Reporte Proyecto Final V - Impr

Universidad Politcnica de Quertaro
Ingeniera Mecatrnica Control Inteligente
Robot SCARA controlado a partir de una RNA
INTRODUCCIN
Durante los ltimos aos se han visto con asombro el desarrollo de sistemas capaces de realizar tareas donde la seguridad del ser humano es fundamental. As mismo, los avances tecnolgicos imponen nuevos retos que deben ser resueltos de forma apropiada. El sector industrial ha promovido la adopcin de nuevas tecnologas y ha permitido aplicar y desarrollar nuevos sistemas a distintas reas donde la seguridad, repetitividad y confiabilidad es primordial, dichos sistemas por lo regular son llamados robots y su control ha llegado a tal grado que por ejemplo, si tuviramos
que definir la principal caracterstica que nos separa del resto de animales seguramente, la gran mayora de nosotros, responderamos la capacidad de raciocinio mima que nos ha permitido desarrollar una tecnologa propia de tal manera que, en estos momentos la tecnologa neural trata de reproducir el proceso de solucin de problemas del cerebro. As como los humanos aplican el conocimiento ganado con la experiencia a nuevos problemas o situaciones, una red neuronal toma como ejemplos problemas resueltos para construir un sistema que toma decisiones y realiza clasificaciones. Los clsicos sistemas de computacin secuencial, son exitosos en la resolucin de problemas matemticos o cientficos, en la creacin, manipulacin y mantenimiento de bases de datos, en comunicaciones electrnicas, en el procesamiento de textos, grficos y auto edicin, incluso en funciones de control de electrodomsticos, hacindolos ms eficientes y fciles de usar, pero definitivamente tienen una gran incapacidad para interpretar el mundo. El desarrollo de nuevos sistemas de tratamiento de la informacin, que permitan solucionar problemas cotidianos, tal como lo hace el cerebro humano; debe contar con varias caractersticas deseables para cualquier sistema de procesamiento digital, como: 1. Ser robusto y tolerante a fallas, diariamente mueren neuronas sin afectar su desempeo. 2. Ser flexible, se ajusta a nuevos ambientes por aprendizaje, no hay que programarlo. 3. Poder manejar informacin difusa, con ruido o inconsistente. 4. Ser altamente paralelo 5. Ser pequeo, compacto y consume poca energa. La teora de las RNA ha brindado una alternativa a la computacin clsica, para aquellos problemas, en los cuales los mtodos tradicionales no han entregado resultados muy convincentes, o poco convenientes. Las aplicaciones ms exitosas de las RNA son: 1. Procesamiento de imgenes y de voz 2. Reconocimiento de patrones 1

3. Planeamiento 4. Interfaces adaptivas para sistemas Hombre/mquina 5. Prediccin 6. Control y optimizacin 7. Filtrado de seales
Los sistemas de computo tradicional procesan la informacin en forma secuencial; un computador serial consiste por lo general de un solo procesador que puede manipular instrucciones y datos que se localizan en la memoria, el procesador lee, y ejecuta una a una las instrucciones en la memoria; este sistema serial es secuencial, todo sucede en una sola secuencia determinstica de operaciones. Las RNA no ejecutan instrucciones, responden en paralelo a las entradas que se les presenta. El resultado no se almacena en una posicin de memoria, este es el estado de la red para el cual se logra equilibrio. El conocimiento de una red neuronal no se almacena en instrucciones, el poder de la red est en su topologa y en los valores de las conexiones (pesos) entre neuronas.

RESUMEN
En este trabajo se presenta el diseo e implementacin de un prototipo de robot tipo SCARA y de su respectivo control de red neuronal artificial para su posicionamiento final, su velocidad de desplazamiento se respalda a travs de un PWM en los motores de corriente directa mientras que un driver acondicionado a cada motor nos permite la inversin de giro en los motores. En sntesis el tema principal del trabajo es el diseo y control de un robot SCARA. El desarrollo del trabajo se divide en tres partes o captulos. En el primer capitulo se definen a nivel general los componentes del sistema, es decir, las bases tericas necesarias para el estudio en s del proyecto. En la segunda parte se presentan los componentes especficos del sistema para el diseo, es decir, la ficha tcnica de estos. Y en la ltima parte se muestra la esencia del trabajo, se especifica el desarrollo de la ingeniera como tal, para el diseo e implementacin de la red neuronal artificial.

OBJETIVOS
GENERALES
Disear, desarrollar e implementar una red neuronal artificial con la finalidad de controlar la posicin y velocidad de desplazamiento del efector final de un robot tipo SCARA de tres grados de libertad.
ESPECFICOS
Aplicar los conceptos obtenidos durante el curso de Robtica II, Diseo macarrnico II y Control Inteligente. Disear y validar la estructura mecnica del robot usando como herramienta el software Solidworks
Disear, desarrollar e implementar un control de red neuronal artificial para la posicin y movimiento de los brazos en el robot tipo SCARA.
Validar el correcto funcionamiento del control a travs de pruebas.

PLANTEAMIENTO DEL PROBLEMA
En la industria la aplicacin de los robots ha ido en aumento debido a las diferentes necesidades en las operaciones desempeadas por el hombre en donde los robots han sido de vital importancia para el desarrollo de la industria. Uno de los problemas actuales en la robtica es la manipulacin de velocidad, precisin y posicin cuando se aplica control en la cinemtica de los robots, con esto se quiere decir que los problemas mas frecuentes encontrados en la industria es el cambio, seleccin y velocidad en que las trayectorias que idealmente debe seguir el robot teniendo en cuenta sus limitaciones cuando quiere ajustarse lo mejor posible a las especificaciones del movimiento segn la aplicacin. En la prctica, este ajuste de movimiento del robot a las especificaciones dadas no es del para nada imposible o con alto grado dificultad, es simplemente un campo en el que no se han explotado al mximo las numerosas maneras de resolver dicha situacin, algunos de los obstculos por as decirlo es el conocimiento o poca atencin en las caractersticas dinmicas del robot (inercia, rozamiento, holguras, etc.), lo que en ocasiones entorpece el control del robot, no obstante esto quiere decir que el control es dependiente de la estructura del robot pero no imposible de realizar siempre y cuando se conozcan las caractersticas de este, es por eso que en esta ocasin se decidi desarrollar un control de posicionamiento y de velocidad de desplazamiento del efector final en un prototipo de robot tipo SCARA de tres grados d libertad.

JUSTIFICACIN
La utilizacin del control dinmico mediante una red neuronal artificial para un robot SCARA mejorara la velocidad y precisin de la trayectoria del robot ya que las redes neuronales daran el ajuste necesario para trabajar en ptimas condiciones dando solucin a posibles perturbaciones presentes. Adems las RNA son un control que proporcionaran ventajas como: Aprendizaje adaptativo: lo necesario es aplicar un buen algoritmo y disponer de patrones (pares) de entrenamiento. Auto-organizacin => conduce a la generalizacin Tolerancia a fallos: las redes pueden aprender patrones que contienen ruido, distorsin o que estn incompletos. Operacin en tiempo real: procesan gran cantidad de datos en poco tiempo. Facilidad de insercin en tecnologa ya existente.

VIABILIDAD ECONOMICA
BENEFICIOS ESPERADOS
A NIVEL MACROECONMICO
Contribuir a la reduccin de la fuga de capital teniendo disponible tecnologa y recursos nacionales universitarios de buena calidad, para as lograr la apertura de oportunidades y fuentes de empleo que las autoridades escolares y gubernamentales reconozcan.
A NIVEL MICROECONMICO
Poner a disposicin de la comunidad estudiantil tecnologa de uso didctico de calidad a un buen costo; promoviendo a su ves que el sector educativo tenga un mayor inters por el desarrollo tecnolgico nacional, para que a su vez sea implementada al ser egresados en las industrias o campos cientficos.
A NIVEL PERSONAL
Llevar a la prctica los conocimientos adquiridos en clase resolviendo problemas prcticos que en el saln de clase no se presentan. Tener la oportunidad de conocer la aplicacin industrial del proyecto adems de tener la oportunidad de lograr introducir el proyecto dentro de una empresa y lograr que las empresas se interesen por los proyectos realizados dentro de la Universidad. Comprender todos los procesos administrativos que dentro de una empresa se llevan a cabo para que sta trabaje correctamente obteniendo una visin ms amplia de la situacin econmica y tecnolgica del pas. Igualmente teniendo una alternativa para poder formar una empresa y lograr ser independientes.

