Cascade PID Control of an Inverted Pendulum on a Cart System: Simulation and Experimental Analysis

कल्पना कीजिए कि आप अपने हाथ की हथेली पर एक झाडू का डंडा संतुलित करने की कोशिश कर रहे हैं और साथ ही गलियारे में चल रहे हैं। यह मूल रूप से इस शोध पत्र के बारे में है, लेकिन एक झाडू और हाथ के बजाय, शोधकर्ताओं ने एक रोबोट कार्ट बनाई जिसके ऊपर एक डंडा लगा है और इसे चलते समय खुद को संतुलित करना सिखाने की कोशिश की।

यहाँ उनके काम का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:

बड़ी चुनौती: डगमगाता हुआ डंडा

उन्होंने जो सिस्टम बनाया है उसे "इनवर्टेड पेंडुलम" (उल्टा लोलक) कहा जाता है। इसे एक ऐसे रस्सी पर चलने वाले कलाकार (tightrope walker) की तरह समझें जो उल्टा खड़ा है। यदि वे स्थिर खड़े होते हैं, तो वे तुरंत गिर जाते हैं। उन्हें सीधा रहने के लिए लगातार छोटे-छोटे समायोजन (adjustments) करने की आवश्यकता होती है।

यह पेचीदा है क्योंकि डंडा (पेंडुलम) और कार्ट एक व्यवहार में एक-दूसरे से "गोंद से चिपके" हुए हैं। यदि आप डंडे को पकड़ने के लिए कार्ट को आगे धकेलते हैं, तो डंडा पीछे की ओर झूल जाता है। यदि आप कार्ट को बहुत जोर से रोकते हैं, तो डंडा झुक सकता है। यह एक नाजुक नृत्य है जहाँ एक हलचल दूसरी हलचल को प्रभावित करती है।

समाधान: "मैनेजर और वर्कर" (कैस्केड PID)

शोधकर्ताओं ने एक नियंत्रण रणनीति का उपयोग किया जिसे कैस्केड PID (Cascade PID) कहा जाता है। इसे समझने के लिए, एक निर्माण स्थल की कल्पना करें जहाँ दो लोग हैं:

1. वर्कर (आंतरिक लूप/Inner Loop): इस व्यक्ति का एकमात्र काम डंडे को गिरने से बचाना है। वे तेज़ हैं, तुरंत प्रतिक्रिया देते हैं, और यदि डंडा थोड़ा सा भी झुकता है तो वे घबरा जाते हैं। उन्हें इस बात की परवाह नहीं है कि कार्ट कहाँ है; उन्हें बस इस बात की परवाह है कि डंडा सीधा रहे।
2. मैनेजर (बाहरी लूप/Outer Loop): यह व्यक्ति वर्कर को बताता है कि उसे कहाँ चलना है। यदि कार्ट को दाईं ओर 10 सेंटीमीटर चलने की आवश्यकता है, तो मैनेजर कहता है, "ठीक है, वहाँ जाओ।" लेकिन मैनेजर चलते समय संतुलन बनाए रखने के लिए वर्कर पर भरोसा करता है।

"कैस्केड" का अर्थ है कि मैनेजर वर्कर से बात करता है, और वर्कर मोटर से बात करता है। यह दो-चरणीय प्रक्रिया सिस्टम को स्थिर रखने में मदद करती है।

दो परीक्षण: वीडियो गेम बनाम वास्तविक दुनिया

टीम ने इस विचार का परीक्षण दो तरीकों से किया:

1. सिमुलेशन (एक आदर्श वीडियो गेम)
सबसे पहले, उन्होंने एक कंप्यूटर प्रोग्राम (सिमुलिंक) में कार्ट का एक डिजिटल संस्करण बनाया। इस "वीडियो गेम" की दुनिया में कोई धूल, घर्षण (friction) या कांपते हाथ नहीं हैं।

• परिणाम: डिजिटल कार्ट ने पूरी तरह से संतुलन बनाया। यह लक्ष्य स्थान पर पहुँचा, और डंडा सीधा रहा। यह सुचारू और अनुमानित था, जैसे किसी अच्छी तरह से कोड किए गए वीडियो गेम में कोई पात्र।

2. प्रयोग (वास्तविक जीवन का बिखराव)
इसके बाद, उन्होंने एक अरुडिनो (एक छोटा कंप्यूटर), एक मोटर और सेंसर का उपयोग करके एक भौतिक रोबोट बनाया।

