Adaptive Sliding Mode Control for Vehicle Platoons with State-Dependent Friction Uncertainty

यहाँ ऋषभ देव यादव के शोध प्रबंध "Adaptive Sliding Mode Control for Vehicle Platoons with State-Dependent Friction Uncertainty" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध स्वायत्त वाहन प्लूटों (autonomous vehicle platoons) (पहियों वाले मोबाइल रोबोटों के समूह जो एक फॉर्मेशन में चलते हैं) को अज्ञात, अवस्था-निर्भर घर्षण बलों (state-dependent friction forces) की उपस्थिति में नियंत्रित करने की चुनौती को संबोधित करता है।

• मुख्य मुद्दा: एक सुरक्षित अंतर-रोबोट दूरी बनाए रखना और एक वांछित प्रक्षेपवक्र (trajectory) को ट्रैक करना मजबूत नियंत्रण की मांग करता है। हालाँकि, पहियों और जमीन के बीच घर्षण एक स्थिर पैरामीटर नहीं है; यह सड़क की सतह की स्थितियों, टायर के घिसाव, वाहन की गति और पेलोड के आधार पर गतिशील रूप से बदलता रहता है।
• मौजूदा विधियों की सीमा: अत्याधुनिक एडेप्टिव स्लाइडिंग मोड कंट्रोलर्स (ASMC) आमतौर पर यह मानकर चलते हैं कि सिस्टम अनिश्चितताएं (जैसे घर्षण) पूर्व-निर्धारित रूप से सीमित (a priori bounded) हैं (अर्थात, उनका अधिकतम मान ज्ञात है या पहले से अनुमान लगाया जा सकता है)।
• अंतराल (The Gap): चूँकि घर्षण अवस्था-निर्भर (state-dependent) है (विशेष रूप से विस्कस फ्रिक्शन वेग के समानुपाती होता है), इसे निष्पादन से पहले कड़ाई से सीमित नहीं किया जा सकता है। पारंपरिक नियंत्रक इन बलों को सटीक रूप से मॉडल या पहचानने में विफल रहते हैं, जिससे प्रदर्शन में गिरावट या अस्थिरता आती है जब सड़क की स्थितियाँ बदलती हैं (जैसे, शुष्क डामर से गीली या ऊबड़-खाबड़ सतह पर जाना)।

2. कार्यप्रणाली (Methodology)

प्रस्तावित समाधान एक दो-चरणीय एडेप्टिव स्लाइडिंग मोड कंट्रोल (ASMC) ढांचा है जिसे नॉन-होलोनोमिक व्हील्ड मोबाइल रोबोट्स (WMRs) के लिए डिज़ाइन किया गया है। यह दृष्टिकोण नियंत्रण समस्या को किनेमैटिक और डायनेमिक परतों में विभाजित करता है।

A. सिस्टम मॉडलिंग (System Modeling)

• किनेमैटिक्स (Kinematics): एक संदर्भ प्रक्षेपवक्र के सापेक्ष रोबोट की स्थिति और अभिविन्यास ($x, y, \theta$) को मॉडल करता है।
• डायनेमिक्स (Dynamics): बलों को मॉडल करने के लिए लैग्रेंजियन दृष्टिकोण का उपयोग करता है, जिसमें द्रव्यमान ($m$), जड़त्व ($J$), बाहरी विक्षोभ (disturbances), और घर्षण बल ($f_v, f_w$) शामिल हैं।
• घर्षण मॉडल (Friction Model): शोध प्रबंध एक संयुक्त कौलम्ब + विस्कस (Coulomb + Viscous) घर्षण मॉडल का उपयोग करता है। महत्वपूर्ण रूप से, यह स्वीकार करता है कि विस्कस घटक वेग ($v$) के समानुपाती है, जिससे कुल घर्षण बल अवस्था-निर्भर और निष्पादन से पूर्व असीमित हो जाता है।

B. नियंत्रण संरचना (Control Architecture)

नियंत्रक दो अलग-अलग चरणों में कार्य करता है:

1. किनेमैटिक कंट्रोलर (Backstepping):

   • रोबोट के वर्तमान पोज और वांछित प्रक्षेपवक्र के बीच ट्रैकिंग त्रुटि के आधार पर वांछित रैखिक ($v_c$) और कोणीय ($\omega_c$) वेगों की गणना करता है।
   • पोस्चर एरर (posture error) के अभिसरण (convergence) को सुनिश्चित करने के लिए धनात्मक डिजाइन स्थिरांक ($k_1, k_2, k_3$) के साथ एक मानक बैकस्टेपिंग दृष्टिकोण का उपयोग करता है।

