Artificial muscles are materials or devices that changes shape with a stimulus. These biological inspired actuators are getting popular because of their advantages over conventional actuators, such as electric motors, hydraulic and pneumatic cylinders. Pneumatic artificial muscles, for example, have several advantages over conventional actuators, such as the compliance, actuation flexibility and high power-to-weight ratio, and also have the flexibility to be constructed without conductive and/or ferromagnetic materials. These characteristics makes artificial muscles suitable for many applications where conventional actuators cannot be used or have limited performance, as in high electric and/or magnetic field environments such as inside magnetic resonance imaging or explosion risk environments. However, pneumatic artificial muscles usage is limited because of the complexity of its implementation. Furthermore, designing and controlling a system actuated by artificial muscles have never been done with totally Magnetic Resonance Imaging compatible materials and sensors. To improve the applicability of pneumatic muscles, this thesis develops a methodology for designing, sensing and controlling devices for electromagnetic risk applications. And, to address the control problem, an optimal control approach is used, considering several optimization algorithms to tune the controller, in a simulated environment or in an experimental environment. In this way, parameter tuning can be customized to each specific application, translating its requirements to an objective function. A new optimization algorithm is proposed and used to tune the parameters of the controller, resulting in a 48.15% shorter learning time and a 8% improvement on parameter quality compared to Bayesian Optimization, a state-of-the-art stochastic optimization algorithm.

Músculos artificiais são materiais ou dispositivos que mudam de forma com um estímulo. Esses atuadores bioinspirados estão se tornando populares pelas suas vantagens sobre atuadores convencionais, como motores elétricos e cilindros hidráulicos e pneumáticos. Os músculos artificias pneumáticos, por exemplo, possuem diversas vantagens em relação aos atuadores convencionais como a complacência, flexibilidade de atuação e alta razão de potência-peso, além de permitirem uma fabricação livre de materiais condutores de energia elétrica e ferromagnéticos. Estas características os tornam aptos para aplicações onde atuadores convencionais não podem ser utilizados ou teriam sua performance limitada, como é o caso de ambientes de ressonância magnética, com risco de explosão e com presença de campos elétricos intensos. Contudo, a utilização dos músculos artificiais pneumáticos é limitada pela complexibilidade de sua implementação, dado pelo seu comportamento altamente não linear. Além disso, um sistema atuado por músculos artificiais pneumáticos nunca foi construído com materiais totalmente compatíveis com ambientes de ressonância magnética, por exemplo. Para contribuir no avanço da utilização dos músculos pneumáticos, esta tese desenvolve uma metodologia para o projeto, sensoriamento e controle de dispositivos para aplicações de risco eletromagnético. Para endereçar o problema do controle, uma abordagem de controle ótimo é utilizada, considerando diversos algoritmos de otimização para ajuste do controlador, tanto em ambiente simulado, como em ambiente experimental. Desta forma, o ajuste dos parâmetros pode ser feito de maneira customizada para cada aplicação traduzindo-se os requisitos para uma função objetivo a ser otimizada. Um novo algoritmo de otimização foi proposto e utilizado para sintonizar os parâmetros do controlador, resultando em um aprendizado 48,15% mais rápido e uma melhora de 8% na qualidade dos parâmetros, comparado à Otimização Bayesiana, um algoritmo considerado estado da arte para otimizações estocásticas.