Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño de Controladores Con Compensación Adaptable de Gravedad para Robots Manipuladores
Diseño de Controladores Con Compensación Adaptable de Gravedad para Robots Manipuladores
T E S I S
MAESTRO EN CIENCIAS
P R E S E N T A:
A quienes con todo orgullo debo todo lo que tengo y lo que soy
G R A C I A S
CONTENIDO:
Página
RESUMEN……………………………………………………………………………….. i
ABSTRACT……………………………………………………………………………… i
Lista de Abreviaciones y Símbolos……………………………………………………... ii
Lista de Figuras y Tablas……………………………………………………………….. iii
INTRODUCCIÓN………………………………………………………………………. 1
APÉNDICE A
Propiedades……………………………………………………………………………….. 61
A.1 Matriz de Inercia M(q)……………………………………………………………… 61
A.2 Matriz centrífuga y de Coriolis C ( q, q& ) ……………………………………………. 62
A.3 Vector de gravedad G(q)……………………………………………………………. 63
CONCLUSIONES……………………………………………………………………….. 65
BIBLIOGRAFÍA Y REFERENCIAS………………………………………………… 67
RESUMEN
Se usa la teoría de estabilidad de Lyapunov para demostrar estabilidad en forma global de los
controladores propuestos. Se emplea el modelo dinámico de un robot manipulador de 2
grados de libertad para la implementación de los controladores, realizando pruebas numéricas
que demuestran el desempeño de dichos controladores. De éstos, el segundo de ellos logra
mejorar los resultados del primero. Los márgenes de error en posiciones y velocidades
articulares observados en tales propuestas, están dentro de los que normalmente se han
reportado en otros controladores no lineales PID.
ABSTRACT
In the present work, two new nonlinear PID controllers with adaptive gravity
compensation are presented. These controllers were developed for the tracking control
problem. The linearity property of the gravitational vector of the robot is employed.
Lyapunov stability theory is invoked for the stability proof. A two degrees of freedom robot
manipulator was programmed to test the performance of these two new controllers. It was
demonstrated that one of them has better performance than the other. The error margins
observed for the articular positions and velocities are within the margin reported in other
nonlinear PID controllers.
i
Lista de Abreviaciones y Símbolos
g.d.l. Grados de Libertad
Nm Newton – metro
Rad Radianes
τ Entradas de control
q Posiciones articulares
q& Primera derivada con respecto al tiempo de las posiciones articulares
q&& Segunda derivada con respecto al tiempo de las posiciones articulares
V(x) Función candidata de Lyapunov
x Norma vectorial de x ( por omisión norma 2)
K Energía Cinética
∀ “para todo”
∈ “perteneciente a”
R Números reales
I Matriz identidad
◊ Fin de demostración
ii
Lista de Figuras y Tablas
Página
Figura 1.1 Robot de 4 grados de libertad….…..………………………………………. 5
Figura 1.2 Diagrama de bloques de un robot ..………………………………………… 8
Figura 1.3 Especificación de movimiento por punto-a-punto……..…………………… 11
Figura 1.4 Especificación de movimiento por trayectoria……..………………………. 12
Figura 2.1 Robot de 2 grados de libertad.…...…………………………………………. 13
Figura 3.1 Control en malla cerrada de robots.………………………….……………... 20
Figura 3.2 Posición de q1 respecto de qd 1 …………………………..…………………. 22
iii
Figura 4.1 Posición de q1 respecto de qd 1 ……………………………………………... 47
iv
INTRODUCCIÓN
En los últimos años, la era de la información impulsada por los avances en computación,
telecomunicaciones y electrónica está siendo testigo del crecimiento explosivo experimentado
por la robótica y tecnologías afines. Por este motivo, el concepto de robot ha pasado de ser
una visión de ciencia ficción como un dispositivo mecánico super-humano a ser una realidad
como máquina autónoma animada, con un gran potencial de aplicaciones en un sinfín de
actividades cotidianas. Estas máquinas se integran de elementos mecánicos, electrónicos, de
control automático, eléctricos y sistemas de cómputo. A esta clase de máquinas pertenecen los
robots manipuladores industriales.
1
manipuladores están sujetos a variaciones de la gravedad, como sería el caso de que el robot
estuviera montado en una plataforma móvil como un barco, un ascensor, etc. En este sentido,
es importante estimar la variación del vector de pares gravitacionales del robot para
compensarlos en forma adaptiva y mitigar estos efectos y garantizar un buen desempeño de
los controladores. Se buscó utilizar la teoría de estabilidad de Lyapunov para proponer
controladores adaptables con compensación adaptiva de gravedad.
En este trabajo, se planteó el diseño de dos nuevos controladores no lineales PID para resolver
el problema de seguimiento de trayectorias. Recientemente se han reportado diseños de
controladores no lineales PID, como los mostrados en [1 - 5] y otros basados en el control
adaptable [13], donde todos estos controladores han probado estabilidad global o semiglobal.
Usando la propiedad de la dinámica de robots manipuladores mostrada en [15], que se basa en
la característica que tiene el modelo del robot con respecto a la linealidad de los parámetros
dinámicos, se logró diseñar dos nuevos controladores no lineales PID, donde el análisis de
estabilidad global fue posible con la ayuda de teoría de estabilidad de Lyapunov. Los
experimentos numéricos realizados al modelo dinámico del robot de 2 grados de libertad,
demuestran los resultados.
2
CAPÍTULO 1:
ROBOT MANIPULADOR.
Introducción
Debido a las exigencias de calidad y rapidez en los sistemas de producción del mundo
globalizado contemporáneo, una gran variedad de avances tecnológicos ha comenzado a
introducirse en las plantas industriales.
La robótica -término cuya creación se atribuye a Isaac Asimov- [6] está ocupando un lugar
destacado en la modernización de diversos sectores industriales. La robótica es aún un campo
nuevo de la tecnología moderna. Una buena comprensión y la generación de soluciones en la
robótica están condicionados al conocimiento de diversas disciplinas entre las que destacan la
ingeniería eléctrica, la ingeniería mecánica, la ingeniería industrial, las ciencias
computacionales y las matemáticas.
El vocablo robot tiene sus orígenes en el idioma checo [6] y ha sido adoptado como tal en
varias lenguas incluyendo el español. Más allá de la definición formal de robot, el término
robot comúnmente se ha empleado en el lenguaje cotidiano para referirse a máquinas
autónomas animadas. Estas máquinas generalmente están presentes en alguna de las
siguientes categorías:
3
Por este motivo, los robots manipuladores y los robots móviles figuran como piezas clave del
mosaico que actualmente forman la robótica. Este trabajo trata diversos aspectos relacionados
exclusivamente con robots manipuladores.
