气动人工肌肉（PAM）作为模拟人体运动的有潜力的执行器，近年来在机器人、康复和假肢等领域得到广泛应用。然而，由于其非线性特性，PAM系统的运动轨迹控制一直面临挑战。
近日，一组研究人员提出了一项创新的自适应模糊滑模控制器的方法，通过模糊逻辑来估计PAM系统的控制参数，从而显著提高了其运动精度和适应性。
PAM通常由橡胶制成，表面覆盖编织纱线，可以模仿人体肌肉的特性，当充气时，PAM会变硬并收缩；当放气时，会变软并伸展。然而，PAM是非线性系统，存在延迟，因此需要有效的控制系统来调节其性能。
传统控制方法在处理PAM系统的非线性和滞后现象方面存在一定局限性，因此需要新的解决方案。该研究团队由日本芝浦理工学院工程学院副教授Ngoc-Tam BUI和河内大学的Quy-Thinh Dao博士领导，他们提出了AFSMC方法，该方法利用Takagi-Sugeno模糊算法来估计扰动并自动更新输出值，从而实现更好的运动跟踪和适应性。
在研究中，团队首先设计了带有控制信号的滑模控制器，其中引入特殊变量以估计扰动并提升控制性能，随后通过自适应法则，创造了自适应模糊算法，用于自动更新分量规则参数向量，以计算扰动变量。
通过对所开发的AFSMC算法的Lyapunov稳定性条件进行分析，研究人员验证了其稳定性。此外，一系列实验表明，与传统滑模控制方法相比，AFSMC方法在运动跟踪精度方面表现更佳。在负载频率为0.5赫兹时，AFSMC方法的均方根误差值仅为2.68°，而传统滑模控制器则为4.21°。此外，AFSMC方法还表现出卓越的适应性，能够有效应对突然的外部干扰。
研究人员认为，这一创新方法有望应用于机器人康复设备、辅助装置和个性化治疗，为康复需求的患者带来精准治疗效果。此外，该方法还有助于先进假肢的设计和开发，增强其功能和康复效果。
虽然这项研究为PAM系统的运动轨迹控制奠定了基础，但研究团队希望这一成果能够激发康复技术领域进一步的探索和发展。据Ngoc-Tam BUI副教授表示，根据研究结果，未来5到10年内可能会出现基于PAM的商业康复系统，为脊髓损伤、中风等康复需求的患者带来显著好处。这一研究的长期影响有望推动康复技术的不断创新和进步。