ANLISIS COSTO BENEFICIO
COSTO DE PRODUCCIN UNITARIO

Es el costo que adquiere el producto terminado, consecuencia de la suma de todos los costos de los materiales utilizados en su fabricacin. El costo de produccin unitario se fija a partir de la siguiente frmula:
Sustituyendo valores se tiene lo siguiente: CP= 75000 + 200000 + 12000 + 5000 El costo unitario de produccin por unidad semestral es de: CPmensual = 30000
FIJACIN DEL PRECIO DE VENTA

Para la fijacin del precio de venta se toma en cuenta un 35% de ganancia, por lo que se tiene lo siguiente: CV = (1.35)(30000) CV = 40500
El clculo anterior fue basado bajo los siguientes costos invertidos en material:

Lista De Material Cantidad 1 4 4 2 2 1 2 2 2 1 1 2 1 1 2 1 2 1 1 m. 1 m. Nombre del Material Placa De Aluminio 450x750 Patas de aluminio 100x10x10 Placas De aluminio 65x150 Brazos de Aluminio 250x10x60 Placas de aluminio 60x14x30 Placa de aluminio 60x5x30 Join de acero Bases de Balero de aluminio Separadores de aluminio Base de Motor de aluminio Base de aluminio Barras Gua Esparrago Tuerca Acme 1/2 Valeros Servo Driver Motores con Encoder 131:1 Motor 99:1 Cubre cable Cubre Cable Precio $ 1300 120 230 1300 850 150 430 440 310 360 300 130 230 100 400 450 2000 1200 12 16 9

4 1 30 m.
Sensores pticos Caja de Cables Steren Cable c20 Tornillera (varios)
245 270 400 760 2200 190 90 60 300 300 17 5 31 9 18 33 10 23 70 70 340 150 550 10
Mbed Resistencias (Varios)
10 9
Xfet Optoacopladores Terminales hembra macho (Varios)
3 2 3 9 1 3 4 1 1 6 6 1 1 3
Placas de Circuito Trimpod Leds Bases para optoacoplador Compuerta Not Bases para Not Terminales pasamuros Switch Conector pasamuros Mini-USB Tiras de Headers Hembra Tiras de Headers Macho Fuente de Poder Cable USB MiniUSB Moto drive

1 1 1 2
Cable Serial-USB Mdulo de Comunicacin Serial Soporte de Fuente de poder Cooler Tuercas (varios)
532 150 225 66 378 140 120 324 400 700
1 1 15 m.
Soldadura Lata de pasta Termofit Lijas (Varios) Brocas (varios)
11

MARCO TERICO
CINEMTICA DEL ROBOT La cinemtica del robot estudia el movimiento del mismo con respecto a un sistema de referencia. As, la cinemtica se interesa por la descripcin analtica del movimiento espacial del robot como una funcin del tiempo, y en particular por las relaciones entre la posicin y la orientacin del extremo final del robot con los valores que toman sus coordenadas articulares. Existen dos problemas fundamentales para resolver la cinemtica del robot, el primero de ellos se conoce como el problema cinemtico directo, y consiste en determinar cual es la posicin y orientacin del extremo final del robot, con respecto a un sistema de coordenadas que se toma como referencia, conocidos los valores de las articulaciones y los parmetros geomtricos de los elementos del robot, el segundo denominado problema cinemtico inverso resuelve la configuracin que debe adoptar el robot para una posicin y orientacin del extremo conocidas Denavit y Hartenberg propusieron un mtodo sistemtico para descubrir y representar la geometra espacial de los elementos de una cadena cinemtica, y en particular de un robot, con respecto a un sistema de referencia fijo. Este mtodo utiliza una matriz de transformacin homognea para descubrir la relacin espacial entre dos elementos rgidos adyacentes, reducindose el problema cinemtico directo a encontrar una matriz de transformacin homognea 4 X 4 que relacione la localizacin espacial del robot con respecto al sistema de coordenadas de su base. Por otra parte, la cinemtica del robot trata tambin de encontrar las relaciones entre las velocidades del movimiento de las articulaciones y las del extremo. Esta relacin viene dada por el modelo diferencial expresado mediante la matriz Jacobina. La Tabla 1.1 muestra el cuadro Comparativo Entre Cinemtica Directa e Inversa.
12

Tabla 1.1
El movimiento relativo en las articulaciones resulta en el movimiento de los elementos que posicionan la mano en una orientacin deseada. En la mayora de las aplicaciones de robtica, se esta interesado en la descripcin espacial del efector final del manipulador con respecto a un sistema de coordenadas de referencia fija. La cinemtica del brazo del robot trata con el estudio analtico de la geometra del movimiento de un robot con respecto a un sistema de coordenadas de referencia fijo como una funcin del tiempo sin considerar las fuerzas-momentos que originan dicho movimiento. As pues, trata con la descripcin analtica del desplazamiento espacial del robot como funcin del tiempo, en particular las relaciones entre variables espaciales de tipo de articulacin y la posicin y orientacin del efector final del robot. CINEMTICA DIRECTA
EL PROBLEMA CINEMTICO DIRECTO:
Se utiliza fundamentalmente el lgebra vectorial y matricial para representar y describir la localizacin de un objeto en el espacio tridimensional con respecto aun sistema de referencia fijo. Dado que un robot puede considerar como una cadena cinemtica formada por objetos rgidos o eslabones unidos entre s mediante articulaciones, se puede establecer un sistema de referencia fijo situado en la base del robot y describir la localizacin de cada uno de los eslabones con respecto a dicho sistema de referencia. De esta forma, el problema cinemtico directo se reduce a encontrar una matriz homognea de transformacin T que relacione la posicin y orientacin del extremo del robot respecto del sistema de referencia fijo situado en la base del mismo. Esta matriz T ser funcin de las coordenadas articulares.
RESOLUCIN DEL PROBLEMA CINEMTICO DIRECTO MEDIANTE LAS MATRICES DE TRANSFORMACIN HOMOGNEA
La resolucin del problema cinemtico directo consiste en encontrar las relaciones que permiten conocer la localizacin espacial del extremo del robot a partir de los valores de sus coordenadas articulares. As, si se han escogido coordenadas cartesianas y ngulos 13

de Euler para representar la posicin y orientacin del extremo de un robot de seis grados de libertad, la solucin al problema cinemtico directo vendr dada por las relaciones:
La obtencin de estas relaciones no es en general complicada, siendo incluso en ciertos casos (robots de pocos grados de libertad) fcil de encontrar mediante simples consideraciones geomtricas. Por ejemplo, para el caso de un robot con 2 grados de libertad como el que se muestra en la Fig. No. 1.1, es fcil comprobar que:
Ecuacin 1.7 Ecuacin 1.8
Para robots de ms grados de libertad puede plantearse un mtodo sistemtico basado en la utilizacin de las matrices de transformacin homognea. En general, un robot de n grados de libertad esta formado por n eslabones unidos por n articulaciones, de forma que cada par articulacin-eslabn constituye un grado de libertad. A cada eslabn se le puede asociar un sistema de referencia solidario a l y, utilizando las transformaciones homogneas, es posible representar las rotaciones y traslaciones relativas entre los distintos eslabones que componen el robot.
14

Fig. 1.1 Robot planar de 2 grados de libertad Normalmente, la matriz de transformacin homognea que representa la posicin y orientacin relativa entre los sistemas asociados a dos eslabones consecutivos del robot se le suele denominar i [(i 1) 1/ i A] . As pues, describe la posicin y orientacin describe la posicin y orientacin del sistema de referencia solidario al primer eslabn con respecto al sistema de referencia solidario a la base, describe la posicin y orientacin del segundo eslabn respecto del primero, etc. Del mismo modo, denominando, a las matrices resultantes del producto de las matrices con i desde 1 hasta k, se puede representar de forma total o parcial la cadena cinemtica que forma el robot. As, por ejemplo, la posicin y orientacin del sistema solidario con el segundo eslabn del robot con respecto al sistema de coordenadas de la base se puede expresar mediante la matriz
Ecuacin 1.9
De manera anloga, la matriz 3A0 representa la localizacin del sistema del tercer eslabn:
Ecuacin 1.10
Cuando se consideran todos los grados de libertad, a la matriz 0An se le suele denominar T. As, dado un robot de seis grados de libertad, se tiene que la posicin y orientacin del eslabn final vendr dada por la matriz T:
Ecuacin 10 .11
Aunque para descubrir la relacin que existe entre dos elementos contiguos se puede hacer uso de cualquier sistema de referencia ligado a cada elemento, la
15