Para los fines de este trabajo, se adopta la siguiente definición pragmática de robot
manipulador: “mecánicamente, un robot manipulador -o simplemente manipulador- es un
brazo mecánico articulado formado por eslabones conectados a través de uniones o
articulaciones que permiten un movimiento relativo entre dos eslabones consecutivos”. El
movimiento de cada articulación puede ser traslacional, rotacional o una combinación de
ambos. Aquí se considerarán únicamente articulaciones rotacionales. Bajo consideraciones
razonables, el número de articulaciones en un manipulador determina su número de grados de
libertad (g.d.l.).
4
La figura 1.1 muestra un robot de 4 g.d.l.:
q4
q3
q2
q1
Tanto las posiciones articulares q como sus derivadas temporales, es decir, las velocidades
d
articulares q& = q, se miden mediante sensores convenientemente colocados en el robot.
dt
A cada articulación del robot le corresponde un accionador, que puede ser de naturaleza
electromecánica, neumática o hidráulica. Dichos accionadores tienen como objetivo generar
5
fuerzas o pares, introduciendo el movimiento de los eslabones y en consecuencia, el
movimiento del robot como un todo. El conjunto de fuerzas y pares generados por los
accionadores del robot son agrupados para fines analíticos en el vector τ , esto es,
⎡τ 1 ⎤
⎢τ ⎥
τ = ⎢ 2 ⎥.
⎢M⎥
⎢ ⎥
⎣τ n ⎦
6
A continuación se comenta sobre estos pasos haciendo énfasis en su aplicación a robots
manipuladores.
En esta etapa se deben determinar las variables físicas del sistema cuyo comportamiento se
desee gobernar tales como temperatura, presión, desplazamiento, velocidad, etc. Estas
variables reciben el nombre de salidas del sistema. Además también deben identificarse
claramente aquellas variables físicas del sistema que se encuentran disponibles y que influyen
en su evolución y en particular de las salidas del sistema. Estas variables llamadas entradas
del sistema pueden ser, por ejemplo, la apertura de una válvula, tensión, par o fuerza, etc.
y = y (q, q& , f ).
7
Por otra parte, las variables de entrada, esto es, aquellas que pueden ser modificadas para
alterar la evolución de las salidas, son básicamente los pares y fuerzas τ aplicados por los
accionadores sobre las articulaciones del robot. La figura 1.2 muestra el diagrama de bloques
de un robot correspondiente al caso donde las posiciones y velocidades articulares q y q& son
las salidas del robot, es decir:
⎡q ⎤
y = y (q, q& , f ) = ⎢ ⎥
⎣ q& ⎦
mientras τ es su entrada. En este trabajo, nótese más adelante, que para robots con n
articulaciones, se tendrán en general 2n salidas y n entradas.
q
τ
q&
En esta etapa se procede a determinar la regla matemática que vincula las variables de
entrada y salida del sistema. Generalmente, dicha caracterización matemática se manifiesta
por medio de ecuaciones diferenciales.
El modelo matemático del sistema a controlar se obtiene tradicionalmente por una de las dos
técnicas siguientes:
8
- Experimental. Este procedimiento requiere una serie de datos experimentales del sistema.
Frecuentemente se trata de examinar el comportamiento del sistema ante entradas específicas.
Su principal ventaja radica en la facilidad y el corto espacio de tiempo requerido para
disponer del modelo.
En algunas ocasiones, en esta etapa se procede a una simplificación del modelo del sistema
que desea controlarse con miras a obtener posteriormente un sistema de control relativamente
sencillo. Esta etapa puede, no obstante, tener la desventaja de dar como resultado un sistema
de control que funcione inadecuadamente, fenómeno conocido como falta de robustez.
La figura 1.2 muestra el diagrama de bloques correspondiente suponiendo que las variables de
estado corresponden también a las salidas. Como se ha mencionado, los modelos dinámicos
de los robots manipuladores son en general caracterizados por ecuaciones diferenciales
ordinarias no lineales y no autónomas. Este hecho tiene como consecuencia que las técnicas
de diseño tradicionales para el control de sistemas lineales tengan aplicación limitada en la
síntesis de controladores con alto desempeño para robots manipuladores. Debido a lo
expuesto anteriormente, así como a los requerimientos actuales de alta precisión y rapidez en
9
los movimientos de los robots se ha hecho necesario el uso de técnicas más elaboradas de
control para el diseño de controladores con mayores prestaciones. Esta clase de sistemas de
control pueden incluir, por ejemplo, controles no lineales y controles adaptables.
En esta última etapa se procede a dictar las características que se desean para el sistema de
control, a través de los llamados objetivos de control tales como:
• Estabilidad
• Regulación
• Seguimiento de trayectorias
• Optimización
La primera propiedad que debe poseer un sistema de control es estabilidad. Dos técnicas de
análisis han sido usadas tradicionalmente en el estudio de estabilidad de controladores para
robots. La primera se basa en la teoría de Lyapunov. La segunda es la denominada enfoque
entrada-salida, que basa su fundamento matemático en el análisis funcional. Ambas técnicas
son adecuadas para el análisis funcional y el análisis de sistemas de control, y en particular de
sistemas de control no lineal. En este trabajo se empleará la primera de ellas para desarrollar
el análisis de los controladores que se presenten.
De acuerdo con la definición adoptada para definir la salida y de un robot manipulador, los
objetivos de control asociados a regulación y seguimiento de trayectorias reciben nombres
especiales. En particular, en el caso típico que la salida y corresponda a la posición q y
velocidad q& articular, los objetivos de control reciben aquí los nombre de control de posición
pura en coordenadas articulares y control de movimiento en coordenadas articulares,
respectivamente. A éstos se hará mención en lo sucesivo simplemente como control de
posición y control de movimiento, respectivamente. La manera más sencilla de especificar el
movimiento de un robot es la denominada punto-a-punto. Esta metodología consiste en
determinar una serie de puntos en el espacio de trabajo del manipulador por donde se desea
10
que el extremo final del mismo pase, con el fin de satisfacer una cierta aplicación como lo
muestra la figura 1.3. El problema de control consiste, en resumen, en hacer pasar el extremo
del manipulador por dichos puntos.
11
Figura 1.4 Especificación de movimiento por trayectoria
12
CAPÍTULO 2:
MODELO DINÁMICO DEL ROBOT.
Introducción
Los robots manipuladores son sistemas mecánicos articulados formados por eslabones
conectados entre sí a través de uniones o articulaciones. Las articulaciones son básicamente
de dos tipos: rotacionales y traslacionales. En este trabajo, se considerará un robot
manipulador con articulaciones rotacionales como el mostrado en la figura 2.1:
y
g
τ1 l C1 l1
q1 m1 I 1
m2 , I 2
τ2 q2
lC 2
l2
El modelo de este robot se empleará extensamente en los siguientes capítulos como robot
prototipo para la realización de simulaciones, con el propósito de observar y comparar, el
comportamiento de los diversos sistemas de control de robots.
