DOI: https://doi.org/10.1038/s41598-026-35309-8
PMID: https://pubmed.ncbi.nlm.nih.gov/41507278
تاريخ النشر: 2026-01-08
المؤلف: Tofik Kemal Mohammed وآخرون
الموضوع الرئيسي: التحكم التكيفي للأنظمة غير الخطية
نظرة عامة
تركز البحث على ديناميات وتحكم جهاز الروبوت ذو الثلاث روابط، والذي يعد حاسماً لتعزيز الإنتاجية والكفاءة في الأتمتة الصناعية. نظراً للطبيعة غير الخطية والمترابطة بشكل كبير لدينامياته، يتم اقتراح تقنية جديدة لفصل الديناميات. تبسط هذه التقنية النمذجة من خلال اعتبار تسارع كل مفصل متأثراً بشكل أساسي بعزم الدوران والسرعة الخاصة به، بينما تعتبر الديناميات المتبقية عدم يقين. تستخرج الدراسة معادلات حالة مفصولة لجهاز الروبوت وتطبق وحدة تحكم تكيفية مرجعية نموذجية (MRAC) لتتبع نموذج مرجعي مرغوب. ومع ذلك، وُجد أن MRAC التقليدية تعاني من تباعد بارامتري عند مواجهة الاضطرابات الخارجية.
لمعالجة هذه التحديات، يقدم المؤلفون MRAC قوي يتضمن تعديلات تأخذ في الاعتبار عدم اليقين البارامتري والاضطرابات. يظهر MRAC القوي المقترح استقراراً محسناً وأداء تتبع مسار أفضل مقارنة بـ MRAC التقليدية، خاصة في ظل الظروف غير المثالية. من بين التعديلات المختلفة التي تم اختبارها، تبرز تعديل التحكم الأمثل، حيث تحقق أدنى قيم للخطأ المطلق الموزون زمنياً (ITAE)، مما يشير إلى أداء تتبع متفوق ومرونة ضد الاضطرابات وعدم اليقين في النموذج. تستخدم هذه الطريقة المثلى آلية تكيف قائمة على الطاقة توازن بشكل فعال بين سرعة التعلم والاستقرار، مما يؤدي إلى تحسين كفاءة التحكم مع تقليل الطلب على المحركات. بشكل عام، تؤكد النتائج فعالية MRAC القوي المقترح في إدارة تعقيدات التحكم في أجهزة الروبوت.
مقدمة
تناقش المقدمة أهمية الروبوت الثنائي الأبعاد ذو الثلاث روابط، وهو هيكل حركي أساسي يتكون من ثلاثة أجسام صلبة متصلة بمفاصل دوارة، يعمل ضمن مستوى ثنائي الأبعاد. الوظيفة الأساسية لهذا الروبوت هي التلاعب بموقع واتجاه أداة العمل الخاصة به من خلال كينماتيكا عكسية معقدة، مما يجعله نموذجاً أساسياً للتلاعب الروبوتي، تخطيط المسار، ونظرية التحكم. تقدم تكوينات مختلفة، مثل 3-RRR و3-RPR، مزايا مميزة من حيث الصلابة والدقة وكفاءة مساحة العمل.
تشمل التطورات الأخيرة في استراتيجيات التحكم لهذه الروبوتات تنفيذ وحدات تحكم PID من الدرجة الكسرية (FOPID) ووحدات تحكم PID الذكية (iPID)، التي أظهرت تحسينات في تتبع المسار وتقليل معدلات الخطأ في المحاكاة والتطبيقات في الوقت الحقيقي. بالإضافة إلى ذلك، أظهر التحكم التنبؤي غير الخطي (NMPC) أداءً أفضل من MPC الخطي في إدارة الاضطرابات أثناء التلاعب بالأجسام الثنائية الأبعاد. كما تسلط المقدمة الضوء على استخدام الشبكات العصبية وتقنيات السيرفو البصري للتتبع القوي في الوقت الحقيقي، بالإضافة إلى تصميمات التحكم التكيفية للطائرات بدون طيار ذات الأجنحة الثابتة التي تعالج بشكل فعال عدم اليقين والاضطرابات. يُلاحظ أن التحكم التكيفي المرجعي للنموذج (MRAC) فعال في تعويض التغيرات في الحمل وتحسين دقة التتبع، خاصة عند دمجه مع استراتيجيات التحكم الأخرى مثل PID والمنطق الضبابي.
