Cascade PID Control of an Inverted Pendulum on a Cart System: Simulation and Experimental Analysis
تقيم هذه الدراسة أداء استراتيجية تحكم PID متتالية لبندول مقلوب على عربة من خلال كل من المحاكاة القائمة على Simscape والتجريب المدفوع بـ Arduino، كاشفةً أنه في حين يحقق هذا النهج الاستقرار، فإنه يواجه قيوداً كبيرة في رفض الاضطرابات والتتبع مقارنة ببديل يعتمد على LQR بسبب عوامل واقعية مثل ضجيج المستشعر والاحتكاك.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول موازنة عصا مكنسة على راحة يدك أثناء المشي في ممر. هذا هو بالضبط موضوع هذه الورقة البحثية، ولكن بدلاً من المكنسة واليد، قام الباحثون ببناء عربة روبوت فوقها عصا وحاولوا تعليمها كيف توازن نفسها أثناء الحركة.
إليك تفصيل لعملهم باستخدام تشبيهات بسيطة:
التحدي الكبير: العصا المتذبذبة
النظام الذي بنوه يسمى "البندول المعكوس" (inverted pendulum). فكر في الأمر كأنه لاعب سيرك يمشي على حبل مشدود وهو مقلوب رأساً على عقب. إذا وقفوا ساكنين، سيسقطون فوراً. إنهم بحاجة إلى تعديلات مستمرة وصغيرة جداً للبقاء في وضع مستقيم.
هذا أمر صعب لأن العصا (البندول) والعربة "ملتصقتان" معاً في سلوكهما. إذا دفعت العربة للأمام لتلحق بالعصا التي تسقط، فإن العصا ستتأرجح للخلف. وإذا أوقفت العربة بقوة شديدة، فقد تميل العصا وتسقط. إنه رقص دقيق حيث يؤثر كل تحرك على الآخر.
الحل: "المدير والعامل" (Cascade PID)
استخدم الباحثون استراتيجية تحكم تسمى Cascade PID. لفهم هذا، تخيل موقع بناء به شخصان:
- العامل (الحلقة الداخلية): مهمته الوحيدة هي منع العصا من السقوط. هو سريع، ورد فعله لحظي، ويصاب بالذعر قليلاً إذا مالت العصا ولو بمقدار ضئيل جداً. هو لا يهتم بمكان العربة؛ هو يهتم فقط بأن تظل العصا مستقيمة.
- المدير (الحلقة الخارجية): هو من يخبر العامل أين يسير. إذا كانت العربة بحاجة للتحرك 10 سنتيمترات إلى اليمين، يقول المدير: "حسناً، تحرك إلى هناك". لكن المدير يثق في أن العامل سيتولى مهمة التوازن أثناء الحركة.
كلمة "Cascade" (المتتالي) تعني أن المدير يتحدث إلى العامل، والعامل يتحدث إلى المحرك. هذه العملية المكونة من خطوتين تساعد في الحفاظ على استقرار النظام.
الاختباران: لعبة الفيديو مقابل العالم الحقيقي
اختبر الفريق هذه الفكرة بطريقتين:
1. المحاكاة (لعبة الفيديو المثالية)
أولاً، قاموا ببناء نسخة رقمية من العربة في برنامج حاسوبي (Simulink). في عالم "لعبة الفيديو" هذا، لا يوجد غبار، ولا احتكاك، ولا أيدٍ مرتجفة.
- النتيجة: توازنت العربة الرقمية بشكل مثالي. تحركت إلى النقطة المستهدفة، وظلت العصا مستقيمة. كان الأمر سلساً ومتوقعاً، مثل شخصية في لعبة فيديو جيدة البرمجة.
2. التجربة (الفوضى في الحياة الواقعية)
بعد ذلك، قاموا ببناء روبوت مادي باستخدام "أردوينو" (كمبيوتر صغير)، ومحرك، وحساسات.
- اختبار الواقع: الحياة الواقعية فوضوية. العجلات كان بها احتكاك، والحساسات كانت مشوشة قليلاً (مثل التشويش في الراديو)، والمحرك لم يستجب تماماً كما توقعت الرياضيات.
- النتيجة: نجح الروبوت في التوازن، وهذا كان نجاحاً! ومع ذلك، كان سلوكه مختلفاً عن النموذج الحاسوبي. كان على "المدير" و"العامل" أن يتم ضبطهما بشكل مختلف. على سبيل المثال، في الكمبيوتر، استخدموا أرقاماً سالبة لإخبار العربة بالتحرك للخلف، ولكن برمجيات الروبوت الحقيقي لم تفهم الأرقام السالبة، لذا اضطروا لإيجاد حل بديل.
المشكلات التي وجدوها
على الرغم من أن الروبوت نجح، إلا أن الباحثين واجهوا بعض العقبات:
- العصا "الخفيفة جداً": في إعدادهم الأول، كانت العصا خفيفة جداً (مثل الريشة). عندما أعطوها دفعة صغيرة (اضطراب)، لم يستطع الروبوت التعافي. كان الأمر يشبه محاولة موازنة ريشة على إصبعك بينما يقوم شخص ما بالنفخ عليها؛ إنها حساسة للغاية.
- الممر القصير: عندما حاولت العربة موازنة عصا أثقل أو التعافي من دفعة، احتاجت لتحريك العربة ذهاباً وإياباً كثيراً. المسار الذي بنوه كان قصيراً جداً، حيث كانت العربة تصطدم بنهاية السكة قبل أن تنتهي من عملية التوازن.
- "التجاوز" (Overshoot): أحياناً، عندما تحاول العربة الانتقال إلى مكان جديد، كانت تتجاوز الهدف ثم تعود إليه، مثل سيارة تتأخر في الضغط على المكابح عند إشارة التوقف.
الحل الأفضل: "المدير الذكي" (LQR)
لإصلاح مشكلة "التجاوز" وصعوبة التعافي من الدفعات، حاولوا استبدال "العامل" (متحكم الزاوية) بخوارزمية أكثر تقدماً تسمى LQR.
- التشبيه: إذا كان متحكم PID هو عامل يتبع قواعد صارمة، فإن LQR هو عامل يمكنه "التفكير مسبقاً". فهو يحسب الطريقة الأكثر كفاءة للتوازن والتحرك في آن واحد.
- النتيجة: قلل هذا الإعداد الجديد من التأرجح العنيف (التجاوز) وساعد النظام على التعامل مع الاضطرابات بشكل أفضل، رغم أنه لا يزال يتطلب مساراً طويلاً ليعمل بشكل مثالي.
الخلاصة
تخلص الورقة البحثية إلى أنه بينما يعمل نهج "المدير والعامل" البسيط (Cascade PID) بشكل جيد للحفاظ على استقامة العصا، إلا أن له حدوداً.
- يعاني من صعوبة في التعامل مع الاضطرابات القوية ما لم تكن العصا ثقيلة بما يكفي.
- يحتاج إلى مسار طويل للقيام بعمله.
- الروبوتات في العالم الحقيقي أكثر فوضوية من محاكاة الكمبيوتر، لذا يجب ضبطها بشكل مختلف.
- استخدام رياضيات أذكى (مثل LQR) لجزء التوازن يمكن أن يجعل النظام بأكمله أكثر سلاسة وكفاءة.
باختة، لقد أثبتوا أنه يمكنك موازنة عصا على عربة متحركة باستخدام نظام تحكم مكون من خطوتين، ولكن الحياة الواقعية تتطلب مساحة أكبر، وعصياً أثقل، وأحياناً خوارزميات أذكى مما تقترحه محاكاة حاسوبية بسيطة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.