مقدمه
بازوی روباتیک نوعی بازوی مکانیکی و عموماً قابل برنامهریزی است که کاربردهایی مشابه به بازوی انسان دارد. این بازو دستگاهیست که برای انجام یک یا چند فعالیت با سرعت، دقت و اثربخشی بالا برنامهریزی میشود. این بازوها بیشتر در مواردی که مربوط به حمل بار خیلی سنگین، انجام یککار تکراری و یا خیلی سریع میشود به کار میآیند. در قلب این دستگاه، موتور قرار دارد و راندن آن با توجه به برنامهی داده شده وظیفهی موتور است. این بازوها بهطور معمول، از یک یا چند مفصل، بازو و دست تشکیل میشوند. مفصل همان محل اتصال بوده و بازوها در محل مفصل به یکدیگر اتصال مییابند. دست نیز به انتهای بازو که تغییر را در مواد ایجاد کرده یا عملیات مختلف را انجام میدهد اطلاق میشود.
بازوی رباتیک ممکن است در واقع خود یک ربات باشد یا بخشی از یک ربات پیچیدهتر باشد. اتصالات چنین بازویی آن چنان است که امکان جابجایی و حرکت چرخشی و دورانی (شبیه رباتهای بندی) یا انتقالی (خطی) را فراهم میکند. اتصالات بازو میتوانند یک زنجیره حرکتی یا کنماتیک چین (kinematic chain) را ایجاد کنند. قسمت انتهایی زنجیره حرکتی بازوی مکانیکی، تأثیرگذار نهایی (End effector) نامیده میشود.
بررسی اجمالی پروژه
این پروژه شبیه سازی به کنترل ربات قطبی DOF-2 از طریق کنترلر مد لغزشی یا SMC اختصاص دارد. کنترل مد لغزشی (Sliding Mode Control) یا SMC یک روش کنترل غیرخطی است که ویژگیهای منحصر به فردی مانند دقت، قوام، و تنظیم و پیادهسازی آسان دارد. به طور خلاصه میتوان گفت که در کنترل مد لغزشی حالتهای سیستم به یک سطح، به نام سطح لغزش در فضای حالت برده میشوند. وقتی حالتها به سطح لغزش رسیدند، کنترل مد لغزشی حالتها را در نزدیکی و همسایگی سطح لغزش نگه میدارد. بنابراین، این رویکرد، یک روش کنترلی با دو بخش است. در بخش اول یک سطح لغزش طراحی میشود که حرکت لغزشی مشخصات طراحی را برآورده کند. در بخش دوم، قانون کنترلی انتخاب میشود که با آن، سطح سوئیچنگ حالت سیستم را جذب کند.
کنترل مد لغزشی دو مزیت اصلی دارد. اولین مزیت این است که میتوان با انتخاب تابع لغزشی مناسب، به رفتار دینامیکی مطلوب سیستم دست یافت. مزیت دوم این است که پاسخ حلقهبسته سیستم هیچ حساسیتی نسبت به نامعینیها (پارامترهای مدل، اغتشاشها و غیرخطی بودن) ندارد. در نتیجه، از دیدگاه عملی، با استفاده از کنترل مد لغزشی میتوانیم فرایندهای غیرخطی را در حضور اغتشاشات و نامعینیهای مدل کنترل کنیم.