This thesis performs closed-loop control of a 3D printed soft bending actuator with feedback from a 3D printed strain sensor. This process utilizes the Finite Element Method (FEM) to design a bellow type pneumatic bending actuator that can handle pressures up to 4 bar. The developed actuator is produced with a Fused Deposition Modeling (FDM) 3D printer method with the elastic filament NinjaFlex. Soft sensors are 3D printed with the conductive filament Eel and their strain-resistive performance in hysteresis, linearity, and repeatability are investigated by testing 3D printed sensors with different shapes. The optimal sensor design is then selected and applied onto the soft actuator and the resistance signal from the sensor is used as the shape feedback signal for the soft actuator. Two different controllers are applied for the shape control of the soft actuator using the feedback from the sensor and the controller performance is compared experimentally. A gripper composed of three closed-loop controlled soft actuators is developed to perform complex grasping tasks. / Denna avhandling konstruerar ett 3D-skrivet mjukt ställdon som återkopplas med en 3D-skriven böjsensor. Arbetet använder Finita Elementmetoden (FEM) för att skapa ett böjande bälgställdon som klarar av 4 bar av lufttryck. Det framtagna ställdonet är tillverkad av det elastiska filamentet NinjaFlex med 3D-skrivarmetoden Smält Deponeringsmodellering (FDM). Dem mjuka sensorerna är 3D-skrivna med det elektriskt ledande filamentet Eel. Sensorernas ansträgning-resistiva prestanda med avseende på hysteres, linjäritet, och repeterbarhet är undersökta genom att utföra experiment med olika former. Den optimala sensorformen är sedan applicerad på det mjuka ställdonet och dess resistiva signal från sensorn används för återkoppling av det mjuka ställdonets böjning. Med den applicerade sensorn utvärderas två olika kontrollmetoder för att kontrollera böjningen av det mjuka ställdonet, kontrollmetodernas prestanda jämförs sedan experimentellt. Ett gripdon som består av tre återkopplade, mjukaställdon är sedan konstruerad för att utföra komplexa grepp.

n recent years, there has been a surge in interest and research into the utilisation of soft actuators within the field of robotics, driven by the novel capabilities of their inherently compliant material. One such actuator is the Pneumatic Artificial Muscle (PAM) which offers a high power-to-mass ratio, compliance, safety, and biological mimicry when compared to their traditional counterparts. However, because of their flexible and complex physical structure and the compressibility of air inside the PAM, they exhibit nonlinear dynamic behaviour, largely due to the influence of the hysteresis phenomenon. In order to implement strategies to counteract this effect, it first needs to be modelled. As such, this thesis investigates two approaches, namely the Maxwell-Slip (MS) and generalised Bouc-Wen (BW) models. Firstly, the test muscle's initial braid angle, maximum displacement, and maximum force are determined to establish the static force using a modified model. Data is then collected on the PAM's force-displacement hysteresis for 2-6 bar of pressure. Using the results from these experiments, the MS and BW model parameters are identified through optimisation. With the static and hysteresis force components characterised, two complete dynamic models are created. The findings show that, when compared to the collected force-displacement data, the BW model has greater accuracy for all pressures except at 4 bar, although both approaches demonstrate results within a satisfactory margin. Lastly, a model validation is conducted to compare the models using a new dataset, separate from the one on which they were trained. Data for this test is recorded at a pressure of 4 bar with a more complex reference that covers four different regions of the muscle's displacement range. Thereafter, both dynamic models are applied to assess their performance. It is evident from the results that the BW model produces a better outcome than the MS, achieving a normalised error of 5.3746% as compared to the latter's 12.835%. The higher accuracy of the generalised BoucWen method is likely due to it having a more complex structure, specialised parameters, and the ability to model asymmetric hysteresis. The Maxwell-Slip model may however still be preferable in some applications due to its relative simplicity and faster optimisation. / Under de senaste åren har intresset och forskningen ökat kring användningen av mjuka ställdon inom robotik, drivet av den innovativa potentialen som erbjuds av egenskaperna hos deras naturligt flexibla material. Ett sådant ställdon är den Pneumatiska Artificiella Muskeln (PAM) som erbjuder hög kraft i förhållande till vikten, elasticitet, säkerhet och biologisk imitation jämfört med dess traditionella motsvarigheter. Trots dessa fördelar så uppvisar PAM:s ett icke-önskvärt olinjärt dynamiskt beteende, till stor del på grund av deras flexibla och komplexa fysiska struktur samt kompressibiliteten av luft inuti PAM:en. Dessa olinjäriteter orsakar hysteresfenomenet i muskeln. För att implementera strategier för att kunna motverka denna effekt så måste den först modelleras. Till följd därav så undersöker denna avhandling två tillvägagångssätt, nämligen Maxwell-Slip (MS) och den generaliserade Bouc-Wen (BW) modellen. Inledningsvis identifieras testmuskelns initiala flätvinkel, maximala förskjutning och maximala kraft för att fastställa den statiska kraften med hjälp av en modifierad modell. Data samlas sedan in på PAM:ens kraft-förskjutningshysteres för 2-6 bar av tryck. Med hjälp av resultaten från dessa experiment identifieras MS- och BW-modellparametrarna genom optimering. Med de statiska och hystereskraftskomponenterna karakteriserade kan två kompletta dynamiska modeller framkallas. Resultaten visar att jämfört med den insamlade kraft-förskjutningsdatan har BW-modellen en större noggrannhet för alla tryck förutom vid 4 bar, men båda metoderna uppvisar resultat som är inom en godtagbar marginal. Slutligen genomförs en modellvalidering för att jämföra modellerna med hjälp av ett nytt dataset, annorlunda från den som de tränades på. Datan för detta test mäts vid ett tryck på 4 bar med en mer komplex referens som täcker fyra olika regioner av muskelns förskjutningsområde. Därefter tillämpas båda dynamiska modellerna för att bedöma deras prestanda. Det är uppenbart från resultaten att BW-modellen ger ett bättre resultat än MS-modellen, och uppnår ett normaliserat fel på 5,3746% jämfört med den sistnämndas 12,835%. Den högre noggrannheten hos den generaliserade Bouc-Wen-metoden beror sannolikt på att den har en mer komplex struktur, specialiserade parametrar och förmågan att modellera asymmetrisk hysteres. Maxwell-Slipmodellen kan däremot ändå vara att föredra i vissa sammanhang på grund av dess relativa simplicitet och snabbare optimering