ROBÓTICA PARALELA: APLICACIONES INDUSTRIALES, MODELADO Y CONTROL

Andrés Vivas

Universidad del Cauca, Departamento de Electrónica, Instrumentación y Control, Popayán, Colombia

Resumen: Este artículo introduce los principales conceptos de la robótica paralela

para uso industrial, campo que aún no hace parte de manera significativa en el
aparato productivo del país. Se abordan las principales ventajas de este tipo de robots
así como las ecuaciones que los definen. Igualmente se hace énfasis sobre los tipos
de controladores a implementar en robótica paralela, con el fin de aprovechar al
máximo la alta dinámica con que ellos funcionan.

Palabras Clave: Robótica paralela, robótica industrial, modelado de robots, control

de robots.

1. INTRODUCCIÓN primeros que propusieron utilizar la plataforma de

Hace más de 50 años se concibieron los robots
paralelos. Este tipo de mecanismos, a diferencia de
los robots tipo serie, constan de una base y una
plataforma, unidas por varias cadenas cinemáticas.
Estas estructuras cerradas poseen diversas ventajas,
tales como que pueden alcanzar velocidades y
aceleraciones mucho más grandes que en el caso de
los robots serie, manejan cargas superiores, poseen
alta rigidez dado que el peso es repartido entre las
diferentes cadenas cinemáticas, y con ellos se logra
una mayor precisión. Igualmente presentan ciertas
desventajas frente a los robots serie tradicionales
como son el hecho de poseer una cinemática más
compleja, un espacio de trabajo más pequeño y más
difícil de definir, un manejo de las singularidades
muy particular para cada estructura, y una mayor
exigencia en los algoritmos de control dada la alta
dinámica que proporcionan estas estructuras (Merlet,
1994; Merlet, 1997).
La primera estructura paralela conocida
industrialmente fue la plataforma para comprobación
de neumáticos de la empresa Dunlop Rubber Co.,
Inglaterra, diseñada por Gough en 1947 (Gough,
1956; Gough y Whitehall, 1962). Se trataba de un
hexápodo con lados de longitud variable el cual
simulaba el proceso de aterrizaje de un avión (Figura
1). Después Stewart (1965) presentó una estructura
paralela utilizada como simulador de vuelo, donde la
conjunción de las diversas cadenas cinemáticas del
mecanismo podía proveer los varios y complejos
movimientos a la cabina de un piloto en
entrenamiento. McCallion y Pham (1979) fueron los
Stewart como un manipulador paralelo en un sistema
de ensamblaje, basados en el hecho que la posición
del efector final es mucho menos sensible a los
errores que los sensores articulares de los robots
serie. La gran rigidez de estos dispositivos asegura
que las deformaciones de los actuadores sean
mínimas lo cual contribuye a mejorar la precisión del
manipulador. Después, los robots paralelos han hecho
su incursión en múltiples y variadas aplicaciones
tecnológicas entre las que se pueden nombrar:
sistemas de posicionamiento de antenas parabólicas,
robots trepadores utilizados en tareas de
mantenimiento, robots paralelos submarinos y
sistemas paralelos para teleoperación, entre otros.
En el campo industrial dos estructuras paralelas
sobresalen históricamente: los llamados Hexápodos
(Figura 2), de seis grados de libertad, que
proporcionan tres translaciones y tres rotaciones, y el
robot Delta (tres translaciones, Figura 3), propuesto
por Clavel (1989), el cual tiene una difusión
industrial importante. Este último consta de tres
motores fijos sobre una base inmóvil que pueden
mover una plataforma u órgano terminal e imprimirle
una aceleración de hasta 50 veces la gravedad, algo
impensable en las estructuras tipo serie.
Dado que muchas aplicaciones industriales de
ensamblado necesitan de un cuarto grado de libertad
para rotar la pieza en tratamiento, nuevas versiones
del robot Delta logran esto con la inclusión de una
cadena adicional entre la base y la plataforma.
Un robot paralelo más reciente es el prototipo H4