forma habitual que se suele utilizar en robtica es la representacin de DenavitHartenberg. Segn la representacin D-H, escogiendo adecuadamente los sistemas de coordenadas asociados para cada eslabn, ser posible pasar de uno al siguiente mediante cuatro transformaciones bsicas que dependen exclusivamente de las caractersticas geomtricas del eslabn. Estas transformaciones bsicas consisten en una sucesin de rotaciones y traslaciones que permitan relacionar el sistema de referencia del elemento i con el sistema del elemento i-1. Las transformaciones en cuestin son las siguientes: Rotacin alrededor del eje Zi-1 un ngulo i Traslacin a lo largo de Zi-1 una distancia di; vector di (0,0, di). Traslacin a lo largo de Xi una distancia ai; vector ai (0, 0, ai). Rotacin alrededor del eje Xi, un ngulo. Dado que el producto de matrices no es conmutativo, las transformaciones se han de realizar en el orden indicado. De este modo se tiene que:
Ecuacin 1.12
Y realizando el producto de matrices:
Ecuacin 1.13
Donde (i, di, ai, i) son los parmetros D-H del eslabn i. De este modo, basta con identificar los parmetros ( i, di, ai, i), para obtener matrices A y relacionar as todos y cada uno de los eslabones del robot. Como se ha indicado, para que la matriz i-1Ai, relacione los sistemas (Si) y (Si-1), es necesario que los sistemas se hayan escogido de acuerdo a unas determinadas normas. Estas, junto con la definicin de los 4 parmetros de Denavit-Hartenberg, conforman el siguiente algoritmo para la resolucin del problema cinemtico directo.
16

ALGORITMO DE DENAVIT- HARTENBERG PARA LA OBTENCIN DEL MODELO.
A continuacin se definen cada uno de los parmetros necesarios para obtener las matrices homogneas: DH1.Numerar los eslabones comenzando con 1 (primer eslabn mvil d la cadena) y acabando con n (ultimo eslabn mvil). Se numerara como eslabn 0 a la base fija del robot. DH2.Numerar cada articulacin comenzando por 1 (la correspondiente al primer grado de libertad y acabando en n). DH3.Localizar el eje de cada articulacin. Si esta es rotativa, el eje ser su propio eje de giro. Si es prismtica, ser el eje a lo largo del cual se produce el desplazamiento. DH4.Para i de 0 a n-1, situar el eje Zi, sobre el eje de la articulacin i+1. DH5.Situar el origen del sistema de la base (S0) en cualquier punto del eje Z0. Los ejes X0 e Y0 se situaran d modo que formen un sistema dextrgiro con Z0. DH6.Para i de 1 a n-1, situar el sistema (Si) (solidario al eslabn i) en la interseccin del eje Zi con la lnea normal comn a Zi-1 y Zi. Si ambos ejes se cortasen se situara (Si) en el punto de corte. Si fuesen paralelos (Si) se situara en la articulacin i+1. DH7.Situar Xi en la lnea normal comn a Zi-1 y Zi. DH8.Situar Yi de modo que forme un sistema dextrgiro con Xi y Zi. DH9.Situar el sistema (Sn) en el extremo del robot de modo que Zn coincida con la direccin de Zn-1 y Xn sea normal a Zn-1 y Zn. DH10.Obtener i como el ngulo que hay que girar en torno a Zi-1 para que Xi1 y Xi queden paralelos. DH11.Obtener Di como la distancia, medida a lo largo de Zi-1, que habra que desplazar (Si-1) para que Xi y Xi-1 quedasen alineados. DH12.Obtener Ai como la distancia medida a lo largo de Xi (que ahora coincidira con Xi-1) que habra que desplazar el nuevo (Si-1) para que su origen coincidiese con (Si). DH13.Obtener ai como el ngulo que habra que girar entorno a Xi (que ahora coincidira con Xi-1), para que el nuevo (Si-1) coincidiese totalmente con (Si). DH14.Obtener las matrices de transformacin i-1Ai. DH15.Obtener la matriz de transformacin que relaciona el sistema de la base con el del extremo del robot T = 0Ai, 1A2... n-1An. Ecuacin 1.14
17

DH16.La matriz T define la orientacin (submatriz de rotacin) y posicin (submatriz de traslacin) del extremo referido ala base en funcin de las n coordenadas articulares
Fig.1.2. Parmetros D-H Para un Eslabn Giratorio. Los cuatro parmetros de D-H ( i, di, ai, ii) dependen nicamente de las caractersticas geomtricas de cada eslabn y de las articulaciones que le unen con el anterior y siguiente. i: Es el ngulo que forman los ejes Xi-1 y Xi medido en un plano perpendicular al eje Zi-1, utilizando la regla de la mano derecha. Se trata de un parmetro variable en articulaciones giratorias. di: Es la distancia a lo largo del eje Zi-1 desde el origen del sistema de coordenadas (i-1)- esimo hasta la interseccin del eje Zi-1 con el eje Xi. Se trata de un parmetro variable en articulaciones prismticas. ai: Es a la distancia a lo largo del eje Xi que va desde la interseccin del eje Zi-1 con el eje Xi hasta el origen del sistema i-esimo, en el caso de articulaciones giratorias. En el caso de articulaciones prismticas, se calcula como la distancia mas corta entre los ejes Zi-1 y Zi. i : Es el ngulo de separacin del eje Zi-1 y el eje Zi, medido en un plano perpendicular al eje Xi, utilizando la regla de la mano derecha. Una vez obtenidos los parmetros D-H, el clculo de las relaciones entre los eslabones consecutivos del robot es inmediato, ya que vienen dadas por las matrices A, que se calcula segn la expresin general. Las relaciones entre eslabones no consecutivos vienen dadas por las matrices T que se obtienen como producto de un conjunto de matrices A. Obtenida la matriz T, esta expresara la orientacin (submatriz (3x3) de rotacin) y posicin (submatriz (3x1) de traslacin) del extremo del robot en funcin de sus coordenadas articulares, con lo que quedara resuelto el problema cinemtico directo.
18

CINEMTICA INVERSA. El objetivo del problema cinemtico inverso consiste en encontrar los valores que deben adoptar las coordenadas articulares del robot q= (q1, q2,..., qn) exp. T para que su extremo se posicione y oriente segn una determinada localizacin espacial. As como es posible abordar el problema cinemtico directo de una manera sistemtica a partir de la utilizacin de matrices de transformacin homogneas, e independientemente de la configuracin del robot, no ocurre lo mismo con el problema cinemtico inverso, siendo el procedimiento de obtencin de las ecuaciones fuertemente dependiente de la configuracin del robot. Se han desarrollado algunos procedimientos genricos susceptibles de ser programados, de modo que un computador pueda, a partir del conocimiento de la cinemtica del robot (con sus parmetros de DH, por ejemplo) obtener la n-upla de valores articulares que posicionan y orientan su extremo. El inconveniente de estos procedimientos es que se trata de mtodos numricos iterativos, cuya velocidad de convergencia e incluso su convergencia en si no esta siempre garantizada. A la hora de resolver el problema cinemtico inverso es mucho ms adecuado encontrar una solucin cerrada. Esto es, encontrar una relacin matemtica explicita de la forma:
Ecuacin 1.15
k = 1...n (grados de libertad) Este tipo de solucin presenta, entre otras, las siguientes ventajas: En muchas aplicaciones, el problema cinemtico inverso ha de resolverse en tiempo real (por ejemplo, en el seguimiento de una determinada trayectoria). Una solucin de tipo iterativo no garantiza tener la solucin en el momento adecuado. Al contrario de lo que ocurra en el problema cinemtico directo, con cierta frecuencia la solucin del problema cinemtico inverso no es nica; existiendo diferentes n-uplas (q1,..., qn) exp T que posicionan y orientan el extremo del robot de mismo modo. En estos casos una solucin cerrada permite incluir determinadas reglas o restricciones que aseguren que la solucin obtenida sea la mas adecuada posible. No obstante, a pesar de las dificultades comentadas, la mayor parte de los robots poseen cinemticas relativamente simples que facilitan en cierta medida la resolucin de su problema cinemtico inverso. Por ejemplo si se consideran solo tres primeros grados de es, los tres primeros elementos quedan contenidos en un plano.
19