13
2.1 Modelo dinámico del robot utilizado
respectivamente. Por ultimo, I1 e I 2 expresan los momentos de inercia de los eslabones con
respecto al eje que pasa a través de sus centros de masa y que es perpendicular al plano x-y.
Los g.d.l están asociados a los ángulos q1 , que se mide desde la posición vertical hacia abajo
y q2 , que se mide a partir de la extensión del eslabón 1 hasta el eslabón 2, siendo ambos
q (t ) = [ q1 (t ) q2 (t )]T .
coriolis, G (q) ∈ R n es el vector de gravedad. Nótese que (2.1.1) es una ecuación diferencial
T
vectorial no lineal en el estado ⎡⎣ qT q& T ⎤⎦ .
14
Cada elemento de M ( q ), C ( q, q& ) y G ( q ) es, en general, una función relativamente compleja
de las posiciones y velocidades de todas las articulaciones, esto es, de q y q&. Los elementos
de M ( q ), C ( q, q& ) y G ( q ) dependen, por supuesto, de la geometría del robot que modelan. El
modelo dinámico del robot de la figura 2.1 [6], puede escribirse en la forma genérica (2.1.1)
tomando:
donde:
d ⎡q ⎤ ⎡ q& ⎤
⎢ ⎥ =⎢ ⎥. (2.1.2)
dt ⎣ q& ⎦ ⎣ M (q) [τ (t ) − C (q, q& )q& − G (q)]⎦
−1
15
Debido a la naturaleza no lineal del modelo dinámico (2.1.2), para robots de n g.d.l. el
concepto de estabilidad de un robot en malla abierta debe manejarse con precaución, para lo
cual se utilizó estabilidad en el sentido de Lyapunov [6, 7] para el diseño de los controladores
propuestos.
2.2 Propiedades
En esta sección se expondrán las propiedades básicas utilizadas del modelo dinámico para
robots de n g.d.l. caracterizado mediante la ecuación (2.1.1). A pesar de la complejidad de la
ecuación dinámica (2.1.1) que gobierna el comportamiento de los robots manipuladores, esta
ecuación y sus términos formantes poseen propiedades que resultan de interés por sí mismas.
Además dichas propiedades son de particular valía en el estudio de sistemas de control para
robots manipuladores.
De las anteriores clasificaciones, se derivan toda una serie de propiedades que se pueden
utilizar para el diseño de los sistemas de control. A continuación sólo se hará referencia a la
propiedad utilizada para la obtención de los dos controladores propuestos. Tal propiedad se
refiere a la linealidad en los parámetros dinámicos. Una propiedad importante de la ecuación
T
dinámica (2.1.1), aunque es no lineal en el vector de estado ⎡⎣ qT q& T ⎤⎦ puede expresarse en
,
términos lineales de los parámetros dinámicos del robot, por ejemplo de las masas e inercias.
Esta característica es básica para el análisis de controladores adaptables.
16
2.2.1 Propiedad de linealidad de parámetros de gravedad
Más que realizar la linealidad en los parámetros dinámicos en todo el sistema dinámico,
sólo se le aplicó al vector de pares gravitacionales [15], donde la propiedad introducida es:
G ( q ) = Γ ( q ) Ω, (2.2.1)
17
y otra posibilidad es :
18
CAPÍTULO 3:
CONTROLADORES EXISTENTES.
Introducción
El control de robots manipuladores es un área muy estudiada, existen una gran cantidad de
controladores publicados utilizando diversas técnicas para el cumplimiento de sus objetivos
de control. En este capítulo se presentarán algunos de los controladores más utilizados,
describiendo sus características, resultados y así comprender mejor el funcionamiento de cada
uno de ellos.
vectorial τ , de tal forma que las posiciones q asociadas a las coordenadas articulares del
robot lleguen asintóticamente a qd . En términos más formales, el objetivo de control de
posición pura, o simplemente control de posición, consiste en determinar τ de tal forma que:
lim q (t ) = qd (3.1.1)
t →∞
19
donde qd ∈ R n es un vector constante. El cálculo del vector τ involucra generalmente a una
función vectorial no lineal de q, q& y q&&. Esta función se denomina “ley de control” ó
simplemente controlador. Es importante recordar que muchos robots manipuladores disponen
de sensores de posición y velocidad para cada articulación, por lo que los vectores q y q& son
medibles y pueden ser empleados en los controladores. Algunos otros vienen equipados sólo
con sensores de posición articular, por lo que puede ser necesario estimar la velocidad a partir
de la medición de posición – ya sea mediante filtrado o por medio de observadores -.
Genéricamente, el controlador puede expresarse como:
Para fines prácticos es deseable que el controlador no dependa de la aceleración articular q&&.
La figura 3.1 presenta un diagrama de bloques formado por un controlador en malla cerrada
con un robot:
τ q
qd
q&
El primer controlador a presentar es el desarrollado por los autores Harry Berghuis y Henk
Nijmeijer [9], en este artículo se propone una simple solución al problema de regulación de
20
robots rígidos requiriendo solamente valores de posiciones articulares. El controlador consiste
de dos partes: (1) una compensación de gravedad; (2) un compensador dinámico lineal de
primer orden. La parte de compensación de gravedad puede ser elegida como una función de
cualquiera de las posiciones articulares actuales o de la posición articular deseada. Ambas
posibilidades fueron probadas para obtener estabilidad asintótica global. Aunque en el tiempo
que se publicó este artículo, resultaba atractivo un controlador que cumpliera los objetivos de
control con solo la retroalimentación de posición, actualmente esto no representa mucho
provecho ya que se consigue tener mediciones de posición y velocidad sin ningún problema
de costo, volumen y peso. Las simulaciones se realizaron tomando el modelo de un robot
manipulador como el presentado en la figura 2.1. Se considera la ecuación general de un robot
manipulador de n grados de libertad (2.1.1), donde también q ∈ R n es el vector de posición,
τ = G ( q ) − K d x& − K p e, (3.1.3)
x& = − Lx + K d e, (3.1.4)
21
pero ahora estos valores son dados por los autores:
1.4
1.2
1
Posición [Rad]
0.8
0.6
0.4
0.2 q
1
qd1
0
0 2 4 6 8 10
Tiempo [Seg]
22
1.4
1.2
Posición [Rad]
0.8
0.6
0.4
0.2 q2
qd2
0
0 2 4 6 8 10
Tiempo [Seg]
Como se puede observar en las figuras 3.2 y 3.3, los resultados obtenidos son muy
satisfactorios y cumplen con los objetivos de control. Lo anterior es, considerando que los
parámetros del sistema no cambian a través del tiempo, pero si volvemos a realizar las
simulaciones aplicando una g al sistema y una ĝ al controlador con los siguientes datos:
m m
g = 9.81 gˆ = 12 ,
seg 2 seg 2
tenemos los resultados mostrados en las figuras 3.4 y 3.5. Lo anterior, fue con el fin de hacer
referencia a la definición del problema de la tesis. Es decir, en aplicaciones industriales los
robots manipuladores están sujetos a variaciones de la gravedad, como sería el caso de que el
robot estuviera montado en una plataforma móvil (un barco, un ascensor, etc.). Como se
puede apreciar, con sólo modificar el valor de la gravedad del controlador como la aplicada en
ĝ ya no se cumple el objetivo de control. La posición del eslabón 1 se aleja de la posición
deseada, y esto empeoraría si cada vez la diferencia es mayor. En resumen, se puede concluir
el mal desempeño del controlador a variaciones del valor de la gravedad como la aplicada
anteriormente en gˆ .
