مهندسی مکانیک مدرس

مهندسی مکانیک مدرس

کنترل نیروی فعال ترکیبی مقاوم بهینه یک ربات اسکلت خارجی پایین تنه

نویسندگان
مجید مختاری 1
مصطفی تقی زاده 2
محمود مزارع 3
1 گروه مهندسی مکانیک
2 دانشگاه شهید بهشتی، دانشکده مهندسی مکانیک و انرژی
3 دانشگاه شهید بهشتی، تهران، ایران
چکیده
در این مقاله یک کنترل کننده نیروی فعال ترکیبی مقاوم بهینه بر مبنای الگوریتم جستجوی هارمونی برای ربات اسکلت خارجی پایین تنه طراحی شده است. معادلات دینامیکی به روش لاگرانژ با در نظر گرفتن سه عملگر روی مفاصل ران، زانو و قوزک به منظور تعقیب یک مسیر مشخص استخراج شده است. عدم هماهنگی حرکات و تبادل نیرو بین ربات با بدن انسان که به صورت اغتشاش به ربات اعمال می‌شود از جمله مشکلات عمده ربات‌های اسکلت خارجی می‌باشد. به منظور کاهش اثر اغتشاش و افزایش دقت، از ترکیب کنترل فعال نیرو (حلقه اصلاحی ورودی کنترلی) با کنترل موقعیت به‌عنوان روشی کارآمد و مقاوم استفاده می‌شود. در روش کنترل فعال نیرو، برای استخراج ورودی کنترلی مقاوم در برابر اغتشاشات اعمال شده، ممان اینرسی لینک‌های رابط در هر لحظه با مینیمم کردن معیار خطای ITAE و نرخ تغییرات ورودی کنترلی، به کمک الگوریتم جستجوی هارمونی تخمین زده شده و بر مبنای تخمین حاصل، ورودی کنترلی اصلاح می‌شود. برای حلقه کنترل موقعیت نیز دو کنترل کننده مد لغزشی وخطی سازی پسخورد طراحی شده است. به منظور اعتبارسنجی، ربات در نرم‌افزار آدامز مدل شده و ورودی کنترلی حاصل از کنترل کننده‌های نیرو و موقعیت طراحی شده به مدل استخراجی از آدامز اعمال شده است. برای مقایسه منطقی، پارامترهای کنترلی با الگوریتم جستجوی هارمونی بهینه شده و سپس عملکرد کنترل کننده‌های موقعیت در حالت ترکیبی و معمولی (بدون حلقه کنترل نیرو) با یکدیگر مقایسه شده است. نتایج به‌دست آمده بیانگر برتری روش کنترل مد لغزشی ترکیبی ارائه شده نسبت به دیگر کنترل کننده‌های فوق می‌باشد.
کلیدواژه‌ها
ربات اسکلت خارجی
مدل‌سازی دینامیکی
کنترل مد لغزشی
کنترل فعال نیرو
الگوریتم جستجوی هارمونی

عنوان مقاله English

Optimal Robust Hybrid Active Force Control of a Lower Limb Exoskeleton

نویسندگان English

majid mokhtari 1
mostafa taghizadeh 2
mahmood mazare 3
1 department of mechanical engineering
3 department of mechanical engineering
چکیده English

In this paper, an optimal robust hybrid active force controller based on Harmony Search Algorithm is designed for a lower limb exoskeleton robot. Dynamic equations are derived using Lagrange method by considering three actuators on the hip, knee and ankle joints to track a specific trajectory. One of the major problems of exoskeleton robots is non-synchronization of movements and transfer of power between the robot and human body which affects the robot in form of disturbance. In order to mitigate the effect of disturbances and increase precision, combination of active force control (Corrective loop of control input) with position control is used as an effective and robust method. In the active force control, to elicit robust input control against disturbances, the moment of inertia of the links is estimated at each instant by minimizing the Criteria of ITAE and the control input rate, using the Harmony Search algorithm and the control input is modified. Also, two controllers are designed for the position control loop using sliding mode and feedback linearization methods. In order to validate the performance of the designed controllers, the robot is modeled in ADAMS and control inputs are applied to the Adams model. For appropriate comparison, all control parameters are optimized using the harmony search algorithm and then performance of position controllers are compared in hybrid and conventional (without the force control loop). Results indicate the outperforming of the hybrid sliding mode controller rather than to the other designed controllers.