Esta circunstancia facilita la resolucin del problema. Asimismo, en muchos robots se da la circunstancia de que los tres grados de libertad ltimos, dedicados fundamentalmente a orientar el extremo del robot, correspondan a giros sobre los ejes que se cortan en un punto. De nuevo esta situacin facilita el calculo de la nupla (q1,...,qn) exp. T correspondiente a la posicin y orientacin deseadas. Por lo tanto, para los casos citados y otros, es posible establecer ciertas pautas generales que permitan plantear y resolver el problema cinemtico inverso de una manera sistemtica. Los mtodos geomtricos permiten tener normalmente los valores de las primeras variables articulares, que son las que consiguen posicionar el robot. Para ello utilizan relaciones trigonometras y geomtricas sobre los elementos del robot. Se suele recurrir a la resolucin de tringulos formados por los elementos y articulaciones del robot. Como alternativa para resolver el mismo problema se puede recurrir a manipular directamente las ecuaciones correspondientes al problema cinemtico directo. Es decir, puesto que este establece la relacin:
Ecuacin 1.16
Fig.1.3 Robot Planar Donde los elementos Tij son funciones de las coordenadas articulares (q1,..., qn) exp. T, es posible pensar que mediante ciertas combinaciones de las ecuaciones planteadas se puedan despejar las n variables articulares qi en funcin de las componentes de los vectores n, o, a y p. Por ultimo, si se consideran robots con capacidad de posicionar y orientar su extremo en el espacio, esto es, robots con 6 grados de libertad, el mtodo de
20

desacoplamiento cinemtico permite, para determinados tipos de robots, resolver los primeros grados de libertad, dedicados al posicionamiento, de una manera independiente a la resolucin de los ltimos grados de libertad, dedicados a la orientacin. Cada uno de estos dos problemas simples podr ser tratado y resuelto por cualquier procedimiento.
RESOLUCIN DEL PROBLEMA CINEMTICO INVERSO A PARTIR DE LA MATRIZ DE TRANSFORMACIN HOMOGNEA
En principio es posible tratar de obtener el modelo cinemtico inverso de un robot a partir del conocimiento de su modelo directo. Es decir, suponiendo conocidas las relaciones que expresan el valor de la posicin y orientacin del extremo del robot en funcin de sus coordenadas articulares, obtener por manipulacin de aquellas las relaciones inversas. Sin embargo, en la prctica esta tarea no es trivial siendo en muchas ocasiones tan compleja que obliga a desecharla. Adems, puesto que el problema cinemtico directo, resuelto a travs de Tij contiene en el caso de un robot de 6 grados de libertad 12 ecuaciones, y se busca solo 6 relaciones (una por cada grado de libertad), existir, necesariamente ciertas dependencias entre las 12 expresiones de partida con lo cual la eleccin de las ecuaciones debe hacerse con sumo cuidado. Se va a aplicar este procedimiento al robot de 3 grados de libertad de configuracin esfrica (2 giros y un desplazamiento) mostrado en la figura. El robot queda siempre contenido en un plano determinado por el ngulo q1.
Fig.1.4 Robot polar de 3 GDL El primer paso a dar para resolver el problema cinemtico inverso es obtener Tij correspondiente a este robot. Es decir, obtener la matriz T que relaciona el sistema de referencia (S0) asociado a la base con el sistema de referencia (S3) asociado a su extremo. La siguiente figura muestra la asignacin de sistemas de
21

referencia segn los criterios de DH con el robot situado en su posicin de partida (q1 = q2 = 0), y la tabla muestra los valores de los parmetros de DH. A partir de estos es inmediato obtener las matrices A y la matriz T. Obtenida la expresin de T en funcin de las coordenadas articulares (q1, q2, q3), y supuesta una localizacin de destino para el extremo del robot definida por los vectores n, o, a y p se podra intentar manipular directamente las 12 ecuaciones resultantes de T a fin de despejar q1, q2, y q3 en funcin de n, o, a y p.
Tabla 1.2 Parmetros D-H del robot polar de 3 GDL
Fig. 1.5 Asignacin de sistema de referencia del robot polar Sin embargo, este procedimiento directo es complicado, apareciendo ecuaciones trascendentes. En lugar de ello, suele ser ms adecuado aplicar el siguiente procedimiento: Puesto que: Ecuacin 1.17 Se tendr que:
22

Ecuacin 1.18 Ecuacin 1.19 Es conocida, los miembros a la izquierda en las expresiones anteriores, son funcin de las variables articulares (qk+1,...,qn). De modo, que la primera de las expresiones se tendr q1 aislado del resto de las variables articulares y tal vez ser posible obtener su valor sin la complejidad que se tendra abordando directamente la manipulacin de la expresin T. A su vez, una vez obtenida q1, la segunda expresin anterior (2A3), permitir tener el valor de q2 aislado respecto de q3. Por ultimo, conocidos q1 y q2 se podr obtener q3 de la expresin T sin excesiva dificultad. Para poder aplicar este procedimiento, es necesario en primer lugar obtener las inversas de las matrices, i-1Ai. Esto es sencillo si se considera que la inversa de una matriz viene dada por:
Ecuacin 1.20
Ecuacin 1.21
Ecuacin 1.22
Ecuacin 1.23 Por lo tanto, utilizando la primera de las ecuaciones Ecu. 1.18 definidas al principio del tema, se tiene que:
23

Ecuacin 1.24 De las 12 relaciones establecidas en la Ecu.1.24, interesan aquellas que expresan q1 en funcin de constantes. As por ejemplo se tiene: Ecuacin 1.25 Despejamos q 1 de la Ecu. 1.25 se obtiene:
Ecuacin 1.26 Se tiene finalmente:
Ecuacin 1.27 Ecuacin 1.28 Las expresiones anteriores corresponden a la solucin del problema cinemtico inverso del robot considerado. A los mismos resultados se podra haber llegado mediante consideraciones geomtricas.
DESACOPLO CINEMATICO Los procedimientos vistos en los apartados anteriores permiten obtener los valores de las 3 primeras variables articulares del robot, aquellas que posicionan su extremo en las coordenadas (Px, Py,Pz) determinadas, aunque pueden ser igualmente utilizadas para la obtencin de las 6 a costa de una mayor complejidad.
24

Ahora bien, como es sabido, en general no basta con posicionar el extremo del robot en un punto del espacio, sino que casi siempre es preciso tambin conseguir que la herramienta que aquel porta se oriente de una manera determinada. Para ello, los robots cuentan con otros tres grados de libertad adicionales, situados al final de la cadena cinemtica y cuyos ejes, generalmente, se cortan en un punto, que informalmente se denomina mueca del robot. Si bien la variacin de estos tres ltimos grados de libertad origina un cambio en la posicin final del extremo real del robot, su verdadero objetivo es poder orientar la herramienta del robot libremente en el espacio. El mtodo de desacoplo cinemtico saca partido de este hecho, separando ambos problemas: Posicin y orientacin. Para ello, dada una posicin y orientacin final deseadas, establece las coordenadas del punto de corte de los 3 ltimos ejes (mueca del robot) calculndose los valores de las tres primeras variables articulares (q1, q2, q3) que consiguen posicionar este punto. A continuacin, a partir de los datos de orientacin y de los ya calculados (q1, q2, q3) obtiene los valores del resto de las variables articulares.
Tabla 1.3 Parmetros D-H del robot IRB2400
Fig.1.6 Cinemtica del Robot IRB2400, cuya inversa se puede desacoplar

25

En la figura1.6 se representa un robot que rene las citadas caractersticas, con indicacin de los sistemas de coordenadas asociados segn el procedimiento de Denavit-Hartemberg, cuyos parmetros se pueden observar en la tabla. El punto central de la mueca del robot corresponde al origen del sistema (S5): O5. Por su parte, el punto final del robot ser el origen del sistema (S6): O6. Enseguida se utilizaran los vectores: Ecuacin 1.29 Ecuacin 1.30 Que van desde el origen del sistema asociado a la base del robot (S0) hasta los puntos centro de la mueca y fin del robot, respectivamente. Puesto que la direccin del eje Z6 debe coincidir con la de Z5 y la distancia entre O5 y O6 medida a lo largo de Z5 es precisamente d4 = I4, se tendr que: Ecuacin 1.31 El director Z6 es el vector A correspondiente a la orientacin deseada Z6 = (Ax, Ay, Az) (exp) T e I4 es un parmetro asociado con el robot. Por lo tanto, las coordenadas del punto central de la mueca (Pmx, Pmy, Pmz) son fcilmente obtenibles. Es posible, mediante un mtodo geomtrico, por ejemplo, calcular los valores de (q1, q2, q3) que consiguen posicionar el robot en el Pm deseado. Quedan ahora obtener los valores de q4, q5, y q6 que consiguen la orientacin deseada. Para ello denominando 0R6 a la submatriz de rotacin de 0T6 se tendr: Ecuacin 1.33 Tambin lo ser a partir de los valores ya obtenidos de q1, q2 y q3. Por lo tanto: Ecuacin 1.34 Tendr sus componentes numricas conocidas. Por otra parte, 3R6 corresponde a una submatriz (3X3) de rotacin de la matriz de transformacin homognea 3T6 que relaciona el sistema (S3) con el (S6), por lo tanto: Ecuacin 1.35
Ecuacin 1.36
26