Figura 1. Plataforma de Gough.
Figura 2. Robot hexápodo.
Figura 3. Robot Delta.
(Company y Pierrot, 1999; Pierrot, et al., 2001) y su
versión industrial Quattro, comercializado por la
empresa americana Adept (Adept, 2007) (Figura 4).
Este tipo de robot posee cuatro motores en la base y
provee tres translaciones y una rotación al órgano
terminal, lo cual le proporciona mayor eficiencia que
el robot Delta, manteniendo sus excelentes
prestaciones en cuanto a velocidad y precisión.
Dada la alta dinámica de los robots paralelos
anteriormente mencionados, es claro que los
controladores clásicos tipo PID no pueden sacar
provecho de esta situación. Esto obliga a la
implementación de controladores basados en el
modelo, específicamente controladores por par
calculado, o más recientemente, de tipo predictivo.
Figura 4. Robot Quattro.
El presente trabajo busca dar a conocer en el país las
características principales de los robots paralelos, sus
ventajas para uso industrial, una aproximación al
modelado geométrico y dinámico, y una visión sobre
las principales estrategias a implementar para su
control.
2. CARACTERÍSTICAS DE LOS ROBOTS
PARALELOS
2.1. Ventajas de los robots paralelos.
Los robots paralelos son utilizados principalmente en
aquellas aplicaciones donde sus características los
hacen ideales para resolver aquellos problemas que se
presentan con los robots serie. Sus características
principales desde el punto de vista de las ventajas que
aportan se enumeran a continuación (Aracil et al.,
2006):
• La relación carga/potencia es alta ya que los
accionamientos de potencia conectan directamente la
base del robot al efector final, sirviendo de elementos
estructurales que actúan de manera simultánea,
permitiéndoles manipular cargas superiores a su
propio peso.
• Presentan una alta rigidez, lo cual se traduce en
mayores precisiones respecto a un robot tipo serie.
• Su arquitectura les permite alcanzar altas
velocidades y aceleraciones, lo cual les permite
realizar tareas industriales de manera más eficiente.
Igualmente este tipo de robots poseen ciertas
desventajas las cuales se listan a continuación:
• La cinemática, la definición de las posiciones
singulares y la construcción del modelo dinámico son
más complicados que para el caso serie. La mayoría
de las veces esto se resuelve de manera particular
para cada configuración de robot, ya que no existen
ecuaciones generales aplicables a todos ellos.
2.2. Configuraciones de los robots paralelos.
Es extremadamente difícil realizar una clasificación
sistemática de las estructuras posibles en robótica
paralela, dada la gran cantidad de términos que
intervienen (número y tipo de cadenas cinemáticas,
restricciones, etc). Sin embargo, según los
movimientos que pueden hacer, se pueden clasificar
en robots planares y espaciales (Merlet, 1997),
dependiendo de si actúan sobre un plano de dos
dimensiones o sobre un volumen de tres (Figuras 4 y
5 respectivamente). En los primeros el movimiento se
reduce a un plano de dos dimensiones, pudiendo
tener dos o tres grados de libertad, correspondientes a
un movimiento de traslación en el plano y a uno de
rotación sobre un eje perpendicular a él. En el
segundo caso el movimiento se realiza en un espacio
tridimensional, pudiendo tener hasta seis grados de
libertad (tres traslaciones y tres rotaciones).
objetos de un lugar a otro (cambio de posición),
imprimiéndoles una rotación si es necesario. Es decir,
para este tipo de aplicaciones son necesarios tres o
cuatro grados de libertad. La ventaja de un robot
paralelo en estos casos es su sorprendente velocidad,
lo cual les permite manipular un objeto en el espacio
con cadencias de varios Hz y en distancias de
décimas de centímetro.
3. MODELADO DE ROBOTS PARALELOS
Como se comentó anteriormente, no existe una
metodología general para modelar un robot paralelo.
Sin embargo la tarea no es en extremo difícil. Dado
que en el campo del ensamblaje industrial los robots
más populares son aquellos del tipo Delta (3 grados
de libertad) o Quattro (cuatro grados de libertad), se
va a mostrar en este apartado el modelado completo
del robot Quattro, basado en su prototipo
preindustrial H4.
3.1. Parametrización del robot paralelo.
Este robot está compuesto de cuatro cadenas
cinemáticas idénticas. Las siguientes figuras
muestran la colocación particular de sus ejes y sus
parámetros geométricos.
u1 motor
2h
uz brazo

