Today’s society is facing a large increase of automation and smart devices. Everything from coffee machines to fridges include some kind of electronics and embedded systems. The focus of this Bachelor’s thesis was to dive deeper into how these automated devices can be controlled and more specifically a robot arm. The main purpose revolved around constructing a robotic arm that could be controlled through three different methods using MATLAB. These three were manual control, numerical analysis control and with a neural network based control. The prototype was created by assembling six servo motors onto 3D-printed parts. The arm consisted of three main parts which were a base, an arm and a gripper. The system was controlled by an Arduino micro-controller connected to a computer. The results show that the manual control method was easy to implement, fast and reliable. It allows control of all the angels for each servo motor, which also means controlling each individual degree of freedom. The numerical way, using Newton-Raphson’s method, broadened the abilities to control the arm but was slower. The third and final solution was to use fuzzy-logic. This ended up being a powerful method allowing for great control with low latency. While unreliable, the method showed great potential and with refinement could surpass the others. The conclusion was that the neural network method was the overall best method for controlling and manoeuvring the robot arm using MATLAB. / Dagens samhälle står inför en stor ökning av automatisering och smarta produkter. Allt från kaffemaskiner till kyl och frys innehåller någon form av elektronik och inbäddade system. Det huvudsakliga syftet med detta kanditatexamensarbete var att gräva djupare i hur dessa automatiserade produkter kan kontrolleras och mer specifikt i detta fall, en robotarm. Projektet handlade om att konstruera en robotarm som kunde styras och kontrolleras genom tre olika metoder i programmet MATLAB. Dessa tre har vi valt att kalla manuell kontroll, numerisk kontroll och neuralt nätverksbaserad kontroll. Prototypen tillverkades genom att montera sexservomotorer på 3D-utskrivna delar. Armen bestod av tre huvuddelar, en bas, en arm och en gripklo. Systemet styrdes av en Arduino mikrokontroll ansluten till en dator. Resultaten visar att den manuella kontrollmetoden var enkel att implementera, snabb samt var tillförlitlig. Den gav precis styrning av alla vinklar för varje servomotor, vilket också innebar att den gav god styrning av varje frihetsgrad. Den numeriska metoden, mer bestämt Newton Raphson’s metod, vidgade möjligheterna att kontrollera armen men var långsammare. Den tredje och sista lösningen var att använda ett neuralt nätverk, fuzzy logic. Detta visade sig vara ett kraftfullt sätt att styra roboten med låg latens. Det neurala nätverket visade sig dock vara opålitligt, men metoden visade stor potential för vidare utveckling och kan då prestera mycket bättre än de andra två metoderna. Slutsatsen var att det neurala nätverket var den generellt bästa metoden för att kontrollera och manövrera robotarmen via programmeringsprogrammet MATLAB.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-296223 |
| Date | January 2021 |
| Creators | Aronsson, Alexander, Pirmohamed, Fahim |
| Publisher | KTH, Mekatronik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ITM-EX ; 2021:34 |
Page generated in 0.0233 seconds