Ecuacin 1.37
Ecuacin 1.38 Luego se tiene que,
Ecuacin 1.39 Donde r ij sern por la Ecu. 1.34
Ecuacin 1.40 Ecuacin 1.41 Ecuacin 1.42 Ecuacin 1.43 Ecuacin 1.44 Ecuacin 1.45 De las ecuaciones Ecu. 1.41 a Ecu. 1.45 se puede obtener los parmetros articulares: Ecuacin 1.46 Ecuacin 1.47 Ecuacin 1.48 Estas expresiones y teniendo en cuenta que las posiciones de cero son distintas, constituyen la solucin completa del problema cinemtico inverso del robot articular.
27

DINAMICA DE ROBOT La dinmica se ocupa de la relacin entre las fuerzas que actan sobre un cuerpo y el movimiento que en l se origina. Por lo tanto, el modelo dinmico de un robot tiene por objeto conocer la relacin entre el movimiento del robot y las fuerzas implicadas en el mismo. Esta relacin se obtiene mediante el denominado modelo dinmico, que relaciona matemticamente: La localizacin del robot definida por sus variables articulares o por las coordenadas de localizacin de su extremo, y sus derivadas: velocidad y aceleracin. Las fuerzas pares aplicados en las articulaciones (o en el extremo del robot). Los parmetros dimensinales del robot, como longitud, masa e inercias de sus elementos. La obtencin de este modelo para mecanismos de uno o dos grados de libertad no es excesivamente compleja, pero a medida que el nmero de grados de libertad aumenta, el planteamiento y obtencin del modelo se complica enormemente. Por este motivo no siempre es posible obtener un modelo dinmico expresado de una forma cerrada, esto es, mediante una serie de ecuaciones, normalmente del tipo diferencial de segundo orden, cuya integracin permita conocer que el movimiento surge al aplicar unas fuerzas o que fuerzas hay que aplicar para obtener un movimiento determinado. El modelo dinmico debe ser resuelto entonces de manera iterativa mediante la utilizacin de un procedimiento numrico. El problema de la obtencin del modelo dinmico de un robot es, por lo tanto, uno de los aspectos ms complejos de la robtica, lo que ha llevado a ser obviado en numerosas ocasiones. Sin embargo, el modelo dinmico es imprescindible para conseguir los siguientes fines: Simulacin del movimiento del robot. Diseo y evaluacin de la estructura mecnica del robot. Dimensionamiento de los actuadores. Diseo y evaluacin del control dinmico del robot. Este ltimo fin es evidentemente de gran importancia, pues de la calidad del control dinmico del robot depende la precisin y velocidad de sus movimientos. La gran complejidad ya comentada existente en la obtencin del modelo dinmico del robot, ha motivado que se realicen ciertas simplificaciones, de manera que as pueda ser utilizado en el diseo del controlador. Es importante hacer notar que el modelo dinmico completo de un robot debe incluir no solo la dinmica de sus elementos (barras o eslabones) sino tambin la propia de sus sistemas de transmisin, de los actuadores y sus equipos electrnicos de mando.
28

Estos elementos incorporan al modelo dinmico nuevas inercias, rozamientos, saturaciones de los circuitos electrnicos, etc. aumentando aun ms su complejidad. Por ultimo, es preciso sealar que si bien en la mayor parte de las aplicaciones reales de robtica, las cargas e inercias manejadas no son suficientes como para originar deformaciones en los eslabones del robot, en determinadas ocasiones no ocurre as, siendo preciso considerar al robot como un conjunto de eslabones no rgidos. Aplicaciones de este tipo pueden encontrarse en la robtica espacial o en robots de grandes dimensiones.
MODELO DINMICO DE LA ESTRUCTURA DE UN ROBOT RGIDO
La obtencin del modelo dinmico de un mecanismo, y en particular de un robot, se basa fundamentalmente en el planteamiento del equilibrio de fuerzas establecido en la segunda ley de Newton, o su equivalente para movimientos de rotacin, la denominada ley de Euler:
Ecuacin 1.49 Ecuacin 1.50
As, en el caso simple de un robot monoarticular como el representado en la figura, el equilibrio de fuerzas-pares dara como resultado la ecuacin:
Ecuacin 1.51
En donde se ha supuesto que toda la masa se encuentre concentrada en el centro de la gravedad del elemento, que no existe rozamiento alguno y que no se manipula ninguna carga. Para un par motor determinado, la integracin de la ecuacin anterior, dara lugar a la expresin de (t) y de sus derivadas (t) y (t), con lo que seria posible conocer la evolucin de la coordenada articular del robot y de su velocidad y aceleracin. De forma inversa, si se pretende que (t) evolucione segn una determinada funcin del tiempo, sustituyendo en la ecuacin anterior, podra obtenerse el par
(t) que seria necesario aplicar. Si el robot tuviese que ejercer alguna fuerza en su extremo, ya sea al manipular una carga o por ejemplo, realizar un proceso
29

sobre alguna pieza, bastara con incluir esta condicin en la mencionada ecuacin y proceder del mismo modo se tiene as que del planteamiento del equilibrio de fuerzas y pares que intervienen sobre el robot se obtienen los denominados modelos dinmicos directo e inverso: Modelo dinmico directo: expresa la evolucin temporal de las coordenadas articulares del robot en funcin de las fuerzas y pares que intervienen. Modelo dinmico inverso: expresa las fuerzas y pares que intervienen en funcin de la evolucin de las coordenadas articulares y sus derivadas. El planteamiento del equilibrio de fuerzas en un robot real de 5 o 6 grados de libertad, es mucho ms complicado. Debe tenerse en cuenta que junto con las fuerzas de inercia y gravedad, aparecen fuerzas de Coriolis debidas al movimiento relativo existente entre los diversos elementos, as como de fuerzas centrpetas que dependen de la configuracin instantnea del manipulador.
Fig.1.7 Modelo de eslabn con masa concentrada
MODELADO MEDIANTE LA FORMULACIN DE LAGRANGE-EULER Uicker en 1965, utilizo la representacin de D-H basada en las matrices de transformacin homognea para formular el modelo dinmico de un robot mediante la ecuacin de Lagrange. Este planteamiento utiliza, por tanto, las matrices i-1Ai que relacionan el sistema de coordenadas de referencia del elemento i con el elemento i-1. Se realizan en este caso operaciones de producto y suma innecesarias. Se trata de un procedimiento ineficiente desde el punto de vista computacional. Puede comprobarse que el algoritmo es de un orden de complejidad computacional O(n), es decir, el nmero de operaciones a realizar crece con la potencia 4 del nmero de grados de libertad. Sin embargo, conduce a unas ecuaciones finales bien estructuradas donde aparecen de manera clara los diversos pares y fuerzas que intervienen en el movimiento. Se presenta a continuacin al algoritmo a seguir para obtener el modelo dinmico del robot por el procedimiento de Lagrange-Euler (L-E).
30

ALGORITMO COMPUTACIONAL PARA EL MODELADO DINMICO POR LAGRANGE-EULER. 1. Asignar a cada eslabn un sistema de referencia de acuerdo alas normas de DH 2. Obtener las matrices de transformacin 0Ai para cada elemento i. 3. Obtener las matrices Uij definidas por:
Ecuacin 1.52
4. Obtener las matrices Uijk definidas por:
Ecuacin 1.53
5. Obtener las matrices de pseudo inercias Ji para cada elemento, que vienen definidas por: Integral de cada uno de los elementos que componen la matriz:
Ecuacin 1.54
Donde las integrales estn extendidas al elemento i considerando, y (Xi Yi Zi) son las coordenadas del diferencial de masa dm respecto al sistema de coordenadas del elemento. 6. Obtener la matriz de inercias D = (dij) cuyos elementos vienen definidos por:
Ecuacin 1.55
Con i, j = 1,2,...,n n: Numero de grados de libertad.

