Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TIPO COMPÁS
1ro Caceres Huaman, Sebastian 2do Mendoza Choquemamani, Jorch
Universidad nacional de San Agustı́n Universidad nacional de San Agustı́n
Ingenierı́a Electrónica Ingenierı́a Electrónica
Arequipa, Perú Arequipa, Perú
scaceresh@unsa.edu.pe jmendozach@unsa.edu.pe
Abstract—This research project proposes a method to control paso iguale al anterior [1].
the gait of a bipedal robot. To achieve this, mathematical and En [7] se analiza dos modelos de un robot bı́pedo tipo compás
dynamic models have to be developed, using the Euler-Lagrange en donde se concluyen con los modelos dinámicos de cada
equations for this.
It will be solved with the LQG Optimal Control method, with the uno. Se observa que la dinámica del robot se dio mediante un
design of a Compensator that includes a controller and a Kalman análisis en sus energı́as de cada articulación, para ası́ realizar el
Filter Observer, also the tests in limit cycle for each step, in both método de “Lagrange” (diferencia de energı́as) en la obtención
joints of the legs. In this Report, they present simulation results de las ecuaciones dinámicas del robot bı́pedo.
on a compass-type bipedal robot model to validate the results. Debido a que se analizó en [7] dos modelos distintos de la
dinámica del robot bı́pedo; este realiza finalmente una relación
keywords: Compass-type bipedal robot, Control LQG, Lin-
de ambos modelos para llegar a una forma más practica en el
earization, Limit Cycles.
control del robot; que es lo que se busca.
I. INTRODUCCI ÓN
A. OBTENCIÓN DEL MODELO DINÁMICO
Una caracterı́stica principal del ser humano es el poder de-
splazarse en su entorno, a esto se le llama locomoción bı́peda. Se obtuvieron dos modelos dinámicos para un mismo robot,
En un robot bı́pedo, imitar estos movimientos es muy difı́cil y la diferencia entre ellos, es la selección de las coordenadas
debido a las grandes diferencias cinemáticas y dinámicas entre generalizadas. Se observa que el modelo obtenido con las
el ser humano y un robot. Al estudiar la locomoción bı́peda, coordenadas Absolutas, es más simple en comparación con
se entra en un campo extenso que permite entender mejor la el modelo obtenido con coordenadas relativas.
marcha humana y las estrategias de control, con la finalidad de En (1), muestra el Modelo Dinámico que se utiliza, junto a
vincular estos conocimientos en aplicaciones médicas, como los valores internos de la misma.
lo puede ser para el diseño de prótesis, exoesqueletos para M (θ)θ̈ + C(θ, θ̇)θ̇ + g(θ) = τ (1)
rehabilitación muscular o de uso cotidiano; también en un
ambiente lúdico (juguetes educativos, o animaciones virtuales
ma2 + ml2 + mc l2 mblcos(θs − θns )
M̃ (θ) = (2)
para videojuegos o cine); de desarrollo cientı́fico o civil, para −mblcos(θs − θns ) mb 2
0 0
BP = sx∗ B ∗ su−1 (13)
0 0
B= (7)
0.0616361 0.0088429
0.0088429 0.8012687 CP = sx∗ C ∗ sx−1 (14)
1
0 0 0
DP = sx∗ D∗ su−1 (15)
0 1 0 0
C= (8) Se forman los nuevos valores de la matriz Escalonada para su
0 0 1 0
0 0 0 1 posterior adición de un Integrador.
0 0 1 0
0 0
0 0 0 1
Ap = (16)
0 0 0.2859189 0.0676275 −0.0000441 0.0000846
D= (9)
0 0 −76.348094 1.47003107 −0.0145256 0.0000441
0 0
0 0
C. CONTROLABILIDAD Y OBSERVABILIDAD
0 0
Bp = (17)
Como se Observa en (8), se están considerando todos los 0.2023 0.101
0.1055 33.383
estados de la Planta, de esta manera, se procede a reducir
solo a los estados de posición angular de las 2 piernas.