کلیدواژه‌ها English

Exoskeleton
Dynamic modeling
Sliding mode control
Active force control. Harmony search algorithm
[1] R. Bogue, Exoskeletons and robotic prosthetics: a review of recent developments, Industrial Robot: An International Journal, Vol. 36 Issue. 5 pp. 421-427, 2009.
[2] R. S. Mosher, Handy man to Hardiman, Technical Report,SAE Technical Paper, 1967.
[3] M. Vukobratovic, B. Borovac, D. Surla, D. Stokic, Biped Locomotion, First Edittion, pp. 1-349. Springer-Verlag, Berlin, 1990.
[4] A.M. H. Herr, challenges and state-of-the-art Lower Outhouses extremity exoskeletons and active, IEEE Transactions Robot, Vol.24, pp.144–158, 2008.
[5] E. Khurana, T. Harsha S. Cupta, Development of an augmented exoskeleton, International Journal of Mechanical Engineering and Technology, Vol. 8, Issue 8, pp. 1247–1253, 2017.
[6] S. Jezernik, G. Colombo, T. Kelly, H. Frueh, M. Morari, Robotic OrthosisLokomat: A rehabilitation and research tool, Technology at the Neural Interface, Vol. 6, PP. 108–115, 2003.
[7] A. Duschau-Wicke, T. Brunsch, L. Lünenburger, R. Riener, Adaptive support for Patient-Cooperative gait rehabilitation with the lokomat, IEEE/RSJ International Conference on Intelligent Robots and Systems Acropolis Convention Center Nice, France, Sept, 22-26, 2008.
[8] H. Kazerooni, Hybrid Control of the berkeley lower extremity exoskeleton (BLEEX), The International Journal of Robotics, Vol. 25, Issue 5-6, pp. 561-573, 2006.
[9] B. Siciliano, O. Khatib, Springer Handbook of Robotics, Springer-Verlag Berlin Heidelberg, pp. 773-793, 2008.
[10] C.J. Walsh, K. Pasch, H. Herr,An autonomous, under actuated exoskeleton for load-carrying augmentation, in: Intelligent Robots and Systems, IEEE/RSJ International Conference on, IEEE, pp.1410–1415, 2006.
[11] H. Kawamoto, Y. Sankai, Power assist method based on phase sequence and muscle force condition for HAL, Advanced Robotics, Vol. 19, pp.717- 734, 2005.
[12] O. Cruciger, T. A. Schildhauer, R. C. MeindlM. Tegenthoff, P. Schwenkreis, M. CitakM. AachImpact of locomotion training with a neurologic controlled hybrid assistive limb (HAL) exoskeleton on neuropathic pain and health related quality of life (HRQOL) in chronic SCI: a case study, Disability and Rehabilitation: Assistive Technology, Vol. 11, Issue 6, pp. 529-534, 2016.
[13] D. Ferris, K. Gordon, J. Beres-Jones, Muscle activation during unilateral stepping occurs in the no stepping limb of humans with clinically complete spinal cord injury, Spinal Cord,42,Vol. 42, pp. 14–23, 2004.
[14] M. Mailah, Intelligent Active Force Control of a Rigid Robot Arm Using Neural Network and Iterative Learning Algorithms, PhD Thesis, Faculty of mechanical engineering, University of Dundee, Scotland, 1998.
[15] M. Mailah, J. R. Hewit, S. Meeran, Active force control applied to a rigid robot arm, Jurnal Mekanikal, Vol. 2, pp. 52–68, 1996.
[16] S. B. Hussein, H. Jamaluddin, M. Mailah, A. M. S. Zalzala, A hybrid intelligent active force controller for robot arms using evolutionaryneural networks, Proceedings of the 20th Congress on Evolutionary Computation, Washington, USA, December, 2000.
[17] M. F. Hassan, M. Mailah, R. Junid, N. A. Alang, Vibration suppression of a handheld tool using intelligent active force control(AFC), Proceedings of the World Congress on Engineering, London, June 30 - July 2, 2010.
[18] M. H. M. Ramli, M. N. A. A. Patar, M. S. Meon, A. K. Makhtar, Dynamics characterization of a high precision MM3A micro manipulator system, Proceedings of Humanities, Science and Engineering (CHUSER), IEEE Colloquium on, pp.158-161, 2011.
[19] M. Mohamad, M. Mailah, A. H. Muhaimin, Vibration control of mechanical suspension system using active force control, Proceedings of 1st International Conference on Natural Resources Engineering and Technology INRET, 2006.
[20] H. Ramlia, M.S. Meona, T.L.T. Mohameda, A.A.M. Isaa, Z. Mohameda, A Fuzzy-Active force control architecture based in characterizing nonlinear systems’ behavior, International Symposium on Robotics and Intelligent Sensors, Vol. 41, pp. 1389-1397, 2012.
[21] M. F. Hassan, M. Mailah, R. Junid, N. A. Alang, Vibration suppression of a handheld tool using intelligent active force control(AFC),Proceedings of the World Congress on Engineering, Vol. 2, pp.1636-1641, 2010.
[22] J. J. Craig, Introduction to Robotics: Mechanics and Control. Upper Saddle River, NJ, USA: Pearson Prentice Hall, London, 2005.
[23] M. Mazare, M. Taghizadeh, M. R. Najafi, Sliding mode control of 3-RPR parallel robot on the optimal path using cuckoo optimization algorithm, Modares Mechanical Engineering, Vol. 15, No. 2, pp. 147-158, 2015. (in (فارسی P‏ersian
[24] H. Jahanabadi, M. Mailah, M.Z.M. Zain, H. M. Hooi, Active force with fuzzy logic control of a two-link arm driven by pneumatic artificial muscles, Journal of Bionic Engineering, Vol.8, pp. 474-484,2011.
[25] H. Jahanabadi, M. Mailah, and M. Z. M. Zain, Active force control of a fluidic muscle system using fuzzy logic, Proceedings of Advanced Intelligent Mechatronics, IEEE/ASME International Conference on, pp.1970-1975, 2009.
[26] M. Ruby, R. M. Botez,Trajectory optimization for vertical navigation using the harmony search algorithm,IFAC-PapersOnLine, Vol. 49, Issue. 17, pp. 11-16, 2016.
[27] M.Khalili, R.Kharrat, K.Salahshoor, M.HaghighatSefat, Global Dynamic Harmony Search algorithm: GDHS”, Applied Mathematics and Computation, Vol. 228, pp. 195-219, 2014.
[28] D. A. Winter, Biomechanics and Motor Control of Human Movement, 4th Edition, Wiley, pp.276-315, 1990.
مهندسی مکانیک مدرس
دوره 18، شماره 2
اردیبهشت 1397
صفحه 342-350