النتائج
في دراسة المحاكاة، تم تقييم أداء تقنيات تعديل σ التقليدية، تعديل e، وتعديل التحكم الأمثل تحت معدلات تكيف متطابقة ($\Gamma$) وثوابت تخميد. تم اختبار كل من وحدة التحكم التكيفية المرجعية النموذجية وإصداراتها المعدلة عبر مهمتين لتتبع المسار. كانت معلمات جهاز الروبوت ووحدة التحكم متسقة، مع قيم رئيسية تشمل أطوال الروابط 1 متر، وكتل 2 كجم لكل رابط، وعزم 2 كجم·م² لجميع الروابط، إلى جانب تسارع جاذبية قدره 9.81 م/ث².
تشير النتائج، الموضحة في الأشكال 12 و13 و14، إلى أن جميع وحدات التحكم حققت أداءً مرضياً في تتبع المسار تحت ظروف المصنع الاسمية. ومع ذلك، أظهرت تقنية تعديل التحكم الأمثل تحسيناً كبيراً في دقة التتبع مقارنةً بـ MRAC التقليدية، وطرق تعديل σ، وتعديل e. تؤكد هذه النتيجة فعالية التعديل الأمثل في تقليل أخطاء التتبع مع ضمان استقرار النظام، مما يثبت أنه النهج الأفضل في محاكاة المصنع الاسمية.
المناقشة
في هذه المناقشة، يقدم المؤلفون تقدمًا في استراتيجيات التحكم لأجهزة الروبوت، مع تسليط الضوء على تطوير تقنيات تحكم تكيفية وقوية متنوعة. يُلاحظ أن التحكم في الوضع الانزلاقي المعتمد على الشبكات العصبية (NN-STSMC) فعال في تنظيم حركة المفاصل الاصطناعية، حيث يظهر تتبع مسار متفوق وتقليل الاهتزاز مقارنةً بالتحكم التقليدي في الوضع الانزلاقي (SMC). بالإضافة إلى ذلك، يتم تقديم التحكم في الوضع الانزلاقي الضبابي المتقدم (BFSMC)، الذي يعالج بشكل فعال عدم الخطية وعدم اليقين في الروبوتات المتحركة التفاضلية من خلال دمج تصميم العودة مع المنطق الضبابي لتعزيز السلاسة وتقليل الاهتزاز.
يقترح المؤلفون أيضًا مخططًا مبتكرًا للتحكم التكيفي المرجعي للنموذج (MRAC) الذي يتضمن استراتيجية فصل لإدارة تعقيدات جهاز الروبوت ذو الثلاث روابط. يسمح هذا النهج بالتعديل الفوري لمعايير التحكم، مما يعزز القدرة على التكيف مع عدم اليقين والاضطرابات الخارجية. يهدف إطار MRAC القوي المقترح إلى تقليل تقلبات التحكم عالية التردد مع ضمان الاستقرار والأداء، مع معالجة قيود الأساليب الحالية التي غالباً ما تواجه صعوبة في ضبط المعلمات والقدرة على التكيف في البيئات الديناميكية. بشكل عام، تؤكد النتائج على ضرورة وجود استراتيجيات تحكم أكثر تطوراً قادرة على التعامل مع التحديات الكامنة في التلاعب الروبوتي.
DOI: https://doi.org/10.1038/s41598-026-35309-8
PMID: https://pubmed.ncbi.nlm.nih.gov/41507278
Publication Date: 2026-01-08
Author(s): Tofik Kemal Mohammed et al.
Primary Topic: Adaptive Control of Nonlinear Systems
Overview
The research focuses on the dynamics and control of a three-link robotic manipulator, which is crucial for enhancing productivity and efficiency in industrial automation. Due to the highly nonlinear and coupled nature of its dynamics, a novel decoupling technique is proposed. This technique simplifies the modeling by treating each joint’s acceleration as primarily influenced by its own torque and velocity, while the remaining dynamics are considered uncertainties. The study derives decoupled state-space equations for the manipulator and implements a conventional Model Reference Adaptive Controller (MRAC) to track a desired reference model. However, the conventional MRAC is found to suffer from parametric divergence when faced with external disturbances.
