The field of robotics has grown a lot over the years due to the increasing necessity of industrial production and the search for quality of industrialized products. The identification of a system requires that the model output be as close as possible to the real one, in order to improve the control system. Some hybrid identification methods can improve model estimation through computational intelligence techniques, mainly improving the limitations of a given linear technique. This paper presents as a main contribution a hybrid algorithm for the identification of industrial robotic manipulators based on the recursive least square (RLS) method, which has its matrix of regressors and vector of parameters optimized via the Kalman filter (KF) method (RLS-KF). It is also possible to highlight other contributions, which are the identification of a robotic joint driven by a three-phase induction motor, the comparison of the RLS-KF algorithm with RLS and extended recursive least square (ERLS) and the generation of the transfer function by each method. The results are compared with the well-known recursive least squares and extended recursive least squares considering the criteria of adjustable coefficient of determination (R 2 a ) and computational cost. The RLS-KF showed better results compared to the other two algorithms (RLS and ERLS). All methods have generated their respective transfer functions.
Industrial robots have grown over the years making production systems more and more efficient, requiring the need for efficient trajectory generation algorithms that optimize and, if possible, generate collision-free trajectories without interrupting the production process. In this work is presented the use of Reinforcement Learning (RL), based on the Q-Learning algorithm, in the trajectory generation of a robotic manipulator and also a comparison of its use with and without constraints of the manipulator kinematics, in order to generate collisionfree trajectories. The results of the simulations are presented with respect to the efficiency of the algorithm and its use in trajectory generation, a comparison of the computational cost for the use of constraints is also presented.
RESUMOOs carros autônomos elétricos ou híbridos são o futuro da indústria automobilística, estes carros são divididos em diversos sistemas de controle eletrônico. Entre esses sistemas de controle o sistema de direção representa um desafio para o desenvolvimento dos carros autônomos. Neste trabalho é desenvolvido um protótipo de um sistema de direção assistida (Driver Assistance Systems -DAS) de acionamento elétrico (Electrically Powered Steering -EPS) e proposto um algoritmo de controle da posição angular do servomecanismo baseado em lógica fuzzy. Partindo de uma bancada didática existente no laboratório que disponibiliza um sistema de direção com acionamento hidráulico (Hydraulic Power Steering -HPS) foram levantadas as curvas (mapas) de operação da direção elétrica e ajustados os parâmetros do controlador para que o sistema quando instalado em um veículo possa desempenhar a função de seguidor de trajetória em cenários de ambientes urbanos. O sistema de direção proposto neste trabalho pretende ser uma contribuição para o desenvolvimento de carros autônomos, contribuir para redução do número de acidentes e também ser um acessório opcional em veículos com motoristas humanos para situações extremas de direção (onde existe o risco a vida), como já existe atualmente nos sistemas de frenagem antitravamento (Antilock Braking System -ABS). O controlador proposto é embarcado em um módulo eletrônico e executa as funções descritas acima e está integrado com os demais sistemas embarcados nos veículos através de uma rede de troca de dados (Control Area Network -CAN), desta forma tem-se um sistema Steer-by-wire com controlador fuzzy. Os resultados das simulações computacionais mostraram que a solução proposta pode ser empregada em veículos comerciais.
Este artigo compara os algoritmos Probabilistic Roadmap (PRM) e Campos Potenciais Articiais (CPA), implementados em um manipulador SCARA (Selective Compliance Assembly Robot Arm). Os dois algoritmos são utilizados no planejamento de trajetória livre de colisão e são comparados pelo custo computacional e pela menor trajetória livre de colisão. Nos resultados são apresentados as trajetórias geradas pelos algoritmos no espaço cartesiano e também as trajetórias de cada junta do manipulador, calculadas a partir da cinemática inversa. Também são apresentadas as velocidade e acelerações para as trajetórias. Na implementação o algoritmo CPA se mostrou mais eficiente.
O controle de nível é uma das formas de controle mais comuns na indústria. Existem vários métodos para identificar o modelo da planta, a fim de ser usado em um sistema de malha fechada com o controlador. Este trabalho apresenta a identificação e controle de uma planta de nível utilizando um Controlador Lógico Programável (CLP). A identificação da planta é realizada pelo modelo paramétrico First Order Plus Delay Time (FOPDT), usando os seguintes métodos: Ziegler/Nichols, Hägglund, Smith e Sundaresan/Krishnaswamy. A coleta de dados experimentais do modelo é obtida através da comunicação Modbus entre CLP e sistema supervisório, após isso, os dados são exportados para o Excel para realizar as comparações em malha aberta. O controlador Proporcional-Integral-Derivativo (PID) é aplicado ao sistema e sua sintonia é realizada pelo método de Ziegler/Nichols. Para comparar os resultados experimentais são utilizados os seguintes critérios de desempenho: tempo de subida tr, tempo de acomodação ts e overshoot. Ao final, conclui-se que o método de identificação de Smith obtém os melhores resultados.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.