کنترل غیرخطی رباتpuma توسط روش مد لغزشی فراپیچشی به همراه رویتگر اغتشاش با قابلیت تحمل پذیری عیب به منظور کاربرد در جراحی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد، گروه مهندسی مکاترونیک، دانشکده مهندسی مکانیک، دانشگاه تبریز، ایران

2 استادیار، گروه مهندسی مکاترونیک، دانشکده مهندسی مکانیک، دانشگاه تبریز، تبریز، ایران

چکیده

در کنترل ربات‌های جراحی دقت ردیابی بسیار بالا، سیگنال‌های کنترلی بدون لرزش، مقاوم بودن در برابر عدم قطعیت‌های پارامتری و غیر پارامتری، قابلیت تحمل‌پذیری عیب و عدم نیاز به حسگرهای اندازه‌گیری سرعت زاویه‌ای حاضر اهمیت است. در مقاله حاضر روش کنترلی ارائه شده به دنبال حل هم‌زمان چالش‌های یاد شده است. به ‌منظور افزایش دقت ردیابی و سرعت همگرایی خطا و همچنین کاهش پدیده لرزش از ترکیب روش‌های مد لغزشی مرتبه دوم و مد لغزشی فراپیچشی استفاده ‌شده است. همچنین برای تخمین عدم قطعیت‌های سیستم و حالت‌های مربوط به سرعت زاویه‌ای ربات از یک رویتگر اغتشاش توسعه‌ یافته با همگرایی زمان محدود مبتنی بر مد لغزشی مرتبه بالا استفاده‌ شده است که موجب می‌شود علاوه بر دقت تخمین سرعت زاویه‌ای مفاصل ربات و عدم قطعیت دینامیک سیستم، دامنه لرزش سیگنال‌های کنترلی نیز به صورت چشمگیر کاهش یابد. نتایج شبیه‌سازی روش پیشنهادی ارائه‌ می­شود و به ‌منظور ارزیابی کیفیت عملکرد آن، نتایج با پژوهش‌های معتبر مرتبط قبلی مورد مقایسه قرار می گیرد که نشان‌دهنده عملکرد مطلوب و بهتر روش پیشنهادی در حل چالش‌های یاد شده است.