2. डायनेमिक कंट्रोलर (प्रस्तावित ASMC):

   • उद्देश्य: अज्ञात डायनेमिक्स के बावजूद वास्तविक वेगों को वांछित वेगों ($v_c, \omega_c$) को ट्रैक करने के लिए वास्तविक बल ($F$) और टॉर्क ($\tau$) कमांड उत्पन्न करना।
   • स्लाइडिंग वेरिएबल्स: रैखिक वेग ($s_v$) और कोणीय वेग ($s_\omega$) त्रुटियों के लिए परिभाषित किए गए हैं, जिनमें स्टेडी-स्टेट एरर को समाप्त करने के लिए इंटीग्रल टर्म शामिल हैं।
   • अनिश्चितता हैंडलिंग: कंट्रोलर यह मानता है कि सिस्टम पैरामीटर (द्रव्यमान, जड़त्व, घर्षण गुणांक) और विक्षोभ सीमाएं (disturbance bounds) अज्ञात हैं।
   • एडेप्टिव लॉज़ (Adaptive Laws): एडेप्टिव गेन लॉज़ में नवाचार निहित है। निश्चित सीमाओं के बजाय, कंट्रोलर वास्तविक समय में अनिश्चितताओं ($\hat{K}$) के ऊपरी स्तरों का अनुमान लगाता है।
     • अनिश्चितता सीमाएं अवस्था त्रुटियों ($\xi_v, \xi_\omega$) के रैखिक कार्यों के रूप में संरचित हैं।
     • एडेप्टिव लॉज़ अनुमानों ($\dot{\hat{K}}$) को स्लाइडिंग सतह और त्रुटि अवस्थाओं के परिमाण के आधार पर अपडेट करते हैं, जिससे कंट्रोलर को घर्षण बलों के परिमाण को सीखने में मदद मिलती है जैसे-जैसे वे बदलते हैं।
   • कंट्रोल लॉ: कंट्रोल इनपुट एक स्थिर करने वाले पद ($-\Lambda s$) और एक रोबस्ट स्विचिंग पद ($-\rho \text{sgn}(s)$) का संयोजन है, जहाँ गेन $\rho$ को एडेप्टिव अनुमानों द्वारा गतिशील रूप से समायोजित किया जाता है।

C. स्थिरता विश्लेषण (Stability Analysis)

• ल्यपुनोव थ्योरी (Lyapunov Theory): एक ल्यपुनोव फंक्शन कैंडिडेट का उपयोग करके क्लोज्ड-लूप सिस्टम की स्थिरता को कड़ाई से सिद्ध किया गया है।
• परिणाम: विश्लेषण प्रदर्शित करता है कि सिस्टम ट्राजेक्टरीज यूनिफॉर्मली अल्टीमेटली बाउंडेड (UUB) हैं। इसका अर्थ है कि अज्ञात और अवस्था-निर्भर प्रकृति के बावजूद, ट्रैकिंग त्रुटियां और पैरामीटर अनुमान त्रुटियां शून्य के एक छोटे, सीमित दायरे में अभिसरित होंगी।

3. मुख्य योगदान (Key Contributions)

1. अवस्था-निर्भर अनिश्चितता हैंडलिंग: प्राथमिक योगदान एक ASMC ढांचा है जो बिना किसी पूर्व ज्ञान के असीमित, अवस्था-निर्भर अनिश्चितताओं (विशेष रूप से विस्कस घर्षण) को संभालने में सक्षम है।
2. विकेंद्रीकृत प्लूटों नियंत्रण (Decentralized Platoon Control): इस विधि को एक मल्टी-रोबोट प्लूटों पर लागू किया गया है जहाँ प्रत्येक फॉलोअर रोबोट केवल अपने तत्काल पूर्ववर्ती (predecessor) की अवस्था पर निर्भर करता है, जो स्केलेबिलिटी सुनिश्चित करता है।
3. सैद्धांतिक प्रमाण: युग्मित, अवस्था-निर्भर डायनेमिक अनिश्चितताओं वाले सिस्टम के लिए एक औपचारिक ल्यपुनोव-आधारित UUB स्थिरता प्रमाण प्रदान करता है।
4. यथार्थवादी सिमुलेशन सत्यापन: विभिन्न घर्षण गुणांकों और भौतिक बाधाओं (स्पीड ब्रेकर) को सिम्युलेट करने के लिए एक कस्टम प्लगइन के साथ TurtleBot3 मॉडल का उपयोग करके Gazebo सिमुलेशन वातावरण में व्यापक परीक्षण।

