Controlmoviles09 PDF

Control de robots mviles
CONTROL DE ROBOTS MVILES

Ricardo Carelli
rcarelli@inaut.unsj.edu.ar
Instituto de Automtica
Universidad Nacional de San Juan
Argentina
DISAM UPM. Escuela de Ingenieros

g
Industriales
Madrid, 2009
Contenidos
Contenido
I. Introduccin
II. Robots con ruedas
1. Modelos e Identificacin
2. Controles bsicos (p
(postura, trayectoria,
y
caminos, evasin))
3. Compensacin dinmica, control adaptable
4. Controles especiales: control en pasillos
5. Objetivos complejos: control hbrido
6 Control de manipuladores mviles
6.
7. Control coordinado (seguidor, colaborativo, formacin)
8 SLAM
8.
9. Aplicaciones (robtica de asistencia, robtica agrcola)
Contenidos
Contenido (cont.)
(cont )
III. Control de robots areos
1 Modelos
2 Control basado en Lyapunov
3 Control de dinmica inversa
I. INTRODUCCIN
ROBOTS MVILES
I INTRODUCCIN
I.
Introduccin
Robtica
Mecnica
Electrnica
Robtica
Informtica
Control
Introduccin
Clasificacin
Robots Manipuladores
Robtica
Robots Mviles
M i l d
Manipuladores
Mviles
M il
Introduccin
Definiciones
Robtica:
Es la conexin inteligente
g
entre percepcin
p
p
y accin (Brady,
(
y 1985).
)
Manipuladores:
DRobot Institute of America: Un robot es un manipulador reprogramable
multifuncional
l if
i
l diseado
di d para mover materiales,
i l
piezas
i
o dispositivos
di
ii
especializados a travs de movimientos programados variables para la
realizacin de una diversidad de tareas (Schlussel, 1985).
DJapn:
J Cualquier
C l i dispositivo
di
iti que reemplaza
l
ell trabajo
t b j humano
h
(Sosoka, 1985).
Robot mvil:
D Cualquier robot que posee movilidad con respecto al medio
D Cualquier sistema el cual es:
mvil - todo el sistema se desplaza con respecto al ambiente.
autnomo - limitada interaccin con el hombre.
inteligente - sensa y reacciona a su entorno.
Introduccin
TAREAS ROBOTICAS
Robots Industriales
Robots de Servicios
Robots de
Entretenimientos
Introduccin
Antecedentes
histricos
Actual Aplicaciones en servicios y

entretenimientos Microrobtica
entretenimientos.
Microrobtica.
Autonoma
90 - Comienzan las investigaciones
en robots humanoides y areos
areos.
80 - Comienzan las investigaciones en

vehculos autoguiados y robots con patas
1971 Se desarroll el robot Stanford.
1978 Se desarroll el robot PUMA
1961 Se instal el primer
robot industrial en GM.
En las decadas de 60
60 y 70
70 se
realizan investigaciones en robot con
sensores externos.
1954 Devol disea el

primer robot programable.
1947 Primer teleoperador
con actuadores elctricos.
Introduccin
Imitacin de
Humanos y
Animales
Manufactura,
Paletizado
Paletizado,
Agricultura, etc
Aplicaciones
Prcticas
Aplicaciones
Industriales
Aplicaciones
Espaciales
Servicios
Insectos
Aplicaciones
Mdicas
Humanoides
Introduccin
Estadsticas
Robots industriales
Introduccin
Estadsticas
Robots de servicios
II.1 MODELOS E IDENTIFICACIN

ROBOTS MVILES
II ROBOTS CON RUEDAS

II.
1. Modelos e Identificacin
Estructuras cinemticas
Estructuras
Robots comerciales y experim.

p
Robots comerciales y experimentales
RoboMow
cegadora
autnoma
Robot militar
autnomo
Aspiradora robotizada

p
Visita virtual a museo
Minihelicptero autnomo

p
Estacionamiento urbano
Darpa Urban Challenge

p
Humanoide QRIO - Sony
RoboCup Humanoides
Modelos
Modelos
Modelo cinemtico
Robot tipo uniciclo
x& = u cos
y& = u sin
& =
Estados: x, y ,
Entradas:
u,
Restriccin no holonmica:
y& cos x&sen = 0 (velocidad restringida
en la direccin transversal del robot).
Modelos
Modelo
M d l dinmico
di i
Estados
X = [x
Entradas = [F
0
x& u cos 0
y& u sin 0
0
F

&= + 0
0
&

1/
m
0
u
0

& 0 0 1/ Iz

u
X& = f ( X ) + g
m: masa del
d l robot
b t mvil
il
Iz: momento de inercia del robot sobre el eje z en el punto (x,y)
F: fuerza aplicada al robot en el punto (x
(x,y)
y)
: torque aplicado al robot en el punto (x,y)
Modelos
Suposiciones:
Centro de masa est ubicado en el punto (x,y)
Las ruedas no ofrecen resistencia de friccin ni tienen inercia
No se consideran los deslizamientos de las ruedas ni fuerzas externas.
Modelo ms completo (Zhang 98)

Se consideran deslizamientos de las ruedas y fuerzas externas
externas, fuerzas de
friccin y la inercia de las ruedas, el centro de masa (G) del robot en un
punto distinto al centro de la lnea que une las ruedas. Adems se definen los
puntos:
h: define la posicin del robot mvil
E: ubicacin de la herramienta de trabajo.
j
Modelos
x u
x
Fcy
Frlx
Fey
Frly
b
Fcx
E Fex
e
Frrx
Frry
x
u = mr 2 + 2Ie ;
u =
u cos a sin 0

x& u sin + a cos 0
y&
0

& =
mbr 2 2
+ 2r
&
u
u
u

&
2bmr 2
0
u
1
( l + r ) ;
2
0
x
0

0
y
u
+ 0
0

2rd

= Ie d 2 + 2r 2 I z + mb 2
1
( r l )
2
r: radio de las ruedas;
r, l: torques aplicados a la rueda derecha e

izquierda
Ie, Be: son el momento de inercia y coeficiente de friccin viscosa de la

combinacin del rotor del motor, reductor y rueda.
Modelos
Vector de estados: X = [ x y u ]
V
Vector
de
d entradas:
d
= [ u
T
Vector de variables no medidas: = u s urs uls u& s u& rs u& ls Fcx ' Fcy ' Fex ' Fey ' e
u s velocidad
l id d d
de d
deslizamiento
li
i t llateral
t ld
de lla rueda
d
urs , uls velocidades de deslizamiento longitudinal de la rueda derecha e
izquierda respectivamente
respectivamente.
Vector de incertidumbres: x y 0 u
x = u s sin
y = u s cos
u =
1
mr 2 u s + r 2 ( Fcx ' + Fex ' ) Be 2u + uls + urs Ie u&ls + u& rs
u
1
Be d 2 Be d uls urs Ie d u&ls u& rs 2mbr 2u& s +
2r 2
( b + e ) Fey ' + ( a + b ) Fcy ' + e )
(
))
Modelos
Modelo de estados:
X& = f ( X ) + g + ( X , )
Si =0
0
( X , ) =0
0
Problema: entradas son pares

pares, difciles de obtener a menos que se conozca
bien el modelo de los motores.
Modelos
Modelo dinmico con entradas de velocidades
u cos a sin 0
Cinemtica x& u sin + a cos 0

y&
0
& = 03 2 04
+ 1
u
&
0
0
0
u
1
1

1

&
05
06

Dinmica
0
0
0
2
2
Vector de estados: X = [ x
Vector de entrada: = [uref
0
Incertidumbres
x
0