ux Pi
P2 P1 uy
α2 O qi
l
uy
R Bi
2d
α3 uz ux L

α4
P3 P4 Ai antebrazo

R A1

situación de los motores

A2 d
Figura 5. Robots paralelos planares de 3 grados de h θ ángulo de la plataforma
libertad. D
A4
A3

Figura 7. Parámetros geométricos del robot.

Los ángulos αi describen la posición de los cuatro

Figura 6. Robot paralelo espacial de 4 grados de
libertad.
En la industria la aplicación más importante de estos
robots son las llamadas tareas de “pick-and-place” o
de ensamblado, donde el robot puede transportar
motores, l es la longitud del brazo, L la longitud del
antebrazo, d y H representan el largo de los
segmentos que conforman la plataforma del robot. O
es el punto de referencia general de la estructura y D
la referencia local de la plataforma. Los segmentos
AiBi representan el antebrazo del robot y PiBi el
brazo.
Supongamos que el centro de la plataforma D tiene
por coordenadas:
OD = [ x z]
T
y (1)
El segmento que une el origen del sistema de siguiente, que expresa que la norma del antebrazo es
coordenadas a los extremos de la plataforma está constante e igual a la longitud de éste:
dado por:
2
x  Ai Bi =L ,
2
i = 1,…,4 (8)
OA i = OD + DA i =  y  + DA i (2)
Esta relación lleva a:
 z 
M i cos qi + Ni sin qi = G i (9)
Con las siguientes ecuaciones para cada segmento
particular de la plataforma: donde:

 h.cos θ   − h.cos θ  M i = − 2l ( Pi Bix cos α i + Pi Biy sin α i )

DA1 =  h.sin θ + d  ; DA 2 =  − h.sin θ + d 

   Ni = 2lPi Biz
0  0  2 2
Gi = L − l − Pi Bi
2
(3)
 − h.cos θ   h.cos θ 
DA 3 =  − h.sin θ − d  ; DA 4 =  h.sin θ − d 
Reorganizando todo con la nueva variable, se
obtiene:
0  0 
−1
 −bi 2 ± bi − 4ai ci 
Por otra parte el segmento desde el origen hasta el qi = 2 tan   (10)
 2 ai 
codo está dado por:
donde:
OB i = OPi + Pi B i (4)
ai = Gi + M i ; bi =− 2 Ni ; ci = Gi − M i
El segmento del brazo está definido entonces por:
En la Ecuación (10), una singularidad matemática
l.cos qi .cos α i  puede ocurrir cuando ai = 0 . Es posible resolver este
Pi B i = l.cos qi .sin α i  (5) problema introduciendo las siguientes variables
 −l.sin qi 
Ni G
tan Xi = , cos βi = i (11)
Las siguientes ecuaciones definen la distancia entre Mi Mi
el origen y la base de cada motor:
Esto lleva finalmente a la expresión del modelo
geométrico inverso:
 h + R.cos α1  − h + R.cos α 2 
OP1 =  d + R.sin α 1 ; OP2 =  d + R.sin α 2 
   
−1 N
 Gi 
qi = tan  i  ± cos  
−1
(12)
 0  0   Mi   M 2 +N 2 
 i i 
 −h + R.cos α 3  h + R.cos α 4 
OP3 =  −d + R.sin α 3  ; OP4 =  −d + R.sin α 4  3.3 Modelado geométrico directo.
 
