محققان کنترلگر مشتق انتگرال تناسبی را با شبکه عصبی تابع پایه شعاعی برای بهبود عملکرد بالباتها ادغام میکنند
تاریخ: February 19, 2025
منبع: Shibaura Institute of Technology
خلاصه: بالباتها سیستمهای رباتیک همهکارهای هستند که توانایی حرکت در همه جهات را دارند. این امر کنترل حرکت آنها را دشوار میکند. در یک مطالعه اخیر، یک تیم کنترلگر مشتق انتگرال تناسبی جدیدی را پیشنهاد کرده است که در ترکیب با شبکه عصبی تابع پایه شعاعی، حرکت بالبات را به طور قوی کنترل میکند. انتظار میرود این فناوری در رباتهای خدماتی، رباتهای کمکی و رباتهای تحویل کاربرد پیدا کند.
بالبات نوعی ربات منحصربهفرد با تحرک عالی است و توانایی حرکت در همه جهات را دارد. بدیهی است که کنترل چنین دستگاه رباتیکی باید دشوار باشد. در واقع، سیستمهای بالبات چالشهای منحصربهفردی را ایجاد میکنند، بهویژه در قالب دشواری حفظ تعادل و ثبات در محیطهای پویا و نامشخص. کنترلگرهای مشتق انتگرال تناسبی (PID) سنتی با این چالشها دست و پنجه نرم میکنند و سایر روشهای پیشرفته، مانند کنترل حالت لغزشی، مسائلی مانند لرزش را معرفی میکنند. بنابراین، نیاز به توسعه یک کنترلگر وجود دارد که سادگی و سازگاری PID را با قابلیتهای یادگیری شبکههای عصبی که اکنون محبوب هستند، ترکیب کند و یک راهحل قوی برای مشکلات تحرک رباتیک در دنیای واقعی ارائه دهد.
اخیراً، در یک مطالعه جدید، تیمی از محققان به سرپرستی دکتر ونترونگ نگوین از دانشگاه صنعت هانوی، ویتنام، یک راهحل قوی و تطبیقی جدید ارائه کردهاند. کار نوآورانه آنها در تاریخ ۴ دسامبر ۲۰۲۴ بهصورت آنلاین در دسترس قرار گرفت و در جلد ۶۱ مجله بینالمللی علوم و فناوری مهندسی در تاریخ ۱ ژانویه ۲۰۲۵ منتشر شد.
این تیم شامل دانشیار Phan Xuan Tan از Shibaura Institute of Technology، ژاپن، آقای Quoc-Cuong Nguyen و آقای Dai-Nhan Duong از دانشگاه صنعت هانوی، ویتنام، دانشیار Mien Van از دانشگاه Queen's Belfast، انگلستان، پروفسور Shun-Feng Su از دانشگاه ملی علوم و فناوری تایوان و دانشیار Harish Garg از Thapar Institute of Engineering and Technology (دانشگاه مشمول قانون) هند بودند.
تحقیقات آنها یک کنترلگر PID غیرخطی تطبیقی (NPID) جدید را معرفی میکند که با یک شبکه عصبی تابع پایه شعاعی (RBFNN) برای بالباتها ادغام شده است و محاسبات سبک، پایداری برتر، کاهش لرزش و مقاومت در برابر اختلالات خارجی را ارائه میدهد. تنظیمات اولیه کنترلگر پیشنهادی از طریق متعادل کردن بهینهسازی حرکت ترکیبی انتخاب میشوند و قانون کنترل تطبیقی به طور مداوم در طول عملیات بهبود مییابد تا تخمین زمان واقعی نیروی خارجی را انجام دهد.
در این مطالعه، تیم بر پایداری سیستم از طریق کاربرد نظریه لیاپانوف تأکید میکند. از طریق شبیهسازیها و آزمایشهای دنیای واقعی، آنها کارایی کنترلگر NPID-RBFNN را نشان میدهند که از کنترلگرهای PID و NPID سنتی بهتر عمل میکند. علاوه بر این، کنترلگر پیشنهادی از طریق قابلیتهای خودیادگیری و خودتنظیمی با تغییرات سطح سازگار میشود.
دکتر نگوین کاربردهای مختلفی را برای فناوری نوآورانه خود پیشبینی میکند، از جمله رباتیک کمکی، رباتیک خدماتی و تحویل خودکار. او با گسترش هر یک از این حوزهها، خاطرنشان میکند: "بالباتها با این کنترلگر پیشرفته میتوانند به عنوان رباتهای کمکی برای کارهایی که نیاز به تحرک و دقت بالایی دارند استفاده شوند. به عنوان مثال، آنها میتوانند به افراد دارای چالشهای حرکتی در پیمایش محیطهای پیچیده کمک کنند. علاوه بر این، آنها میتوانند به عنوان رباتهای خدماتی در محیطهای پویا مانند رستورانها، بیمارستانها یا فرودگاهها استفاده شوند و ناوبری همواری را ارائه دهند." وی در ادامه میافزاید: "قابلیتهای خودتعادلی قوی را میتوان در رباتهای تحویل که نیاز به عملکرد کارآمد علیرغم نیروهای غیرقابل پیشبینی مانند باد یا زمین ناهموار دارند، به کار برد."
شایان ذکر است، این مطالعه به چالشهای مهم در کنترل تنظیمات غیرخطی و پویا میپردازد و بر قابلیت اطمینان برای پذیرش گستردهتر در صنایعی که نیاز به راهکارهای تحرک مستقل دارند، تمرکز دارد. با به حداقل رساندن حرکات و لرزشهای غیرضروری، کنترلگر پیشنهادی میتواند مصرف انرژی را بهینه کند و رباتیک پایدار را ترویج دهد. این به نوبه خود، قابلیت اطمینان بالباتها را افزایش میدهد و آنها را برای استفاده در فضاهای عمومی و خصوصی ایمنتر و عملیتر میکند.
دکتر نگوین در پایان میگوید: "به طور کلی، صنایعی مانند لجستیک، مراقبتهای بهداشتی و خردهفروشی میتوانند از رباتهای مجهز به فناوری ما بهرهمند شوند و کارایی و کیفیت خدمات را بهبود بخشند و در عین حال حجم کار انسانی را کاهش دهند." بیایید امیدوار باشیم که پیشرفتهای بیشتری در این تحقیق حاصل شود و استفاده کارآمد از رباتها در دنیای واقعی امکانپذیر شود.
منبع داستان:
مطالب ارائه شده توسط Shibaura Institute of Technology. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.
مرجع مجله:
- Van-Truong Nguyen, Quoc-Cuong Nguyen, Mien Van, Shun-Feng Su, Harish Garg, Dai-Nhan Duong, Phan Xuan Tan. Robust adaptive nonlinear PID controller using radial basis function neural network for ballbots with external force. Engineering Science and Technology, an International Journal, 2025; 61: 101914 DOI: 10.1016/j.jestch.2024.101914
نحوه ارجاع به این صفحه:
Shibaura Institute of Technology. "A robust and adaptive controller for ballbots." ScienceDaily. ScienceDaily, 19 February 2025. <https://www.sciencedaily.com/releases/2025/02/250219105827.htm>.