0
y
uref
+ 0
0 ref

1
02
Entradas
ref ]
Vector de incertidumbres: x
0 u
( )
El modelo dinmico en forma compacta es: X& = f X + g + X ,
Modelos
Parmetros:
R
10 = a ( mRt r + 2Ie ) + 2rkDT / ( 2rkPT )

ka
02 = a Ie d 2 + 2Rt r Iz + mb 2 + 2rdkDR / ( 2rdkPR )

ka
R
03 = a mbRt / ( 2kPT )
ka
04 =
Ra ka kb
+ Be / ( rkPT ) + 1
ka Ra
05 =
06 =
))
Ra
b t / (d
dkPR )
mbR
ka
Ra ka kb
+ Be d / ( 2rkPR ) + 1
ka Ra
urs + uls u& rs + u& ls

mu s + Fex ' + Fcx ' ka k b
+
+ Be
+
Ie
R
R
rI
Rt r
a
t e
u =
2k k
m
2
+
+ DT a
Ie Rt r Ra Rt Ie
ka k b
urs uls u& rs u& ls mbu& s eFeyy ' + cFcyy ' + e
+ Be
+
R
2
R
rI
2
R
r
I
d
Ie d
t e
t
e
= a
Iz + mb 2 kDR ka
d
+
+
2Rt r
Ie d
Rt RaIe
Variables no medidas:
T
s
s
s
s
s
s
&
&
&
= u ur ul u ur ul Fcx ' Fcy ' Fex ' Fey ' e
y = u s cos
x = u s sin
Identificacin
Identificacin del modelo dinmico:
u cos a sin 0

x& u sin + a cos 0
y&
0

& = 03 2 04
+ 1
u
&
0
0
0
u
1
1

1

&
05
06

0
0
0
2
2
y
uref
+ 0
0 ref

1
02
0
0
0
03 2 04
u
+
u
0
reff
10
10
u& 1
+ u
=
& 0

5
06
1
0 u 0 + 0 ref
2
2
2
Despreciando la incertidumbre y parametrizando:

u& 0
2 u 0 0 0 ureff
=
ref
&
0
0 0 u
14444
{
4244444
3
Y
0 = 10
02
03
04
50
06
T 0 = Y
Identificacin
Filtrar con f ( s ) = / ( s + ) , donde > 0 para evitar estimar u& , &
TF0 = YF
s
s + u
TF =
0
2
s+
s+
u
s+
u
s+
s +
0
Tomando q mediciones:
TFP
TF 1 ( 0 )
T ( q )
= F1
;
T
0
F 2 ( )
:
T
q
(
)
F 2
Por mnimos cuadrados:
YFP
YF 1 ( 0 )
Y ( q )
= F1
YF 2 ( 0 )
:
Y
q
(
)
F 2
)
= TFP T TFP
TFP 0 = YFP
-1
TFP T YFP
u
ref
s +
YF =
ref
s +
Modelo tipo
p auto
Modelo Ackerman (automvil)
(
)
R d
Reduccin
i a modelo
d l bi
bicicleta
i l t
Modelo tipo
p auto
Modelo cartesiano
Estados
[ xc
Entradas
[v ]
Restriccin no holonmica
& r = v; r tg = L
yc ]
II.2 CONTROLES BSICOS

ROBOTS MVILES

II.
2. Controles bsicos
Controles bsicos
Controles bsicos de robots mviles
Objetivo de control:
Control de p
postura: posicin-orientacin
p
((regulacin)
g
)
Seguimiento de caminos (path-following)
Seguimiento de trayectorias (trajectory tracking)
Control de postura
p
Control
de Postura
Modelo en coordenadas polares
e& = u. cos
sen
&
= + u
e
sen
& = u
e
Vector de estados: (e
)T
Problema: posicionamiento final

No se prescribe la orientacin final: se consideran slo e, .
Se asume que e y son medibles.
Control de postura
p
Estructura de control
xd
x
_
Cartesiano
a polar
e,,
Controlador
de posicin
xc
Diseo del controlador

Considrese la funcin candidata de Lyapunov
V (e, ) = V1 + V2 =
V& = e e& + &
1 2 1 2
e + ,
2
2
sen
&
V = e(u cos ) + ( + u
) = V&1 + V&2
e
u,
Modelo
Cartesiano
xc
Control de postura
p
V&1
puede hacerse no positivo eligiendo
u = e cos , > 0
R
Resulta
lt
sen
&
V2 = ( + u
) = ( + sen cos )
e
que puede hacerse no positivo eligiendo
= k + sen cos , k > 0

Resulta
V& = e 2 cos 2 k 2
e(t ), (t ) 0 con t
Control de postura
p
Para evitar saturacin de actuadores:
u = tanh e cos
= k +
> 0
tanhe
sin cos
e
= u max
max = k + 0,5
Ob
Observaciones:
i
Presenta singularidad en el punto de error cero (detener en un entorno)
exhibe
hib b
buen comportamiento,
t i t
Para control de orientacin usar:
(t ) constante
2
tanh e sin
= k + r +
cos
tanh e
+
sin cos
e
Para valores muy pequeos de : < = 0 = sign ( ),
>0
Seguimiento
g
de trayectoria
y
Seguimiento de trayectoria
Considerando un robot virtual de referencia:
x&r = ur cos r
y& r = ur sen r
& = r
Suposicin:
lim ur (t ) 0
Problema de seguimiento: X = ( x
y )
( X r (t ) X (t ) ) 0
Definicin de errores de control
e1 cos

e = e2 = sen
e 0
3
sen
cos
0
0 xr x
0 yr y
1 r
Seguimiento
g
de trayectoria
y
Ecuaciones del error de seguimiento
Variables de control auxiliares
1 = u + ur cos e3
2 = r
Derivando e, resulta
e&1 0 0 e1 0
1 0

&e = e&2 = 0 0 e2 + sen e3 ur + 0 0 1
e& 0 0 0 e 0
0 1 2
3
3
Ley de control
1 = k1e1
sen e3
e2 k3e3
2 = k 2u r
e3
ki > 0
Seguimiento
g
de trayectoria
y
Estabilidad
k 2 2 2 e32
V (e) = (e1 + e2 ) +
2
2
V& = k 2 e1 ( 1 + e2 ) + k 2 e2 (ur sen e3 e1 ) + e3 2

= k1k 2 e12 k3e32 0
e1 , e2 , e3 acotados
V& uniformemente continua y de integral temporal finita (Barbalat)

V& (t ) 0
Ahora debe demostrarse que tambin
e1 (t ), e3 (t ) 0
e2 (t ) 0 .
Seguimiento
g
de trayectoria
y
De las ecuaciones del error:
e&3 = k 2ur e2
sen e3
sen e3
k3e3 = k 2ur e2
+ (t )
e3
e3
(t ) 0
Tambin, como u r (t )e3 (t ) 0 y
u& r se asume acotado
sen e3
d 2
3
(u r e3 ) = k 2ur e2
+ (t )
dt
e3
Aplicando Barbalat a
d 2
(u r e3 )
dt
k 2ur3e2
sen e3
(t ) 0
e3
Como se ha supuesto que ur no tiende a cero (se excluye problema de

posicionamiento))
p
e2 (t ) 0
Seguimiento
g
de trayectoria
y
Seguimiento
de trayectoria
x& cr = x& d + K (~
x )~
x
~
x = x x
d
x& cr = u r r
k
~
K( x) = diag
xi
a + ~
k = umax x& d
max
Si x& c x& cr (ideal)

~
x& + K (~
x )~
x=0
~
x (t ) 0
1 ~T ~
x x
2
V& = ~
x T (K(~
x)~
x ) = ~
x T K(~
x)~
x<0
V=
Seguimiento
g
de trayectoria
y
u = ur cos~
x& cr (t ) x& c (t ) = (t ) real
2 ~
= & r + k 2 tanh
k2
(t ) 0
1 ~T~
V= x x
2
V& = ~
x T K(~
x)~
x+~
x T
~
x& + K( ~
x )~
x = (t )
k
2
~
~
x
>
x
~
a+ x
x >a
(k ) ~
a
~
x >
, sii k > o se verif.
if en t finito
fi i
k
Si 0, ~
x(t) 0 pues la condicin tiende a cumplirse para todo ~
x.
Seguimiento
g
de trayectoria
y
Experimentacin
k=3; a=350; k2=1 , 2=1

