Um controlador robusto e adaptável para bola

O ballbot é um tipo único de robô, com grande mobilidade e possui a capacidade de seguir em todas as direções. Obviamente, controlar um dispositivo tão robótico deve ser complicado. De fato, os sistemas de ballbot apresentam desafios únicos, particularmente na forma de dificuldade de manter o equilíbrio e a estabilidade em ambientes dinâmicos e incertos.

Os controladores de derivada integral proporcional tradicional (PID) lutam com esses desafios e outros métodos avançados, como o controle do modo deslizante, introduzem questões como tagarelas. Portanto, é necessário desenvolver um controlador que combine a simplicidade e a adaptabilidade do PID com as capacidades de aprendizado das redes neurais agora populares, fornecendo uma solução robusta para os problemas de mobilidade robótica do mundo real.

Recentemente, em um novo estudo, uma equipe de pesquisadores, liderada pelo Dr. Van-Truong Nguyen, da Universidade de Indústria de Hanói, o Vietnã, criou uma nova solução robusta e adaptativa. O trabalho deles é publicado em Ciência e Tecnologia de Engenharia, uma revista internacional.

A equipe incluiu o professor associado Phan Xuan Tan, do Instituto de Tecnologia Shibaura, o Japão, o Sr. Quoc-Cuong Nguyen e o Sr. Dai-Nan Duong, da Universidade de Hanói da Indústria, Vietnã, Professor Associado Mien Van da Queen’s University Belfast, Reino Unido, Professor, Professor Shun-Feng Su da Universidade Nacional de Taiwan de Ciência e Tecnologia, Taiwan e Professor Associado Harish Garg do Instituto Thapar de Engenharia e Tecnologia (Universidade considerada), Índia.

Sua pesquisa introduz um novo controlador de PID não linear adaptativo (NPID) integrado a uma rede neural de função de base radial (RBFNN) para bola, oferecendo computação leve, estabilidade superior, redução de tagarelas e robustez contra distúrbios externos. As configurações iniciais do controlador proposto são selecionadas através do equilíbrio da otimização de movimento composto, e a lei de controle adaptável é melhorada continuamente durante a operação para lidar com a estimativa em tempo real da força externa.

Neste estudo, a equipe sublinha a estabilidade do sistema através da aplicação da teoria de Lyapunov. Através de simulações e experimentos no mundo real, eles demonstram a eficácia do controlador NPID-RBFNN, que supera os controladores tradicionais de PID e NPID. Além disso, o controlador proposto se adapta às variações da superfície por meio de recursos de auto-aprendizagem e auto-ajuste.

O Dr. Nguyen prevê várias aplicações para sua tecnologia inovadora, incluindo robótica assistiva, robótica de serviço e entrega autônoma. Expandindo cada um desses domínios, ele observa: “Ballbots com esse controlador avançado pode ser usado como robôs assistidos para tarefas que requerem alta mobilidade e precisão. Por exemplo, eles podem ajudar indivíduos com desafios de mobilidade na navegação de ambientes complexos. Além disso, eles podem ser usado como robôs de serviço em ambientes dinâmicos, como restaurantes, hospitais ou aeroportos, oferecendo navegação suave “.

Além disso, ele acrescenta: “As capacidades robustas de auto-balanceamento podem ser aplicadas a robôs de entrega que precisam operar com eficiência, apesar das forças imprevisíveis como vento ou terreno irregular”.

Notavelmente, o estudo aborda desafios significativos no controle de ambientes não lineares e dinâmicos, concentrando -se na confiabilidade para a adoção mais ampla em indústrias que exigem soluções de mobilidade autônoma. Minimizando movimentos desnecessários e conversas, o controlador proposto pode otimizar o consumo de energia, promovendo a robótica sustentável. Isso, por sua vez, aprimora a confiabilidade das bola, tornando -as mais seguras e viáveis ​​para uso em espaços públicos e privados.

“No geral, setores como logística, assistência médica e varejo podem se beneficiar de robôs equipados com nossa tecnologia, melhorando a eficiência e a qualidade do serviço enquanto reduz a carga de trabalho humana”, conclui o Dr. Nguyen. Os pesquisadores esperam avanços futuros nesta pesquisa, permitindo o uso eficiente de robôs no mundo real.