Departamento de Ingeniería

Mecánica y
de Materiales

Estudios de Tercer Ciclo

DIPLOMA DE ESTUDIOS AVANZADOS

Autor:
Fares Jawad Abu Dakka

Junio, 2006
1
 Memoria de Actividades

Datos Personales
Trayectoria Profesional
Estudios de Tercer Ciclo
Docencia
Línea de investigación actual
Trabajos de Investigación
Futuras líneas de Investigación

2
 Datos Personales
Memoria de Actividades

Titulación Obtenida
Ingeniero Mecánico.
Universidad de Birzeit, Palestina, 2003.
Evaluación
Durante la carrera: en la lista de honor durante
un semestre.
Titulación obtenida con la calificación “Notable”.
Becas
Beca FPI de la UPV, 2004-2007.

3
 Trayectoria Profesional
Memoria de Actividades

Prácticas en la Farmacéutica Birzeit, Ramalah,

Palestina. (40 días)

Profesor Asistente, Departamento de Ingeniería

Mecánica, La Universidad Birzeit. (un
semestre).

4
 Estudios de Tercer Ciclo
Docencia
Memoria de Actividades

ASIGNATURAS Curso Créditos Calificación

Aplicación de Técnicas de 03/04 4 9

Optimización en Ingeniería Mecánica
Robótica: Análisis y Aplicaciones 03/04 4 8.5
Simulación Dinámica Avanzada de 03/04 4 9
Sistemas Mecánicos Multicuerpo
Análisis Modal: Teoría y Técnicas 04/05 4 7
Experimentales
El Método de los Elementos Finitos en 04/05 4 7
Ingeniería Mecánica

5
 Estudios de Tercer Ciclo
Trabajos de investigación (2005/2006)
Memoria de Actividades

(Títulos propuestos)

Trabajos de Investigación Créditos Calificación

Obtención de configuraciones adyacentes de 6 Sobresaliente

tiempo mínimo considerando la dinámica del
robot. Aplicación al PUMA 560
Generación del espacio de configuraciones de 6 Notable
robots industriales mediante algoritmos genéticos.

6
 Línea de investigación actual
Memoria de Actividades

Planificación de trayectorias

1er Trabajo:
Obtener trayectorias de configuraciones
adyacentes.

2nd Trabajo:
Planificación de caminos

7
 Departamento de Ingeniería
Mecánica y
de Materiales

TRABAJO DE INVESTIGACIÓN

Obtención de configuraciones adyacentes de tiempo mínimo

considerando la dinámica del robot. Aplicación al PUMA 560

Autor:
Fares Jawad Abu Dakka

Dirigido por:
Francisco Valero
8

2006
Configuración
Adyacente objetivos

Obtención de configuraciones
Objetivos
adyacentes con mínimo tiempo:
Modelización
del Problema
Modelización del robot.
Formulación
del Problema Prevención de colisiones:
Resultados
Modelización de obstáculos.
Conclusiones
Obtención puntos significativos del robot.

Obtención de configuraciones
adyacentes.

9
Configuración
Adyacente Modelización del problema

Modelo alambrico en coordenadas

α
Objetivos de nudo.Dinámico Inverso:
El Modelo α PFF 4
4

Modelización Expresa las fuerzas y pares que intervienen en

del Problema Modelo cinemático.
función de la evolución de las coordenadas α
P3H P4
P4

P3

Formulación Modelo
articularesdinámico.
y sus derivadas
Los obstáculos
α
se modelizan en base a 3 PF
3
P3

del Problema elementos:

Prevención
 Formulación Esferas
esferas,
de
de Cilindros
cilindros,
colisiones.
Newton-Euler: y Planos
planos. PG

0r 0r i r
Resultados rO , P = en
 Basada
O + Ri rO , P
0
rO ,el equilibrio de fuerzas y pares:
Puntos
0 significativos.
Newton ' s Eq. F = mν&C
0 i i
P
α
D
2

α
Conclusiones Modelo de obstáculos. PP
P
α EP
1
2
2

Euler ' s Eq. N = IPω&+ ωα × CPIω C C

cos ( qi ) − sin ( qPi )