Norm Error
0.25
0.2
Mobile Robot Trajectory

0.5
0.15
0.4
0.3
0.1
0.2
0.1
Y [m]
0.05
0.1
50
100
150
0.2
200
250
300
350
ThetaTilde
1
0.3
0.5
0.4
0.5
0.5
0.4
0.3
0.2
0.1
0
X [m]
0.1
0.2
0.3
0.4
0.5
0.5
1.5
50
100
150
200
250
300
350
Seguimiento
g
de caminos
Seguimiento de caminos (path following)
Variables de estado
T
X = (s l ~ )
~ = r
Ecuaciones cinemticas
s& = u cos~
1
1 c( s )l
l& = u sen~
~& = u cos~
c( s)
1 c( s )l
c( s ) : curvatura de S en M
Objetivo de control: hallar (t ) tal que l (t ) 0
~ (t ) 0
Seguimiento
g
de caminos
Variable de control auxiliar
c( s )
~
= u cos
1 c( s )l
Las ecuaciones cinemticas pueden escribirse
s& = u cos~
1
1 c( s )l
l& = u sen~
~& =
Ley de control
Suposicin
u0
sen~
= k1ul ~ k 2~
Seguimiento
g
de caminos
Prueba de estabilidad
sen~
= k1ul ~ k 2~
~ 2
l
V = k1 +
2
2
V& = k ll& +~~& = k l sen~ u + ~
1
= k 2~ 2 l ,~ acotados
V& uniformemente continua y de integral temporal finita (Barbalat)
V& (t ) 0
Entonces
~ (t ) 0
~
~
sen
sen
~& = = k1ul ~ k 2~ = k1ul ~ + (t )
(t ) 0
Seguimiento
g
de caminos
Tambin, como u~ (t ) 0 y
u&
es acotado
~
d 2~
3 sen
(u ) = k1u l ~ + (t )
dt
Aplicando Barbalat a
sen~
k1u l ~ 0
d 2~
(u ) y recordando que u 0
dt
l (t ) 0
Observacin: singularidad cuando l=1/c(s). El controlador propuesto por

(Soetano, Lapierre, Pascoal, 2003), evita este problema.
Evasin de obstculos
Evasin de obstculos
Uso de fuerzas ficticias calculadas en

funcin de la distancia al obstculo
f (t ) = a b.( d (t ) d min ) n
Zona de
repulsin
dmax
dmin
a b.(d max d min ) n = 0

Z = ( Ip + Bp + K )
xa = Z 1 fT = Z 1 f cos
fr
ft
f
= xa sign( f r )
f r = f sin( )
cos
x& d =
sin
sin
x& d
cos
II.3 COMPENSACIN DINMICA

ROBOTS MVILES

II.
3. Compensacin dinmica
Compensacin
p
dinmica
Seguimiento de trayectoria
Usando el modelo dinmico simple
0
&
cos
x
u

y& u sin 0

0
&
= + 1

&
0
u

m
& 0 0
0
0
0 f
0
1
j
El punto
t de
d iinters
t es h
h1 x
cos
h = y + L sin
i
2
x& = f(x) + g
h = h(x)
Derivando la salida en el tiempo
&h = cos
sin
2
L sin
i u
m1 cos
L
sin
cos
&& =
h
+ 1 sin
2
L cos
u cos L sin m
Lj sin
i f

L
cos
j

Compensacin
p
dinmica
Se define el mapa y su inversa:
h1 x + L cos
h
y
L
sin
+
2
&
z = (x) = h1 = u cos L sin
&
h
u
sin
+
L
cos
z1 L cos z5
z
L
sin
z
2
5
z5
x = (z) =
z
cos
z
+
z
sin
z
3
5
4
5
L1 z3 sin z5 + L1 z 4 cos z5
La dinmica en las coordenadas transformadas
z&1 z3
z& = z
2 4
z&3 u sin L 2 cos m1 cos
+ 1 sin
z& =
2
4 u cos L sin m
z&5 = L1 z3 sin z5 + L1 z 4 cos z5
Lj sin
L
cos
Compensacin
p
dinmica
Tomando la ley de control
cos
=
sin
1
m
1
m
sin
i
L
cos
L
j
u sin L 2 cos

2
u
cos
sin
L di
La
dinmica
i d
dell sistema
i t
d
de lazo
l
cerrado
d resulta
lt
z&1 z3
z& = z
2 4
z&3
z& =
4
z&5 = L1 z3 sin z5 + L1 z 4 cos z5
Tomando
~
~&
= h& d K p h K d h
z1
h=
z2
&h = z3
z
4
Dinmica interna (no observable)

&& =
h
~
~&
~
&&
h + K ph + K dh = 0
La dinmica cero (dinmica interna con z1,z2,z3,z4=0) es

resulta estable.
z&5 = 0
la cual
Compensacin
p
dinmica
Experimentacin:
Validacin del modelo identificado
Trayectoria
Pioneer 3-DX
Compensacin
p
dinmica
Errores de control
Velocidades y aceleraciones
u
C
Control adaptable
p
Seguimiento
de trayectoria adaptable
Recordando el modelo del robot:
i 0
u cos a sin
u sin + a cos
&
x
0
y&
0

0
0
& = 3 2 4
+ 1
u
&
0
0
0
u
1
1

1
&
05
06

0
0
0
2
2
Cinemtica
ref
+0
0 ref

1
02
0
0
0
Dinmica
Incertidumbres paramtricas (inercias, carga, fricciones, etc.): control

adaptable
Control adaptable
p
Estructura de control
xd
u ref
u ref
yd
To the Robot
x& d
y& d
ref
Kinematic
Controller
Dynamic
Controller
ref
Control adaptable
p
Control cinemtico (de cinemtica inversa): sin incertidumbres
x& cos
y& = sin

& 0
&
&h = x = cos
y& sin

cos
c
uref

c = 1
ref sin
a
a sin
u
a cos
a sin u
a cos
h = [x
u cos
= 1 sin
a
kx
sin x&d + lx tanh l
x
1
cos
ky
a
y& d + l y tanh
ly
y]
x%
y%
sin x&

1
cos y&
a
~
x = xd x ~
x& = x&d x&
~
y = yd y ~
y& = y& d y&
Control adaptable
p
Se supone por ahora que
kx
lx tanh
lx
&h% =
l tanh k y
ly
y
% =0
h% (t ) + L(h)
u = ureff , = ref
(sin dinmica)
1 %T%
V
=
h h>0

2
x%

kx
T&
y%
&
%
%
%
V = h h = xlx tanh

lx
Estabilidad asinttica:
h% (t ) 0
ky
% y tanh y% < 0
x% yl
l
Control adaptable
p
Control dinmico (modelo dinmico parametrizado)
uref u& 0 2 u 0 0 0
0
0
0
0
0 T
0
=
1 2 3 4 5 6 = G (u, , u, )
0
0 u
ref 0 &
u
0 0 u&
2 u 0 0
T
ref
0
0
1
0
0
0
0
0
0
=

+

1
2
3
4
5
6

0 & 0 0
u
0
0
ref
2
donde : u = u ref
ref ]T ,
10 0
D=
,
0
0 2
Definiendo
= [ 1 2 ] ,
T
u = Dv& +
0 0 2 u 0 0 0
0
0
0
0
0
=
1
2
3
4
5
6
0
0
0
0
u
c
c
u& = u&ref
+ ku u% = 1 , u% = uref
u, ku > 0,
0
c
c
& = & ref
+ k% = 2 , % = ref
, k > 0,
Control adaptable
p
Ley de control dinmica:
u
ref
ref
0 0
T
0 0 2 u 0 0 0
1
0
0
0
0
0
=