31

7. Obtener los trminos hikm definidos por:
Ecuacin 1.56
8. Obtener la matriz columna de fuerzas de Coriolis y centrpeta H = hi cuyos elementos vienen definidos por:
Ecuacin 1.57
9. Obtener la matriz de fuerzas de gravedad C = ci cuyos elementos estn definidos

Ecuacin 1.58
Con i = 1,2,...,n g: Es el vector de gravedad expresado en el sistema de la base S0 y viene expresado por (gx, gy, gz, 0) irj : Es el vector de coordenadas homogneas del centro de masas del elemento j expresado en el sistema de referencia del elemento i. 10. La ecuacin dinmica del sistema ser:
Ecuacin 1.59
Donde: es el vector de fuerzas y pares motores efectivos aplicados sobre cada coordenada qi
REDES NEURONALES ARTIFICIALES (RNA) Resulta irnico pensar que mquinas de cmputo capaces de realizar 100 millones de operaciones en coma flotante por segundo, no sean capaces de entender el significado de las formas visuales o de distinguir entre distintas clases de objetos. Los sistemas de computacin secuencial, son exitosos en la resolucin de problemas matemticos o cientficos, en la creacin, manipulacin y mantenimiento de bases de datos, en comunicaciones electrnicas, en el procesamiento de textos, grficos y auto edicin, incluso en funciones de control de electrodomsticos, hacindolos ms eficientes y fciles de usar, pero definitivamente tienen una gran incapacidad para interpretar el mundo.
32

Esta dificultad de los sistemas de computo que trabajan bajo la filosofa de los sistemas secuenciales, desarrollados por Von Neuman, ha hecho que un gran nmero de investigadores centre su atencin en el desarrollo de nuevos sistemas de tratamiento de la informacin, que permitan solucionar problemas cotidianos, tal como lo hace el cerebro humano; este rgano biolgico cuenta con varias caractersticas deseables para cualquier sistema de procesamiento digital, tales como: 1. Es robusto y tolerante a fallas. 2. Es flexible, se ajusta a nuevos ambientes por aprendizaje, no hay que programarlo. 3. Puede manejar informacin difusa, con ruido o inconsistente. 4. Es altamente paralelo 5. Es pequeo, compacto y consume poca energa. La teora de las RNA ha brindado una alternativa a la computacin clsica, para aquellos problemas, en los cuales los mtodos tradicionales no han entregado resultados muy convincentes, o poco convenientes. Las aplicaciones ms exitosas de las RNA son: 1. Procesamiento de imgenes y de voz 2. Reconocimiento de patrones 3. Planeamiento 4. Interfaces adaptivas para sistemas Hombre/mquina 5. Prediccin 6. Control y optimizacin 7. Filtrado de seales Los sistemas de computo tradicional procesan la informacin en forma secuencial; un computador serial consiste por lo general de un solo procesador que puede manipular instrucciones y datos que se localizan en la memoria, el procesador lee, y ejecuta una a una las instrucciones en la memoria; este sistema serial es secuencial, todo sucede en una sola secuencia determinstica de operaciones. Las RNA no ejecutan instrucciones, responden en paralelo a las entradas que se les presenta. El resultado no se almacena en una posicin de memoria, este es el estado de la red para el cual se logra equilibrio. El conocimiento de una red neuronal no se almacena en instrucciones, el poder de la red est en su topologa y en los valores de las conexiones (pesos) entre neuronas.
33

CARACTERSTICAS DE UNA RED NEURONAL ARTIFICIAL El modelo de una neurona artificial es una imitacin del proceso de una neurona biolgica, puede tambin asemejarse a un sumador hecho con un amplificador operacional tal como se ve en la fig. 1.8
Figura 1.8 Existen varias formas de nombrar una neurona artificial, es conocida como nodo, neuronodo, celda, unidad o elemento de procesamiento (PE); En la fig. 1.9 se observa un PE en forma general y su similitud con una neurona biolgica
Figura 1.9 De la observacin detallada del proceso biolgico se han hallado los siguientes anlogos con el sistema artificial: Las entradas Xi representan las seales que provienen de otras neuronas y que son capturadas por las dendritas. Los pesos Wi son la intensidad de la sinapsis que conecta dos neuronas; tanto Xi como Wi son valores reales. es la funcin umbral que la neurona debe sobrepasar para activarse; este proceso ocurre biolgicamente en el cuerpo de la clula.
34

Las seales de entrada a una neurona artificial X1, X2,.., Xn son variables continuas en lugar de pulsos discretos, como se presentan en una neurona biolgica. Cada seal de entrada pasa a travs de una ganancia o peso, llamado peso sinptico o fortaleza de la conexin cuya funcin es anloga a la de la funcin sinptica de la neurona biolgica. Los pesos pueden ser positivos (excitatorios), o negativos (inhibitorios), el nodo sumatorio acumula todas las seales de entradas multiplicadas por los pesos o ponderadas y las pasa a la salida a travs de una funcin umbral o funcin de transferencia. La entrada neta a cada unidad puede escribirse de la siguiente manera Ecuacin 1.6 Una idea clara de este proceso se muestra en la fig. 1.10 en donde puede observarse el recorrido de un conjunto de seales que entran a la red.
Figura 1.10 Proceso de una red neuronal artificial Una vez que se ha calculado la activacin del nodo, el valor de salida equivale a: Ecuacin 1.61 Donde representa la funcin de activacin para esa unidad, que corresponde a la funcin escogida para transformar la entrada neta i en el valor de salida y que depende de las caractersticas especficas de cada red.
35

NOTACIN Una notacin matemtica estndar no ha sido an establecida para las redes neuronales, ya que sus aplicaciones son tiles en muchos campos, Ingeniera, Fsica, Psicologa y Matemticas. En este trabajo se adopt la siguiente convencin para identificar las variables, de manera que fueran compatibles con las diferentes reas, siendo lo ms sencilla posible: Valores escalares: se representarn por medio de letra minscula itlica Vectores: se representarn con letra itlica minscula en negrilla. Matrices: se representarn con letra mayscula itlica en negrilla. Para redes multicapa, los parmetros adoptaran la siguiente forma: Ecuacin 1.62 Donde c, es el nmero de la capa a la que corresponde dicho peso, y s representa las neuronas que participan en proceso. As representa el peso de la segunda capa que comunica la primera neurona de dicha capa con la primera neurona de la primera capa. De igual manera el peso que representa la conexin desde la ltima neurona de la capa dos a la ltima neurona de la capa uno estar representado por: Ecuacin 1.63 Esta convencin es adoptada para todos los parmetros de la red.
FUNCIONES DE TRANSFERENCIA Un modelo ms acadmico que facilita el estudio de una neurona, puede visualizarse en la fig. 1.11
36

Figura 1.11 Neurona de una sola entrada Las entradas a la red sern ahora presentadas en el vector p, que para el caso de una sola neurona contiene solo un elemento, w sigue representando los pesos y la nueva entrada b es una ganancia que refuerza la salida del sumador n, la cual es la salida neta de la red; la salida total est determinada por la funcin de transferencia , la cual puede ser una funcin lineal o no lineal de n, y que es escogida dependiendo de las especificaciones del problema que la neurona tenga que resolver; aunque las RNA se inspiren en modelos biolgicos no existe ninguna limitacin para realizar modificaciones en las funciones de salida, as que se encontrarn modelos artificiales que nada tienen que ver con las caractersticas del sistema biolgico.
LIMITADOR FUERTE (HARDLIM)
La fig. 1.12, muestra como esta funcin de transferencia acerca la salida de la red a cero, si el argumento de la funcin es menor que cero y la lleva a uno si este argumento es mayor que uno. Esta funcin crea neuronas que clasifican las entradas en dos categoras diferentes, caracterstica que le permite ser empleada en la red tipo Perceptrn.
Ecuacin 1.64
37

Figura 1.12 Funcin de transferencia Hardlim
El icono para la funcin Hardlim remplazara a la letra f en la expresin general, cuando se utilice la funcin Hardlim. Una modificacin de esta funcin puede verse en la fig. 1.13, la que representa la funcin de transferencia Hardlims que restringe el espacio de salida a valores entre 1 y 1.
Ecuacin 1.65
Fig. 1.13 Funcin de transferencia Hardlims

FUNCIN DE TRANSFERENCIA LINEAL (PURELIN)
La salida de una funcin de transferencia lineal es igual a su entrada a=n Ecuacin 1.66
38

Figura 1.14 Funcin de transferencia lineal
En la grfica del lado derecho de la fig. 1.14, puede verse la caracterstica de la salida a de la red, comparada con la entrada p, ms un valor de ganancia b, neuronas que emplean esta funcin de transferencia son utilizadas en la red tipo Adaline.
FUNCIN DE TRANSFERENCIA SIGMOIDAL (LOGSIG)
Esta funcin toma los valores de entrada, los cuales pueden oscilar entre ms y menos infinito, y restringe la salida a valores entre cero y uno, de acuerdo a la expresin.
Ecuacin 1.67
Esta funcin es comnmente usada en redes multicapa, como la Backpropagation, en parte porque la funcin logsig es diferenciable.
Fig. 1.15 Funcin de transferencia sigmoidal La tabla 1.5 hace una relacin de las principales funciones de transferencia empleadas en el entrenamiento de redes neuronales.
39

