Sliding mode robot controller parameter tuning with genetic algorithms and fuzzy logic

Abstract

Kayan Kipli Denetleyiciler (KKD) parametre belirsizlikleri karşısında gürbüzlük özelliklerine sahip denetleyicilerdir. Söz konusu gürbüzlüğün temelinde genellikle anahtarlamalı bir kontrol sinyali üreten Lyapunov tabanlı bir denetleyici tasarımı bulunmaktadır. Bununla beraber, ideal koşullarda söz konusu denetleyici tarafından sıfır zamanda anahtarlama yapan bir sinyal olarak üretilmesi beklenen kontrol çıktı sinyali sayısal uygulamada gerçekleştirlememektedir. Bu durum, çatırdama adı verilen ve sistem durum değişkenlerinde yüksek frekanslı salınımlara sebebiyet veren bir durum meydana getirmektedir. Çatırdama aynı zamanda denetleyici sinyalinde de yüksek genlikte salınımlı bir davranış şeklinde kendini göstermektedir. Çatırdamalı bir eyleyici çıktı sinyali, eyleyici torkları tarafından sürülmekte olan robot manipülatörler de dahil bir çok tesis için istenmeyen bir durumdur. Bu problem geleneksel yöntemlerde, denetleyicinin gürbüzlük özelliğini azaltmasına rağmen, anahtarlamalı denetleyici çıktı sinyalinin düzgünleştirilmesi yoluyla çözülmektedir. Fazla düzgünleştirme performans azalmasına, çok sınırlı düzgünleştirme ise mekanik sistemin komponentlerinde aşınma etkisine sepeb olabilmektedır. Bu etkenler, çatırdama ve performans etkilerini eş zamanlı bir şekilde ele alan otomatik ayarlama yaklaşımlarını motive etmektedir.Bu tezde, esnek hesaplama yöntemleri kullanan iki farklı KKD düzgünleştirme ve parametre ayarlama yöntemi önerilmektedir.Birinci yöntem Genetik Algoritma (GA) tabanlı bir yöntemdir. Bu yöntemde, düzgünleştirme eylemini kontrol edenler de dahil, tüm KKD parametreleri evrimsel hesaplama kullanılarak çevrim dışı bir şekilde ayarlanmaktadır. Anlık çatırdama seviyesinin belirlenmesi amacıyla bir ölçüt kullanılmaktadır. Bu ölçütün integrali yanısıra, bir adım girdisi karşısındaki yükselme süresi ve kararlı durum hatası gibi performans göstergeleri form fonksiyonu olarak kullanılmaktadır. Söz konusu yöntem, doğrudan tahrikli bir SCARA tip robot manipülatör modeli kullanılarak gerçekleştirilen simülasyonlar üzerinde test edilmiştir.Bununla birlikte, Genetik Algoritma tabanlı KKD, sabit bir referans sinyali ile sabit bir görev yükü için uygundur. Bu nedenle, farklı referanslar ve farklı görev yükü değerleri çatırdama etkilerini ortaya çıkarabilir veya fazla-düzgünleştirme temelli performans düşüşlerine neden olabilirler. Önerilen ikinci KKD parametre ayarlaması yöntemi, denetleyicinin uygulama alanını genişletme amaçlı bir bulanık mantık sistemi kullanmaktadır. Çevrim dışı çalışan GA yönteminin aksine bu yöntemde çatırdama ölçütü ve kayan değişken, anahtarlamalı denetleyici çıktısını çevrim içi olarak düzgünleştiren bu sisteme girdi olarak kullanılmaktadır. Aynı şekilde, doğrudan tahrikli robot model simülasyonları, geliştirilen denetleme ve ayarlama yönteminin test edilmesi için kullanılmıştır.

Sliding Mode Controllers (SMC) possess robustness properties under parameter uncertainties. Usually, a Lyapunov based controller design with a switching control signal constitutes the backbone of robustness. However, the ideally zero switching time of the controller output cannot be achieved in digital implementation. This causes a phenomenon called chattering - high frequency oscillations observed in systems state variables. Chattering also shows itself as high amplitude oscillatory behavior in the control signal. A chattering actuator output is not favorable for many plants, including robot manipulators driven by actuator torques. This problem is traditionally solved by smoothing the switching control output, deviating from the original mathematical foundations robustness. Over-smoothing causes performance deterioration, while too limited smoothing action may lead to the wear of the mechanical system components. This motivates the exploration of automatic tuning approaches which consider chattering and performance simultaneously.This thesis proposes two SMC smoothing and parameter tuning methods with soft computing (SC) methodologies.The first method is based on Genetic Algorithms (GA). SMC controller parameters, including the ones governing the smoothing action are tuned off-line by evolutionary computing. A measure is employed to assess the instantaneous level of chattering. The integral of this value combined with performance indicators including the rise time and steady state error in a step reference scenario are used as the fitness function. The method is tested on the model of a direct drive (DD) SCARA type robot, via simulations.The GA-tuned SMC is, however, tailored for a fixed reference signal and fixed payload. Different references and payload values may pronounce the chattering effects or lead to performance loss due to over-smoothing. The second SMC parameter tuning method proposed employs a fuzzy logic system to enlarge the applicability range of the controller. The chattering measure and the sliding variable are used as the inputs of this system, which tunes the controller output smoothing mechanism on-line, as opposed to the off-line GA technique. Again, simulations with the direct-drive robot model are employed to test the control and tuning method.