氣動人工肌肉技術的軌跡追蹤控制
背景
氣動人工肌肉（PAM）近年來作為模擬人體運動的有前景的致動器出現，廣泛應用於機器人學、康復和假肢等多個行業。PAM 通常由橡膠組成，被編織的紗線包裹，可以模仿人體肌肉的力學特性。透過加壓入氣可以使 PAM 變硬和收縮，釋放氣則可以使其變軟和伸長。然而 PAM 是一個非線性系統，存在巨大的延遲，因此有必要擁有能夠調節其效能的控制系統。
傳統控制方法的約束
雖然過去的研究者提出了許多控制方法來解決與 PAM 相關的問題，但這些傳統控制方法雖然表現不錯，但無法應對 PAM 的非線性和滯後。此外雖然學習控制算法在理論上對提高基於 PAM 系統的效能是有效的，但在實踐中實現這些算法卻相當困難。
一個新的解決方案：自適應模糊滑模控制器
為了克服這些約束並解決這個開放問題，由日本芝浦工業大學創新全球計劃工程學院副教授貝總議率領的研究小組以及河內科學技術大學博士鄧奎貞等人提出了一種新的解決方案。他們在《科學報告》期刊上發表的研究中，提出了一種名為“自適應模糊滑模控制器（AFSMC）”的控制方法，該方法使用模糊邏輯（一種計算思維）來估計 PAM 系統的控制引數。
貝總議解釋說：“該創新的控制策略利用田崎-杉本模糊算法估計干擾分量，並自動更新輸出變數值，體現了優於傳統滑模控制方法的追蹤精度和適應性。”研究人員首先開發了一個滑移模控制器，該控制訊號包含一個特殊變數，用於估計干擾，從而改善控制效能。接著，他們設計了一個自適應模糊算法，透過自適應法則自動更新元件規則的引數向量，來計算干擾變數。然後，他們使用李亞普諾夫穩定性條件（用於研究非線性系統的穩定性）分析了所開發 AFSMC 算法的穩定性。此外研究人員進行了一系列實驗來評估他們的控制器的效能，並將其與傳統滑模控制方法進行了比較。
值得注意的是，AFSMC 方法在負載下頻率為 0.5 Hz 時，顯示出更高的追蹤精度，均方根誤差值為 2.68°，而滑模控制器的值則較高為 4.21°。此外它還表現出對突發外部干擾的出色適應能力。貝總議進一步解釋道：“與知名的商業康復系統 LOKOMAT 進行比較評估時，AFSMC 控制器表現出相似的效能。它還展示了對突然負載變化的優異適應能力，透過操縱其控制輸出迅速返回期望的軌跡。”
應用和未來展望
這些研究結果表明，AFSMC 方法具有將其整合到機器人康復裝置、輔助裝置和物理治療裝置中的潛力，以進行精確和個性化的治療。此外這種方法可以幫助設計和開發功能更強大的先進假肢，以提高功能性和康復效果。
貝總議談到這項研究的長遠影響時表示：“憑藉這項研究的成果，可以預期在未來 5 到 10 年內出現由 PAM 驅動的商業康復系統。這種創新系統將為患者（包括脊髓損傷和中風患者以及其他需要康復的人）提供顯著的好處。”
總之這項研究為探索氣動人工肌肉技術的軌跡追蹤控制提供了一個有前景的解決方案。這種控制方法的成功應用將對康復領域和假肢技術帶來重大影響。