 0  0 
Normalmente, el modelo geométrico directo
(6) calculado analíticamente es difícil de calcular. De
hecho el modelo más simple lleva a una ecuación
Finalmente las coordenadas de los antebrazos están polinomial de grado 8. Además esta solución
definidas por: introduce toda una serie de singularidades
matemáticas imposibles de manejar desde le punto de
Ai Bi = Ai O + OBi (7) vista de su implementación. Este modelo se calcula
entonces utilizando una formulación iterativa, de la
3.2. Modelo geométrico inverso. siguiente forma:

Como es normal para la gran mayoría de robots xn +1 = xn + J ( xn , qn ) [ q − qn ] (13)

paralelos, el modelo geométrico inverso es fácil de
calcular. Se parte simplemente de la igualdad
donde q es la posición articular hacia donde debe  I mot1 0 0 0 
converger el algoritmo y J es la matriz Jacobiana del  0 I
robot. Si el mecanismo no está en una configuración 0 0 
I mot =  mot2
 (18)
singular, la Jacobiana se encuentra de la siguiente  0 0 I mot3 0 
manera (Company y Pierrot, 1999; Pierrot, et al.,  0
2001):  0 0 I mot4 
J = J x −1 J q (14)
 M plat 0 0 0 
donde las matrices Jx y Jq están definidas como:  0 M 0 0

M=  plat  (19)
 A1 B1x A1 B1 y A1 B1z (DC1 × A1 B1 ) z   0 0 M plat 0 
A B A2 B2 y A2 B2 z (DC2 ×A2 B2 ) z   
Jx =   0 0 0 I plat 

2 2x
(15)
 A3 B3 x A3 B3 y A3 B3 z (DC3 × A3 B3 ) z 
 
 A4 B4 x A4 B4 y A4 B4 z (DC4 × A4 B4 ) z 
La posición del motor q = [ q1 q4 ]
T
q2 q3 es
medida directamente a través de los sensores de
J q = diag ( ( Pi Bi × Ai Bi ) i umi ) ; i = 1,… , 4 (16) posición presentes en los motores. La velocidad q y
la aceleración q se obtienen a través de una
Es de anotar que DCi es la distancia entre el centro de diferenciación de primer orden realizada en tiempo
la plataforma y el centro de la media distancia de la real, lo cual no ofrece ninguna dificultad y provee
“H” que forma la plataforma. En la práctica se puede resultados aceptables. Para el caso en el cual la
observar que el algoritmo expresado por la Ecuación aceleración cartesiana x no esté disponible, ésta se
(13) permite encontrar el Modelo Geométrico Directo
calcula como sigue:
en tres o cuatro iteraciones con una buena precisión.
Inclusive es posible evitar el cálculo iterativo de la
Jacobiana si se escoge ésta constante e igual a su x = Jq + Jq (20)
valor en el centro del volumen de trabajo. En este
caso la solución del Modelo Geométrico Directo se donde J depende de x y de q, y J se calcula usando
obtiene al cabo de unas veinte iteraciones. igualmente una diferenciación de primer orden.