23
1.4
1.2
Posición [Rad]
0.8
0.6
0.4
0.2 q
1
qd1
0
0 2 4 6 8 10
Tiempo [Seg]
1.4
1.2
1
Posición [Rad]
0.8
0.6
0.4
0.2 q
2
qd2
0
0 2 4 6 8 10
Tiempo [Seg]
24
de posición en forma global para robots cuyos modelos dinámicos no poseen el vector de
pares gravitacionales G ( q ) .
τ = K p q% + K v q&% (3.1.5)
En este caso, la sintonía de este controlador es trivial ya que es suficiente con seleccionar las
matrices de diseño K p y K v como simétricas y definidas positivas. No obstante, el control
deseada q&d (t ), así como medición de la posición q (t ) y la velocidad q& (t ) a cada instante.
Como se demostrará más adelante, este controlador verifica el objetivo de posición pura, es
decir:
lim q (t ) = qd
t →∞
25
donde qd ∈ R n es un vector constante cualquiera. Este controlador también presenta
estabilidad asintótica global del origen ⎡⎣ q% T q& T ⎤⎦ = 0 ∈ R 2 n . Como resultado, se afirma que:
lim q% (t ) = 0,
t →∞
lim q& (t ) = 0,
t →∞
es decir, que se verifica el objetivo de control de posición pura. Para presentar los resultados,
se implementará dicho controlador en el robot de 2 g.d.l. de la figura 2.1. Se considera
nuevamente la ecuación general de un robot manipulador de n grados de libertad (2.1.1),
donde también q ∈ R n es el vector de posición, τ ∈ R n es el vector de torques de control en
accionadores, M (q) ∈ R nxn es la matríz de inercia, C (q, q& ) ∈ R nxn es la matríz centrífuga y de
coriolis, G (q) ∈ R n es el vector de gravedad. La programación del controlador (3.1.6) fue con
una posición deseada:
⎡π π ⎤
qdT = ⎢ [ Rad ].
⎣4 20 ⎥⎦
Las condiciones iniciales para q, q& son asumidas igual a cero. Las matrices de ganancia del
controlador deben ser definidas positivas y en particular dichas matrices se escogen
(arbitrariamente) como:
⎡120 0 ⎤ ⎡35 0 ⎤
Kp = ⎢ ⎥, Kv = ⎢ ⎥.
⎣ 0 81⎦ ⎣ 0 15⎦
Como se puede apreciar en las figuras 3.6 y 3.7, los resultados obtenidos son muy
satisfactorios y cumplen cabalmente con los objetivos de control. Esto es, considerando que
los parámetros del sistema no cambian a través del tiempo.
26
1
0.9
0.8
0.7
Posición [Rad]
0.6
0.5
0.4
0.3
0.2
q1
0.1
qd1
0
0 2 4 6 8 10
Tiempo [Seg]
0.2
0.18
0.16
0.14
Posición [Rad]
0.12
0.1
0.08
0.06
0.04
q
2
0.02
q
d2
0
0 2 4 6 8 10
Tiempo [Seg]
Nuevamente se realizaron las simulaciones, pero ahora aplicando una g al sistema y una ĝ al
controlador con los siguientes datos:
m m
g = 9.81 gˆ = 12 .
seg 2 seg 2
27
1
0.9
0.8
0.7
Posición [Rad]
0.6
0.5
0.4
0.3
0.2
q1
0.1
qd1
0
0 2 4 6 8 10
Tiempo [Seg]
0.2
0.18
0.16
0.14
Posición [Rad]
0.12
0.1
0.08
0.06
0.04
q
2
0.02
q
d2
0
0 2 4 6 8 10
Tiempo [Seg]
Como se puede observar en las figuras 3.8 y 3.9, al variar el valor de la gravedad en la forma
señalada, ya no se cumple el objetivo de control. La posición del eslabón 1 se estabiliza a otro
valor de la posición deseada, al igual que la posición del eslabón 2. Además, entre más se
varíe dicho valor, mayor será la diferencia entre la salida y la posición deseada. Por lo
anterior, se puede concluir que a variaciones del valor de la gravedad como la descrita, el
controlador funciona inadecuadamente.
28
3.2 Control de Movimiento
M (q) ∈ R nxn es la matríz de inercia, C (q, q& ) ∈ R nxn es la matríz centrífuga y de coriolis,
G (q) ∈ R n es el vector de gravedad. Los vectores q, q& , q&& ∈ R n denotan la posición, velocidad
y aceleración articular, respectivamente.
velocidad. Si el objetivo de control se verifica, significará que las articulaciones del robot
manipulador siguen asintóticamente la trayectoria de movimiento deseado.
El cálculo del vector τ involucra generalmente una función vectorial no lineal de q, q& y q&&.
Esta función se denominará “ley de control” o simplemente controlador. Es importante
recordar que los robots manipuladores disponen de sensores de posición y velocidad para cada
29
articulación por lo que los vectores q y q& son medibles y pueden emplearse en los
controladores. Genéricamente, el controlador puede expresarse como:
τ = τ (q, q& , q&&, qd , q&d , q&&d , M (q), C (q, q& ), G (q)). (3.2.2)
Para fines prácticos es deseable que el controlador no dependa de la aceleración articular q&&.
La figura 3.10 presenta un diagrama de bloque formado por un controlador en malla cerrada
con un robot.
qd
τ q
q&d
q&
q&&d
3.2.1 Control PD +
No obstante, a pesar de la relativa sencillez de dicha estrategia de control, ésta requiere para
su implementación el conocimiento del modelo dinámico del robot, aunque en realidad es una
característica común de los controladores de movimiento; sin embargo, el procedimiento de
sintonía también hace uso del mismo y más todavía, por un lado se precisa disponer a priori
de la tarea encomendada al robot, y por otro lado, el procedimiento de sintonía de ganancias
es laborioso.
30
El objetivo de ésta sección es presentar un controlador cuya principal característica es:
primero, garantía del cumplimiento del objetivo de control de movimiento en forma global y
segundo, su procedimiento de sintonía es trivial. El controlador denominado PD+ [6], es sin
duda, uno de los controladores más sencillos que pueden aplicarse en el control de
movimiento de robots manipuladores, con una garantía formal para el cumplimiento de este
objetivo de control en forma global. La ley de control PD+ viene dada por:
Nótese que en el caso particular de control de posición, esto es, q&d = q&&d = 0 ∈ R n , el control
PD+ descrito por (3.2.4) es equivalente al control PD con compensación de gravedad (3.1.6).
