[pt] Os avanços da Robótica nas últimas décadas permitem um aumento nas
gamas de aplicações de manipuladores robóticos em diversos setores da indústria.
Isto, impacta diretamente a interação Homem-Robô (HRI), resultando em um
aumento de tarefas que requerem compartilhamento de ambiente de trabalho,
desempenho de segurança e a habilidade de detecção de contato do manipulador
robótico. Consequentemente, métodos de controle capazes de prever contato,
controlar força ou trajetória para evitar danos durante colisões se tornam cada vez
mais necessários seja por questões de segurança ou de desempenho. Separando a
dinâmica de um manipulador de um único elo em dois modos, sendo eles modo de
controle de posição (modo livre) e modo de controle de torque (modo de contato),
a primeira parte desta dissertação, lida com o problema de estimação de estados
para detecção do modo ativo através da implementação do método de Estimação de
Estados de Horizonte móvel com Redes Neurais (NNMHSE). A efetividade do
método de estimação proposto é avaliada através da comparação dos estados e
modos gerados pelo MHSE e dos estimados pela Rede Neural. Este método
apresentou baixos valores de RMSE, altos valores de R(2), e uma redução do tempo
de processamento do algoritmo de estimação. A segunda parte desta dissertação
lida com o problema de controle de posição e força chaveado para um manipulador
robótico não linear, aplicando Controle Preditivo Baseado em Modelo (MPC). O
algoritmo MPC chaveado implementado mostrou-se capaz de controlar
efetivamente ambos os modos do sistema apresentando baixo erro na predição,
aproximadamente 2 por cento no modo de controle de posição e 0.5 por cento no modo de controle
de torque, mesmo considerando alterações cíclicas nos modos. Ambos os métodos
provam ser adequados para controle de manipuladores robóticos colocalizados com
seres humanos ou em ambientes desestruturados por meio da detecção do modo de
operação e do controle chaveado posição-torque. / [en] The advances in Robotics in recent decades allow a growing range of robotic
manipulator applications in various industry sectors. This directly impacts Human-Robot Interaction (HRI), increasing tasks that require a shared work environment,
safety performance, and the contact detection ability of the robotic manipulator.
Consequently, control methods capable of predicting contact, and controlling force
or trajectory to avoid damage during collisions become increasingly necessary
either for safety or performance reasons. Separating the dynamics of a single-link
manipulator into two modes, namely position control mode (free mode) and torque
control mode (contact mode), the first part of this dissertation deals with the
estimation problem of states for active mode detection through the implementation
of the Moving Horizon State Estimation with Neural Networks (NNMHSE)
method. The effectiveness of the proposed estimation method is evaluated by
comparing the states and modes generated by the MHSE and those estimated by the
Neural Network. This method showed low RMSE values, high values of R(2), and a
reduction in the processing time of the estimation algorithm. The second part of this
dissertation deals with the position and force switching problem for a non-linear
robotic manipulator, applying Model-Based Predictive Control (MPC). The
implemented switched MPC algorithm effectively controlled both modes of the
system, presenting low prediction error, approximately 2 percent in position control mode
and 0.5 percent in torque control mode, even considering cyclical changes in the modes.
Both methods prove to be suitable for controlling co-located robotic manipulators
with humans or in unstructured environments through operation mode detection and
position-torque switching control.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:64518 |
| Date | 30 October 2023 |
| Creators | LARA CANDIDO ALVIM |
| Contributors | HELON VICENTE HULTMANN AYALA |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | English |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0019 seconds