1

 B 1
0 2

 Procedimiento recursivo basado
1
en
 r
r +r

(i qi ) cosi ( αi +i1−1vectoriales.
) cos ( qi ) cos ( α i−1 ) − sin ( α i−1 ) 
i j

i −1
Ri = sinoperaciones C i

f = R f + i
f i ( q ) sin ( α Z ) cos ( α ) 
i

 sin ( qi i ) sin
i +1 ( α
i −1 )i +1 cos
i i −1 i −1 
i i+1 i i +1
i
ni = N i + i+1 R ni+1 + PCi × Fi +Y Pi +1 × i +1 R f i +1
i i i i
 El vector i T entre
i ˆ dos sistemas Z de referencia
τ i = ni Z i i −1 r O X
consecutivos. r Oi−1 ,Oi
 Buena eficiencia computacional.
A P
Y
10
O X
Configuración
Adyacente La formulación del problema

Configuraciones adyacentes.
Se dice que las configuraciones , son adyacentes si son factibles y:
Objetivos C p Ck
– La distancia que pasa el elemento terminal para ir de a es menor que el
Modelización tamaño de el obstáculo más pequeño.
del Problema – Las distancias entre los puntos significativos de y tienen que ser menor que el
tamaño del obstáculo más pequeño.

Formulación
del Problema C p Ck
– Minimiza la función: α
Resultados
4

Cp Ck
α
Conclusiones 3

( ) α ipα ik ≤ 2 ⋅ min r j
El movimiento del robot entre configuraciones α

adyacentes ( C (qip ), C (qik ) ) ha sido

2

p k α 1

desarrollado mediante una función polinomial.

( )
2
C − C = A ⋅ t + B ⋅ qi − q i
p k 2 f i

qipk = aipk + bipk t + cipk t 2 + d ipk t 3Z

+ C ⋅ ( (α1p − α1k )2 + (αP2p −OαY2k X)2 + (α3p − α
A
3 ) )
11 k 2
Configuración
Adyacente Resultados
Planificación de Ejemplos

Objetivos
Modelización
del Problema
Formulación
del Problema
Resultados
Conclusiones

12
Configuración
Adyacente Resultados
Ejemplos
Caso 1
Esfera Cilindro Plano Dos Tres Esfera y
Objetivos Esferas Esferas Cilindro

Modelización
El promedio del 7.0945 4.3623 1.3608 9.1537 1.5220 6.6180
del Problema tiempo del
movimiento
Formulación (sec)

del Problema
El promedio del 12.97 39.0 16.2 14.9 15.1 7.8
Resultados Tiempo por
conf. de
Conclusiones computo (sec)
El porcentaje 79.5% 58.6% 81.6% 77.1% 79.7% 65.3%
de
convergencia
Caso 2
El promedio del 4.2704 1.9694 7.6882 1.4946 6.9266 1.6208
tiempo del
movimiento
(sec)

El promedio del 9.1 10.4 12.3 11.7 17.7 13

17.7
Tiempo por
Configuración
Adyacente Conclusiones

En este trabajo, un algoritmo ha sido

Objetivos
construido para generar configuraciones
Modelización
del Problema adyacentes que permitan movimientos de
Formulación
tiempo mínimo.
del Problema
Trabajar en variables de nudo ha dado
Resultados
resultados aceptables.
Conclusiones
La función objetivo es fruto de un trabajo
continuo de varias pruebas. La función
objetivo final así obtenida ha dado
resultados eficaces con un proceso de
optimización estable.
14
 Departamento de Ingeniería
Mecánica y
de Materiales

TRABAJO DE INVESTIGACIÓN

Generación del espacio de configuraciones de robots industriales mediante algoritmos genéticos

Autor:
Fares Jawad Abu Dakka

Dirigido por:
Francisco Valero
2006
15
Planificación
de caminos objetivos
Resolver el problema de la planificación
de caminos utilizando el algoritmo
Objetivos
genético:
Obtención de
Config. Obtención el modelo cinemático inverso del
Algoritmo robot.
Genético
Prevención de colisiones.
Aplicación
al Problema
Resultados
Optimizar caminos.
Conclusiones

16
Planificación
de caminos Obtención de configuraciones

Cinemática:  r11 r12 r13 px 

Objetivos
En el problema cinemático inverso de 0
r r22 r23 p y 
Obtención de posición T es conocida (Posición y T =  21