To address these challenges, the authors introduce a robust MRAC that incorporates modifications to account for parametric uncertainties and disturbances. The proposed robust MRAC demonstrates improved stability and trajectory tracking performance compared to the conventional MRAC, particularly under non-ideal conditions. Among the various modifications tested, the optimal control modification stands out, achieving the lowest Integral of Time-weighted Absolute Error (ITAE) values, indicating superior tracking performance and robustness against disturbances and model uncertainties. This optimal approach employs an energy-based adaptation mechanism that effectively balances learning speed and stability, leading to enhanced control efficiency with reduced actuator demand. Overall, the findings underscore the effectiveness of the proposed robust MRAC in managing the complexities of robotic manipulator control.
Introduction
The introduction discusses the significance of a 3-link planar robot, a fundamental kinematic structure composed of three rigid bodies connected by revolute joints, which operates within a two-dimensional plane. This robot’s primary function is to manipulate the position and orientation of its end-effector through complex inverse kinematics, serving as a foundational model for robotic manipulation, path planning, and control theory. Various configurations, such as 3-RRR and 3-RPR, offer distinct advantages in terms of stiffness, precision, and workspace efficiency.
Recent advancements in control strategies for these robots include the implementation of Fractional Order PID (FOPID) and Intelligent PID (iPID) controllers, which have demonstrated enhanced path tracking and reduced error rates in simulations and real-time applications. Additionally, Nonlinear Model Predictive Control (NMPC) has been shown to outperform linear MPC in managing disturbances during planar object manipulation. The introduction also highlights the use of Neural Networks and Visual Servoing techniques for robust real-time tracking, as well as adaptive control designs for fixed-wing UAVs that effectively address uncertainties and disturbances. Model Reference Adaptive Control (MRAC) is noted for its effectiveness in compensating for load variations and improving tracking accuracy, particularly when combined with other control strategies like PID and fuzzy logic.
Results
In the simulation study, the performance of conventional σ-modification, e-modification, and optimal control modification techniques was evaluated under identical adaptation rates ($\Gamma$) and damping constants. Both the pure model reference adaptive controller and its modified versions were tested across two trajectory tracking tasks. The manipulator and controller parameters were consistent, with key values including link lengths of 1 meter, masses of 2 kg for each link, and an inertia of 2 kg·m² for all links, alongside a gravitational acceleration of 9.81 m/s².
The results, illustrated in Figures 12, 13, and 14, indicate that all controllers achieved satisfactory tracking performance under nominal plant conditions. However, the optimal control modification technique demonstrated a significant enhancement in tracking accuracy compared to the conventional model reference adaptive control (MRAC), σ-modification, and e-modification methods. This finding underscores the optimal modification’s effectiveness in reducing tracking errors while ensuring system stability, thereby establishing it as the superior approach in nominal plant simulations.
Discussion
In this discussion, the authors present advancements in control strategies for robotic manipulators, highlighting the development of various adaptive and robust control techniques. The Neural Network-Based Super Twisting Sliding Mode Control (NN-STSMC) is noted for its effectiveness in regulating prosthetic joint motion, demonstrating superior trajectory tracking and reduced chattering compared to traditional Sliding Mode Control (SMC). Additionally, the Backstepping Fuzzy Sliding Mode Control (BFSMC) is introduced, which effectively addresses nonlinearities and uncertainties in differential mobile robots by combining backstepping design with fuzzy logic to enhance smoothness and reduce chattering.
The authors further propose an innovative Model Reference Adaptive Control (MRAC) scheme that incorporates a decoupling strategy to manage the complexities of a three-link manipulator. This approach allows for real-time adjustment of control parameters, enhancing adaptability to uncertainties and external disturbances. The proposed robust MRAC framework aims to minimize high-frequency control fluctuations while ensuring stability and performance, addressing the limitations of existing methods that often struggle with parameter tuning and adaptability in dynamic environments. Overall, the findings underscore the necessity for more sophisticated control strategies capable of handling the inherent challenges in robotic manipulation.