+

1
2
3
4
5
6
0 2 0 0
0
0
u
u = D +
Parametrizacin lineal:
u = G ( 1 , 2 , u , )
0
d d :G = 1
donde
0 2
2
0
u 0 0
0 u
0 = 10 20 30 40 50 60
Considerando incertidumbre paramtrica:
u = G 0 = G0 + G% 0 = D + + G% 0 ;
)
%0 = 0 - 0
Control adaptable
p
Lazo cerrado
Dv& + = D + + G% 0
& = G% 0
D( - v)
D( v&% + Kv% ) = G% 0
Ley de adaptacin:
& 0
-11 T
= G v%
Lyapunov:
V=
1 T
1
v% Dv% + % 0T % 0
2
2
con : > 0, D > 0.
V& = v% T DKv
DK % 0 ESTABLE
Como v% es de cuadrado integrable, y
v&%
v% , %
acotados
es acotado, por Barbalat:
% 0 con t
v(t)
Control adaptable
p
Con la siguiente
g
ley
y de adaptacin
p
se evita la deriva p
paramtrica:
& 0
= -1G T v% -1
Error de control del controlador adaptable
Relajando la hiptesis de seguimiento perfecto de velocidad:
% = Av%
h% (t ) + L(h)
Nota: Si v% (t ) 0 entonces h% (t ) 0
Control adaptable
p
Experimentos: con carga 23kg
II.4 CONTROLES ESPECIALES

ROBOTS MVILES
II. ROBOTS CON RUEDAS

4. Controles especiales:
control en pasillos
p
Control en pasillos
p
Control de robots en pasillos
Cinemtica
~
x& = u sen
& =
Variables de estado
X = (
T
~
x)
Di
Dd
Objetivo de control
( (t )
T
~
x (t ) ) 0
~
x
Control en pasillos
p
Clculo de variables de estado (lser o ultrasonidos). Tambin
visin (lneas de perspectiva)
Di Dd
~
x=
2
1 n
= tan
Dd
Di
Dd
~
x
Dd
Control en pasillos
p
Ley de control
Ganancias variables para evitar

saturacin de actuadores:
u = u( , ~
x)
= -kk ( ) - k ~x ( ~x ) ~x u
Lazo cerrado
k1
k ( ) =
a1 +
sen
x) =
k ~x ( ~
~
x& = u sen
sen
~
~
& = -k ( ) - k ~x ( x ) x u
equilibrio
(~x )T
=0
k2
a2 + ~
x
Control en pasillos
p
Estabilidad
V=
2
2
~
x
+ k ~x ( )d
0
V& = & + k ~x ( ~
x )~
x~
x& =
sen
~
~
+ k ~x ( ~
= - k ( ) - k ~x ( x ) x u
x )~
x u sen =

= -k ( ) 2 0
~
x , aco
acotados
ados
Aplicando teorema de La Salle, en la regin el nico invariante es ~
x =0
~
~
x & ~
x ~
x
= : V ( x , ) = 0 =
0

~
x (t ), (t ) 0
Control en pasillos
p
Seleccin de ganancias
k ( ) =
k1
a1 +
De la ley de control
k ~x ( ~
x) =
k2
a2 + ~
x
ki , ai > 0
~
xu
k1
+ k2
a1 +
a2 + ~
x
k1 + k 2 max((u )
Elegir
k1 , k 2 tal que k1 + k 2umax max
Elegir para movimiento cauteloso:
u(~
x , ) = (umax k ~
x ) cos
k >0
Control en pasillos
p
En pasillo interiores con sensor lser
Control en pasillos
p
Entornos externos:
Con medicin visual de lneas de perspectiva
II.5 CONTROL HBRIDO

ROBOTS MVILES

5. Objetivos complejos:
control hbrido
Control hbrido
Control hbrido (conmutacin de controladores)
Familia de controladores
x& = f p (x ),
pP
Supervisor
Conmutacin
x& = f (x )
f1((x))
Informacin
sensorial
Robot
mvil
Generacin
de referencias
: seal de conmutacin
fn(x)
(constante por tramos,

indica el controlador activo)
Estabilidad
Caso I. Funcin de Lyapunov Comn.
Caso II. Mltiples Funciones de Lyapunov.
x,y,
Control hbrido
Caso I. Funcin de Lyapunov Comn
Problema de control: Seguimiento de un contorno
Mantener una distancia constante a un objeto desconocido, cuyo tamao
sea por lo menos comparable al del robot.
Problemas: Prdida de visibilidad del contorno (a)
Colisiones (b)
1
5
4.9
0.8
4.8
0.6
4.7
0.4
4.6
4.5
0.2
4.4
0
4.3
4.2
-0.2
4.1
-0.4
2.4
2.6
2.8
3.2
3.4
3.6
3.8
Variacin en la longitud de los haces

que estiman los ngulos
4
2.4
2.6
2.8
3.2
3.4
3.6
Invasin de la regin
de deteccin frontal
Control hbrido
Lgica de conmutacin
Seguimiento de contorno
Re-orientacin
5
4.9
4.8
4.7
4.6
4.5
4.4
4.3
4.2
4.1
4
2 4 2.6
2.4
2 6 2.8
28
=1
3
3 2 3.4
3.2
34
36
3.6
=0
Seguimiento
de p
pared
=2
Realizar un
crculo
1
08
0.8
0.6
0.4
0.2
0
-0.2
-0.4
2.4 2.6 2.8 3 3.2 3.4 3.6 3.8 4
Control hbrido
Subsistemas: Controladores individuales
1. Seguidor de pared
Errores
~
d = d des d obj
~
= obj
Modelos
()
~&
~
d = v sin
~&
=
Acciones de control
v = vmax 0
Funcin de Lyapunov
V =
~
d
1 ~2
+ k d~ ( ) d
2
0
()
~
~ ~ sin
= K~ tanh k~ + k d~ d d v ~
( )
~
k d~ =
k1
~ 0
1+ d
()
Control hbrido
2. Reorientacin
Error
= d
Modelo
~&
=
Acciones de control
v=0
= K~ tanh k~
Funcin de Lyapunov
V~ =
~2
Control hbrido
3. Ejecucin de crculo
Acciones de control
v = vmax 0
= vmax / Radio
R di
Objeto
Radio
Control hbrido
Estabilidad
Funcin de Lyapunov comn

Si todos los subsistemas de la familia de controladores comparten
una misma funcin de Lyapunov radialmente no acotada
acotada, entonces
el sistema conmutado es globalmente asintticamente estable.
Equilibrio comn en [0,0]. Las funciones de Lyapunov

individuales:
Seguimiento de paredes
~
y
1~
V = 2 + k ~y ( ) d
2
0
Orientacin
1~
V= 2
2
Funcin de
Lyapunov
comn
Control hbrido
Resultados experimentales: Trayectoria descripta
Trajectories
Trajectories
1
0.5
0
y [m]
-1
-0.5
-2
-1
-1.5
0.5
1.5
2.5
3
x [m]
3.5
4.5
5.5
-4
Trajectories
-5
-6.5
-6
-7
-7.5
-7
7
y [m]
y [m]
-3
-8
-8
-8.5
-9
-9
-9.5
-10
4
x [m]
5
x [m]
Control hbrido
Resultados experimentales: error de distancia
Measured distance to the wall "y w all" and desired distance to the wall "y des "
3500
y w all
y des
3000
Dis
stance [mm]
2500
2000
1500
1000
500
200
400
600
800
1000 1200
k [samples]
1400
1600
1800
2000
Control hbrido
Seal de conmutacin
Switching Signal
2
1.8
1.6
Switch
hing Signal
1.4
1.2
1
0.8
0.6
0.4
0.2
0
200
400
600
800 1000 1200

