Está en la página 1de 181

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

Robots comerciales y experim.


p
Robots comerciales y experimentales

Visita virtual a museo

Minihelicptero autnomo

Robots comerciales y experim.


p
Robots comerciales y experimentales

Estacionamiento urbano

Darpa Urban Challenge

Robots comerciales y experim.


p
Robots comerciales y experimentales

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 ROBOTS CON RUEDAS


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 ROBOTS CON RUEDAS


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

II. ROBOTS CON RUEDAS


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
Subsistemas: Controladores individuales
2. Reorientacin
Error

= d
Modelo

~&

=
Acciones de control

v=0

= K~ tanh k~

Funcin de Lyapunov

V~ =

~2

Control hbrido
Subsistemas: Controladores individuales
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
Mltiples funciones de Lyapunov: Simulacin
Trajectories
j

3
3

2- Obstculo (Controlador SdC) Se marca


el umbral de distancia

1
y [m]

1- Partida (Controlador PaP)

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
Mltiples funciones de Lyapunov: Simulacin
Trajectories

1- Partida (Controlador PaP)

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

II. ROBOTS CON RUEDAS


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

II. ROBOTS CON RUEDAS


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
Resultados experimentales
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
Resultados experimentales
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
Objetivo: La coordinacin permite que los robots mantengan una
formacin mientras alcanzan un destino final.

Control de formacin
Objetivo: La coordinacin permite que los robots mantengan una
formacin mientras alcanzan un destino final.

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

II. ROBOTS CON RUEDAS


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

II. ROBOTS CON RUEDAS


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
Cuatriciclo robotizado
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
Cuatriciclo robotizado
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
Cuatriciclo robotizado
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
Cuatriciclo robotizado
Experimentos de navegacin no tripulada

Control autnomo de posicin

Seguimiento trayectoria circular

Aplicaciones
p
Cuatriciclo robotizado
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

III. 1 Controlador basado en Lyapunov


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

III. 2 Controlador basado en Lyapunov


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

III. 2 Controlador basado en Lyapunov


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

III. 2 Controlador basado en Lyapunov


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

III. 2 Controlador basado en Lyapunov


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

III. 2 Controlador basado en Lyapunov


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 .

III. 2 Controlador basado en Lyapunov


y p
Simulaciones
Plano XZ

Trayectoria recorrida

III. 2 Controlador basado en Lyapunov


y p
Simulaciones
Variables de Estado

Seales de control

III. 2 Controlador basado en Lyapunov


y p
Animacin

III. 3 Controlador de dinmica inversa


ROBOTS MVILES

III. ROBOTS AREOS


3 Controlador de dinmica
inversa

III. 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

III. 3 Controlador de dinmica inversa


Modelo dinmico no lineal

Matriz de inercias
Matriz de fuerzas centrfugas y de Coriolis
Vector de gravedad

III. 3 Controlador de dinmica inversa


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

III. 3 Controlador de dinmica inversa

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

III. 3 Controlador de dinmica inversa


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& )

III. 3 Controlador de dinmica inversa

&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

III. 3 Controlador de dinmica inversa


Simulaciones: vuelo 3D en espiral