3.4. Modelo dinámico. Entonces, el modelo dinámico del robot H4 puede

De manera general se puede decir que el modelo
dinámico se calcula considerando la dinámica del
sistema. Desde ese punto de vista, la fuerza de los
motores es principalmente utilizada para vencer la
inercia del motor y para mover brazos, antebrazos y
plataforma, la cual puede a su vez estar equipada por
una herramienta de fabricación. Debido al diseño, la
inercia de los antebrazos está incluida en la inercia de
los motores y el efecto de los brazos es despreciado
(Company y Pierrot, 1999; Pierrot, et al., 2001).
Si representa el vector del par de cada motor, la
ecuación del modelo dinámico puede escribirse
como:
T
Γ mot = I mot q + J M ( x − G )
donde Imot representa la matriz de inercia de los
motores (Ecuación (18)) incluyendo la inercia de los
antebrazos, M es una matriz diagonal (Ecuación (19))
conteniendo la masa de la plataforma y su inercia
(Mplat e Iplat respectivamente), J es la matriz
Jacobiana descrita en la Ecuación (14), q es la
aceleración articular, x es el vector de la aceleración
cartesiana, y G es el vector de gravedad. Como se
dijo anteriormente, gracias al diseño del robot, la
inercia de los antebrazos se incluye en la inercia del
respectivo motor.
escribirse como:
Γ mot = A(q)q + H (q, q ) (21)
con:
A(q) = I mot + J T MJ (22)
T T
H (q, q ) = J MJq − J MG (23)
4. CONTROL DE ROBOTS PARALELOS
Como se mencionó anteriormente, los robots
paralelos poseen una alta dinámica, lo cual les
permite alcanzar velocidades y aceleraciones
prohibidas en un robot tipo serie. Esto implica que el
tan utilizado controlador PID no sea suficiente para
(17) aprovechar toda la dinámica brindada por un robot
paralelo, ya que a altas velocidades el control PID no
reacciona bien, presentándose vibraciones en estado
transitorio e inexactitudes en estado estacionario. Por
eso la mejor solución es la implementación de un
controlador basado en el modelo, o control por
modelo de referencia. Varias estrategias de este tipo
pueden encontrarse en aplicaciones robóticas, tales
como el control por par calculado, el control
predictivo, el control adaptativo, el control robusto,
etcétera.
El control por par calculado es ampliamente utilizado
en robótica industrial (Sciavicco y Siciliano, 1996;
 Khalil y Dombre, 2002). Un control no tan conocido
pero que proporciona excelentes rendimientos a los
robots paralelos industriales es el control predictivo.
Esta sección hará énfasis en estos dos controladores
comparándolos con el control clásico PID, probados
en trayectorias de tipo industrial.
4.1. Linealización por realimentación.
Con el fin de implementar un control por modelo de
referencia, se requiere linealizar el modelo dinámico
del robot, el cual no es lineal (Ecuación (21)). Sean
 y Ĥ respectivamente las estimaciones de A y H,
y asumiendo que Aˆ = A y Hˆ = H (los valores de los
parámetros dinámicos de la planta son conocidos), el
problema se reduce a una pareja de doble
integradores desacoplados:
q=w
donde w representa la nueva entrada de control. Esta
ecuación corresponde al esquema del control
dinámico inverso, donde el modelo que caracteriza al
robot se transforma en un doble conjunto de
integradores.
Las técnicas de control lineal pueden entonces ahora
utilizarse para diseñar un controlador por modelo de
referencia, como el control por par calculado y el
control predictivo funcional, que se verán en las
secciones siguientes.
4.2. Control por par calculado.
Conocido en inglés como Computed Torque Control
(CTC), se trata de un simple control PD
implementado sobre el sistema linealizado por
realimentación mostrado en la sección anterior
(Canudas de Witt, et al., 1996). El modelo del robot,
el cual es conocido, es expresado por el modelo
dinámico inverso utilizando alguna técnica como por
ejemplo Newton-Euler. Un esquema de este control
se muestra en la siguiente figura:
xd qd
Kp Desacoplamiento y compensación
no lineal
w ˆ Γ debe ser muy pequeño puesto que aumentará las
MGI Kv A(q)
q
Hˆ(q,q)
Control lineal
Figura 8. Control CTC.
En este caso la ley de control estará dada por:
w = K p (q d − q ) + K v q
4.3. Control predictivo funcional.
El control predictivo funcional (Predictive
Functional Control – PFC) (Richalet 1993a; Richalet
1993b), ha tenido una importante difusión en control
de procesos químicos, pero últimamente ha
demostrado sus grandes capacidades para el control
de robots paralelos.
Este tipo de control utiliza como modelo de
referencia una ecuación lineal expresada por:
xM (n) = FM xM (n − 1) + GM u(n −1)
(26)
yM ( n) = C M T x M ( n)
donde xM designa el estado, u es la entrada del
sistema, yM la salida medida del modelo, FM, GM y
CM matrices y vectores con la dimensión correcta y
(24) que definen las características del modelo.
La estrategia del control predictivo MPC se resume
en la Figura 9. Dada una consigna deseada definida
en el horizonte finito [0, h], la predicción de la salida
futura yˆ P deberá alcanzar la consigna futura
siguiendo una trayectoria de referencia yR.
Pasado Futuro
TRLC
Consigna
yR
ε
ŷP
h
Salida del
proceso
Figura 9. Estrategia en el tiempo del control
predictivo funcional.
En la figura anterior, ε (n) = c(n) − yP (n) es el error
de posición en el tiempo n, c es la consigna deseada,
yP la salida del proceso, y TRLC es el tiempo de
respuesta del sistema en lazo cerrado, el cual define
q
el horizonte de control. Es claro que este horizonte no
Robot
exigencias del controlador, y no podrá ser muy
grande pues la respuesta del sistema sería demasiado
lenta.
q
La trayectoria de referencia yR está definida por:
c(n + i ) − yR (n + i ) = α i (c(n) − yP (n)) 0 ≤ i ≤ h (27)
(25) donde α es un escalar que se escoge dependiendo del
tiempo de respuesta deseado en lazo cerrado.
La esencia de la estrategia de control predictivo está
0.054
completamente incluida en la Ecuación (27). El
objetivo es pues alcanzar la consigna deseada 0.053