Tabla 1.5 Funciones de Transferencia
TOPOLOGA DE UNA RED
Tpicamente una neurona tiene ms de una entrada; en la fig. 1.16 se observa una neurona con R entradas; las entradas individuales p1,p2,...,pR son multiplicadas por los pesos correspondientes w1,1,w1,2,...w1,R pertenecientes a la matriz de pesos W.
40

Fig. 1.16 Neurona con mltiples entradas La neurona tiene una ganancia b, la cual llega al mismo sumador al que llegan las entradas multiplicadas por los pesos, para formar la salida n, Ecuacin 1.68 Esta expresin puede ser escrita en forma matricial Ecuacin 1.69 Los subndices de la matriz de pesos representan los trminos involucrados en la conexin, el primer subndice representa la neurona destino y el segundo, representa la fuente de la seal que alimenta a la neurona. Por ejemplo, los ndices de w1,2 indican que este peso es la conexin desde la segunda entrada a la primera neurona. Esta convencin se hace ms til cuando hay ms de una neurona, o cuando se tiene una neurona con demasiados parmetros; en este caso la notacin de la fig. 1.16, puede resultar inapropiada y se prefiere emplear la notacin abreviada representada en la fig. 1.17
Fig. 1.17 Neurona con mltiples entradas, notacin abreviada

41

El vector de entrada p es representado por la barra slida vertical a la izquierda. Las dimensiones de p son mostradas en la parte inferior de la variable como Rx1, indicando que el vector de entrada es un vector fila de R elementos. Las entradas van a la matriz de pesos W, la cual tiene R columnas y solo una fila para el caso de una sola neurona. Una constante 1 entra a la neurona multiplicada por la ganancia escalar b. La salida de la red a, es en este caso un escalar, si la red tuviera ms de una neurona a sera un vector. Dentro de una red neuronal, los elementos de procesamiento se encuentran agrupados por capas, una capa es una coleccin de neuronas; de acuerdo a la ubicacin de la capa en la RNA, esta recibe diferentes nombres Capa de entrada: Recibe las seales de la entrada de la red, algunos autores no consideran el vector de entrada como una capa pues all no se lleva a cabo ningn proceso. Capas ocultas: Estas capas son aquellas que no tienen contacto con el medio exterior, sus elementos pueden tener diferentes conexiones y son estas las que determinan las diferentes topologas de la red Capa de salida: Recibe la informacin de la capa oculta y transmite la respuesta al medio externo. Una red de una sola capa con un nmero S de neuronas, se observa en la fig.1.18 en la cual, cada una de las R entradas es conectada a cada una de las neuronas, la matriz de pesos tiene ahora S filas.
Fig. 1.18 Capa de S neuronas
42

La capa incluye la matriz de pesos, los sumadores, el vector de ganancias, la funcin de transferencia y el vector de salida. Esta misma capa se observa en notacin abreviada en la fig. 1.19
Figura 1.19 Capa de S neuronas con notacin abreviada En la fig. 1.19 se han dispuesto los smbolos de las variables de tal manera que describan las caractersticas de cada una de ellas, por ejemplo la entrada a la red es el vector p cuya longitud R aparece en su parte inferior, W es la matriz de pesos con dimensiones SxR expresadas debajo del smbolo que la representa dentro de la red, a y b son vectores de longitud S el cual, como se ha dicho anteriormente representa el nmero de neuronas de la red. Ahora, si se considera una red con varias capas, o red multicapa, cada capa tendr su propia matriz de peso W, su propio vector de ganancias b, un vector de entradas netas n, y un vector de salida a. La versin completa y la versin en notacin abreviada de una red de tres capas, pueden ser visualizadas en las figuras 1.20 y 1.21, respectivamente.
Figura 1.20 Red de tres capas

43

Para esta red se tienen R entradas, S1 neuronas en la primera capa, S2 neuronas en la segunda capa, las cuales pueden ser diferentes; las salidas de las capas 1 y 2 son las entradas a las capas 2 y 3 respectivamente, as la capa 2 puede ser vista como una red de una capa con R=S1 entradas, S1=S2 neuronas y una matriz de pesos W2 de dimensiones S1xS2
Fig. 1.21 Red de tres capas con notacin abreviada Las redes multicapa son ms poderosas que las redes de una sola capa, por ejemplo, una red de dos capas que tenga una funcin sigmoidal en la primera capa y una funcin lineal en la segunda, puede ser entrenada para aproximar muchas funciones de forma aceptable, una red de una sola capa no podra hacer esto como se ver en captulos posteriores. Un tipo de redes, un poco diferente a las que se han estudiado hasta el momento, son las redes recurrentes, estas contienen una realimentacin hacia atrs o retroalimentacin, es decir algunas de sus salidas son conectadas a sus entradas. Un tipo de red recurrente de tiempo discreto es mostrado en la fig. 1.22
Fig. 1.22 Redes Recurrentes

44

Para este tipo particular de red el vector p suple las condiciones iniciales (a(0)= p), y la salida est determinada por: Ecuacin 1.69 Donde a(1) y a(2), corresponden a la salida de la red para el primer y segundo intervalo de tiempo, respectivamente. La red alcanzar su estado estable cuando la salida para un instante de tiempo sea la misma salida del instante de tiempo anterior. Las redes recurrentes son potencialmente ms poderosas que las redes con realimentacin hacia delante. En este tipo de redes se introducen tambin dos nuevos conceptos, el bloque de retardo de la fig. 1.23 y el bloque integrador de la fig. 1.24
Retardo
Fig. 1.23 Bloque de retardo Ecuacin 1.70 La salida del bloque de retardo es el valor de entrada retrasado en un paso de tiempo, este bloque requiere que la salida sea inicializada con el valor a(0) para el tiempo t=0; a(0) se convierte en la salida de la red para el instante de tiempo inicial.
Integrador
Figura 1.24 Bloque integrador La salida del integrador es calculada de acuerdo a la expresin
45

Ecuacin 1.71 En general las redes neuronales se pueden clasificar de diversas maneras, segn su topologa, forma de aprendizaje (supervisado o no supervisado), tipos de funciones de activacin, valores de entrada (binarios o continuos); un resumen de esta clasificacin se observa en la fig. 1.25
Fig. 1.25 Clasificacin de las Redes Neuronales
46

DESARROLLO
El desarrollo del prototipo de robot tipo SCARA de tres grados de libertad se dividi en 3 categoras diferentes: *Electrnica *Robtica *Control inteligente
ELECTRNICA
Para el diseo y simulacin previa a la implementacin se hiso uso del software ISIS (diseo y simulacin) y ARES (PCB), despus de la realizacin de diferentes clculos, pruebas y en base a la experiencia se definieron 3 diferentes diseos para tarjetas de circuito impreso: *Tarjeta de driver *Tarjeta de sensores *Tarjeta de embebido La tarjeta de driver esta al mismo tiempo conectada a un PWM, dicha tarjeta tiene tanto la funcin de hacer girar hacia una direccin u otra los motores del robot como la de tambin ser la dotadora de la velocidad con la que lo hacen, mientras que la tarjeta de sensores se encarga de alimentar, amplificar y comparar el voltaje obtenido de los sensores para despus enviar la informacin a la tercer tarjeta donde se realizan los procesos de la informacin y en base a ella se lleva a cabo el control, adjuntas a estas tarjetas tambin se encuentra un circuito realizado para lograr la comunicacin de la interfaz con el control del sistema.
47

TARJETA DE DRIVER
Diseo final del circuito de los drivers:
48

Diseo final PCB de los drivers:
Diseo final del circuito de sensores:
49

Diseo final PCB de los sensores:
Diseo final del circuito de sistema embebido:
50

Diseo final PCB del sistema embebido:
ROBOTICA
Para el diseo de lo que es el prototipo del robot tipo SCARA de tres grados de libertad se realizaron distintos mtodos para realizar y obtener los clculos que definiran caractersticas de suma importancia para la implementacin como por ejemplo la obtencin de valores para determinar tipo de motoresy material tambin por otro lado se realizaron otros calculo para la obtencin de desplazamientos (modelo cinemtico, dinmico y cintico), gran parte de ellos fueron obtenidos con ayuda de herramientas computaciones como MATLAB y Solidworks.
51

