام در سطوح ناهموار ارائه مي‌شود، سپس با در نظر گرفتن اغتشاشات محيط و نويز، روش كنترلي مناسبي پيشنهاد مي‌شود. كنترل اين ساختار به دليل ديناميك غيرخطي و خاص آن و حضور اغتشاشات و تاثيرات محيطي مساله‌اي بسيار مهم و پيچيده است و كنترلر ربات بايد قادر باشد تا در سريعترين زمان ممكن ضمن غلبه بر اغتشاشات و نويز محيط، ربات را در وضعيت مناسب قرار دهد. در اين راستا، در مقاله حاضر روش كنترل مدلغزشي هيپربوليك دوگانه بر مبناي فيلتر كالمن خنثي براي سيستم‌هاي رباتيك سه‌پا شامل بازو توسعه داده شده و پايداري سيستم با بكارگيري تئوري توابع لياپانوف اثبات مي‌شود. در طراحي كنترلر پيشنهادي ضمن در نظر گرفتن اغتشاش در مدل ديناميكي سيستم از فيلتر كالمن خنثي براي كاهش اثر نويز بهره گرفته شده است كه خود سبب بهبود عملكرد مقاوم سيستم در شرايط سخت مي‌شود. در انتها عملكرد كنترلر ارائه شده در مقايسه با دو كنترلر ديناميك معكوس و كنترل مدلغزشي انتگرالي بر روي سيستم رباتيك انتخابي مورد ارزيابي قرار مي‌گيرد كه نتايج، نشان‌دهنده سرعت عمل و دقت بيشتر در پاسخ سيستم است.

In this paper, mathematical and 3D modeling of a three-legged robotic arm capable of moving objects in rough terrain is first presented. Then, considering the noise and environment disturbances, a suitable control method is proposed. Controlling this robot because of its nonlinear dynamics and the presence of disturbances and environmental effects is a very important and complex issue. Therefore, the controller should be able to set the robot in the right position as quickly as possible and eliminate the effect of environmental disturbances and noise on the system response. Accordingly, in this paper, a Double Hyperbolic Sliding Mode Control based on Unscented Kalman Filter is developed for a three-legged mobile manipulator and system stability is proved by Lyapunov theory. In the proposed controller design, while considering the disturbance term in the dynamic model of the system, an Unscented Kalman Filter is used to reduce the noise effect, which improves the robustness of the system under severe conditions. Finally, the performance of the proposed controller is compared with the inverse dynamic controller and the integral sliding mode control on the robotic system. The results show faster operation speed and accuracy in the system response.