کنترل یادگیر تکرار شونده مقاوم برای ربات توانبخشی در حضور عدم‌ قطعیت پارامتری

نویسندگان

1 گروه مهندسی برق، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

2 گروه مهندسی برق، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران

3 گروه کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه تربیت مدرس، تهران، ایران

doi
چکیده

در این مقاله، همگرائی مقاوم کنترل یادگیر تکرار شونده (ILC) در ربات توانبخشی خطی دارای عدم قطعیت پارامتری، بدست آمده است. امروزه ربات‌های توانبخشی وظیفه مهمی را در کمک به فیزیوتراپ‌ها در ترمیم آسیب‌های حرکتی بر عهده دارند. از آن جهت که عدم قطعیت در ربات‌های توانبخشی در عمل با تکرار تغییر می‌کنند، حذف اثر عدم قطعیت پارامتری متغیر با تکرار امری بسیار ضروری است. همچنین عدم قطعیت پارامتری در ماتریس‌های ورودی و خروجی مدل یک ربات توانبخشی، تاثیر مستقیمی بر همگرائی الگوریتم ILC داشته و یک تاثیر کوچک در هر یک از این ماتریس‌ها، ممکن است به واگرائی الگوریتم منجر شود. در این مقاله، ابتدا قانون الگوریتم ILC بدون حضور عدم قطعیت بدست آمده و سپس همگرائی مقاوم این الگوریتم با یک بهره یادگیری ثابت در حضور عدم قطعیت پارامتری، اثبات شده است. در پایان صحت‌سنجی نتایج بدست آمده روی یک مدل ربات توانبخشی مورد تحلیل و ارزیابی قرار گرفته است.