4. सिमुलेशन परिणाम और विश्लेषण (Simulation Results and Analysis)

प्रस्तावित कंट्रोलर की तुलना एक मानक ASMC (जो पूर्व-निर्धारित सीमित अनिश्चितताओं को मानता है) के विरुद्ध एक कस्टम एरिना में की गई जिसमें परिवर्तनशील घर्षण क्षेत्र और बाधाएं शामिल थीं।

• परिदृश्य: तीन रोबोटों ने फिगर-ऑफ-ईट (figure-of-eight) पथ का अनुसरण किया। एरिना में एक उच्च-घर्षण चतुर्थांश ($\mu=0.13$) और अचानक विक्षोभ उत्पन्न करने के लिए स्पीड ब्रेकर शामिल थे।
• प्रदर्शन मेट्रिक्स: प्रक्षेपवक्र ट्रैकिंग और गैप रखरखाव के लिए रूट मीन स्क्वेर्ड (RMS) त्रुटि।
• मुख्य निष्कर्ष:
  • उच्च घर्षण क्षेत्र: उच्च-घर्षण चतुर्थांश में (जहाँ अवस्था-निर्भर घर्षण महत्वपूर्ण रूप से बदल गया), मानक ASMC ने ट्रैकिंग त्रुटि और गैप विचलन में बड़े स्पाइक्स प्रदर्शित किए। प्रस्तावित ASMC ने काफी कम त्रुटि बनाए रखी।
  • विक्षोभ अस्वीकरण (Disturbance Rejection): स्पीड ब्रेकर का सामना करते समय, प्रस्तावित कंट्रोलर ने मानक कंट्रोलर की तुलना में कम और छोटे त्रुटि स्पाइक्स दिखाए।
  • मात्रात्मक सुधार:
    • प्रक्षेपवक्र ट्रैकिंग: प्रस्तावित ASMC ने मानक ASMC की तुलना में सभी रोबोटों में RMS पोजीशन एरर को लगभग 6–12% कम कर दिया।
    • गैप रखरखाव: RMS गैप एरर में लगभग 50% की कमी आई (उदाहरण के लिए, रोबोट 2 और 3 के बीच 0.050 मीटर से 0.036 मीटर), जो बेहतर फॉर्मेशन कीपिंग को दर्शाता है।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह कार्य एक अनुकूलन नियंत्रण (adaptive control) में "a priori bounded" धारणाओं की सीमा को संबोधित करके रोबोटिक नियंत्रण सिद्धांत में एक महत्वपूर्ण अंतराल को भरता है।

• व्यावहारिक प्रभाव: यह स्वायत्त वाहन प्लूटों को उन असंरचित, वास्तविक दुनिया के वातावरणों में सुरक्षित और कुशलता से संचालित करने में सक्षम बनाता है जहाँ सड़क की स्थितियाँ अप्रत्याशित और परिवर्तनशील होती हैं।
• मजबूती (Robustness): इसके लिए जटिल घर्षण मॉडलिंग या सेंसर-आधारित घर्षण अनुमान की आवश्यकता नहीं है; यह पूरी तरह से कंट्रोल लॉ के माध्यम से अनुकूलित होता है।
• भावी दिशाएं: लेखक भविष्य के कार्य के रूप में वास्तविक हार्डवेयर कार्यान्वयन, बदलते ढलान और पेलोड के तहत परीक्षण, और पद्धति को हवाई ड्रोन और पानी के नीचे के वाहनों जैसे अन्य स्वायत्त प्रणालियों तक विस्तारित करने का सुझाव देते हैं।

संक्षेप में, यह शोध प्रबंध एक मजबूत, सैद्धांतिक रूप से सुदृढ़ और व्यावहारिक रूप से सत्यापित नियंत्रण रणनीति प्रस्तुत करता है जो जटिल, अज्ञात घर्षण डायनेमिक्स के सामने स्वायत्त वाहन प्लूटों की विश्वसनीयता को महत्वपूर्ण रूप से बढ़ाता है।