• रियलिटी चेक: वास्तविक जीवन अव्यवsted है। पहियों में घर्षण था, सेंसर थोड़े शोर वाले थे (जैसे रेडियो में स्टैटिक होता है), और मोटर ठीक उसी तरह प्रतिक्रिया नहीं दे रही थी जैसा गणित ने भविष्यवाणी की थी।
• परिणाम: रोबोट ने संतुलन बना लिया, जो कि एक सफलता थी! हालाँकि, यह कंप्यूटर मॉडल की तुलना में अलग व्यवहार कर रहा था। "मैनेजर" और "वर्कर" को अलग तरह से ट्यून करना पड़ा। उदाहरण के लिए, कंप्यूटर में, उन्होंने कार्ट को पीछे ले जाने के लिए नकारात्मक संख्याओं का उपयोग किया, लेकिन भौतिक रोबोट के सॉफ़्टवेयर को नकारात्मक संख्याएँ समझ नहीं आईं, इसलिए उन्हें एक वैकल्पिक तरीका खोजना पड़ा।

उन्होंने जो समस्याएँ पाईं

भले ही रोबोट काम कर गया, लेकिन शोधकर्ताओं को कुछ बाधाओं का सामना करना पड़ा:

• "बहुत हल्का" डंडा: उनके पहले सेटअप में, डंडा बहुत हल्का (जैसे पंख) था। जब उन्होंने इसे थोड़ा सा धक्का दिया (एक विक्षोभ/disturbance), तो रोबोट रिकवर नहीं कर सका। यह अपनी उंगली पर पंख को संतुलित करने की कोशिश करने जैसा था जबकि कोई उस पर फूँक मार रहा हो; यह बहुत संवेदनशील है।
• छोटा गलियारा: जब रोबलेट ने भारी डंडे के साथ संतुलन बनाने या धक्का लगने के बाद संभलने की कोशिश की, तो उसे कार्ट को आगे-पीछे बहुत अधिक चलाने की आवश्यकता थी। जो ट्रैक उन्होंने बनाया था वह बहुत छोटा था। कार्ट रेल के अंत से टकरा गया इससे पहले कि वह संतुलन बनाना पूरा कर पाता।
• "ओवरशूट" (लक्ष्य से आगे निकल जाना): कभी-कभी, जब कार्ट को किसी नए स्थान पर जाना होता था, तो वह लक्ष्य से आगे निकल जाता था और उसे वापस आना पड़ता था, जैसे कोई कार स्टॉप साइन पर रुकते समय बहुत देर से ब्रेक लगाती है।

बेहतर समाधान: "स्मार्ट मैनेजर" (LQR)

"ओवरशूट" को ठीक करने और धक्कों से उबरने की कठिनाई को दूर करने के लिए, उन्होंने "वर्कर" (एंगल कंट्रोलर) को LQR नामक एक अधिक उन्नत एल्गोरिदम के साथ बदलने की कोशिश की।

• उपमा: यदि PID कंट्रोलर सख्त नियमों का पालन करने वाला एक वर्कर है, तो LQR एक ऐसा वर्कर है जो "आगे की सोच" सकता है। यह गणना करता है कि संतुलन और गति को एक साथ सबसे कुशल तरीके से कैसे प्रबंधित किया जाए।
• परिणाम: इस नए सेटअप ने अत्यधिक झूलने (overshoot) को कम किया और विक्षोभों (disturbances) को संभालने में मदद की, हालांकि इसे पूरी तरह से काम करने के लिए अभी भी एक लंबे ट्रैक की आवश्यकता थी।

निष्कर्ष

शोध पत्र यह निष्कर्ष निकालता है कि हालांकि सरल "मैनेजर और वर्कर" (कैस्केड PID) दृष्टिकोण डंडे को सीधा रखने के लिए अच्छा काम करता है, लेकिन इसकी सीमाएँ हैं।

• यह भारी विक्षोभों के साथ संघर्ष करता है जब तक कि डंडा पर्याप्त भारी न हो।
• इसे अपना काम करने के लिए एक लंबे ट्रैक की आवश्यकता होती है।
• वास्तविक दुनिया के रोबोट कंप्यूटर सिमुलेशन की तुलना में अधिक जटिल होते हैं, इसलिए आपको उन्हें अलग तरह से ट्यून करना पड़ता है।
• संतुलन वाले हिस्से के लिए स्मार्ट गणित (जैसे LQR) का उपयोग करने से पूरा सिस्टम अधिक सुचारू और कुशल हो जाता है।

संक्षेप में: उन्होंने साबित किया कि आप दो-चरणीय नियंत्रण प्रणाली का उपयोग करके चलते हुए कार्ट पर डंडे को संतुलित कर सकते हैं, लेकिन वास्तविक जीवन के लिए एक साधारण कंप्यूटर सिमुलेशन की तुलना में अधिक स्थान, भारी डंडे और कभी-कभी स्मार्ट एल्गोरिदम की आवश्यकता होती है।