k [samples]
1400
1600
1800
2000
Control hbrido
Video
Control hbrido
Video
Control hbrido
Caso II. Mltiples funciones de Lyapunov
Problema de control:
Mover al robot desde un punto inicial a otro deseado bordeando los
obstculos que existan entre estos dos puntos, conmutando dos
controladores:
Controlador punto a punto (PaP)
Controlador de seguimiento
g
de contornos ((SdC)) Visto en Caso I.
Informacin: evaluacin de las funciones de Lyapunov de los controladores,

detectar si el robot alcanza o supera el obstculo.
Control hbrido
Seal de conmutacin:
5
4.9
4
9
4.8
4.7
4.6
4.5
4.4
4.3
4.2
4.1
4
2.4 2.6 2.8
Point-to-Point
Contour-Following
3
3.2 3.4 3.6
th h ld = Vd
threshold
OBSTACLE passed = false
Y
1 ~2
Vd = d
2
d2
yd
x=xd
y=yd
=d
X
x=0
y=0
=0
xd
Only if
{Vd < threshold
andd
OBSTACLE passed = true}
Control hbrido
Mltiples funciones de Lyapunov: Simulacin
Trajectories
3
1- Partida (Controlador PaP)
3 4
y [m]
-1
-2
0
x [m]
4-La distancia es menor y el

obstculo ya fue superado.
Nuevo controlador PaP
V
V2
Vswitch
20
15
5- Llegada
10
3- La distancia es menor pero

el obstculo no fue an
superado
p
Lyapunov functions
25
2- Obstculo (Controlador
SdC) Se marca el umbral de
distancia
100
200
300
400
500
k [samples]
600
700
800
900
Control hbrido
Trajectories
j
3
3
2- Obstculo (Controlador SdC) Se marca

el umbral de distancia
1
y [m]
1 2
3- La distancia es menor pero el obstculo

no fue an superado
-1
4-La distancia es menor y el obstculo ya

fue superado. Nuevo controlador PaP
-2
-3
x [[m]]
5- Obstculo
5
Ob t l (Controlador
(C t l d SdC) S
Se marca
el umbral de distancia
Lyapunov functions
25
20
V
V2
Vswitch
Threshold
15
6- La distancia es menor p
pero el obstculo
no fue an superado
7- La distancia es menor y el obstculo ya

fue superado.
superado Nuevo controlador PaP
10
200
400
6 7
600
800
k [samples]
1000
1200
1400
8- Llegada
Control hbrido
Trajectories
2- Obstculo (Controlador
SdC) Se
S marca ell umbral
b ld
de
distancia
y [m]
-1
p
el obstculo,,
3- Ha superado
pero la distancia es an
mayor al umbral de distancia
-2
-3
-4
-2
x [m]
4-La
4
La distancia es menor y el
obstculo ya fue superado.
Nuevo controlador PaP
Lyapunov functions
25
V
V2
Vswitch
Threshold
20
5- Llegada
15
10
200
400
600
800
k [samples]
1000
1200
1400
Control hbrido
Mltiples funciones de Lyapunov: Experimentacin
Control hbrido
Otros ejemplos de control hbrido
Control de vehculos tipo auto: conmutacin de maniobras para
solucionar las limitaciones cinemticas que plantea la no holonoma.
y
Lgica de conmutacin
Controlador 1
[v ]
Tipo auto
Controlador 6
[ ]
Robot
Clculo
coordenadas
polares
[ xc yc ]
Control hbrido
Control de postura final (posicin
y orientacin) con objetivo muy
prximo.
Mltiples funciones de Lyapunov
II.6 MANIPULADORES MVILES

ROBOTS MVILES

6. Control de manipuladores
mviles
Manipuladores
p
mviles
Manipulador
p
mvil: brazo robtico sobre pplataforma mvil
expande el rea de trabajo del manipulador
Manipuladores
p
mviles
Punto de inters: extremo del

manipulador
h = [ xee
y ee zee ]
Manipuladores
p
mviles
Escribiendo
h = h( x, y, ,1 , 2 ... n ) = h(q)
Derivando en el tiempo
h& (t ) = [ x&ee
h& (t ) = J (q) v (t )
z&ee ]
y&ee
T
&
&
&
v (t ) = u 1 2 ... n
Ejemplo (de la figura):
(
(
C aS bS S l1C +l2C
1
2
2 3
x&ee
y& = S aC +bC C l C +l C
1 1 2
2 23
ee
z&ee 0
0
)
)
(
(l C
)
(
) S (l S
S1 l1C2 +l2C23 C1 l1 S 2 + l2 S 2 3
C1
1 2
+l2C23
1 2
+ l2 S 2 3
l1C 2 + l2 C 2 3
)
)
l2 C1 S 2 3
l2 S1 S 2 3
l2 C 2 3

&1
&
2
&3
Manipuladores
p
mviles
Controlador de mnima norma de vc:
v c = uc
v c (t ) = W J
( JW
h& (t )
v c = J + h&
Pseudoinversa por derecha, W: peso
h& = Jv c
1 T
1 T
1c
&
T
&
3c
&
2c
Ley de control (cinemtica inversa)
))
v c = J + h& d + L K tanh L K 1K h% + ( I J + J ) L D tanh ( L D 1D v 0 )
h% = x%ee
v0
y%ee
z% ee
x%ee = xd xee
y% ee = yd yee
z%ee = zd zee
Control de la
estructura interna
Velocidad
V
l id d con efecto
f t slo
l en lla estructura
t t
iinterna,
t
no afecta la posicin h
Manipuladores
p
mviles
Lazo cerrado:
h& = Jv c
))
v c = J + h& d + L K tanh L K 1K h% + ( I J + J ) L D tanh ( L D 1D v 0 )
&
h% + L K tanh L K 1K h% = 0
Estabilidad:
1 %T%
%
V (h ) = h h
2
V& (h% ) = h% TLK tanh LK 1K h% < 0
h% (t ) 0
Manipuladores
p
mviles
Seleccin de v0 p
para controlar la estructura interna del robot ((espacio
p
nulo del
Jacobiano).
Dos criterios:
1. Manipulabilidad: facilidad de cambio arbitrario de posicin y orientacin del
extremo operativo del robot.
wd = det ( J (qm )J T (qm ) )
Volumen del lugar geomtrico (elipsoide) de las velocidades

donde q m = [1 2 ... n ]
2. Evasin de obstculos:
obs = kobs ( r d ) sign( i ) [90 abs( i )]
h& para q& m 1
Manipuladores
p
mviles
Se elige v0 como:
v 0 = [ 0 obs
1d 1 2 d 2 3d 3 ]
qd
Vector de posiciones articulares que maximiza la

manipulabilidad
obs
Comando de maniobra para evitar obstculos
Compensacin dinmica: puede efectuarse en cascada con el

control cinemtico
h%
c. cinematico
vc
c. dinamico
v ref
Manipuladores
p
mviles
Resultados: seguimiento de una senoide en 3D
0.7
0.6
0.5
err x
err y
err z
Error [m]
0.4
0.3
0.2
0.1
0
-0.1
-0.2
10
20
30
40
50
60
Tiempo [s]
70
80
90
100
Manipuladores
p
mviles
Resultados experimentales:
II.7 CONTROL COORDINADO

ROBOTS MVILES

7. Control coordinado
Control coordinado
Control coordinado (lder y seguidor)
Objetivo de control
lim e(t ) = lim(d d d ) = 0

t
t
lim ~ = lim = 0
t
vT
Modelo cinemtico
e& = vT cos + v cos ~

sin ~
sin
+v
d
d
~ 0
cos
v
cos
T
e&
v
~
sin
~& = vT sin +

1
d d

~& = + vT
y1 e
y = ~
2
Target
v
Follower Robot
x& = f(x)
( ) + g(
g(x)u
)
y = h(x)
e
v
e
x = ~ u = y = ~