Config. orientación del elemento terminal) y las

6
 r31 r32 r33 pz 
incógnitas son las variables de nudo θ i  
Algoritmo 0 0 0 1
Genético
Aplicación Prevención de colisiones: se divide en dos fases principales;
al Problema
Prevención de colisiones del elemento terminal.
Resultados Prevención de colisiones de una configuración del robot en esa posición
del elemento terminal.
Conclusiones

Los obstáculos se modelizan en base a 2 elementos: esferas, cilindros

17
Planificación
de caminos Algoritmo genético
Definición:
Elementos fundamentales de un
El algoritmo genético se basa en
algoritmo genético:
Objetivos una analogía directa con la
Procedimiento
selección natural básica de AG: y las
Darwiniana
Obtención de mutaciones presentadas en la
Config. reproducción
1. biológica,
Representación deconocidas
la población
comoycomputación
inicialización.evolutiva, la
Algoritmo cual adquiere rápidamente
Genético 2. Funciónenobjetivo
importancia el áreayde
función
la de
aptitud.artificial
inteligencia
Aplicación
al Problema 3. Selección.
4. Crossover.
Resultados
5. Mutación.
Conclusiones

18
Planificación
de caminos Aplicación al problema
Aplicación al Problema:
Final
point
Objetivos 1. Individuo:
Obtención de 2. Función objetivo:
Config. Para el algoritmo propuesto se utiliza la selección
3. Selección:
por
Pointrueda de ruleta: una Point iforma de selección
Algoritmo 1 Point f

Genético proporcional a la aptitud en la que la probabilidad

4.X Crossover:
Y  Z ( x −… x ) 2 X+ ( y Y − y ) 2Z + ( z … − z X) 2 + ...Y+  Z
1
de que un individuo
1 1

i +1 i
Initial
sea
i +1 seleccionado
i i

i
i

i +1 i es
f f f


Aplicación proporcional
5. Mutación:  a la diferencia
point entre su aptitud y la
( xn+1 − xn ) + ( y(Conceptualmente,
n +1 − yn ) + ( zn +1 − zn )esto
2 2 2
al Problema Minimize
de sus competidores.
Crossover
Mutation
+ ... + 

puede representarse 2 como un juego de ruleta2 Final-cada 
Resultados  ( x f −1 − x f ) + ( y f −1 − y f ) + ( z f −1 − z f ) point 
2
individuo  obtiene una sección de la ruleta, pero los
Pto final
Conclusiones más aptos obtienen secciones mayores que las de
los menos aptos. Luego la ruleta se hace girar, y en
cada vez se elige al individuo que ``posea'' la
sección en la que se pare la ruleta).
Pto inical
Initial 19
point
Planificación
de caminos resultados

Caso 1
Objetivos Distancia Sin Con Con Dos Con Tres Con
Ideal obstáculos Esfera Esferas Esferas Cilindro
Obtención de
Config. La distancia 0.9711 1.05895 1.11559 1.11559 1.00231 1.44119
entre el punto
Algoritmo inicial y final
Genético
Tiempo de 2 2 2 2 3
Aplicación computo (sec)
al Problema
Comparación 91.7% 87.0% 87.0% 96.9% 67.4%
Resultados con el valor
ideal
Conclusiones Caso 2
La distancia 1.2784 1.43318 1.44119 1.44119 1.44919 1.49677
entre el punto
inicial y final

Tiempo de 4 3 3 4 4
computo (sec)
20
Planificación
de caminos conclusiones

En este trabajo, el método propuesto de GA

Objetivos es aplicado a la planificación de caminos para
Obtención de el PUMA 560 libre de obstáculos y en su
Config. presencia.
Algoritmo
Genético
Los resultados demuestran que el método
Aplicación
al Problema propuesto es capaz de alcanzar un objetivo
Resultados predeterminado. Además, se comprueba que
la presencia de obstáculos en el espacio de
Conclusiones
trabajo, puede ser resuelta por el método.

21
Desarrollos futuros

Entre la futura línea se prevé estudiar la

planificación de trayectorias considerando
como función objetivo la suma del mínimo
tiempo entre configuraciones adyacentes.
Esto resuelto utilizando algoritmos genéticos
como el propuesto en este trabajo.

22
 Departamento de Ingeniería
Mecánica y
de Materiales

Estudios de Tercer Ciclo

DIPLOMA DE ESTUDIOS AVANZADOS

Autor:
Fares Jawad Abu Dakka

Junio, 2006
23