Debido a que el sistema a lazo cerrado es no autónomo con respecto al tiempo, esta propiedad
es ocasionada ya que el sistema depende explícitamente de las funciones del tiempo
qd (t ) y q&d (t ). El teorema de La Salle no puede aplicarse para estudiar estabilidad asintótica
global debido a que el sistema a lazo cerrado no es autónomo. Sin embrago, se menciona que
mediante el uso del teorema de Matrosov [6], puede demostrarse que el origen es
asintóticamente estable en forma global.
31
Donde también q ∈ R n es el vector de posición, τ ∈ R n es el vector de torques de control en
accionadores, M (q) ∈ R nxn es la matríz de inercia, C (q, q& ) ∈ R nxn es la matríz centrífuga y de
coriolis, G (q) ∈ R n es el vector de gravedad. Las condiciones iniciales para q, q& son asumidas
igual a cero. Las matrices de ganancia del controlador, simétricas definidas positivas se
escogen como:
⎡785 0 ⎤ ⎡ 250 0 ⎤
Kp = ⎢ ⎥, Kv = ⎢ ⎥.
⎣ 0 785⎦ ⎣ 0 250 ⎦
Donde el primer término involucra a π /2 como la posición final deseada para cada
articulación, siendo wi la velocidad con la que se converge a dicha posición, mientras que el
segundo término introduce una señal oscilante a una velocidad w0i alrededor de la posición
deseada.
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6
q1
0.4
q
d1
0.2
−0.2
0 2 4 6 8 10
Tiempo [Seg]
32
1.8
1.6
1.4
1.2
Posición [Rad]
1
0.8
0.6 q2
q
d2
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
Como se puede apreciar en las figuras 3.11 y 3.12, los resultados obtenidos son muy
satisfactorios y cumplen cabalmente con los objetivos de control. Ahora, si volvemos a
realizar las simulaciones, pero ahora aplicando una g al sistema y una ĝ al controlador con
los siguientes datos:
m m
g = 9.81 gˆ = 18 ,
seg 2 seg 2
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6
q1
0.4
q
d1
0.2
−0.2
0 2 4 6 8 10
Tiempo [Seg]
33
1.8
1.6
1.4
1.2
Posición [Rad]
1
0.8
0.6 q2
q
d2
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
34
diseño. El modelo dinámico (2.1.1) que caracteriza el comportamiento de los robots
manipuladores es generalmente no lineal en términos de las variables de estado (posiciones y
velocidades articulares). Esta peculiaridad del modelo dinámico podría hacer pensar que dado
cualquier controlador, la ecuación diferencial que gobierna al sistema de control en malla
cerrada debería ser también no lineal en las variables de estado correspondientes.
Esta idea intuitiva se confirma para el caso de los controladores vistos anteriormente. No
obstante, existe un controlador también no lineal en las variables de estado con el cual se
consigue describir el sistema de control en malla cerrada ahora mediante una ecuación
diferencial lineal. Dicho controlador es capaz de satisfacer el objetivo de control y de
movimiento en forma global con una selección trivial de sus parámetros de diseño y recibe el
nombre de control Par Calculado. La ecuación correspondiente al control Par Calculado viene
dada por [6]:
τ = M (q)[q&&d + K v q%& + K p q% ] + C (q, q& )q& + G (q), (3.2.5)
A pesar de la presencia del término K p q% + K v q&% en la ley de control (3.2.5), éstos son en
realidad multiplicados por la matriz de inercia M (qd − q% ). Este hecho tiene como resultado
que efectivamente la ley de control cuente con un término del tipo PD pero éste no es un
controlador lineal, ya que las ganancias de posición y de velocidad no son constantes sino que
dependen explícitamente del error de posición q%. Esto puede verse claramente expresando la
ley de control Par Calculado dada por (3.2.5) de la siguiente manera [6]:
El control Par Calculado fue una de las primeras estructuras de control de movimiento
basadas en el modelo del manipulador a ser controlado, es decir, que hace uso explícito del
conocimiento de las matrices M ( q ), C ( q, q& ) y del vector G ( q ).
35
Obsérvese que la trayectoria de movimiento deseada: qd (t ), q&d (t ) y q&&d (t ), así como la
Debido a que M (q ) es una matriz definida positiva y por lo tanto también invertible, luego la
ecuación (3.2.6) se reduce a:
q&&% + K v q%& + K p q% = 0,
T
la cual a su vez puede expresarse en términos del vector de estado ⎡⎣ q% T q%& T ⎤⎦ como
d ⎡ q% ⎤ ⎡ q&% ⎤
⎢ ⎥ = ⎢ ⎥,
dt ⎣ q%& ⎦ ⎢⎣ − K p q% − K v q%& ⎥⎦
⎡ 0 I ⎤ ⎡ q% ⎤
=⎢
− K v ⎥⎦ ⎢⎣ q&% ⎥⎦
, (3.2.7)
⎣− K p
K p es por diseño definida positiva y por lo tanto no singular. Como la ecuación de malla
cerrada (3.2.7) es lineal y autónoma, las soluciones de ésta pueden obtenerse en forma
cerrada.
T
Se establece que el origen ⎡⎣ q% T q%& T ⎤⎦ = 0 ∈ R 2 n de la ecuación de malla cerrada es
36
lim q&% (t ) = 0,
t →∞
lim q% (t ) = 0,
t →∞
y por lo tanto, esto implica que el objetivo de control de movimiento se verifica. Para fines
prácticos, las matrices de diseño K p y K v pueden ser diagonales, por tanto la ecuación de
específicamente como:
K p = diag {w12 , ... , wn2 } ,
K v = diag {2w1 , ... , 2 wn } .
Con esta elección, cada unión responde igual que un sistema lineal de segundo orden
críticamente amortiguado con ancho de banda wi [6].
M (q) ∈ R nxn es la matríz de inercia, C (q, q& ) ∈ R nxn es la matríz centrífuga y de Coriolis,
G (q) ∈ R n es el vector de gravedad. Las condiciones iniciales para q, q& son asumidas igual a
cero. Las matrices de ganancia del controlador, simétricas definidas positivas se escogen
como:
⎡900 0 ⎤ ⎡60 0 ⎤
Kp = ⎢ ⎥, Kv = ⎢ ⎥.
⎣ 0 900 ⎦ ⎣ 0 60 ⎦
37
Las trayectorias de posición articular deseadas son:
π
qdi = (1 − e − wit ) + 0.1sen( w0i t ), wi = 5, w0i = 2π , i = 1, 2.