Control coordinado
~ 0
v
cos
cos
T
y&1
v
~
y& = v sin + sin 1

2 T d d
y& = f(x) + g(x)u

Grado relativo es dos (no hay dinmica interna)
Ley de control de linealizacin:
u = g 1 (x)[ f(x)]
cos ~
u=
~
sin
0
(Ky f(x))
1
1
[k1e vT cos ]
~
cos
vT sin
sin ~
sin ~
~
~ vT sin
[
]
k
e
v
k
v
k
=
cos
1
2
2
T
d cos ~
d
d
d
v=
Control coordinado
Resultados experimentales
Medicin de
, , d
ZC
X
yA
yB
B
hR
hL
yD
yC
zR
zT
zL
Marks B and D
Marks A and C
d
xA, xC
f
xB xA
xB, xD
z L = f + 1 ,
hL
xL =
zL f
xA ,
f
z R = f + 1
hR
xR =
zR f
xB
f
XC
xL
zR zL
= tan
xR xL
1
= +
xT
xR Image Plane
xT
zT
= tan 1
d=
xT2 + zT2
Control coordinado
Estimacin de la velocidad del lder para perodo de muestreo 0.1s
e& = vT cos v cos ~

Velocidad estimada del objetivo
E s tim ated V elocity of the Objec tive [m m /s]
200
150
100
50
0
-50
-100
-150
150
-200
5
6
Tim e [s ecs ]
10
(d k d k 1 ) / 0.1 + v cos ~
vT
cos
Control coordinado
Estimacin de la velocidad del lder para perodo de muestreo 0.1s
Distancia al objetivo
Distanc e [m m ]
1000
900
800
700
600
500
400
300
200
100
0
5
6
Tim e [secs]
10
Control de formacin
Control de formacin
Controlar en forma coordinada un grupo de robots (control cooperativo,
control de formacin)
Aplicaciones
Vigilancia, bsqueda o exploracin, rescate, inspeccin
y mapeo, manipulacin cooperativa.
Motivacin
Posibilitar tareas con robots
ms simples y baratos
baratos.
Distribucin de sensores y procesamiento.
Menor
M
titiempo d
de ejecucin.
j
i
Robustez a fallos.
Control de formacin
Soluciones
Control basado en estructuras virtuales (K. Tan, 1996): la formacin
completa se trata como una simple entidad o estructura rgida virtual, los
robots intentan ajustarse a la estructura virtual y viceversa
viceversa.
Control basado en el seguimiento de lderes (Desai, 1998): el robot lder
planea la trayectoria para la formacin
formacin, mientras los otros siguen al lder
lder.
Control basado en comportamiento (T. Balch, 1999): inspirado en el
comportamiento de los animales
animales. Los comportamientos reactivos son
combinados (agrupamiento, dispersin, evitar colisiones moverse hacia el
objetivo, evitar colisiones, mantener la formacin).
Control basado en teoras de control (A. Das, 2002): enfocado en la
dinmica y la estabilidad de las formaciones multi-robot. Se prueba
estabilidad.
Control de formacin
Objetivo: La coordinacin permite que los robots mantengan una
formacin mientras alcanzan un destino final.
Control de formacin
Control de formacin
Control de formacin
Objetivo: seguimiento.
Control de formacin
Enfoques
Control centralizado de formacin
g g
genera
Utiliza la informacin de los estados de todos los robots y luego
seales de control para todos los robots. Monitoreo y control de todos los
robots en conjunto.
Control
C t ld
descentralizado
t li d de
d formacin
f
i
Cada robot genera su accin de control en funcin a las posturas relativas de
sus vecinos.
vecinos
Control de formacin
Control centralizado de formacin
Posicin de i-simo robot:
xi
i =
yi
Li
Linealizacin
li
i por retroalimentacin
t li
t i d
de lla di
dinmica
i d
dell ii-simo
i
robot:
b t
&& =
i
i
Modelo linealizado del sistema de n robots:
d2
v2
d3
d1
d4
n=4
&& =
&&1 1

... = ...
&&
n n
Estados:
T
&
X=
Control de formacin
Se define z vector de estados de formacin: posiciones relativas entre
robots posicin del centroide
robots,
centroide, orientacin de la formacin
formacin, etc
etc.
Transformacin de coordenadas difeomorfismo (suave, invertible)
z 1 ( )
& ) J( ) = 1 ( )
=
=
(
,
&
&
J(
)

Inversa
11(z )
11 (z)
1
= (z,
& =
z z& ) J(z) =
z
J(z) z&
Derivando & en el tiempo
&& = d ( J(z)z& ) = J& (z, z& )z& + J(z)&z&

dt
Ejemplo: zP = [xF yF F]T, zF = [pF qF F]T

z=[zP zF]T
Control de formacin
Reemplazando el sistema multirobot
&& =
&z& = J(z) 1 J& (z, z& )z& + J(z) 1

~z = z z
d
Ley de control, K1>0, K2>0:
= J(z)(K 1 ~z + K 2 ~z& + J(z) 1 J& (z, z& )z& + &z&d )

Sistema de lazo cerrado
&z& = 0
K 1 ~z + K 2 ~z& + ~
Clculo de los estados
robots:
zz, z&
~z (t ) 0
a partir de las mediciones del estado de los
z 1 ( )
1 ( )
&
=
= (,
) J( ) =
&
z& J( )
Control de formacin
Estructura multicapa:
Planificacin fuera lnea
Escalabilidad: adicin de tringulos
Planificacin en lnea
z d , z& d , &&
zd
C t ld
Control
de fformacin
i
Robots
Medio
,& , d obs
Control de formacin
Experimentacin
Estados de la formacin de dos robots
( x x )2 + ( y y )2
d12
2
1
2
1
x1
x
z = 1 = 1 ( ) =
y1
y
1

f (x x , y y )
c
1
2
1
2
C
((x1,y1)
d12
2
Transformacin inversa
x1
x1

y1
y1
1
= = 1 (z ) =
x1 d12 cos c
x2

y
y d sen
c
2
1 12
1
1
0
J(z) =
=
cos c
z
sen
c
1
0
1
0
0
0
1
0
0 d12 sen c
1 d12 cos c
Control de formacin
Robots mviles y cmara omnidireccional
Valores deseados
1.2
0.5 + 0.005t
zd =
Control de formacin
Videos: formacin son sensor cmara omnidireccional
Control de formacin
Formacin con evasin de obstculos
Objetivo: evitar la colisin preservando la formacin.
Control de formacin
Formacin con evasin de obstculos
Objetivo: evitar la colisin preservando la formacin.
TI
I
rm
yo
pm2
y
xo
O
pm f
I1
fI2
dmax
dI
dmin
hI
Control de formacin
Videos: formacin y evasin de obstculos
Formacin de tres robots
Control de formacin
Videos: formacin flexible con desvo de obstculos
Control de formacin
Otras experiencias
Control de formacin
Otras experiencias
II.8 SLAM
ROBOTS MVILES

8. SLAM
II.8 SLAM
Localizacin y Reconstruccin Simultnea de
Entornos (SLAM)
Construccin de mapas del entorno
Navegacin,
Localizacin y
Reconstruccin
Simultnea de
Entornos
en funcin de la informacin
capturada por los sensores
Mapeo
peo
Autnomo
SLAM
Mapeo
SLAM
Autnomo
El vehculo recorre
((de manera
reactiva o
planificada) el
entorno donde se
encuentra
Exploracin/
Navegacin
Localizacin
Localizacin del
vehculo de acuerdo a
lo que observa en el
entorno
II.8 SLAM
Mapeo con
SLAM
Mapeo sin
SLAM
II.8 SLAM
EKF SLAM : basado en esquinas y
l
lneas
del
d l entorno
t
B
A
Con SLAM
Basado en odometra
II.8 SLAM
EKF SLAM Aplicaciones: Cruzar por una puerta
x2
x2
II.8 SLAM
EKF SLAM Aplicaciones: Giro en espacios restringidos
x2
x2
II.8 SLAM
EKF SLAM Autnomo: Navegacin basada en
Puntos de Frontera
M
Mapa
por odometra
d
t (x2)
( 2)
x4
Mapa por SLAM (x2)
II.9 APLICACIONES
ROBOTS MVILES

