كنترل مقاوم ربات تعادلي دو چرخ براي تعقيب مسير با كنترل كننده هاي مود لغزشي و فازي مبتني بر الگوريتم بهينه‌سازي ازدحام ذرات

Fuzzy Controller Design Based On Particle Swarm Optimization Algorithm for Two-Wheeled Balance Robot

كنترل ربات‌هاي تعادلي از مسائل چالش برانگيز علم كنترل است. ربات تعادلي دو چرخ با ساختار فيزيكي مشابه آونگ معكوس، كاربرد وسيعي در حوزه‌هاي حمل و نقل، نظامي و تفريحي دارد. اين مقاله به طراحي كنترل‌گر براي ربات تعادلي دو چرخ با هدف حفظ تعادل و رديابي مسيرهاي مختلف مي‌پردازد. در اينجا معادلات ديناميكي ربات تعادلي دو چرخ به دو زيرسيستم مجزا يكي شامل متغير‌هاي حالت زاويه تعادل و سرعت خطي و ديگري شامل متغير حالت سرعت زاويه‌اي تفكيك مي‌گردد. كنترل‌گر مد لغزشي براي كنترل زيرسيستم اول و كنترل‌گر فازي براي كنترل زيرسيستم دوم طراحي مي‌گردد. كنترل‌گر فازي مبتني بر مدل ديناميكي سيستم نيست و در برابر نامعيني‌هاي سيستم عملكرد مطلوبي دارد. براي تعيين مقادير بهينه پارامترهاي كنترل‌گر فازي از الگوريتم بهينه‌سازي ازدحام ذرات (PSO) استفاده مي‌شود. نتايج شبيه‌سازي بيانگر بهبود قابل ملاحظه عملكرد كنترل‌گر فازي مبتني بر PSO در مقايسه با كنترل‌گر فازي در تعقيب سرعت زاويه‌اي‌هاي مختلف از نقطه نظر ميانگين مربعات و بيشينه اندازه خطاي تعقيب است. كنترل‌گر مد لغزشي نيز عملكرد مناسبي داشته و با حفظ زاويه تعادل و كنترل سرعت خطي زمان رديابي را كاهش مي‌دهد.

Controlling balance robots is one of the most challenging issues in control science. The two-wheeled balance robot with a physical structure similar to an inverted pendulum is widely used in the fields of transportation, military and recreation. This paper deals with the design of a controller for a two-wheeled balance robot with the aim of maintaining balance and tracking different paths. Here, the dynamic equations of a two-wheeled equilibrium robot are divided into two distinct subsystems, one involving the equilibrium state variables and linear velocity, and the other involving the angular velocity mode variable. The slider mode controller is designed to control the first subsystem and the fuzzy controller is designed to control the second subsystem. The fuzzy controller is not based on the dynamic model of the system and has a good performance against system uncertainties. The particle swarm optimization (PSO) algorithm is used to determine the optimal values ​​of the fuzzy controller parameters. The simulation results show a significant improvement in the performance of the PSO-based fuzzy controller compared to the fuzzy controller in pursuing the speed of different angles in terms of mean squares and maximum size of the tracking error. The slider mode controller also performs well and reduces tracking time by maintaining an equilibrium angle and controlling the linear velocity.