siguiendo la trayectoria de referencia. Mayores

detalles sobre este tipo de control pueden hallarse en
0.052

(Richalet 1993a; Vivas y Poignet, 2006). 0.051

Y axis (m)
4.4. Comparación entre los tres tipos de 0.05

controladores. 0.049

Diferentes situaciones se consideran en esta sección 0.048

con el fin de ilustrar el desempeño de cada 0.047

Set point
PID
controlador. Primero, se define como consigna un CTC
PFC
círculo de 20 mm de diámetro, realizado a una 0.046
0.047 0.0475 0.048 0.0485 0.049 0.0495 0.05 0.0505

velocidad de 2 rad/seg. Segundo, una consigna lineal Axe X (m)

con cambio de dirección, a una velocidad de 0.012 Figura 12. Resultados obtenidos para una trayectoria
m/seg. Las dificultades de estas trayectorias se lineal.
centran en la exactitud que debe mantenerse al seguir -4
x 10
un pequeño círculo en el primer caso, y en el 8
PID
momento del cambio brusco de dirección en el 7
CTC
PFC
segundo caso, lo cual exige bastante del controlador.
6

Las figuras 10 y 11 muestran los resultados para la 5

trayectoria circular. Se observa una periodicidad en

Contour error (m)

los errores de seguimiento lo cual corresponde al

cambio de cuadrante de la consigna circular (seno y 3

coseno). Los resultados para la trayectoria lineal se 2

presentan en las figuras 12 y 13.

1
-3
x 10
12
0
Set point
PID
11 CTC -1
0 50 100 150 200 250 300 350 400 450 500
PFC
Time (ms)

10
Figura 13. Errores de seguimiento para la trayectoria
9
lineal con cambio de dirección.
Y axis (m)

8 En los dos casos anteriores puede observarse la

superioridad de los dos controladores basados en el
7
modelo del robot, como son el control por par
calculado y el control predictivo. De otra parte entre
6
estos dos últimos, pese a exigir mayores cálculos, es
5
el control predictivo quien mejor desempeño tiene.
1 2 3 4 5
X axis (m)
6 7 8 9 10
-3
x 10
Otros resultados sobre robustez (rechazo de
perturbaciones y comportamiento frente a errores en
Figura 10. Resultados obtenidos para una trayectoria el modelo), pueden ser consultados en (Vivas y
circular. Poignet, 2005).
-4
x 10
8
PID
CTC
5. CONCLUSIONES
PFC

6
Este artículo presentó una introducción a los robots
paralelos para uso industrial. Se trataron sus ventajas
y desventajas frente a los robots serie, sus
Contour error (m)

configuraciones y se mostraron algunos ejemplos

4
comerciales. Aunque ellos no poseen una forma
general para definir sus modelos geométricos y
dinámicos, se mostraron estos modelos con base en
2
un robot comercial.