DISEO ROBOT TIPO SCARA

La siguiente imagen muestra el diseo final del robot tipo SCARA de tres grados de libertad. Cabe mencionar que todos los clculos al respecto de tal robot se pueden observar en la parte de Anexos.
52

A continuacin se ilustran algunos dibujos tcnicos de piezas fundamentales d el robot tipo SCARA.
Dibujo tcnico de parte la tapa de balero 2
53

Dibujo tcnico de parte la base motor principal
54

Dibujo tcnico de parte brazo 2
55

Dibujo tcnico de parte flechas para links
56

Dibujo tcnico de parte tapa balero
57

Dibujo tcnico de parte esparrago
58

Dibujo tcnico de parte base para balero 2
59

Dibujo tcnico de parte base de motor secundario
60

Dibujo tcnico de brazo 1
61

Dibujo tcnico de parte base para prismtica
MANUFACTURA DEL ROBOT

Para la realizacin fsica del robot SCARA se hiso uso de distintos materiales, pero principalmente del aluminio, este material fue elegido debido a la facilidad de adquisicin y de maquinado. Los cortes, barrenos y de mas maquinados del material fueron realizados con distintos tipos de herramientas, entre ellos torno, fresa, rectificadora, taladro de banco, cortadora de banda maneral para machuelear etc. 62

Imgenes referentes a la manufactura del robot.
63

Imagen de la apariencia final del robot
64

65

66

67

68

69

70

CONCLUSIONES La construccin de un robot mvil de complejidad baja a media es una excelente va para conseguir integrar todo un conjunto de conocimientos adquiridos por los estudiantes universitarios en cursos sin conexin dentro de un currculum tpico de ingeniera, dentro de un marco de trabajo de lo que se denominara Meca trnica. Adems es un trabajo muy adecuado como complemento al ms bien terico bagaje acadmico, con numerosas aplicaciones a elementos de la industria. Este trabajo nos sirvi para interiorizarnos y aprender de una manera adecuada como se realiza un proyecto de investigacin para en un futuro tener una mejor nocin a la hora de realiza, esta experiencia ha mostrado cmo es posible disear y aplicar un aprendizaje basado en competencias y organizado. A partir de las orientaciones y recursos actualmente disponibles, un grupo de profesores bien formados, trabajando de forma coordinada y colaborativa se han podido generar los suficientes recursos propios para apoyarse mutuamente y llevar adelante el proyecto con xito. Tambin ha mostrado que las aplicaciones generadas son tiles y valiosas para producir mejoras apreciables y significativas, tanto en la docencia del profesor, como en el aprendizaje de los estudiantes, contribuyendo a la mayor satisfaccin y bienestar de ambos al implicarse en las actividades de docencia y aprendizaje. Sin embargo, la experiencia pone tambin de relieve el grado de implicacin, dedicacin y compromiso que conlleva avanzar y profundizar en un proyecto de tal magnitud. Una importante leccin aprendida durante el desarrollo de esta metodologa es la necesidad de lanzar un puente para reducir el salto entre la enseanza acadmica y el realismo industrial. De hecho, son tres los conceptos bsicos sobre los cuales establecer esta conexin ms cercana: coste del robot, robustez y mantenimiento. Entendemos que la relacin entre estos conceptos es compleja. En el mundo acadmico se asume que el robot presenta bajo coste, baja robustez y mantenimiento alto, mientras que en la industria el coste y la robustez son altos y el mantenimiento
71

tiende a cero. Esta falta de realismo es un problema abierto en la Universidad que conviene resolver. Como logro adicional, la dedicacin de los integrantes del equipo en las tareas de creacin y construccin de estas plataformas de trabajo, as como su satisfaccin con el resultado obtenido al final del proyecto, motiva a su vez al profesorado a trabajar y dedicar su tiempo para seguir en esta lnea de trabajo educativo.
72

REFERENCIA BIBLIOGR FICA

[1].Barrietos Antonio (1996).FUNDAMENTOS DE ROBOTICA. Editorial McGraw-Hill [2].Smith A. Carlos (1991) CONTROL AUTOMATICO DE PROCESOS. Editorial Limusa [3] lvarez Toledo Jorge, Cortez Vzquez Ricardo, et. al. (2010) Reporte final de la construccin de un robot tipo SCARA [3]. http://www.upd.edu.ph/~yamatake/old/projects/1999-2000/telerobot.pdf. [4]. www.olmo.pntic.mec.es/jmarti50/enlaces/automatas.html
73

ANEXOS
MODELO DINAMICO DEL ROBOT SCARA Aqu se muestra paso a paso la metodologa para obtener el modelo dinmico de un Sistema robtico usando como herramienta los parmetros y matrices de transformacin calculados mediante matrices de rotacin y traslacin. Parametrizacion del Sistema Suponga el sistema robtico mostrado en la figura. El primer paso que se debe realizar para poder calcular el modelo dinmico de dicho robot es definir los ejes de movimiento del sistema y los parmetros de los eslabones respectivamente.
En la imagen se puede observar la disposicin de los eslabones que conforman la arquitectura SCARA. El sistema cuenta con 3grados de libertad, de tipo R-R-P. En la figura se muestran los ejes de movimiento de los eslabones, los cuales son muy importantes de definir, ya que, con ellos, se establecern los ejes del sistema, ya sea para el anlisis rotacional y traslacional as como el anlisis mediante el algoritmo de Denavit-Hartenberg Una vez definidos los ejes de movimiento definiremos la pose (posicin y orientacin) de los marcos coordenados O1 con i = 0, 1, 2, 3. Tomando en cuenta las anteriores restricciones, los marcos coordenados tienen la siguiente disposicin.
74

En la figura se observa finalmente la disposicin de los marcos coordenados que definen los eslabones del sistema robtico, as como el movimiento que realizan.
Cinematica Directa Apartir de la ciunematica directa podemos encontrar la posicion, la velocidad, la aceleracion y todos los demas derivados de alto orden de las variables de posicion (con respecto al tiempo o cualquier otra variable) sin considerar las fuerzas que lo ocacionan. Prametro de Denavit-Hartemberg La base del sistema est definida como O0. i 1 2 3 4 5 (i-1) 1 2 0 4 0 d (i-1) 0 0 0 0 d a (i-1) K1 K2 K3 0 0 (i-1) 0 0 0 0 0
Composicion de las tramas Trama=(matriz de rotacin-matriz de traslacin) T0 1 =Tras (z0,l1) Rot (z0,1)
75

T0 (( ) ( )) (
= )
((
) ( ))
T1 2 =Tras (x1,l2) Rot (z1,2) T0 (( ) ( )) (

1
= )
((
) ( ))
T2 3 =Tras (x2,l3) Tras (z2,l4) Rot (y1,180) T0

1
((
) ( )) (
((
( )) (
)= ((
) ( ))
T3 4 = Tras (z3,l5) Rot (z3,l5) T0 1 = (( ) ( ))
Nota: la longitud de los eslabones l1, l2 y l3 la distancia de separacin l4 y la distancia l5 que bajara el efector final. Transformaciones Homogneas A partir de esto se puede calcular cualquier transformacin a cualquier punto.
76

77

78

Reporte Proyecto Final V - Impr

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Reporte Proyecto Final V - Impr

Cargado por

Copyright:

Formatos disponibles

Universidad Politcnica de Quertaro

Ingeniera Mecatrnica Control Inteligente

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Validar el correcto funcionamiento del control a travs de pruebas.

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

PLANTEAMIENTO DEL PROBLEMA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

ANLISIS COSTO BENEFICIO

COSTO DE PRODUCCIN UNITARIO

FIJACIN DEL PRECIO DE VENTA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Sensores pticos Caja de Cables Steren Cable c20 Tornillera (varios)

Mbed Resistencias (Varios)

Xfet Optoacopladores Terminales hembra macho (Varios)

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

532 150 225 66 378 140 120 324 400 700

Soldadura Lata de pasta Termofit Lijas (Varios) Brocas (varios)

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

EL PROBLEMA CINEMTICO DIRECTO:

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Y realizando el producto de matrices:

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

ALGORITMO DE DENAVIT- HARTENBERG PARA LA OBTENCIN DEL MODELO.

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

RESOLUCIN DEL PROBLEMA CINEMTICO INVERSO A PARTIR DE LA MATRIZ DE TRANSFORMACIN HOMOGNEA

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Tabla 1.2 Parmetros D-H del robot polar de 3 GDL

Universidad Politcnica de Quertaro

Robot SCARA controlado a partir de una RNA

Universidad Politcnica de Quertaro