นักวิจัยจากญี่ปุ่นและเวียดนามพัฒนาวิธีใหม่ในการใช้ Fuzzy Logic เพื่อประมาณการค่าที่ไม่ทราบและการควบคุม Nonlinear Pneumatic Artificial Muscle หรือกล้ามเนื้อนิวเมติกส์ประดิษฐ์แบบนอนลิเนียร์ (Non-linear)
Pneumatic Artificial Muscles (PAMs) นั้นเป็นอุปกรณ์ประดิษฐ์ที่สามารถกระตุ้นกลไกของกล้ามเนื้อที่คล้ายมนุษย์ได้และแสดงให้เห็นโอกาสที่สำคัญอย่างอุตสาหกรรมที่ต้องการการปฏิสัมพันธ์ร่วมกันระหว่างระบบของมนุษย์และหุ่นยนต์ นอกจากความสามารถที่น่าจับตาแล้วการควบคุมประสิทธิภาพของระบบที่มีพื้นฐานจาก PAM เรียกได้ว่ามีความท้าทายในรูปแบบที่มีเอกลักษณ์ของ Nonlinear ซึ่งนักวิจัยได้พัฒนาอุปกรณ์ควบคุมแบบ Adaptive Sliding Mode ที่ใช้ Fuzzy Logic เพื่อประมาณค่า PAM ซึ่งเป็นสัญญาณที่ดีในการเพิ่มความสามารถสำหรับการติดตามความแม่นยำและการปรับใช้งานเมื่อเทียบกับวิธีควบคุมแบบดั้งเดิม
PAMs นั้นได้รับความนิยมเพิ่มมากขึ้นในไม่กี่ปีที่ผ่านมา ด้วยการทำหน้าที่เป็น Actuator ในการกระตุ้นการเคลื่อนไหวที่เหมือนมนุษย์ในแอปพลิเคชันที่โดดเด่นในหลากหลายอุตสาหกรรม รวมถึงหุ่นยนต์ การฟื้นฟูร่างกาย อวัยวะเทียม โดยทั่วไป PAMs มักจะประกอบด้วยวัสดุยางปกคลุมด้วยเส้นด้ายถักซึ่งสามารถลอกเลียนแบบกลไกกล้ามเนื้อมนุษย์ได้ สามารถที่จะแข็งแรงได้และยืดหดได้จากการอัดอากาศหรือทำให้อ่อนนุ่มและยืดออกได้ด้วยการปล่อยอากาศ เพราะ PAM นั้นถูกมองว่าเป็นระบบ Nonlinear และมีประเด็นเรื่องความหน่วง (Latency) อย่างใหญ่หลวงทำให้ส่งผลกระทบต่อประสิทธิภาพระบบควบคุมได้ยาก
ความท้าทายสำหรับโมเดลคณิตศาสตร์ของ PAM นั้นเรียกว่าอยู่ในระดับสูงแต่นักวิจัยในอดีตก็พัฒนารูปแบบวิธีการหลากหลายเพื่อที่จะแก้ปัญหาที่เกิดขึ้น แม้ว่าวิธีการเดิม ๆ ที่เคยพัฒนาขึ้นมาจะมีประสิทธิภาพที่ดีในการแสดงตัวอย่างการทำงาน แต่ไม่สามารถรับมือกับความเป็น Nonlinear และ Hysteresis ได้ ยิ่งไปกว่านั้นการเรียนรู้ Algorithm สำหรับควบคุมช่วยยกระดับประสิทธิภาพระบบพื้นฐานของ PAM ในทางทฤษฎีแต่ในเรื่องการบูรณาการยังเป็นไปได้ยาก
นักวิจัยจาก Shibaura Institute of Technology ในประเทศญี่ปุ่นได้คิดค้นโซลูชันเพื่อแก้ปัญหาที่เรียกว่า Fuzzy Sliding Mode Controller หรือ AFSMC ซึ่งใช้ Fuzzy Logic ในการประมาณค่าการควบคุม PAM-Based System ขึ้นมา ซึ่งเป็นการยกระดับ Takagi-Sugeno Fuzzy Algorithm ในการประมาณค่าการก่อกวน (Disturbance) ที่เกิดขึ้นในอุปกรณ์และอัปเดตตัวแปรเอาท์พุต ซึ่งให้เพิ่ความสามารถในการติดตามความแม่นยำและการปรับค่าตามเมื่อเปรียบเทียบกับวิธีการควบคุม Sliding Mode แบบดั้งเดิม
AFSMC แสดงให้เห็นความแม่นยำที่มากขึ้นด้วยค่า Root Mean Square ที่มีความผิดพลาด (Error) เพียง 2.68° ที่ความถี่ 0.5 Hz ภายใต้โหลด ซึ่ง Sliding Mode Controller มีค่าที่สูงกว่า คือ 4.21° ทั้งยังมีความสามารถในการปรับตัวเข้ากับการรบกวนจากภายนอกได้ดีกว่าอีกด้วย ทำให้การวิจัยนี้เป็นการวางฐานรากสู่การติดตามและความคุมระบบ PAM ที่มีความก้าวหน้าสูงได้ในอนาคต
ที่มา:
shibaura-it.ac.jp
Voltaire