R. Kalman en 1960 presentó dos conceptos previos a
1 0 0 0
implementar; controlabilidad y observabilidad [3]. Cp = (18)
0 0.2752398 0 0
G = R−1 B T X (25)
−10.230774 0.1551474 1.
2.0479627 −14.861247 0. 1.
Donde: −2.207316
1.6510821 −0.0000441 0.0000846
−45.862353 −59.116881 −0.0145256 0.0000441
AS = ...
0 = −XA − AT X − C T C + XBR−1 X (26) −31701.094 68.083769 −3411.489 9.4470674
17.396811
−8712.5152 1.1779374 −262.88208
31716.028 −61.555202 3411.489 −9.4470674
−37.31756 8709.3487 −1.1779374 262.88208
Para Scilab existe la función “riccati” que nos da como
0. 0. 0. 0.
resultado nuestra unica variable desconocida ”X” con un 0. 0. 0. 0.
despeje matricial calculamos la ganancia G del controlador. 0.2023976
0.1014057 0. 0.
0.1055002 33.38377 0. 0.
Es necesario obtener previamente la matriz de ponderación ...
−37.13278 −0.3423116 0. 0.
(32)
del estado y una matriz de ponderación de control. −0.3423116
−132.48258 0. 0.
37.13278 0.3423116 0. 0.
0.3423116 132.48258 0. 0.
Para la matriz de ponderacion es necesario crear la variable
“rho” que nos servirá para la recuperación del control barato;
10.230774 −0.5636807
esta variable debe ser pequeña 10−9 . De donde se calcula: −2.0479627 53.993822
2.4932348
−5.7530009
−30.485741 220.12515
BS =
−14.933319
(33)
R=ρ∗I (27) −23.719563
19.920749 11.504356
0. 0.
0. 0.
Obteniendose finalmente la matriz G.
0. 0. 0. 0. 0. 0. 1. 0.
CS = (34)
0. 0. 0. 0. 0. 0. 0. 1.
−37.132783 −T
31716.028
−61.555202 8709.3487
3411.489 1.1779374
G1 = (28)
0. 0.
−9.4470674 262.88208
DS = (35)
37.132783 0.3423116 0. 0.
0.3423116 132.48258
D. SENSIBILIDAD S y T
Las normas de Sensibilidad y Sensibilidad complementaria
nos aseguran una buena estabilidad robusta.
Calculados los nuevos estados de la malla del compensador
y la planta en bucle abierto se grafican las sensibilidades de
nuestro sistema en Fig. 7 y Fig. 8, donde se aprecia que la
linea azul, respeta la ponderación establecida.
H. CICLO LIMITE
1) PARA CASO 1: Esta configuración es representa lo que (a) Pierna con Movimiento Ac-(b) Pierna con Movimiento Pa-
en las Curvas de la Figura 2 se muestra, con la diferencia que tuado sivo
ahora existe un Control.
Fig. 14: Ciclo Limite para Condiciones Iniciales Caso 3.
IV. CONCLUSIONES
El Andar en un Robot Bipedo, esta dado por oscilaciones
estables en los grados de las caderas, rodillas y pies, ya sea
en cualquier punto de Inicio, el control debe llevar a este
al equilibrio. Para este trabajo, se desarrollo un control para
un bipedo tipo Compas, con un tiempo de estabilidadmenor
a 1 segundo, como se demostro en la simulacion. El gasto
Energetico del Compensador es elevado para los primeros
(a) Pierna con Movimiento Ac-(b) Pierna con Movimiento Pa- milisegundos, pero esta dentro de la etiqueta de Control
tuado sivo Optimo.
Fig. 12: Ciclo Limite para Condiciones Iniciales Caso 1. REFERENCIAS
[1] MCGEER T., “ Passive dynamic walking, International Journal of
Robotics Research,”Vol. 9, No. 2, 1990.