2
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6 q1
q
d1
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6 q2
q
d2
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
38
Como se puede apreciar en las figuras 3.15 y 3.16, los resultados obtenidos cumplen
totalmente con los objetivos de control. Ahora, si volvemos a realizar las simulaciones, pero
ahora aplicando una g al sistema y una ĝ al controlador con los siguientes datos:
m m
g = 9.81 gˆ = 18 ,
seg 2 seg 2
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6 q1
q
d1
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6 q2
q
d2
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
39
De acuerdo a los resultados obtenidos en las figuras, en forma general su desempeño es mejor
que el controlador PD+. Sin embargo, también demuestra una sensibilidad a las variaciones
de gravedad como la aplicada. Es importante señalar que para variaciones mayores, esta
diferencia es cada vez mayor; lo que demuestra que el controlador de movimiento Par
Calculado a pesar de ser más robusto que los controladores mostrados, su funcionamiento
también es afectado por las variaciones de gravedad aplicadas.
40
CAPÍTULO 4:
DISEÑO DE LOS CONTROLADORES PID.
Introducción
En éste capítulo se presenta el diseño de dos nuevos controladores no-lineales PID para
robots manipuladores, dando solución al problema de seguimiento de trayectorias. Usando
teoría de estabilidad de Lyapunov, se demostró que los controladores son estables en forma
global. Utilizando el modelo dinámico de un robot manipulador de dos grados de libertad, se
realizaron las pruebas numéricas que mostraron el desempeño de los controladores. Los
márgenes de error observados están dentro de los que tradicionalmente se han reportado en
otros controladores no lineales PID [1 - 5].
El control de robots manipuladores es un campo muy estudiado [12], siendo los controladores
PID los que comúnmente se han utilizado para el control de éstos. Aunque existen muchos
tipos de controladores [11 - 13], recientemente se han reportado trabajos en control no lineal
del tipo PID [1 - 5], donde estos controladores han probado estabilidad global o semi global.
Usando la propiedad de la dinámica de robots manipuladores mostrada en [15], se logró
desarrollar las dos propuestas, y el análisis de estabilidad global fue ratificado con la ayuda de
la teoría de estabilidad de Lyapunov [6, 7]. Experimentos numéricos realizados al modelo
dinámico de dos grados de libertad, demostraron el funcionamiento de los diseños obtenidos.
41
Se considera el brazo mecánico de dos g.d.l. mostrado en la figura 2.1. Recordando las
características del sistema, el brazo manipulador está formado por dos eslabones rígidos de
longitudes l1 y l2 , y masas m1 y m2 respectivamente. Las uniones 1 y 2 son rotacionales. Los
desplazamientos del robot se llevarán a cabo en el plano vertical x-y. La distancia entre los
ejes de giro y los centros de masas se denota por lC1 y lC 2 respectivamente. Por ultimo,
I1 e I 2 expresan los momentos de inercia de los eslabones con respecto al eje que pasa a través
de sus centros de masa y que es perpendicular al plano x-y. Los g.d.l están asociados a los
ángulos q1 , que se mide desde la posición vertical hacia abajo y q2 , que se mide a partir de la
extensión del eslabón 1 hasta el eslabón 2, siendo ambos positivos en sentido contrario al
movimiento de las manecillas del reloj. El vector de posiciones q (t ) se define como:
q (t ) = [ q1 (t ) q2 (t )]T . (4.1.1)
G ( q ) = Γ ( q )Ω . (4.1.3)
42
4.2 Primera propuesta
Una vez estudiadas las distintas estrategias para el diseño de controladores, se propuso el
siguiente Controlador No Lineal PID:
ˆ ,
τ = M (q)[q&&d + KV q%& + K p q% ] + C (q, q& )q& + Γ(q )Ω (4.2.1)
positivas y representan las ganancias del controlador a disposición para el diseño del mismo.
El problema de seguimiento de trayectorias consiste en acercar a cero, lo más posible, la
expresión del error q% , sin importar las condiciones iniciales del robot.
Reacomodando términos:
τ = M (q) K p q% + M (q ) KV q%& + Γ(q ) ∫ ΓT (q ) M −1 (q ) KV qdt
%& + M (q )q&&d + C (q, q& )q& ,
donde:
Parte Proporcional: M (q) K p q%
Parte Derivativa: M (q ) KV q&%
Parte Integral: Γ(q ) ∫ ΓT (q ) M −1 (q ) KV qdt
&%
Si KV = α I y α ∈ R+ .
43
Demostración: Sustituyendo (4.2.1) en (4.1.4):
ˆ .
M (q )q&& + C (q, q& )q& + Γ(q )Ω = M (q )[q&&d + KV q%& + K p q% ] + C (q, q& )q& + Γ(q )Ω (4.2.3)
ˆ − Ω] = 0 .
M (q)[q&&% + KV q%& + K p q% ] + Γ(q )[Ω (4.2.4)
Definiendo
ˆ −Ω,
% =Ω
Ω
se obtiene:
La ecuación anterior se puede representar como la dinámica del error, debido que está en
% . Considerando que Ω ∈ R n es un
función del error de posición q% y del error de estimación Ω
&% &ˆ
vector de constantes, entonces se observa que Ω = Ω . Se propone la siguiente función de
Lyapunov:
% ) = 1 q&% T K q&% + 1 q% T K K q% + 1 Ω
V (q% , q&% , Ω % TΩ
% . (4.2.6)
V P V
2 2 2
% + q% T K K q%& + Ω
= −q% T K p KV q%& − q%& T KV KV q%& − q%& T KV M −1 (q)Γ(q)Ω &%
% TΩ
P V
&ˆ
= −q%& T KV KV q%& − q%& T KV M −1 (q )Γ(q )Ω
% +Ω
% TΩ
44
% ) = − q%& T K K q%& + ⎡Ω
V& (q% , q%& , Ω ˆ& T − q%& T K M −1 (q )Γ(q ) ⎤ Ω%
V V ⎢⎣ V ⎥⎦
&ˆ
Ω = ΓT (q ) M −1 (q ) KV q&%
V& ( q% , q%& , Ω
% ) = − q%& T K K q%& ≤ 0 .
V V (4.2.8)
donde:
M 11 (q) = m1lC21 + m2l12 + m2lC2 2 + 2m2l1lC 2 cos(q2 ) + I1 + I 2 ,
M 12 (q) = m2lC2 2 + m2l1lC 2 cos(q2 ) + I 2 ,
M 21 (q ) = m2lC2 2 + m2l1lC 2 cos(q2 ) + I 2 ,
M 22 (q) = m2lC2 2 + I 2 ,
C11 (q, q& ) = − m2l1lC 2 sen(q2 )q&2 ,
C12 (q, q& ) = −m2l1lC 2 sen(q2 )[q&1 + q&2 ],
C21 (q, q& ) = m2l1lC 2 sen(q2 )q&1 ,
C22 (q, q& ) = 0,
g1 (q) = [m1lC1 + m2l1 ]gsen(q1 ) + m2 glC 2 sen(q1 + q2 ),
g 2 (q) = m2 glC 2 sen(q1 + q2 ).