کلیدواژه‌ها

موضوعات


[1] Fujie MG, Zhang B. State-of-the-art of intelligent minimally invasive surgical robots. Frontiers of Medicine. 2020 Aug;14:404-16.
[2] Moglia A, Georgiou K, Georgiou E, Satava RM, Cuschieri A. A systematic review on artificial intelligence in robot-assisted surgery. International Journal of Surgery. 2021 Nov 1;95:106151.
[3] Haidegger T, Speidel S, Stoyanov D, Satava RM. Robot-assisted minimally invasive surgery—Surgical robotics in the data age. Proceedings of the IEEE. 2022 Jun 23;110(7):835-46.
[4] Kwok KW, Wurdemann H, Arezzo A, Menciassi A, Althoefer K. Soft robot-assisted minimally invasive surgery and interventions: Advances and outlook. Proceedings of the IEEE. 2022 May 2;110(7):871-92.
[5] Han J, Davids J, Ashrafian H, Darzi A, Elson DS, Sodergren M. A systematic review of robotic surgery: From supervised paradigms to fully autonomous robotic approaches. The International Journal of Medical Robotics and Computer Assisted Surgery. 2022 Apr;18(2):e2358.
[6] Hughes T, Rai B, Madaan S, Chedgy E, Somani B. The availability, cost, limitations, learning curve and future of robotic systems in urology and prostate cancer surgery. Journal of Clinical Medicine. 2023 Mar 15;12(6):2268.
[7] Kawashima K, Kanno T, Tadano K. Robots in laparoscopic surgery: current and future status. BMC Biomedical Engineering. 2019 Dec;1(1):1-6.
[8] Matsuyama T, Kinugasa Y, Nakajima Y, Kojima K. Robotic‐assisted surgery for rectal cancer: Current state and future perspective. Annals of Gastroenterological Surgery. 2018 Nov;2(6):406-12.
[9] Zemmar A, Lozano AM, Nelson BJ. The rise of robots in surgical environments during COVID-19. Nature Machine Intelligence. 2020 Oct;2(10):566-72.
[10] Qureshi MS, Swarnkar P, Gupta S. A supervisory on-line tuned fuzzy logic based sliding mode control for robotics: An application to surgical robots. Robotics and Autonomous Systems. 2018 Nov 1;109:68-85.
[11] Hao S, Hu L, Liu PX. Sliding mode control for a surgical teleoperation system via a disturbance observer. IEEE Access. 2019 Mar 14;7:43383-93.
[12] Song YE, Kim CY, Lee MC. Sliding mode control with sliding perturbation observer for surgical robots. In2009 IEEE International
[13] Sang H, Yang C, Liu F, Yun J, Jin G. A fuzzy neural network sliding mode controller for vibration suppression in robotically assisted minimally invasive surgery. The International Journal of Medical Robotics and Computer Assisted Surgery. 2016 Dec;12(4):670-9.
[14] Shuizhong Z, Bo P, Yili F, Shuguo W, Shuxiang G. An adaptive fuzzy sliding mode control for minimally invasive surgical robot's remote center mechanisms. In2014 IEEE International Conference on Information and Automation (ICIA) 2014 Jul 28 (pp. 102-107). IEEE.
[15] Hamedani MH, Selvaggio M, Rahimkhani M, Ficuciello F, Sadeghian H, Zekri M, Sheikholeslam F. Robust dynamic surface control of da Vinci robot manipulator considering uncertainties: A fuzzy based approach. In2019 7th International Conference on Robotics and Mechatronics (ICRoM) 2019 Nov 20 (pp. 418-423). IEEE.
[16] Milecki A, Nowak P. Review of Fault-Tolerant Control Systems Used in Robotic Manipulators. Applied Sciences. 2023 Feb 19;13(4):2675.
[17] Piltan F, Kim CH, Kim JM. Advanced adaptive fault diagnosis and tolerant control for robot manipulators. Energies. 2019 Apr 3;12(7):1281.
[18] Abbaspour A, Mokhtari S, Sargolzaei A, Yen KK. A survey on active fault-tolerant control systems. Electronics. 2020 Sep 15;9(9):1513.
[19] Riaz U, Tayyeb M, Amin AA. A review of sliding mode control with the perspective of utilization in fault tolerant control. Recent Advances in Electrical & Electronic Engineering (Formerly Recent Patents on Electrical & Electronic Engineering). 2021 May 1;14(3):312-24.
[20] Zenteno-Torres J, Cieslak J, Dávila J, Henry D. Sliding mode control with application to fault-tolerant control: assessment and open problems. Automation. 2021 Feb 4;2(1):1-30.
[21] Armstrong B, Khatib O, Burdick J. The explicit dynamic model and inertial parameters of the PUMA 560 arm. InProceedings. 1986 IEEE international conference on robotics and automation 1986 Apr 7 (Vol. 3, pp. 510-518). IEEE.
[22] Leahy MB, Valavanis KP, Saridis GN. Evaluation of dynamic models for PUMA robot control. IEEE Transactions on Robotics and Automation. 1989 Apr;5(2):242-5.
[23] Hendel R, Khaber F, Essounbouli N. Adaptive high‐order sliding mode controller‐observer for MIMO uncertain nonlinear systems. Asian Journal of Control. 2020 Nov;22(6):2309-29.
[24] Van M, Ge SS, Ren H. Finite time fault tolerant control for robot manipulators using time delay estimation and continuous nonsingular fast terminal sliding mode control. IEEE transactions on cybernetics. 2016 Apr 28;47(7):1681-93.
[25] Van M, Kang HJ, Suh YS, Shin KS. Output feedback tracking control of uncertain robot manipulators via higher-order sliding-mode observer and fuzzy compensator. Journal of Mechanical Science and Technology. 2013 Aug;27:2487-96.
[26] Zhao Y, Yu H, Wang S. An improved super-twisting high-order sliding mode observer for sensorless control of permanent magnet synchronous motor. Energies. 2021 Sep 23;14(19):6047.
[27] Capisani LM, Ferrara A, De Loza AF, Fridman LM. Manipulator fault diagnosis via higher order sliding-mode observers. IEEE Transactions on industrial electronics. 2012 Apr 3;59(10):3979-86.
[28] Nagesh I, Edwards C. A multivariable super-twisting sliding mode approach. Automatica. 2014 Mar 1;50(3):984-8.
[29] Shtessel Y, Edwards C, Fridman L, Levant A. Sliding mode control and observation. New York: Springer New York; 2014 Nov.
[30] Chalanga A, Kamal S, Fridman L, Bandyopadhyay B, Moreno JA. How to implement Super-Twisting Controller based on sliding mode observer?. In2014 13th International Workshop on Variable Structure Systems (VSS) 2014 Jun 29 (pp. 1-6). IEEE.
[31] Tripathi VK, Kamath AK, Behera L, Verma NK, Nahavandi S. Finite‐time super twisting sliding mode controller based on higher‐order sliding mode observer for real‐time trajectory tracking of a quadrotor. IET Control Theory & Applications. 2020 Nov;14(16):2359-71.
[32] Liu J, Wang X, Liu J, Wang X. Advanced sliding mode control. Springer Berlin Heidelberg; 2011.
[33] Khalil HK. Nonlinear Control: Adaptation and Learning. Singapore: World Scientific; 2015.
[34] Moreno JA, Osorio M. A Lyapunov approach to second-order sliding mode controllers and observers. In2008 47th IEEE conference on decision and control 2008 Dec 9 (pp. 2856-2861). IEEE.