Dada la alta dinámica desarrollada por este tipo de

0
0 500 1000 1500 2000 2500 3000 robots, controladores clásicos del tipo PID no son
Time (ms)
suficientes para garantizar precisión y robustez. Se
Figura 11. Errores de seguimiento para la trayectoria expusieron por lo tanto dos controladores basados en
circular. el modelo del robot: el control por par calculado, de
amplia difusión en robótica industrial, y de manera
especial, el control predictivo funcional, el cual se
perfila como una solución interesante al control de
este tipo de mecanismos. Los resultados obtenidos en
experimentación muestran los respectivos
desempeños frente al seguimiento de trayectorias
complejas.
Se espera que este documento motive la
investigación en el país sobre este tipo de estructuras,
así como su introducción al medio industrial.
REFERENCIAS
Adept (2007). www.adept.com , consultado
septiembre 10 de 2007.
Aracil, R., R. Saltarén, J.M. Sabater, O. Reinoso
(2006). Robots paralelos: máquinas con un
pasado para una robótica del futuro. Revista
Iberoamericana de Automática e Informática
Industrial, 3 (1), pp. 16-28.
Canudas de Witt, C., B. Siciliano, G. Bastin (1996).
Theory of robot control. Springer Verlag.
Clavel, R. (1989). Une nouvelle structure de
manipulateur parallèle pour la robotique légère.
Journal Européen des Systèmes Automatisés, 23
(6), pp. 501-519.
Company, O. y F. Pierrot (1999). A new 3T-1R
parallel robot. Proceedings of International
Conference on Advanced Robotics, pp. 557-562.
Gough, V.E. (1956). Contribution to discussion of
papers on research in automotive stability,
control and tyre performance. Procedings Auto
Div., Institute of Mechanical Engineers.
Gough, V.E. y S.G. Whitehall (1962). Universal tyre
test machine. Proceedings of the FISITA Ninth
International Technical Congress, pp. 117-137.
Khalil, W. y E. Dombre (2002). Modeling
identification and control of robots. London:
Hermes Penton Science.
McCallion, H. y D.T. Pham (1979). The analysis of a
six degrees of freedom work station for
machanized assembly. Proceedings of 5th World
Congress of Theory of Machines and
Mechanisms, pp. 611-616.
Merlet, J.P. (1994). Parallel manipulators: state of the
art and perspective, Advanced Robotics, 8 (6),
pp. 589-596.
Merlet, J.P. (1997). Les robots parallèles, Paris :
Editions Hermès.
Pierrot, F., Marquet, F., Company, O. y Gil, T.
(2001). H4 Parallel Robot,: Modeling, Design
and Preliminary Experiments. Proceedings of
the 2001 IEEE International Conference on
Robotics & Automation, pp. 3256-3261.
Richalet, J. (1993a). Pratique de la Commande
Prédictive, Paris: Editions Hermès.
Richalet, J. (1993b). Industrial applications of model
based predictive control, Automatica, 29 (5), pp.
1251-1274.
Sciavicco L. y B. Siciliano (1996). Modeling and
control of robot manipulators, New York:
McGraw-Hill.
Stewart, D. (1965). A platform with 6 degrees of
freedom. Proceedings of the Institution of
Mechanical Engineers, 180, pp. 371-386.
Vivas, A. y P. Poignet (2005). Predictive functional
control of a parallel robot. Control Engineering
Practice, 13 (7), pp. 863 - 874.
Vivas, A. y P. Poignet (2006). Control predictivo de
un robot paralelo. Revista Iberoamericana de
Automática e Informática Industrial, 3 (4), pp.
45-52.