45
⎡ sen(q1 ) sen(q1 + q2 ) ⎤ ⎡(m l + m2l1 ) g ⎤
Γ( q ) = ⎢ , Ω = ⎢ 1 C1 ⎥
⎣ 0 sen(q1 + q2 ) ⎥⎦ ⎣ m2lC 2 g ⎦
π
qdi = (1 − e − wit ) + 0.1sen( w0i t ), wi = 5, w0i = 2π , i = 1, 2.
2
segundo término introduce una señal oscilante a una velocidad w0i alrededor de la posición
deseada. Se propusieron las siguientes ganancias del controlador:
⎡1 0 ⎤ ⎡300 0 ⎤
KV = α I = (300) ⎢ ⎥, KP = ⎢ ⎥
⎣0 1 ⎦ ⎣ 0 300 ⎦
46
El valor de estas ganancias puede variar de acuerdo a las condiciones de cada sistema. En este
caso, se tomaron estos valores de ganancia debido a que el controlador ya mostraba un buen
desempeño.
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6
0.4
q
0.2 1
q
d1
0
0 2 4 6 8 10
Tiempo [Seg]
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6 q2
q
d2
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
Los resultados numéricos presentados en las figuras 4.1 y 4.2, presentan un ligero error en
q1 y q2 respecto de las posiciones deseadas. No obstante se encuentran dentro de los
47
márgenes reportados por otros controladores no lineales PID [3], además dicho error se puede
reducir, al incrementar las ganancias del controlador.
q&1
q&d 1
q&2
q&d 2
48
El seguimiento de las velocidades de q&1 y q&2 respecto a las velocidades deseadas q&d 1 y q&d 2 ,
se aprecia claramente en las figuras 4.3 y 4.4. Los resultados muestran como se cumple de
manera muy precisa dicho seguimiento para los dos casos presentados.
τ1
τ2
τ1
τ2
En cuanto a los valores de τ 1 y τ 2 mostrados en las figuras 4.5 y 4.6, podemos mencionar
que también se encuentran dentro de los rangos presentados por otros controladores no
49
lineales [3, 8], así como los errores observados en la figura 4.7 para q%1 y q%2 , lo que
demuestra el buen desempeño del controlador.
q%1
q%2
el mismo valor del caso anterior. Se tomaron los mismos valores de ganancias de K P y KV
para tener las mismas condiciones.
50
Proposición 2: El controlador (4.3.1) y (4.3.2) es un controlador No Lineal PID.
Reacomodando términos:
τ = M (q) K p q% + M (q ) KV q&% + Γ(q ) ∫ ΓT (q ) M −1 (q ) KV qdt
&% + M (q )q&& + C (q, q& )q& ,
d
donde:
Parte Proporcional: M (q) K p q%
Parte Derivativa: M (q ) KV q&%
Parte Integral: Γ(q ) ∫ ΓT (q ) M −1 (q ) KV qdt
&%
Si KV = α I y α ∈ R+ .
M (q)q&& + C (q, q& )q& + Γ(q) g = M (q)[q&&d + KV q%& + K p q% ] + C (q, q& )q& + Γ(q) gˆ . (4.3.3)
Definiendo
g% = gˆ − g
51
q&&% = − K p q% − KV q%& − M −1 (q)Γ(q) g% , (4.3.5)
La ecuación anterior se puede representar como la dinámica del error, debido que está en
función del error de posición q% y del error de estimación g% . Considerando que g ∈ R es un
valor de gravedad constante, entonces se observa que g&% = g&ˆ . Se propuso la siguiente función
de Lyapunov:
1 1 1
V ( q% , q&% , g% ) = q%& T KV q%& + q% T K P KV q% + g% T g% , (4.3.6)
2 2 2
Y finalmente resulta:
V& (q% , q%& , g% ) = − q%& T KV KV q%& ≤ 0 (4.3.8)
52
4.3.1 Resultados de simulación
La programación del controlador (4.3.1) y (4.3.2) se realizó usando los mismos valores de
ganancias de K P y KV , así como la misma función deseada del caso anterior:
π
qdi = (1 − e − wit ) + 0.1sen( w0i t ), wi = 5, w0i = 2π , i = 1, 2.
2
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6 q1
q
d1
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
53
1.8
1.6
1.4
1.2
Posición [Rad]
1
0.8
0.6 q2
q
d2
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
Como lo muestran los resultados numéricos presentados en las figuras 4.8 y 4.9, presentan un
mejor seguimiento que los obtenidos en la primera propuesta. Al igual que en el primer
diseño, esa diferencia inicial en el seguimiento de las trayectorias se puede reducir al
incrementar las ganancias del controlador.
q&1
q&d 1
54
q&2
q&d 2
τ1
τ2
Como se puede observar en las figuras 4.8 – 4.14, el funcionamiento del segundo controlador
fue mucho mejor que el primer propuesto, además la descripción de su diseño fue más
sencilla que el primero. De lo anterior, podemos mencionar que se logró mejorar la primera
propuesta y así presentar otra posible forma de obtener otro controlador utilizando la
propiedad mencionada.
55
τ1
τ2
q%1
q%2
Una vez comprobado el mejor funcionamiento del segundo controlador, se procede a someter
dicho controlador a una variación de varios de sus parámetros del sistema como se describirán
en la tabla 2. Lo anterior es con el fin de observar la respuesta de este sistema de control ante
variaciones no contempladas en el diseño pero que prueban el grado de robustez y así
presentar unos resultados más sólidos que ratifiquen el buen desempeño de esta última
propuesta.
56
A continuación, en la tabla 2 se vuelve a presentar la lista de los parámetros del sistema, pero
ahora con las variaciones establecidas para la realización de las simulaciones numéricas.
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6 q1
qd1
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
De acuerdo a los resultados numéricos mostrados en las figuras 4.15 y 4.16, se aprecia
claramente como el sistema de control se ve afectado por tales variaciones paramétricas.
También se observa que después de un transitorio se cumple el seguimiento de las trayectorias
deseadas, cumpliendo con los objetivos esperados. Al igual como se ha venido expresando,
57
esas diferencias en los resultados se pueden reducir al incrementar las ganancias del
controlador.
1.8
1.6
1.4
1.2
Posición [Rad]
0.8
0.6 q2
qd2
0.4
0.2
0
0 2 4 6 8 10
Tiempo [Seg]
q&1
q&d 1
58
q&2
q&d 2
τ1
τ2
Aunque en las figuras 4.19 y 4.20, se obtiene un aumento considerable de las entradas de
control, es una consecuencia esperada considerando las variaciones aplicadas. En general
podemos mencionar que los resultados obtenidos en las gráficas 4.16 a la 4.21, los objetivos
de control se están cumpliendo satisfactoriamente mostrando una robustez ante variaciones
paramétricas.
