طراحي كنترل‎كننده‎ مد لغزشي ترمينال زمان محدود هوشمند با كاربرد در ميكروسكوپ نيروي اتمي

Designing an intelligent finite-time terminal sliding mode controller with application to atomic force microscope

در اين مقاله، يك كنترل‎كننده مقاوم هوشمند براي كنترل كلاسي از سيستم‎هاي غيرخطي داراي عدم قطعيت و اغتشاشات خارجي كراندار با دامنه محدود پيشنهاد مي‎شود. روش پيشنهادي براساس تركيب كنترل مد لغزشي ترمينال و سيستم استنتاج عصبي- فازي تطبيقي با آموزش مبتني بر الگوريتم زنبور استوار است. براي اين منظور، ابتدا يك سطح لغزش غيرخطي بر اساس روش كنترل مد لغزشي ترمينال سريع طراحي مي‎گردد. اين سطح لغزش به عنوان ورودي براي كنترل‎كننده هوشمند كه يك سيستم استنتاج عصبي- فازي تطبيقي است، در نظر گرفته مي‎شود و به كمك آن، قانون كنترل مد لغزشي ترمينال بدون در نظر گرفتن بخش سوييچينگ تقريب زده مي‎شود. در روش پيشنهادي، از الگوريتم زنبورعسل براي به‎روزرساني وزن‎ها در سيستم استنتاج عصبي- فازي تطبيقي استفاده مي‎گردد. از مزاياي كنترل‎كننده پيشنهادي نسبت به كنترل‎كننده مد لغزشي ترمينال سريع، مي‎توان به قوام كنترل‎كننده پيشنهادي در برابر عدم قطعيت و اغتشاش‎، ساختار ساده كنترل‎كننده، سرعت همگرايي بالاتر نسبت به روش‎هاي مرسوم مشابه و عدم وجود پديده چترينگ در تلاش كنترلي اشاره نمود. روش مورد مطالعه بر روي سيستم ميكروسكوپ نيروي اتمي كه براي دستكاري نانو كاربرد دارد، شبيه‎سازي مي‎گردد. نتايج شبيه‎سا‎زي قوام و عملكرد مناسب روش پيشنهادي را نشان مي‎دهد.

In this paper, an intelligent robust controller is proposed for a class of nonlinear systems in presence of uncertainties and bounded external disturbances. The proposed method is based on a combination of terminal sliding mode control and adaptive neuro-fuzzy inference system with bee’s algorithm training. For this purpose, a sliding surface is firstly designed based on terminal sliding control method. This sliding surface is considered as input for the intelligent controller which is an adaptive neuro-fuzzy inference system and using it, terminal sliding mode control law without the switching part is approximated. In the proposed method, an intelligent bee’s algorithm is also used for updating the weights of the adaptive neuro-fuzzy inference system. Compared with fast terminal sliding mode control, the proposed controller provides advantages such as robustness against uncertainty and disturbance, simplicity of controller structure, higher convergence speed compared with similar conventional methods and chattering-free control effort. The method is applied to an atomic force microscope for nano manipulation. The simulation results show the robustness and effectiveness of the proposed method.