9. Aplicaciones
Aplicaciones
p
1. Robtica de Asistencia
Sistemasdecontrol
Comportamiento
basadoendecisin
Teorade
d
probabilidad
Mecatrnica
i
SLAM
Robotsmviles
R b
il
Manipuladores
Asistencia
Minusvlidoso
Minusvlidos
o
ancianos
Mejorar la situacin de las personas con

discapacidad motora o cognitiva en su
relacin con el entorno.
Aplicaciones
p
Lneas de investigacin
g
en el INAUT
Robot mvil comandado por interface cerebro-computador (BCI)
Barrido probabilstico de mapas para definicin de la navegacin
basada en BCI
Control de seguimiento de caminos para una silla de ruedas
robotizada
SLAM aplicado a una silla de ruedas robotizada
Aplicaciones
p
Trabajos recientes
- Controlador adaptable robusto para seguimiento de caminos de una
silla de ruedas robotizada (W. Cardoso Celeste et al., con la
Universidade Federal do Esprito Santo, ES, Brazil)
Aplicaciones
p
Aplicaciones
p
- Algoritmo SLAM aplicado a asistencia robtica (F. Auat et al., Instituto de
Automtica,, Universidad Nacional de San Juan,, Argentina)
g
)
Aplicaciones
p
Video
Aplicaciones
p
Robtica en Agricultura de Precisin
Dificultad de la navegacin en medios agrcolas: terreno, variaciones
ambientales del medio y de la vegetacin. Necesidad de sistemas de sensado
y control robustos.
Ambientes semiestructurados: lneas de plantas: frutales, vides, olivos
Uso de sensores lser (deteccin de paredes vegetales) y visuales
(deteccin de lneas de perspectiva) para navegacin entre los vegetales.
GPS para navegacin absoluta.
Navegacin autnoma para captura de datos fitosanitarios y de estado
vegetativo, relevamiento autnomo de mapas, tareas crticas.
Aplicaciones
p
1. Navegacin en pasillo vegetal (control visto en II.4)
Ecuaciones cinemticas
~
x& = u sen
& =
Estados
X = (
T
~
x)
Objetivo
( (t )
T
~
x (t ) ) 0
Aplicaciones
p
Medicin de
x% ,
con sensor lser
Di
Dd
~
x
Aplicaciones
p
Medicin de
x% ,
con visin a partir de lneas de perspectiva
Imagen original
Contorno tierra-vegetal
Deteccin de verde
Deteccin lneas
(transf. Hough)
Binarizacin
Lneas detectadas
Aplicaciones
p
Medicin de
x% ,
con visin a partir de lneas de perspectiva
xv
xv
k
1
= arctan
x% =
cos( )
[ x k3 tan( )]
k2
ki: depende de los

parmetros de la
p
cmara
Aplicaciones
p
Ley de control (ya vista en II.4)
% ( x% , )
= ks ( ) ksx% ( x% ) xv
Experimentacin
Con lser
sin( )
v ( x% , ) = vd k x% cos ( )
(movimiento cauteloso)
Con visin
Aplicaciones
p
2. Cuatriciclo robotizado AGRIBOT
Actuadores y encoder:
Direccin
Freno
Acelerador
Encoder
Aplicaciones
p
Cuatriciclo robotizado
Sensores externos:
GPS
Lser
Cmara estreo
Sensores de vegetacin
(cmara multiespectral, lser)
Aplicaciones
p
Esquema funcional general
Sensores
Externos: GPS
GPS, Lser,
Lser
Visin
Internos: Encoder,
Potencimetro
AGRIBOT
PC
Remota
(LAN)
INTA
WI FI
Unidades de
Cmputo y
Comunicacin
Local
WI FI
Instrumentacin
Electromecnica
PALM
TCP/IP
PC
Remota
(Web)
INAUT
Aplicaciones
p
Arquitectura de la red CAN
MINI PC
Sensor Laser
Cmara Visin
MINI PC
MINI PC
CONTROL
ALTO
NIVEL
CONTROL
BAJO
NIVEL
SENSADO
EXTERNO
RS232/CAN
RS232/CAN
RS232/CAN
Sensores Variables
Vegetales
Red
ed CAN
C
Direccin
Acelerador
Freno
Sensor
Velocidad
IMU
GPS
Emergencia
Aplicaciones
p
Control Bajo Nivel
Computador: Mini PC Marca Epia
PX1000
Dimensiones: 12x12 cm
Sistema Operativo: QNX 6.4
Licencia: Educativa
Control Alto Nivel

Computador: Mini PC Marca Epia
Dimensiones: 17x17 cm
Sistema Operativo: Linux Slax-RTAI
Licencia: Libre
Tareas que realiza:

Tareas que realiza:
Procesa Datos del Sensor Lser
PID Control de Velocidad Lineal-Ts 100ms Procesa
P
C
Cmara
d
de Vi
Visin
i
Envo de Referencias a los Actuadores
Algoritmos de Control
Supervisin de los Actuadores
Controlador de Posicin
Modelo
Modelo Cinemtico del Cuatriciclo
Controlador de Trayectorias
Recibe Ref. Velocidad lineal
Controlador de Caminos
Recibe Ref. Angulo Direccin
Otros Controladores
Enva Ref.
Ref Velocidad lineal
Enva Ref. Angulo Direccin
Supervisin de los Actuadores
Aplicaciones
p
Esquema de conexiones
Pulsador de parada
Alimentacin de
actuadores
Alim.
sensor
l
laser
A
CAN BUS
PC
bajo
nivel
E-Stopp
F/E
Alimentacin
uC y PC
Pulsador de parada
D
PC
alto
nivel
Aplicaciones
p
Experimentos de navegacin no tripulada
Control autnomo de posicin
Seguimiento trayectoria circular
Aplicaciones
p
Experimentos de navegacin no tripulada
Teleoperacin
III. ROBOTS AREOS

ROBOTS MVILES
III. ROBOTS AREOS
III. 1 Modelos
ROBOTS MVILES
III. ROBOTS AREOS

1 Modelos
III. 1 Modelos
Aplicaciones de robots areos:
Inspeccin en entornos de grandes dimensiones
Seguridad pblica (supervisin de trfico y espacio areo)
Gerenciamiento de riesgos naturales y ambiental (polucin, incendios,
volcanes)
l
)
Mantenimiento de infra-estructuras (lneas elctricas, oleoductos)
Agricultura de precisin
Tipos de UAVs:
Aeronaves de alas fijas (aviones y planeadores)
Aeronaves de alas rotativas (helicpteros)
Dirigibles
Helicptero: una de las aeronaves ms complejas
complejas, con capacidades de
maniobrabilidad (despegue y aterrizaje vertical, giro y desplazamiento lateral,
suspensin en el aire).
Sistema
S
s e a inherentemente
e e e e e inestable,
es ab e, no
o lineal,
ea , multivariable,
u a ab e, sub
sub-actuado,
ac uado, de
dinmica compleja y altamente acoplada.
III. 1 Modelos
UAV unmanned
UAV:
d aerial
i l vehicles
hi l (vehculos
( h l no tripulados)
ti l d )
III. 1 Modelos
o Sensores de Posicin y Orientacin
o
o
o
o
o
o
o
Inclinmetro
Acelermetro
Altmetro
Girscopo
Brjula
GPS
Unidade de medicin inercial (IMU)
o Sensores de Proximidad
o Cmaras de vdeo (sistema de visin artificial)
o Sensores de utrasonido
III. 1 Modelos
Modelo de helicptero segn Sira-Ramirez, et al. (2000)
u, v y w son las velocidades traslacionales: longitudinal, lateral y normal.