59
τ1
τ2
q%1
q%2
En este capítulo se mostró el diseño de dos nuevos controladores no lineales PID para resolver
el problema de seguimiento de trayectorias para robots manipuladores. Los experimentos
numéricos obtenidos ilustran el buen desempeño de los dos controladores. La originalidad de
éstos, radicó en la utilización de la propiedad mostrada en (4.1.3), la cual fue útil para la
derivación de los dos controladores PID propuestos.
60
APÉNDICE A
PROPIEDADES
En éste apéndice se expondrán algunas de las propiedades más importantes del modelo
dinámico para robots de n g.d.l. [6] caracterizado mediante la ecuación (2.1.1). Al realizar
estudios con un determinado sistema, resulta de gran utilidad el conocimiento de propiedades
que nos faciliten y optimicen el trabajo en el desarrollo de los sistemas de control. Es clara la
complejidad de la ecuación (2.1.1) que caracteriza el funcionamiento de los robots
manipuladores, por lo que constituye una herramienta de gran valor el identificar alguna
propiedad adecuada para el diseño de controladores.
La matriz de inercia M(q) juega un papel importante tanto en el modelado dinámico como
en el diseño de controladores para robots. En el primer caso, la matriz de inercia se encuentra
íntimamente relacionada con la energía cinética:
1 T
K= q& M (q )q& ,
2
61
La matriz de inercia M(q) es una matriz simétrica definida positiva de n x n cuyos elementos
son funciones solamente de q. La matriz de inercia M(q) satisface las siguientes propiedades:
M (q) ≥ α I ∀q ∈ R n
λMax {M (q )} ≤ β ∀q ∈ R n .
β ≥ n ⎡ max M ij (q ) ⎤
⎢⎣ i , j ,q ⎥⎦
62
1. La matriz C ( q, q& ) puede no ser única, pero el vector C ( q, q& ) q& es único.
⎡ xT C1 (q ) y ⎤
⎢ T ⎥
⎢ x C2 ( q ) y ⎥
C ( q, x ) y = (A.1)
⎢ M ⎥
⎢ T ⎥
⎢⎣ x Cn (q ) y ⎥⎦
donde Ck (q) son matrices simétricas de dimensión n para todo k = 1,2, … , n. De hecho, el
c jik (q ) [6].
El vector de pares gravitacionales G(q) está presente en robots que no han sido diseñados,
desde un punto de vista mecánico, con compensación de pares de gravedad, por ejemplo, sin
contrapesos o resortes, o para robots destinados a desplazarse fuera del plano horizontal.
Algunas de sus propiedades más importantes se citan a continuación.
63
G ( x) − G ( y ) ≤ kG x − y
⎡ ∂Gi (q ) ⎤
kG ≥ n ⎢ max ⎥.
⎣
i, j ,q ∂qi ⎦
Además, kG satisface:
∂G (q ) ⎧ ∂G (q) ⎫
kG ≥ ≥ λMax ⎨ ⎬.
∂q ⎩ ∂q ⎭
64
CONCLUSIONES
En el segundo controlador propuesto, más que un análisis elaborado de su ley de control, fue
la inspección de su constitución y funcionamiento lo que permitió obtener mejores resultados
que el primer diseño propuesto. Es decir, al observar que los parámetros del sistema son
iguales a los del controlador, se optó por reducir el parámetro Ω a únicamente a un valor
estimado ĝ , lo que por consecuencia redujo la estructura del controlador y su desempeño se
optimizó logrando con esto, mejores resultados y así superar la primera proposición. Lo
anterior se puede constatar analizando las figuras de la 4.8 a la 4.14.
Otro resultado importante del trabajo, fue perturbar el sistema de control en el segundo
diseño. Se modificaron los parámetros del controlador, ver tabla 2, obteniendo toda una serie
de resultados, ver figuras de la 4.15 a la 4.21, donde efectivamente se muestran como el
funcionamiento es afectado. No obstante, a pesar de los incrementos en los torques de entrada,
65
resultados mostrados en las figuras 4.19 y 4.20, se entiende este fenómeno cómo
consecuencia de las perturbaciones aplicadas. En resumen, podemos concluir que el segundo
controlador presentó un buen desempeño, mostrando robustez y estabilidad ante variaciones
de los parámetros del sistema.
66
BIBLIOGRAFÍA y REFERENCIAS
[1] Acho L., Moreno J., “A class of adaptive PID control design for tracking control of
robot manipulators”, Congreso Latinoamericano de Control Automático CLCA,
Guadalajara, México, 2002.
[2] Aguilar L., Acho L., Guerra R., “PID robust control for robot manipulators with
parametric uncertainty”, Proccedings of the 6th IASTED International Conference
Intelligent Systems and Control, Hawaii, USA, Aug. 2004.
[3] Alvarez J., Cervantes I., Kelly R., “PID regulation of robot manipulators: stability and
performance”, Systems and Control Letters, 41, pp. 73-83, Apr. 2000.
[4] Alvarez J., Kelly R., Cervantes I., “Semiglobal stability of saturated linear PID control
for robot manipulators”, Automatica, 39, pp. 989-995, Jan. 2003.
[5] Gorez R., “Globally stable PID like control of mechanical systems”, Systems and
Control Letter, 38, pp. 61-72, May 1999.
[6] Kelly R., Santibáñez V., Control de Movimiento de Robots Manipuladores, Pearson
Prentice Hall, 2003.
[7] Khalil Hassan K., Nonlinear Systems, Third Edition, Prentice Hall, U.S.A. 2002.
[8] Koo K., Kim J., “Robust Control of Robot Manipulators with Parametric Uncertainty”,
IEEE Transactions on Automatic Control, 39, pp. 1230-1233, June 1994.
[9] Nijmeijer H., Berghuis H., “Global regulation of robots using only position
measurements”, Systems and Control Letters, 21, pp. 289-293, Feb 1993.
[10] Ogata Katsuhiko, Ingeniería de Control Moderna, Tercera Edición, Prentice Hall
Hispanoamericana, 1998.
[11] Orlov Y., Alvarez J., Acho L., Aguilar L., “Global position regulation of friction
manipulators via switched chattering control”, International Journal of Control, Vol.
76, No. 14, pp. 1146-1452, May. 2003.
[12] Sage H., Mathelin M., Ostertag E., “Robust control of robot manipulators: a
survey”,Int. J. Control, Vol. 72, No. 16, pp. 1498-1522, May. 1999.
[13] Slotine Jean J., Li Weiping, “Adaptive Manipulator Control: A Case Study”, IEEE
Transactioons on Automatic Control, Vol. 33, No. 11, November 1988.
67
[14] Spurgeon S., Edwards C., Sliding Mode Control: Theory and Applications, Taylor and
Francis, London 1998.
[15] Tayebi A., “Adaptive iterative learning control for robot manipulators”, Automatica,
40, pp. 1195-1203, Jan 2004.
68