استفاده از كنترل مود لغزشي تطبيقي در راندن يك اگزواسكلتون افزاينده‌ي قدرت بر مبناي كمينه‌ سازي نيروهاي تعاملي بين انسان و ربات

Adaptive Sliding Mode Control in Driving a Power Augmentation Exoskeleton Based on Minimization Interaction Forces between Human and the Robot

راه‌رفتن طولاني به‌ويژه همراه با حمل بار يكي از مواردي است كه انسان را دچار خستگي زودرس مي‌كند. از اين رو استفاده از اگزواسـكلتـون‌ها براي افزايش قدرت در راهپيمايي‌هاي طولاني مطرح شده است. روش‌هاي مختلفي براي كنترل تعامل حركتي بين انسان و ربات اگزواسكلتون ارائه شده است، كه يك روش تخمين نيروي تعاملي و صفر كردن اين نيرو است. در اين روش نيروي تعاملي بين انسان و ربات بر اساس اختلاف حركت مفصل‌هاي نظير بين آنها تخمين زده مي‌شود. در راستاي توسعه‌ي اين راه‌كار، در اين مقاله روش كنترل مود لغزشي با تنظيم تطبيقي ضرائب بهره‌ي لغزش ارائه شده و عملكرد آن با شرايطي كه بهره‌ها ثابت باشند مقايسه مي‌شود. براي هر دو روش كنترلي اثبات پايداري به روش لياپانوف انجام مي-گيرد. ربات بر اساس يك مدل 3 رابطي و براي اجراي حركت پا در مرحله‌ آونگي كه شامل جابجايي‌هاي مفصلي بزرگ‌تر و سريع‌تر است مدلسازي مي‌شود. در آخر عملكرد كنترل‌گرها روي اين مدل با شبيه‌سازي عددي ارزيابي مي‌شود. نتايج نشان مي‌دهند روش كنترل مود لغزشي تطبيقي در ردگيري مسيرهاي مرجع و صفر كردن نيرو‌هاي تعاملي موفق‌تر عمل مي‌كند.

Exoskeleton robots are a motion-assist device having anthropomorphic (arm or leg) structure to power the user for movement via motoric actuators. The exoskeletons are developed for two main applications: rehabilitation of disabled patients, and augmentation of human power during working heavy jobs. Long walking especially with load carrying is a case causes early fatigue. Thus, exoskeletons provide a solution to enhance human power during long marches. To this end, coordination of movements between human and robot is necessary. Many strategies have been proposed to control the interaction between human and exoskeleton, which one method is estimation of the interaction force and try for zeroing this force. In this method the interaction force is estimated based on the difference of movement between corresponding joints of human and exoskeleton, so there is no need to load cells to measure the interaction force. In order to extend this strategy, in this paper we exploit the method of sliding mode control with adaptive sliding gains, and its performance is compared with the case in which the gains are constant. For both of methods the stability of controller is proved according to Lyapunov theory. The exoskeleton robot is modeled based on a 3-link articulated structure, and for performing the leg movement during swing phase at which the joint displacements and velocities are larger and faster. Finally, performance of the controllers on this model is evaluated via numerical simulations. The results show the adaptive sliding mode control is more successful in tracking references and zeroing the interaction forces.