y representan los ngulos de rolido (roll)
,
(roll), cabeceo (pitch) y derrape
(yaw), con respecto al referencial inercial.
p, q y r indican la tasa de variacin de rolido, cabeceo y derrape en el
referencial del helicptero.
III. 1 Modelos
o Modelo Dinmico Reducido
o Vuelo vertical (eje Z)
o Vuelo vertical (eje Z) y rotacin alrededor de ste
o Vuelo en el plano vertical XZ

o Modelo PVTOL Planar Vertical Take-off
and Landing
g
lt
III. 2 Controlador basado en Lyapunov

y p
ROBOTS MVILES
III. ROBOTS AREOS

2 Controlador basado en
Lyapunov
y p

y p
CONTROLADOR BASADO EN LYAPUNOV
o Vuelo en el plano vertical XZ
o Consideraciones para obtener el modelo simplificado
oE
Estrategia
t t i de
d control
t l
o Control de altitud
o Control del ngulo de cabeceo
o Control del desplazamiento longitudinal

y p
o Modelo PVTOL
o Haciendo un cambio de variables y considerando
=
o Objetivo de control
o Funcin candidata de Lyapunov
y p
I yy
lh
3 = 3 & 2

y p
Control de altitud
o Escribiendo por simplicidad las variables transformadas sin barra
o Ecuaciones de altitud en funcin de los errores
&&
z=
cos g
considerando
co
s de a do
donde
o En lazo cerrado
o Tomando la derivada temporal de V2
o Utilizando La Salle
con

y p
Control de cabeceo
o Tomando la derivada temporal de V3
&
%&&&% = %& ( K tanh( K % ) + I&& )
V&3 (%,% ) = K 1 tanh( K 2% )% + I
1
2
1
d
o Tomando
1 = I&&d K 1 tanh( K 2% ) K 3%&

&
&
V&3 (%, % ) = K 3% 2 0
o Dado el sistema en lazo cerrado

Aplicando La Salle
I=
I yy
lh
&&% + K 1 tanh( K 2% ) + K 3%& = 0

para

y p
Control de desplazamiento longitudinal
o Sustituyendo 3 en la ecuacin del desplazamiento longitudinal en funcin
de los errores, se tiene
o
donde
o Asumiendo
o Resulta
o Asumiendo
se tiene en lazo cerrado

y p
o Tomando la primera derivada de V1
o Aplicando La Salle
para
O sea que, tomando la referencia propuesta para d

se logra que el error de desplazamiento longitudinal
converja
j a cero.
Si bien se ha probado la convergencia de los errores
en las variables x , z , es inmediato concluir la
convergencia de los errores en x, z .

y p
Simulaciones
Plano XZ
Trayectoria recorrida

y p
Simulaciones
Variables de Estado
Seales de control

y p
Animacin
III. 3 Controlador de dinmica inversa

ROBOTS MVILES
III. ROBOTS AREOS

3 Controlador de dinmica
inversa

CONTROLADOR DE DINMICA INVERSA
Lagrangiano
Ecuaciones de Euler-Lagrange
Euler Lagrange
Energa cintica total (traslacional

y rotacional)
Energa potencial total

Modelo dinmico no lineal
Matriz de inercias
Matriz de fuerzas centrfugas y de Coriolis
Vector de gravedad

Matriz de fuerza centrfuga y de Coriolis
Anti-simtrica
Modelo destacando la parte activa y la parte pasiva
4 grados de libertad
actuados (activos) y
2 indirectamente
actuados
d ((pasivos)
i
)
Restriccin debido a la parte subactuada
Restriccin no
holonmica de segundo
orden, permite obtener
referencias compatibles
Conjunto de Ecuaciones de la Parte Activa

Conjunto de Ecuaciones de la Parte Pasiva
Conjunto de Ecuaciones de la Parte Activa
Conjunto de Ecuaciones de la Parte Pasiva

Postura del helicptero en el espacio cartesiano
Relacin de velocidades entre espacio cartesiano y el del helicptero
Aceleraciones en ambos espacios

P
Premultiplicando
lti li
d la
l ecuacin
i di
dinmica
i por
a
&& + JM F = JM = D a
Jq
0 p
1
Puede ser escrita
&x&a H(q, q& ) = D(q) a

H(q, q& ) = J& (q)q& J(q)M 1 (q)F(q, q& )
&x&a H(q, q& ) = D(q) a
Ley de control (dinmica inversa para sistema subactuado):
D # (q) : matriz ppseudoinversa

Lazo cerrado:
Tomando:
Y puede probarse que :
~
xa (t), ~
x& a (t) 0

Simulaciones: vuelo 3D en espiral

Controlmoviles09 PDF

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

Controlmoviles09 PDF

Cargado por

Copyright:

Formatos disponibles

Control de robots mviles

CONTROL DE ROBOTS MVILES

DISAM UPM. Escuela de Ingenieros

Actual Aplicaciones en servicios y

80 - Comienzan las investigaciones en

1954 Devol disea el

II.1 MODELOS E IDENTIFICACIN

II ROBOTS CON RUEDAS

Robots comerciales y experim.

Robots comerciales y experim.

Visita virtual a museo

Robots comerciales y experim.

Darpa Urban Challenge

Robots comerciales y experim.

Humanoide QRIO - Sony

y& cos x&sen = 0 (velocidad restringida

en la direccin transversal del robot).

Modelo ms completo (Zhang 98)

r: radio de las ruedas;

r, l: torques aplicados a la rueda derecha e

Ie, Be: son el momento de inercia y coeficiente de friccin viscosa de la

urs , uls velocidades de deslizamiento longitudinal de la rueda derecha e

Problema: entradas son pares

Cinemtica x& u sin + a cos 0

El modelo dinmico en forma compacta es: X& = f X + g + X ,

10 = a ( mRt r + 2Ie ) + 2rkDT / ( 2rkPT )

02 = a Ie d 2 + 2Rt r Iz + mb 2 + 2rdkDR / ( 2rdkPR )

urs + uls u& rs + u& ls

= u ur ul u ur ul Fcx ' Fcy ' Fex ' Fey ' e

Despreciando la incertidumbre y parametrizando:

Por mnimos cuadrados:

II.2 CONTROLES BSICOS

II ROBOTS CON RUEDAS

Seguimiento de caminos (path-following)

Seguimiento de trayectorias (trajectory tracking)

Modelo en coordenadas polares

Problema: posicionamiento final

Diseo del controlador

puede hacerse no positivo eligiendo

que puede hacerse no positivo eligiendo

= k + sen cos , k > 0

Para control de orientacin usar:

Para valores muy pequeos de : < = 0 = sign ( ),

Definicin de errores de control

V& = k 2 e1 ( 1 + e2 ) + k 2 e2 (ur sen e3 e1 ) + e3 2

V& uniformemente continua y de integral temporal finita (Barbalat)

u& r se asume acotado

Como se ha supuesto que ur no tiende a cero (se excluye problema de

Si x& c x& cr (ideal)

x& cr (t ) x& c (t ) = (t ) real

k=3; a=350; k2=1 , 2=1

Mobile Robot Trajectory

Objetivo de control: hallar (t ) tal que l (t ) 0

Observacin: singularidad cuando l=1/c(s). El controlador propuesto por

Uso de fuerzas ficticias calculadas en

a b.(d max d min ) n = 0

II.3 COMPENSACIN DINMICA

II ROBOTS CON RUEDAS

Derivando la salida en el tiempo

La dinmica en las coordenadas transformadas

Dinmica interna (no observable)

La dinmica cero (dinmica interna con z1,z2,z3,z4=0) es

Recordando el modelo del robot: