You are on page 1of 227

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

UNIVERSIDAD DE PAMPLONA FACULTAD DE INGENIERIAS Y ARQUITECTURA PROGRAMA DE INGENIERA MECATRNICA

TRABAJO PRESENTADO PARA OPTAR POR EL TTULO DE INGENIERO MECATRNICO

TITULO: DISEO DE UN CONTROLADOR DINAMICO PARA UN ROBOT SCARA MEDIANTE REDES NEURONALES ARTIFICIALES

AUTOR: GERSON SOLE MEJIA AGUILAR

DIRECTOR: WALTER GASTELBONDON BARRAGAN PAMPLONA, COLOMBIA JUNIO / 2007

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

AGRADECIMIENTOS

Primeramente quisiera agradecer a Dios que con su ayuda incondicional siempre estuvo presente brindando su amor, sabidura amistad y cario. Adems quisiera agradecer a mis padres Juan de Dios Mejia y Marina Aguilar que han sido un ejemplo de esfuerzo, lucha y dedicacin me han apoyado. A mi amada Liliana Charrupi Vallejo que con su amor y comprensin me han dado ayudado fortalecerme y amar a Dios para sacar este proyecto de grado. A mis hermanos queridos Edilma Mejia, Aldren Mejia, Jairzhinio Mejia, Vladimir Mejia, Milena Mejia, Chris Mejia, William Mejia y Rolando Balanta que desde su entusiasm me han brindado apoyo A mi director de tesis Walter Bastelbondo donde siempre me han ayudado a guiar en mi proyecto de grado A los profesores Oscar Gualdron disponibilidad estuvieron presentes. que con su atencin y

El temor de Jehov es el principio de la sabidura, y el conocimiento del Santsimo es la inteligencia Proverbios 9:10

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

CONTENIDO INTRODUCCION CAPITULO 1 1. MARCO TEORICO 1.1 CINEMATICA DE ROBOT 1.1.1 CINEMATICA DIRECTA 1.1.1.1 EL PROBLEMA CINEMATICO DIRECTO 1.1.1.2 RESOLUCION DEL PROBLEMA CINEMATICO DIRECTO MEDIANTE LAS MATRICES DE TRANSFORMACION HOMOGENEAS

1.1.1.3 ALGORITMO DE DENAVIT- HARTENBERG PARA LA OBTENCIN DEL MODELO


1.1.2 CINEMTICA INVERSA.

1.1.2.1 RESOLUCIN DEL PROBLEMA CINEMATICO INVERSO A PARTIR DE LA MATRIZ DE TRANSFORMACION HOMOGENEA
1.1.3 1.2 DESACOPLO CINEMATICO DINAMICA DE ROBOT

1.2.1 MODELO DINMICO DE LA ESTRUCTURA DE UN ROBOT RGIDO 1.2.2 MODELADO MEDIANTE LA FORMULACIN DE LAGRANGE- EULER 1.2.3 ALGORITMO COMPUTACIONAL PARA EL MODELADO DINMICO POR LAGRANGE-EULER.
1.3 REDES NEURONALES ARTIFICIALES

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.3.1

CARACTERISTICAS DE UNA RED NEURONAL ARTIFICIAL

1.3.2 NOTACIN 1.3.3 FUNCIONES DE TRANSFERENCIA 1.3.3.1 LIMITADOR FUERTE (HARDLIM) 1.3.3.2 FUNCIN DE TRANSFERENCIA LINEAL (PURELIN) 1.3.3.3 FUNCIN DE TRANSFERENCIA SIGMOIDAL (LOGSIG) 1.3.3.4 TOPOLOGA DE UNA RED 1.3.3.5 PERCEPTRN 1.3.3.5.1 ANTECEDENTES 1.3.3.5.2 ESTRUCTURA DE LA RED 1.3.3.5.3 REGLA DE APRENDIZAJE 1.3.3.5.4 LIMITACIN DE LA RED PERCEPTRN 1.3.3.5.5 PERCEPTRN MULTICAPA 1.4 SENSORES

1.4.1 CARACTERSTICAS Y CALIDAD DE UN SENSOR 1.4.1.1 CARACTERSTICAS ESTTICAS DE UN SENSOR


1.4.2 PARMETROS DE LA CURVA DE CALIBRACIN ESTTICA 1.4.2.1 RANGO DE MEDIDA 1.4.2.2 ESCALA TOTAL O SPAN 1.4.2.3 SENSIBILIDAD ESTTICA O FACTOR DE ESCALA O GANANCIA

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.4.2.4 FACTORES DE CALIDAD ESTTICA DE UN SENSOR 1.4.2.5 CLASIFICACIN DE SENSORES Y ELEMENTOS DE GOBIERNO 1.4.2.5.1 ELEMENTOS DE GOBIERNO 1.5 MOTORES DE CORRIENTE CONTINA 1.5.1 PRINCIPIO BSICO DE LOS MOTORES DE C.C. 1.5.2 MODELO DE MOTOR DE CONTINUA DE IMN PERMANENTE 1.5.3 RELACIN ENTRE KI Y KB 1.5.4 CURVAS DEL PAR-MOTOR 1.6 CONTROL PID 1.7 CONTROL MULTIARTICULAR 1.7.1 DESACOPLAMIENTO POR INVERSIN DEL MODELO CAPITULO 2 2. CALCULOS Y COMPONENTES DEL SISTEMA PARA EL DISEO 2.1 MODELO DINAMICO PARA EL ROBOT SCARA MEDIANTE EL METODO LAGRANGE EULER 2.1.1 ASIGNAR A CADA ESLABON UN SISTEMA DE REFERENCIA DE ACUERDO A LAS NORMAS D-H 2.1.2 OBTENER LAS MATRICES DE TRANSFORMACION 0 Ai PARA CADA ELEMENTO i OBTENER LAS MATRICES U ij

2.1.3

2.1.4 OBTENER LAS MATRICES U ijk

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.1.5 OBTENER LAS MATRICES DE PSEUDOINERCIA Ji PARA CADA ELEMENTO 2.1.6 MATRIZ DE INERCIA D = d ij 2.1.7 TERMINOS hikm 2.1.8 OBTENER LA MATRIZ COLUMNA DE FUERZA DE CORIOLIS Y CENTRIPETA H = [hi ] 2.1.9 MATRIZ COLUMNA DE FUERZA DE GRAVEDAD

[ ]

2.1.10 LA ECUACIN DINMICA DEL SISTEMA 2.2. AJUSTE DE LOS CONTROLADORES POR RETROALIMENTACIN 2.2.1 AJUSTE MEDIANTE INTEGRACIN MNIMO LOS CRITERIOS DE ERROR DE

2.2.2 AJUSTES DE MODELOS POMTM 2.3 DESCRIPCIN DE LAS FUNCIONES UTILIZADAS EN MATLAB 2.3.1 EL PROGRAMA MATLAB 2.3.2 RED TIPO PERCEPTRN 2.3.3 RED TIPO ADALINE 2.3.4 RED TIPO BACKPROPAGATION 2.4 CARACTERISTICAS TECNICAS TIP31 2.4.1 ENCAPSULADO DEL TIIP31 2.4.2 PARAMETROS TIP31 2.4.3 CARACTERSTICAS ELCTRICAS DEL TIP31 2.4.4 MONTAJE DEL TIP31
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.5 MOTORES DE CORRIENTE CONTINUA MAXON 2.5.1 DATA DEL MOTOR MAXON 2.5.2 ESPECIFICACIONES DEL MOTOR MAXON 2.5.3 RANGO DE OPERACIN DEL MOTOR MAXON 2.5.4 PUENTE H UTILIZANDO TIP31 2.5.4.1 FUNCIONAMIENTO DEL PUENTE H UTILIZANDO TIP31 2.6 EL SENSOR INFRARROJO GP2D12 2.6.1 CARACTERISTICAS DE VOLTAJE DISTACIA DEL SENSOR GP2120 2.6.2 DISEO DEL SENSOR GP2120 2.7 FINALES DE CARRERA SZL 2.7.1 CARACTERSTICAS DEL SENSOR SZL 2.7.2 APICACIONES DEL SENSOR SZL 2.7.3 COMPROBACIN DEL SENSOR SZL 2.8 MODELO CINEMATICO INVERSO PARA EL ROBOT SCARA

2.8.1ASIGNAR A CADA ESLABON UN SISTEMA REFERENCIA DE ACUERDO A LAS NORMAS D-H 2.8.2 OBTENER LAS MATRICES DE TRANSFORMACION PARA CADA ELEMENTO i 2.8.3 OBTENER LAS MATRICES INVERSAS 0 TRANSFORMACION Ai PARA CADA ELEMENTO i
CAPITULO 3 3. DISEO Y PARAMETROS PARA EL ROBOT SCARA
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

DE

Ai

DE

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.1 DISEO Y CALCULOS DE LOS MOTORES 3.1.1 CARACTERISTICAS ELECTRICAS Y MECANICAS DEL MOTOR 3.2 PARAMETROS PARA EL DISEO DEL ROBOT SCARA 3.2.1 DIMENSIN DEL ROBOT 3.2.2 REMPLAZO DE VALORES 3.2.3 REEMPLAZO DE LOS NGULOS 3.2.4 APLICACIN DE LA TRANSFORMADA DE LAPLACE 3.3 DISEO DEL CONTROL MULTIARTICULAR PARA EL ROBOT SCARA 3.3.1 DESACOPLAMIENTO POR INVERSION DEL MODELO 3.3.2 RESULTADO FINAL DE LAS ECUACIONES 3.3.3 CONTROL PID PARA EL PAR REQUERIDO PARA CONTROLAR LOS TRES MOTORES 3.4 DISEO DE LOS CONTROLADOR PID PARA LOS CUATRO MOTORES 3.4.1 CALCULOS DEL CONTROLADOR PID PARA EL PRIMER MOTOR 3.4.1.1 DETERMINAMOS LOS PARMETRO DE ZIGLER-NICOLS PARA EL CONTROLADOR 3.4.1.2 FRMULAS DE AJUSTE DE INTEGRAL MNIMA DE ERROR PARA ENTRADA DE PERTURBACIONES PRIMER MOTOR 3.4.2 CALCULOS DEL CONTROLADOR PID PARA EL SEGUNDO MOTOR 3.4.2.1 DETERMINAMOS LOS PARMETRO DE ZIGLER-NICOLS PARA EL SEGUNDO MOTOR

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.4.2.2 FRMULAS DE AJUSTE DE INTEGRAL MNIMA DE ERROR PARA ENTRADA DE PERTURBACIONES. PARA EL SEGUNDO MOTOR 3.4.3 CALCULOS DEL CONTROLADOR PID PARA EL TERCER MOTOR 3.4.3.1 DETERMINAMOS LOS PARMETRO DE ZIGLER-NICOLS PARA EL TERCER MOTOR 3.4.3.2 FRMULAS DE AJUSTE DE INTEGRAL MNIMA DE ERROR PARA ENTRADA DE PERTURBACIONES. PARA EL TERCER MOTOR 3.4.4 CALCULOS DEL CONTROLADOR PID PARA EL CUARTO MOTOR 3.4.4.1 DETERMINAMOS LOS PARMETRO DE ZIGLER-NICOLS PARA EL CUARTO MOTOR 3.4.4.2 FRMULAS DE AJUSTE DE INTEGRAL MNIMA DE ERROR PARA ENTRADA DE PERTURBACIONES. PARA EL CUARTO MOTOR 3.5 DISEO DE LA POSICION DE LOS MOTORES PARA EL ROBOT SCARA 3.5.1 DESCRIPCION DEL PROBLEMA 3.5.2 DESCRIPCIN DE LOS SENSORES 3.5.3 DESCRIPCION DEL MOVIMIENTO DE LOS MOTORES Y LA ACTIVACION DE LOS SENSORES 3.6 DISEO DE LA RED NEURONAL ARTIFICIAL PARA EL ROBOT SCARA 3.6.1 FASE DE ENTRENAMIENTO 3.6.2 PROGRAMA UTILIZADO PARA LA FASE DE ENTRENAMIENTO

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.6.3 VALIDACION DE LOS RESULTADOS 3.6.3.1 PRIMERA VALIDACION DE LOS RESULTADOS OBTENIDOS 3.6.3.2 SEGUNDA VALIDACION DE LOS RESULTADOS OBTENIDOS 3.6.3.3 TERCERA VALIDACION DE LOS RESULTADOS OBTENIDOS 3.6.3.4 CUARTA VALIDACION DE LOS RESULTADOS OBTENIDOS CONCLUSION. BIBLIOGRAFIA.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

10

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

INTRODUCCIN Los sistemas de computacin secuencial, son exitosos en la resolucin de problemas matemticos o cientficos, en la creacin, manipulacin y mantenimiento de bases de datos, en comunicaciones electrnicas, en el procesamiento de textos, grficos y auto edicin, incluso en funciones de control de electrodomsticos, hacindolos ms eficientes y fciles de usar, pero definitivamente tienen una gran incapacidad para interpretar el mundo. El desarrollo de nuevos sistemas de tratamiento de la informacin, que permitan solucionar problemas cotidianos, tal como lo hace el cerebro humano; este rgano biolgico cuenta con varias caractersticas deseables para cualquier sistema de procesamiento digital, tales como: 1. Es robusto y tolerante a fallas, diariamente mueren neuronas sin afectar su desempeo. 2. Es flexible, se ajusta a nuevos ambientes por aprendizaje, no hay que programarlo. 3. Puede manejar informacin difusa, con ruido o inconsistente. 4. Es altamente paralelo 5. Es pequeo, compacto y consume poca energa. La teora de las RNA ha brindado una alternativa a la computacin clsica, para aquellos problemas, en los cuales los mtodos tradicionales no han entregado resultados muy convincentes, o poco convenientes. Las aplicaciones ms exitosas de las RNA son: 1. 2. 3. 4. 5. 6. 7. Procesamiento de imgenes y de voz Reconocimiento de patrones Planeamiento Interfaces adaptivas para sistemas Hombre/mquina Prediccin Control y optimizacin Filtrado de seales

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

11

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Los sistemas de computo tradicional procesan la informacin en forma secuencial; un computador serial consiste por lo general de un solo procesador que puede manipular instrucciones y datos que se localizan en la memoria, el procesador lee, y ejecuta una a una las instrucciones en la memoria; este sistema serial es secuencial, todo sucede en una sola secuencia determinstica de operaciones. Las RNA no ejecutan instrucciones, responden en paralelo a las entradas que se les presenta. El resultado no se almacena en una posicin de memoria, este es el estado de la red para el cual se logra equilibrio. El conocimiento de una red neuronal no se almacena en instrucciones, el poder de la red est en su topologa y en los valores de las conexiones (pesos) entre neuronas.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

12

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

RESUMEN En este trabajo se presenta el diseo de un robot SCARA (de tres grados de libertad) controlado su velocidad mediante un control PID utilizando inversin del modelo y la posicin mediante un control con redes neuronales artificiales. En el diseo se presenta clculo de la dinmica del robot SCARA y la seleccin de los sensores y los motores, como el tipo de red a utilizar. Adems se da a conocer la etapa de potencia.

En sntesis el tema principal del trabajo el diseo y control de un robot SCARA, por lo tanto se encontrar mucha informacin referente al tema como son sensores motores transistores, tipo de red a utilizar, validacin de la red neuronal y otros

El desarrollo del trabajo se divide en tres partes o captulos. En el primero capitulo se definen a nivel general los componentes del sistema, es decir, las bases tericas necesarias para el estudio en s del proyecto. En la segunda parte se presentan los componentes especficos del sistema para el diseo, es decir, la ficha tcnica de estos. Y en la ltima parte se muestra la esencia del trabajo, se especifica el desarrollo de la ingeniera como tal, para el diseo de la red neuronal y el diseo de los controladores PID para los motores.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

13

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

OBJETIVO GENERAL

Disear y simular un controlador neuronal para un robot SCARA

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

14

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

OBJETIVO ESPECIFICO

Analizar los sistemas utilizados actualmente para controlar un robot SCARA Obtener el modelo dinmico del par o torque de un robot SCARA controlado por Redes Neuronales Artificiales Obtener el modelo cinematico Validacin de los resultados obtenidos Disear y emular el controlador Neuronal para el robot SCARA

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

15

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

PLANTEAMIENTO DEL PROBLEMA En la industria la aplicacin de los robots ha ido en aumento debido a las diferentes necesidades en las operaciones desempeadas por el hombre en donde los robots han sido de vital importancia para el desarrollo de la industria. Uno de los problemas actuales en la robtica es la velocidad y precisin cuando se aplica control cinemtica es la seleccin de trayectorias que idealmente deber seguir el robot, teniendo en cuenta sus limitaciones, ajustarse lo mejor posible a las especificaciones del movimiento dadas. En la prctica, este ajuste del movimiento del robot a las especificaciones dadas no ser del todo posible, pues las caractersticas dinmicas del robot (inercia, rozamiento, holguras, etc.) muchas veces desconocidas, impiden en general una coincidencia en la trayectoria deseada.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

16

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

JUSTIFICACION La utilizacin del Control Dinmico mediante Redes Neuronales Artificiales para un robot SCARA mejorara la velocidad y precisin de la trayectoria del robot ya que las redes neuronales daran el ajuste necesario para trabajar en ptimas condiciones dando solucin a posibles perturbaciones presentes. Adems las RNA proporcionaran las siguientes caractersticas al robot SCARA como: 1. Es robusto y tolerante a fallas, diariamente mueren neuronas sin afectar su desempeo. 2. Es flexible, se ajusta a nuevos ambientes por aprendizaje, no hay que programarlo. 3. Puede manejar informacin difusa, con ruido o inconsistente. 4. Es altamente paralelo 5. Es pequeo, compacto y consume poca energa

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

17

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

18

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.1 CINEMATICA DE ROBOT

La cinemtica del robot estudia el movimiento del mismo con respecto a un sistema de referencia. As, la cinemtica se interesa por la descripcin analtica del movimiento espacial del robot como una funcin del tiempo, y en particular por las relaciones entre la posicin y la orientacin del extremo final del robot con los valores que toman sus coordenadas articulares. Existen dos problemas fundamentales para resolver la cinemtica del robot, el primero de ellos se conoce como el problema cinematico directo, y consiste en determinar cual es la posicin y orientacin del extremo final del robot, con respecto a un sistema de coordenadas que se toma como referencia, conocidos los valores de las articulaciones y los parmetros geomtricos de los elementos del robot, el segundo denominado problema cinematico inverso resuelve la configuracin que debe adoptar el robot para una posicin y orientacin del extremo conocidas Denavit y Hartenberg propusieron un mtodo sistemtico para descubrir y representar la geometra espacial de los elementos de una cadena cinemtica, y en particular de un robot, con respecto a un sistema de referencia fijo. Este mtodo utiliza una matriz de transformacin homognea para descubrir la relacin espacial entre dos elementos rgidos adyacentes, reducindose el problema cinematico directo a encontrar una matriz de transformacin homognea 4 X 4 que relacione la localizacin espacial del robot con respecto al sistema de coordenadas de su base. Por otra parte, la cinemtica del robot trata tambin de encontrar las relaciones entre las velocidades del movimiento de las articulaciones y las del extremo. Esta relacin viene dada por el modelo diferencial expresado mediante la matriz Jacobina. La Tabla 1.1 muestra el cuadro Comparativo Entre Cinemtica Directa e Inversa

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

19

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 1.1 Comparativo Entre Cinemtica Directa e Inversa El movimiento relativo en las articulaciones resulta en el movimiento de los elementos que posicionan la mano en una orientacin deseada. En la mayora de las aplicaciones de robtica, se esta interesado en la descripcin espacial del efector final del manipulador con respecto a un sistema de coordenadas de referencia fija. La cinemtica del brazo del robot trata con el estudio analtico de la geometra del movimiento de un robot con respecto a un sistema de coordenadas de referencia fijo como una funcin del tiempo sin considerar las fuerzas-momentos que originan dicho movimiento. As pues, trata con la descripcin analtica del desplazamiento espacial del robot como funcin del tiempo, en particular las relaciones entre variables espaciales de tipo de articulacin y la posicin y orientacin del efector final del robot. 1.1.1 Cinemtica Directa 1.1.1.1 El Problema Cinemtico Directo: Se utiliza fundamentalmente el lgebra vectorial y matricial para representar y describir la localizacin de un objeto en el espacio tridimensional con respecto aun sistema de referencia fijo. Dado que un robot puede considerar como una cadena cinemtica formada por objetos rgidos o eslabones unidos entre s mediante articulaciones, se puede establecer un sistema de referencia fijo situado en la base del robot y describir la localizacin de cada uno
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

20

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

de los eslabones con respecto a dicho sistema de referencia. De esta forma, el problema cinematico directo se reduce a encontrar una matriz homognea de transformacin T que relacione la posicin y orientacin del extremo del robot respecto del sistema de referencia fijo situado en la base del mismo. Esta matriz T ser funcin de las coordenadas articulares. 1.1.1.2 Resolucin Del Problema Cinematico Directo Mediante Las Matrices De Transformacin Homognea

La resolucin del problema cinematico directo consiste en encontrar las relaciones que permiten conocer la localizacin espacial del extremo del robot a partir de los valores de sus coordenadas articulares. As, si se han escogido coordenadas cartesianas y ngulos de Euler para representar la posicin y orientacin del extremo de un robot de seis grados de libertad, la solucin al problema cinematico directo vendr dada por las relaciones: x = f x (q1 , q 2 , q 3 , q 4 , q 5 , q 6 ) y = f y (q1 , q 2 , q 3 , q 4 , q 5 , q 6 ) z = f z (q1 , q 2 , q3 , q 4 , q5 , q 6 ) Ecu.1.1 Ecu.1.2 Ecu.1.3 Ecu.1.4 Ecu.1.5 Ecu. 1.6

= f (q1 , q 2 , q3 , q 4 , q5 , q 6 )

= f (q1 , q 2 , q3 , q 4 , q5 , q6 ) = f (q1 , q 2 , q3 , q 4 , q5 , q 6 )

La obtencin de estas relaciones no es en general complicada, siendo incluso en ciertos casos (robots de pocos grados de libertad) fcil de encontrar mediante simples consideraciones geomtricas. Por ejemplo, para el caso de un robot con 2 grados de libertad como el que se muestra en la Fig. No. 1.1, es fcil comprobar que:
x = l1 cos q1 + l 2 cos(q1 + q 2 )
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

Ecu.1.7

21

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

y = l1 cos q1 + l 2 cos(q1 + q 2 )

Ecu.1.8

Para robots de ms grados de libertad puede plantearse un mtodo sistemtico basado en la utilizacin de las matrices de transformacin homognea. En general, un robot de n grados de libertad esta formado por n eslabones unidos por n articulaciones, de forma que cada par articulacin-eslabn constituye un grado de libertad. A cada eslabn se le puede asociar un sistema de referencia solidario a el y, utilizando las transformaciones homogneas, es posible representar las rotaciones y traslaciones relativas entre los distintos eslabones que componen el robot. .

Fig. 1.1 Robot planar de 2 grados de libertad Normalmente, la matriz de transformacin homognea que representa la posicin y orientacin relativa entre los sistemas asociados a dos eslabones consecutivos del robot se le suele denominar i (i 1)1 . As pues, 0 Ai describe la posicin y orientacin
Ai

del sistema de referencia solidario al primer eslabn con respecto al sistema de referencia solidario a la base, 1 A2 describe la posicin y orientacin del segundo eslabn respecto del primero, etc. Del mismo modo, denominando, 0 Ak a las matrices resultantes del producto de las matrices
(i 1)

Ai con i desde 1 hasta k, se puede

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

22

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

representar de forma total o parcial la cadena cinemtica que forma el robot. As, por ejemplo, la posicin y orientacin del sistema solidario con el segundo eslabn del robot con respecto al sistema de coordenadas de la base se puede expresar mediante la matriz
0

A2 = 0 A1 1 A2

( )
0

Ecu.1.9 A3 representa la localizacin del Ecu.1.10

De manera anloga, la matriz sistema del tercer eslabn:


0

A3 = 0 A1 1 A2

( )( A )
2 3

Cuando se consideran todos los grados de libertad, a la matriz 0An se le suele denominar T. As, dado un robot de seis grados de libertad, se tiene que la posicin y orientacin del eslabn final vendr dada por la matriz T: T = 0 A6 = 0 A1 1 A2

( )( A )( A )( A )( A )
2 3 4 5 3 4 5 6

Ecu.1.11

Aunque para descubrir la relacin que existe entre dos elementos contiguos se puede hacer uso de cualquier sistema de referencia ligado a cada elemento, la forma habitual que se suele utilizar en robtica es la representacin de Denavit-Hartenberg. Segn la representacin D-H, escogiendo adecuadamente los sistemas de coordenadas asociados para cada eslabn, ser posible pasar de uno al siguiente mediante cuatro transformaciones bsicas que dependen exclusivamente de las caractersticas geomtricas del eslabn. Estas transformaciones bsicas consisten en una sucesin de rotaciones y traslaciones que permitan relacionar el sistema de referencia del elemento i con el sistema del elemento i-1. Las transformaciones en cuestin son las siguientes: Rotacin alrededor del eje Zi-1 un ngulo Traslacin a lo largo de Zi-1 una distancia di; vector di (0, 0, di). Traslacin a lo largo de Xi una distancia ai; vector ai (0, 0, ai).

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

23

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Rotacin alrededor del eje Xi, un ngulo

Dado que el producto de matrices no es conmutativo, las transformaciones se han de realizar en el orden indicado. De este modo se tiene que:
i 1

Ai = T ( z , i )T (0,0, d i )T (a,0,0)T ( x, i )

Ecu.1.12

Y realizando el producto de matrices:


C i S i -1 Ai = i 0 0 C i S i C i C i S i 0 S i S i S i C i C i 0 a i C i a i S i di 1

Ecu. 1.13

Donde ( i, di, ai, i) son los parmetros D-H del eslabn i. De este modo, basta con identificar los parmetros ( i, di, ai, i) , para obtener matrices A y relacionar as todos y cada uno de los eslabones del robot. Como se ha indicado, para que la matriz i-1Ai, relacione los sistemas (Si) y (Si-1), es necesario que los sistemas se hayan escogido de acuerdo a unas determinadas normas. Estas, junto con la definicin de los 4 parmetros de Denavit-Hartenberg, conforman el siguiente algoritmo para la resolucin del problema cinematico directo. 1.1.1.3 Algoritmo De Denavit- Hartenberg Para La Obtencin Del Modelo. A continuacin se definen cada uno de los parmetros necesarios para obtener las matrices homogneas, DH1.Numerar los eslabones comenzando con 1 (primer eslabn mvil d la cadena) y acabando con n (ultimo

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

24

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

eslabn mvil). Se numerara como eslabn 0 a la base fija del robot. DH2.Numerar cada articulacin comenzando por 1 (la correspondiente al primer grado de libertad y acabando en n). DH3.Localizar el eje de cada articulacin. Si esta es rotativa, el eje ser su propio eje de giro. Si es prismtica, ser el eje a lo largo del cual se produce el desplazamiento. DH4.Para i de 0 a n-1, situar el eje Zi, sobre el eje de la articulacin i+1. DH5.Situar el origen del sistema de la base (S0) en cualquier punto del eje Z0. Los ejes X0 e Y0 se situaran d modo que formen un sistema dextrgiro con Z0. DH6.Para i de 1 a n-1, situar el sistema (Si) (solidario al eslabn i) en la interseccin del eje Zi con la lnea normal comn a Zi-1 y Zi. Si ambos ejes se cortasen se situara (Si) en el punto de corte. Si fuesen paralelos (Si) se situara en la articulacin i+1. DH7.Situar Xi en la lnea normal comn a Zi-1 y Zi. DH8.Situar Yi de modo que forme un sistema dextrgiro con Xi y Zi. DH9.Situar el sistema (Sn) en el extremo del robot de modo que Zn coincida con la direccin de Zn-1 y Xn sea normal a Zn-1 y Zn. DH10.Obtener i como el ngulo que hay que girar en torno a Zi-1 para que Xi-1 y Xi queden paralelos. DH11.Obtener Di como la distancia, medida a lo largo de Zi1, que habra que desplazar (Si-1) para que Xi y Xi-1 quedasen alineados.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

25

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

DH12.Obtener Ai como la distancia medida a lo largo de Xi (que ahora coincidira con Xi-1) que habra que desplazar el nuevo (Si-1) para que su origen coincidiese con (Si). DH13.Obtener ai como el ngulo que habra que girar entorno a Xi (que ahora coincidira con Xi-1), para que el nuevo (Si-1) coincidiese totalmente con (Si). DH14.Obtener las matrices de transformacin i-1Ai. DH15.Obtener la matriz de transformacin que relaciona el sistema de la base con el del extremo del robot T = 0Ai, 1A2... n-1An. Ecu.1.14

DH16.La matriz T define la orientacin (submatriz de rotacin) y posicin (submatriz de traslacin) del extremo referido ala base en funcin de las n coordenadas articulares

Fig.1.2. Parmetros D-H Para un Eslabn Giratorio. Los cuatro parmetros de D-H ( i, di, ai, i i) dependen nicamente de las caractersticas geomtricas de cada eslabn y de las articulaciones que le unen con el anterior y siguiente.

i: Es el ngulo que forman los ejes Xi-1 y Xi medido en un plano perpendicular al eje Zi-1, utilizando la regla de la mano

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

26

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

derecha. Se trata de un parmetro variable en articulaciones giratorias. di: Es la distancia a lo largo del eje Zi-1 desde el origen del sistema de coordenadas (i-1)- esimo hasta la interseccin del eje Zi-1 con el eje Xi. Se trata de un parmetro variable en articulaciones prismticas. ai: Es a la distancia a lo largo del eje Xi que va desde la interseccin del eje Zi-1 con el eje Xi hasta el origen del sistema i-esimo, en el caso de articulaciones giratorias. En el caso de articulaciones prismticas, se calcula como la distancia mas corta entre los ejes Zi-1 y Zi.

i : Es el ngulo de separacin del eje Zi-1 y el eje Zi,


medido en un plano perpendicular al eje Xi, utilizando la regla de la mano derecha.

Una vez obtenidos los parmetros D-H, el clculo de las relaciones entre los eslabones consecutivos del robot es inmediato, ya que vienen dadas por las matrices A, que se calcula segn la expresin general. Las relaciones entre eslabones no consecutivos vienen dadas por las matrices T que se obtienen como producto de un conjunto de matrices A. Obtenida la matriz T, esta expresara la orientacin (submatriz (3x3) de rotacin) y posicin (submatriz (3x1) de traslacin) del extremo del robot en funcin de sus coordenadas articulares, con lo que quedara resuelto el problema cinematico directo. 1.1.2 Cinemtica Inversa. El objetivo del problema cinematico inverso consiste en encontrar los valores que deben adoptar las coordenadas articulares del robot q= (q1, q2,..., qn) exp. T para que su extremo se posicione y oriente segn una determinada localizacin espacial. As como es posible abordar el problema cinematico directo de una manera sistemtica a partir de la utilizacin de matrices de transformacin homogneas, e independientemente de la configuracin del robot, no ocurre lo mismo con el problema cinemtico inverso, siendo el procedimiento

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

27

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

de obtencin de las ecuaciones fuertemente dependiente de la configuracin del robot. Se han desarrollado algunos procedimientos genricos susceptibles de ser programados, de modo que un computador pueda, a partir del conocimiento de la cinemtica del robot (con sus parmetros de DH, por ejemplo) obtener la n-upla de valores articulares que posicionan y orientan su extremo. El inconveniente de estos procedimientos es que se trata de mtodos numricos iterativos, cuya velocidad de convergencia e incluso su convergencia en si no esta siempre garantizada. A la hora de resolver el problema cinematico inverso es mucho ms adecuado encontrar una solucin cerrada. Esto es, encontrar una relacin matemtica explicita de la forma: q k = f k ( x, y , z , , , ) k = 1...n (grados de libertad) Este tipo de solucin presenta, entre otras, las siguientes ventajas: En muchas aplicaciones, el problema cinematico inverso ha de resolverse en tiempo real (por ejemplo, en el seguimiento de una determinada trayectoria). Una solucin de tipo iterativo no garantiza tener la solucin en el momento adecuado. Al contrario de lo que ocurra en el problema cinematico directo, con cierta frecuencia la solucin del problema cinematico inverso no es nica; existiendo diferentes n-uplas (q1,..., qn) exp T que posicionan y orientan el extremo del robot de mismo modo. En estos casos una solucin cerrada permite incluir determinadas reglas o restricciones que aseguren que la solucin obtenida sea la mas adecuada posible. Ecu.1.15

No obstante, a pesar de las dificultades comentadas, la mayor parte de los robots poseen cinemticas relativamente simples que facilitan en cierta medida la resolucin de su problema cinematico inverso. Por ejemplo si se consideran solo tres primeros grados de
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

28

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

libertad de muchos robots, estos tienen una estructura planar, esto es, los tres primeros elementos quedan contenidos en un plano. Esta circunstancia facilita la resolucin del problema. Asimismo, en muchos robots se da la circunstancia de que los tres grados de libertad ltimos, dedicados fundamentalmente a orientar el extremo del robot, correspondan a giros sobre los ejes que se cortan en un punto. De nuevo esta situacin facilita el calculo de la n-upla (q1,..., qn) exp. T correspondiente a la posicin y orientacin deseadas. Por lo tanto, para los casos citados y otros, es posible establecer ciertas pautas generales que permitan plantear y resolver el problema cinematico inverso de una manera sistemtica. Los mtodos geomtricos permiten tener normalmente los valores de las primeras variables articulares, que son las que consiguen posicionar el robot. Para ello utilizan relaciones trigonometras y geomtricas sobre los elementos del robot. Se suele recurrir a la resolucin de tringulos formados por los elementos y articulaciones del robot. Como alternativa para resolver el mismo problema se puede recurrir a manipular directamente las ecuaciones correspondientes al problema cinematico directo. Es decir, puesto que este establece la relacin: n o a p Tij = 0 0 0 1 Ecu. 1.16

Fig.1.3 Robot Planar

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

29

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Donde los elementos Tij son funciones de las coordenadas articulares (q1,..., qn) exp. T, es posible pensar que mediante ciertas combinaciones de las ecuaciones planteadas se puedan despejar las n variables articulares qi en funcin de las componentes de los vectores n, o, a y p. Por ultimo, si se consideran robots con capacidad de posicionar y orientar su extremo en el espacio, esto es, robots con 6 grados de libertad, el mtodo de desacoplamiento cinematico permite, para determinados tipos de robots, resolver los primeros grados de libertad, dedicados al posicionamiento, de una manera independiente a la resolucin de los ltimos grados de libertad, dedicados a la orientacin. Cada uno de estos dos problemas simples podr ser tratado y resuelto por cualquier procedimiento. 1.1.2.1 Resolucin Del Problema Cinematico Inverso A Partir De La Matriz De Transformacin Homognea En principio es posible tratar de obtener el modelo cinematico inverso de un robot a partir del conocimiento de su modelo directo. Es decir, suponiendo conocidas las relaciones que expresan el valor de la posicin y orientacin del extremo del robot en funcin de sus coordenadas articulares, obtener por manipulacin de aquellas las relaciones inversas. Sin embargo, en la prctica esta tarea no es trivial siendo en muchas ocasiones tan compleja que obliga a desecharla. Adems, puesto que el problema cinematico directo, resuelto a travs de Tij contiene en el caso de un robot de 6 grados de libertad 12 ecuaciones, y se busca solo 6 relaciones (una por cada grado de libertad), existir, necesariamente ciertas dependencias entre las 12 expresiones de partida con lo cual la eleccin de las ecuaciones debe hacerse con sumo cuidado. Se va a aplicar este procedimiento al robot de 3 grados de libertad de configuracin esfrica (2 giros y un desplazamiento) mostrado en la figura. El robot queda siempre contenido en un plano determinado por el ngulo q1.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

30

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.4 Robot polar de 3 GDL El primer paso a dar para resolver el problema cinematico inverso es obtener Tij correspondiente a este robot. Es decir, obtener la matriz T que relaciona el sistema de referencia (S0) asociado a la base con el sistema de referencia (S3) asociado a su extremo. La siguiente figura muestra la asignacin de sistemas de referencia segn los criterios de DH con el robot situado en su posicin de partida (q1 = q2 = 0), y la tabla muestra los valores de los parmetros de DH. A partir de estos es inmediato obtener las matrices A y la matriz T. Obtenida la expresin de T en funcin de las coordenadas articulares (q1, q2, q3), y supuesta una localizacin de destino para el extremo del robot definida por los vectores n, o, a y p se podra intentar manipular directamente las 12 ecuaciones resultantes de T a fin de despejar q1, q2, y q3 en funcin de n, o, a y p.

Tabla 1.2 Parmetros D-H del robot polar de 3 GDL

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

31

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 1.5 Asignacin de sistema de referencia del robot polar Sin embargo, este procedimiento directo es complicado, apareciendo ecuaciones trascendentes. En lugar de ello, suele ser ms adecuado aplicar el siguiente procedimiento: Puesto que: T = 0 A1 1 A2

( )( A )( A )
1 2 2 3

Ecu. 1.17

Se tendr que:

(1 (1

A1 T =1A2 2 A3 A2 1 0 A1 T =

( )
2 3

Ecu. 1.18 Ecu.1.19

)(

) ( A)

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

32

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Es conocida, los miembros a la izquierda en las expresiones anteriores, son funcin de las variables articulares (qk+1,...,qn). De modo, que la primera de las expresiones se tendr q1 aislado del resto de las variables articulares y tal vez ser posible obtener su valor sin la complejidad que se tendra abordando directamente la manipulacin de la expresin T. A su vez, una vez obtenida q1, la segunda expresin anterior (2A3), permitir tener el valor de q2 aislado respecto de q3. Por ultimo, conocidos q1 y q2 se podr obtener q3 de la expresin T sin excesiva dificultad. Para poder aplicar este procedimiento, es necesario en primer lugar obtener las inversas de las matrices, i-1Ai. Esto es sencillo si se considera que la inversa de una matriz viene dada por: inversa n x n y nz 0 ox oy oz ax ay az p x n x py = o x p z a x 1 0
1

ny oy ay 0

nz oz az 0

nT p oT p a T p 1

Ecu.1.20

inversa C1 S 0 A1 1 = 1 0 0 inversa C 2 S = 2 0 0 0 0 1 0 S2 C2 0 0 0 0 0 1
1

S1

0 C1 1 0 0 0

0 0 I1 1

C1 0 = S1 0

S1 0 C1 0

0 1 I1 0 0 0 1 0

Ecu.1.21

A2

C2 0 = S 2 0

S2 0 C2 0

0 1 0 0 0 0 1 0

Ecu.1.22

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

33

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

inversa 1 0 = 0 0 0 1 0 0 0 1 q3 0 0 1 0 0
1

A3

1 0 = 0 0

0 1 0 0 0 1 q3 0 0 1 0 0

Ecu.1.23

Por lo tanto, utilizando la primera de las ecuaciones definidas al principio del tema, se tiene que:
C1 0 1 0 A1 0T3 =1A2 2 A3 = S1 0 C 2 0 S 2 0 1 0 S C 2 0 2 0 0 1 0 1 0 0 0 0 0 0 1 0 0 0 0 0 n x ox 1 I1 n y o y C1 0 0 n z o z 0 0 1 0 0 0 0 C 2 0 S 2 0 0 C2 = S2 0 1 q3 0 1 0 0 1 0 0 0 S1 0 ax ay px py = az pz 0 1 S 2 q3 C 2 q3 0 1

Ecu. 1.18

( )

Ecu. 1.24

De las 12 relaciones establecidas en la Ecu.1.24, interesan aquellas que expresan q1 en funcin de constantes. As por ejemplo se tiene: S1 p x C1 p y = 0 Despejamos q1 de la Ecu. 1.25 se obtiene
py q1 = arctg p x

Ecu.1.25

Ecu. 1.26

Se tiene finalmente:

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

34

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

p2 p2 x y q 2 = arctg l1 p z

Ecu. 1.27

2 2 q3 = C 2 ( p z l1) S 2 p x + py

Ecu. 1.28

Las expresiones anteriores corresponden a la solucin del problema cinematico inverso del robot considerado. A los mismos resultados se podra haber llegado mediante consideraciones geomtricas 1.1.3 Desacoplo Cinematico: Los procedimientos vistos en los apartados anteriores permiten obtener los valores de las 3 primeras variables articulares del robot, aquellas que posicionan su extremo en las coordenadas (Px, Py, Pz) determinadas, aunque pueden ser igualmente utilizadas para la obtencin de las 6 a costa de una mayor complejidad. Ahora bien, como es sabido, en general no basta con posicionar el extremo del robot en un punto del espacio, sino que casi siempre es preciso tambin conseguir que la herramienta que aquel porta se oriente de una manera determinada. Para ello, los robots cuentan con otros tres grados de libertad adicionales, situados al final de la cadena cinemtica y cuyos ejes, generalmente, se cortan en un punto, que informalmente se denomina mueca del robot. Si bien la variacin de estos tres ltimos grados de libertad origina un cambio en la posicin final del extremo real del robot, su verdadero objetivo es poder orientar la herramienta del robot libremente en el espacio. El mtodo de desacoplo cinematico saca partido de este hecho, separando ambos problemas: Posicin y orientacin. Para ello, dada una posicin y orientacin final deseadas, establece las coordenadas del punto de corte de los 3 ltimos ejes (mueca del robot) calculndose los valores de las tres primeras variables articulares (q1, q2, q3) que consiguen posicionar este punto. A continuacin, a partir de los datos de orientacin y de los ya
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

35

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

calculados (q1, q2, q3) obtiene los valores del resto de las variables articulares.

Tabla 1.3 Parmetros D-H del robot IRB2400

Fig.1.6 Cinemtica del Robot IRB2400, cuya inversa se puede desacoplar En la figura1.6 se representa un robot que rene las citadas caractersticas, con indicacin de los sistemas de coordenadas asociados segn el procedimiento de Denavit-Hartemberg, cuyos parmetros se pueden observar en la tabla. El punto central de la mueca del robot corresponde al origen del

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

36

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

sistema (S5): O5. Por su parte, el punto final del robot ser el origen del sistema (S6): O6. Enseguida se utilizaran los vectores:
Pm = O0 O5 Pr = O0 O6

Ecu.1.29 Ecu.1.30

Que van desde el origen del sistema asociado a la base del robot (S0) hasta los puntos centro de la mueca y fin del robot, respectivamente. Puesto que la direccin del eje Z6 debe coincidir con la de Z5 y la distancia entre O5 y O6 medida a lo largo de Z5 es precisamente d4 = I4, se tendr que: Pr = Px , Py , Pz

Ecu.1.31

El director Z6 es el vector A correspondiente a la orientacin deseada Z6 = (Ax, Ay, Az) (exp) T e I4 es un parmetro asociado con el robot. Por lo tanto, las coordenadas del punto central de la mueca (Pmx, Pmy, Pmz) son fcilmente obtenibles. Es posible, mediante un mtodo geomtrico, por ejemplo, calcular los valores de (q1, q2, q3) que consiguen posicionar el robot en el Pm deseado. Quedan ahora obtener los valores de q4, q5, y q6 que consiguen la orientacin deseada. Para ello denominando 0R6 a la submatriz de rotacin de 0T6 se tendr:
0

R6 = (n o a )= 0 R3 3 R6

( )

Ecu.1.32

Donde 0R6 es conocida por la orientacin deseada del extremo del robot, y 0R3 definida por:
0

R3 = 0 A1 1 A2

( )( A )
2 3

Ecu.1.33

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

37

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tambin lo ser a partir de los valores ya obtenidos de q1, q2 y q3. Por lo tanto:
3

R6 = Rij =

[ ] ( A ) ( A ) = ( R ) [n
0 1 0 0 T 3 6

o a]

Ecu.1.34

Tendr sus componentes numricas conocidas. Por otra parte, 3R6 corresponde a una submatriz (3X3) de rotacin de la matriz de transformacin homognea 3T6 que relaciona el sistema (S3) con el (S6), por lo tanto:
3

R6 = 3A4 4 A5

( )( A )
5 6

Ecu.1.35

Donde i-1Ri es la submatriz de rotacin de la matriz de DenavitHartemberg i-1Ai, cuyos valores son:
C 4 R4 = S4 0 C 5 R5 = S5 0 S4 0 C4 1 0 0 S5 0 C5 1 0 0 S6 C6 0 o 0 1

Ecu.1.36

Ecu.1.37

C 6 R6 = S6 0

Ecu.1.38

Luego se tiene que,


C 4 C 5 C 6 S 4 S 6 R6 = S 4 C5 C6 + C 4 S 6 S 5C6 C4C5C6 S 4 S 6 S 4 C5 C6 + C 4 C6 S5 S6 C4 S5 S 4 C5 C5

Ecu.1.39

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

38

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Donde rij sern por la Ecu. 1.34

[ ]

C 4 C 5 C 6 S 4 S 6 rij = S 4 C5 C 6 + C 4 S 6 S 5C6

C 4 C5 C 6 S 4 S 6 S 4C5C6 + C 4C6 S5 S6

C4 S5 S 4C5 C5

Ecu.1.40

De las nueve expresiones en las Ecu. 1.40 se puede tomar las relaciones: r13 r23 r33 r31 r32 = C4 S5 = S 4 C5 = C5 = S 5C6 = S5 S6 Ecu. 1.41 Ecu. 1.42 Ecu. 1.43 Ecu. 1.44 Ecu. 1.45

De las ecuaciones Ecu. 1.41 a Ecu. 1.45 se puede obtener los parmetros articulares:
r23 q 4 = arcsen r 33 q5 = ar cos(r33 ) r32 q 6 = arctan r 31

Ecu. 1.46 Ecu. 1.47 Ecu.1.48

Estas expresiones y teniendo en cuenta que las posiciones de cero son distintas, constituyen la solucin completa del problema cinematico inverso del robot articular 1.2 DINAMICA DE ROBOT La dinmica se ocupa de la relacin entre las fuerzas que actan sobre un cuerpo y el movimiento que en el se origina. Por lo tanto, el modelo dinmico de un robot tiene por objeto conocer la relacin entre el movimiento del robot y las fuerzas implicadas en el mismo.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

39

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Esta relacin se obtiene mediante el denominado modelo dinmico, que relaciona matemticamente: La localizacin del robot definida por sus variables articulares o por las coordenadas de localizacin de su extremo, y sus derivadas: velocidad y aceleracin. Las fuerzas pares aplicados en las articulaciones (o en el extremo del robot). Los parmetros dimensinales del robot, como longitud, masa e inercias de sus elementos.

La obtencin de este modelo para mecanismos de uno o dos grados de libertad no es excesivamente compleja, pero a medida que el nmero de grados de libertad aumenta, el planteamiento y obtencin del modelo se complica enormemente. Por este motivo no siempre es posible obtener un modelo dinmico expresado de una forma cerrada, esto es, mediante una serie de ecuaciones, normalmente del tipo diferencial de segundo orden, cuya integracin permita conocer que el movimiento surge al aplicar unas fuerzas o que fuerzas hay que aplicar para obtener un movimiento determinado. El modelo dinmico debe ser resuelto entonces de manera iterativa mediante la utilizacin de un procedimiento numrico. El problema de la obtencin del modelo dinmico de un robot es, por lo tanto, uno de los aspectos ms complejos de la robtica, lo que ha llevado a ser obviado en numerosas ocasiones. Sin embargo, el modelo dinmico es imprescindible para conseguir los siguientes fines: Simulacin del movimiento del robot. Diseo y evaluacin de la estructura mecnica del robot. Dimensionamiento de los actuadores. Diseo y evaluacin del control dinmico del robot.

Este ltimo fin es evidentemente de gran importancia, pues de la calidad del control dinmico del robot depende la preescisin y velocidad de sus movimientos. La gran complejidad ya comentada existente en la obtencin del modelo dinmico del robot, ha motivado que se realicen ciertas simplificaciones, de manera que
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

40

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

as pueda ser utilizado en el diseo del controlador. Es importante hacer notar que el modelo dinmico completo de un robot debe incluir no solo la dinmica de sus elementos (barras o eslabones) sino tambin la propia de sus sistemas de transmisin, de los actuadores y sus equipos electrnicos de mando. Estos elementos incorporan al modelo dinmico nuevas inercias, rozamientos, saturaciones de los circuitos electrnicos, etc. aumentando aun ms su complejidad. Por ultimo, es preciso sealar que si bien en la mayor parte de las aplicaciones reales de robtica, las cargas e inercias manejadas no son suficientes como para originar deformaciones en los eslabones del robot, en determinadas ocasiones no ocurre as, siendo preciso considerar al robot como un conjunto de eslabones no rgidos. Aplicaciones de este tipo pueden encontrarse en la robtica espacial o en robots de grandes dimensiones. 1.2.1 Modelo Dinmico De La Estructura De Un Robot Rgido La obtencin del modelo dinmico de un mecanismo, y en particular de un robot, se basa fundamentalmente en el planteamiento del equilibrio de fuerzas establecido en la segunda ley de Newton, o su equivalente para movimientos de rotacin, la denominada ley de Euler:

F = mv T = I w+ wx(Iw)

Ecu. 1.49 Ecu. 1.50

As, en el caso simple de un robot monoarticular como el representado en la figura, el equilibrio de fuerzas-pares dara como resultado la ecuacin:
d 2 = I 2 + MgL cos = ML2 + MgL cos dt

Ecu. 1.51

En donde se ha supuesto que toda la masa se encuentre concentrada en el centro de la gravedad del elemento, que no
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

41

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

existe rozamiento alguno y que no se manipula ninguna carga. Para un par motor determinado, la integracin de la ecuacin anterior, dara lugar a la expresin de (t ) y de sus derivadas (t ) y (t ) , con lo que seria posible conocer la evolucin de la coordenada articular del robot y de su velocidad y aceleracin. De forma inversa, si se pretende que (t ) evolucione segn una determinada funcin del tiempo, sustituyendo en la ecuacin anterior, podra obtenerse el par (t ) que seria necesario aplicar. Si el robot tuviese que ejercer alguna fuerza en su extremo, ya sea al manipular una carga o por ejemplo, realizar un proceso sobre alguna pieza, bastara con incluir esta condicin en la mencionada ecuacin y proceder del mismo modo se tiene as que del planteamiento del equilibrio de fuerzas y pares que intervienen sobre el robot se obtienen los denominados modelos dinmicos directo e inverso:

Modelo dinmico directo: expresa la evolucin temporal de las coordenadas articulares del robot en funcin de las fuerzas y pares que intervienen. Modelo dinmico inverso: expresa las fuerzas y pares que intervienen en funcin de la evolucin de las coordenadas articulares y sus derivadas.

El planteamiento del equilibrio de fuerzas en un robot real de 5 o 6 grados de libertad, es mucho ms complicado. Debe tenerse en cuenta que junto con las fuerzas de inercia y gravedad, aparecen fuerzas de Coriolis debidas al movimiento relativo existente entre los diversos elementos, as como de fuerzas centrpetas que dependen de la configuracin instantnea del manipulador.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

42

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.7 Modelo de eslabn con masa concentrada 1.2.2 Modelado Mediante La Formulacin De Lagrange-Euler Uicker en 1965, utilizo la representacin de D-H basada en las matrices de transformacin homognea para formular el modelo dinmico de un robot mediante la ecuacin de Lagrange. Este planteamiento utiliza, por tanto, las matrices i-1Ai que relacionan el sistema de coordenadas de referencia del elemento i con el elemento i-1. Se realizan en este caso operaciones de producto y suma innecesarias. Se trata de un procedimiento ineficiente desde el punto de vista computacional. Puede comprobarse que el algoritmo es de un orden de complejidad computacional O(n), es decir, el nmero de operaciones a realizar crece con la potencia 4 del numero de grados de libertad. Sin embargo, conduce a unas ecuaciones finales bien estructuradas donde aparecen de manera clara los diversos pares y fuerzas que intervienen en el movimiento. Se presenta a continuacin al algoritmo a seguir para obtener el modelo dinmico del robot por el procedimiento de Lagrange-Euler (L-E).

1.2.3 Algoritmo Computacional Para el Modelado Dinmico Por


Lagrange-Euler. 1. Asignar a cada eslabn un sistema de referencia de acuerdo a las normas de D-H 2. Obtener las matrices de transformacin 0Ai para cada elemento i.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

43

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3. Obtener las matrices Uij definidas por:

0 Ai U ij = q j
4. Obtener las matrices Uijk definidas por:

Ecu.1.52

Ecu. 1.53 q k 5. Obtener las matrices de pseudo inercias Ji para cada elemento, que vienen definidas por: Integral de cada uno de los elementos que componen la matriz:

U ijk =

U ij

xi2 dm y i xi dm J i = z i xi dm x dm i

x y dm y dm z y dm y dm
i i 2 i i i i

x z dm y z dm z dm z dm
i i i i 2 i i

x dm y dm z dm dm
i i i

Ecu.1.54

Donde las integrales estn extendidas al elemento i considerando, y (Xi Yi Zi) son las coordenadas del diferencial de masa dm respecto al sistema de coordenadas del elemento. 6. Obtener la matriz de inercias D = (dij) cuyos elementos vienen definidos por:
d ij =

k = max(i , j )

traza(U

kj

T J k U ki )

Ecu. 1.55

Con i, j = 1,2,...,n n: Numero de grados de libertad.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

44

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

7. Obtener los trminos hikm definidos por:


hikm =

j = max( i , k , m )

Traza(U

jkm

J jU T ji )

Ecu, 1.56

Con i, k, m = 1,2,..., n 8.Obtener la matriz columna de fuerzas de Coriolis y centrpeta H = hi cuyos elementos vienen definidos por:

hi = hikm q k q m
k =1 m =1

Ecu. 1.57

9. Obtener la matriz de fuerzas de gravedad C = ci cuyos elementos estn definidos

ci =

( m
n j =1

gU

j ji

rj

Ecu. 1.58

Con i = 1,2,...,n g: Es el vector de gravedad expresado en el sistema de la base S0 y viene expresado por (gx, gy, gz, 0) irj : Es el vector de coordenadas homogneas del centro de masas del elemento j expresado en el sistema de referencia del elemento i. 10. La ecuacin dinmica del sistema ser:

= D q+ H + C
Donde,

Ecu. 1.59

: es el vector de fuerzas y pares motores efectivos aplicados sobre cada coordenada qi


.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

45

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.3 REDES NEURONALES ARTIFICIALES Resulta irnico pensar que mquinas de computo capaces de realizar 100 millones de operaciones en coma flotante por segundo, no sean capaces de entender el significado de las formas visuales o de distinguir entre distintas clases de objetos. Los sistemas de computacin secuencial, son exitosos en la resolucin de problemas matemticos o cientficos, en la creacin, manipulacin y mantenimiento de bases de datos, en comunicaciones electrnicas, en el procesamiento de textos, grficos y auto edicin, incluso en funciones de control de electrodomsticos, hacindolos ms eficientes y fciles de usar, pero definitivamente tienen una gran incapacidad para interpretar el mundo. Esta dificultad de los sistemas de computo que trabajan bajo la filosofa de los sistemas secuenciales, desarrollados por Von Neuman, ha hecho que un gran nmero de investigadores centre su atencin en el desarrollo de nuevos sistemas de tratamiento de la informacin, que permitan solucionar problemas cotidianos, tal como lo hace el cerebro humano; este rgano biolgico cuenta con varias caractersticas deseables para cualquier sistema de procesamiento digital, tales como: 1. Es robusto y tolerante a fallas, diariamente mueren neuronas sin afectar su desempeo. 2. Es flexible, se ajusta a nuevos ambientes por aprendizaje, no hay que programarlo. 3. Puede manejar informacin difusa, con ruido o inconsistente. 4. Es altamente paralelo 5. Es pequeo, compacto y consume poca energa. La teora de las RNA ha brindado una alternativa a la computacin clsica, para aquellos problemas, en los cuales los mtodos tradicionales no han entregado resultados muy convincentes, o poco convenientes. Las aplicaciones ms exitosas de las RNA son: 1. Procesamiento de imgenes y de voz 2. Reconocimiento de patrones 3. Planeamiento

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

46

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

4. 5. 6. 7.

Interfaces adaptivas para sistemas Hombre/mquina Prediccin Control y optimizacin Filtrado de seales

Los sistemas de computo tradicional procesan la informacin en forma secuencial; un computador serial consiste por lo general de un solo procesador que puede manipular instrucciones y datos que se localizan en la memoria, el procesador lee, y ejecuta una a una las instrucciones en la memoria; este sistema serial es secuencial, todo sucede en una sola secuencia determinstica de operaciones. Las RNA no ejecutan instrucciones, responden en paralelo a las entradas que se les presenta. El resultado no se almacena en una posicin de memoria, este es el estado de la red para el cual se logra equilibrio. El conocimiento de una red neuronal no se almacena en instrucciones, el poder de la red est en su topologa y en los valores de las conexiones (pesos) entre neuronas. 1.3.1 Caractersticas De Una Red Neuronal Artificial El modelo de una neurona artificial es una imitacin del proceso de una neurona biolgica, puede tambin asemejarse a un sumador hecho con un amplificador operacional tal como se ve en la fig. 1.8

Fig. 1.8 Neurona Artificial

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

47

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Existen varias formas de nombrar una neurona artificial, es conocida como nodo, neuronodo, celda, unidad o elemento de procesamiento (PE); En la fig. 1.9 se observa un PE en forma general y su similitud con una neurona biolgica

Fig. 1.9 De la neurona biolgica a la neurona artificial De la observacin detallada del proceso biolgico se han hallado los siguientes anlogos con el sistema artificial:

Las entradas Xi representan las seales que provienen de otras neuronas y que son capturadas por las dendritas. Los pesos Wi son la intensidad de la sinpsis que conecta dos neuronas; tanto Xi como Wi son valores reales. es la funcin umbral que la neurona debe sobrepasar para activarse; este proceso ocurre biolgicamente en el cuerpo de la clula.

Las seales de entrada a una neurona artificial X1, X2,.., Xn son variables continuas en lugar de pulsos discretos, como se presentan en una neurona biolgica. Cada seal de entrada pasa a travs de una ganancia o peso, llamado peso sinptico o fortaleza de la conexin cuya funcin es anloga a la de la funcin sinptica
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

48

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

de la neurona biolgica. Los pesos pueden ser positivos (excitatorios), o negativos (inhibitorios), el nodo sumatorio acumula todas las seales de entradas multiplicadas por los pesos o ponderadas y las pasa a la salida a travs de una funcin umbral o funcin de transferencia. La entrada neta a cada unidad puede escribirse de la siguiente manera

Ecu. 1.60 Una idea clara de este proceso se muestra en la fig. 1.10 en donde puede observarse el recorrido de un conjunto de seales que entran a la red.

Fig. 1.10 Proceso de una red neuronal Una vez que se ha calculado la activacin del nodo, el valor de salida equivale a Ecu. 1.60 Donde representa la funcin de activacin para esa unidad, que corresponde a la funcin escogida para transformar la entrada netai

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

49

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

en el valor de salida especficas de cada red. 1.3.2 Notacin

y que depende de las caractersticas

Una notacin matemtica estndar no ha sido an establecida para las redes neuronales, ya que sus aplicaciones son tiles en muchos campos, Ingeniera, Fsica, Psicologa y Matemticas. En este trabajo se adopt la siguiente convencin para identificar las variables, de manera que fuera compatibles con las diferentes reas, siendo lo ms sencilla posible:

Valores escalares: se representarn por medio de letra minscula itlica Vectores: se representarn con letra itlica minscula en negrilla. Matrices: se representarn con letra mayscula itlica en negrilla.

Para redes multicapa, los parmetros adoptaran la siguiente forma: Ecu. 1.62 Donde c, es el nmero de la capa a la que corresponde dicho peso, y s representa las neuronas que participan en proceso. As representa el peso de la segunda capa que comunica la primera neurona de dicha capa con la primera neurona de la primera capa. De igual manera el peso que representa la conexin desde la ltima neurona de la capa dos a la ltima neurona de la capa uno estar representado por: Ecu.1.63 Esta convencin es adoptada para todos los parmetros de la red.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

50

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.3.3 Funciones De Transferencia Un modelo ms acadmico que facilita el estudio de una neurona, puede visualizarse en la fig. 1.10

Fig. 1.10 Neurona de una sola entrada Las entradas a la red sern ahora presentadas en el vector p, que para el caso de una sola neurona contiene solo un elemento, w sigue representando los pesos y la nueva entrada b es una ganancia que refuerza la salida del sumador n, la cual es la salida neta de la red; la salida total est determinada por la funcin de transferencia , la cual puede ser una funcin lineal o no lineal de n, y que es escogida dependiendo de las especificaciones del problema que la neurona tenga que resolver; aunque las RNA se inspiren en modelos biolgicos no existe ninguna limitacin para realizar modificaciones en las funciones de salida, as que se encontrarn modelos artificiales que nada tienen que ver con las caractersticas del sistema biolgico. 1.3.3.1 Limitador Fuerte (Hardlim) La fig. 1.12, muestra como esta funcin de transferencia acerca la salida de la red a cero, si el argumento de la funcin es menor que cero y la lleva a uno si este argumento es mayor que uno. Esta funcin crea neuronas que clasifican las entradas en dos categoras

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

51

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

diferentes, caracterstica que le permite ser empleada en la red tipo Perceptrn

Ecu.1.64

Figura 1.12 Funcin de transferencia Hardlim El icono para la funcin Hardlim reemplazara a la letra f en la expresin general, cuando se utilice la funcin Hardlim. Una modificacin de esta funcin puede verse en la fig. 1.13, la que representa la funcin de transferencia Hardlims que restringe el espacio de salida a valores entre 1 y 1.

Ecu.1.65

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

52

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 1.13 Funcin de transferencia Hardlims 1.3.3.2 Funcin De Transferencia Lineal (Purelin) La salida de una funcin de transferencia lineal es igual a su entrada, Ecu.1.66

Fig. 1.14 Funcin de transferencia lineal En la grfica del lado derecho de la fig. 1.14, puede verse la caracterstica de la salida a de la red, comparada con la entrada p, ms un valor de ganancia b, neuronas que emplean esta funcin de transferencia son utilizadas en la red tipo Adaline.
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

53

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.3.3.3 Funcin De Transferencia Sigmoidal (Logsig) Esta funcin toma los valores de entrada, los cuales pueden oscilar entre ms y menos infinito, y restringe la salida a valores entre cero y uno, de acuerdo a la expresin

Ecu.1.67 Esta funcin es comnmente usada en redes multicapa, como la Backpropagation, en parte porque la funcin logsig es diferenciable.

Fig. 1.15 Funcin de transferencia sigmoidal La tabla 1.5 hace una relacin de las principales funciones de transferencia empleadas en el entrenamiento de redes neuronales. Relacin Nombre Entrada /Salida Limitador Fuerte Limitador Simtrico Fuerte Hardlim Icono Funcin

Hardlims

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

54

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Lineal Positiva Lineal

Poslin Purelin

Lineal Saturado

Satlin

Lineal Saturado Simtrico Sigmoidal Logartmico Tangente Sigmoidal Hiperblica

Satlins

Logsig

Tansig

Competitiva

Compet

Tabla 1.5 Funciones de Transferencia

1.3.3.4 Topologa De Una Red Tpicamente una neurona tiene ms de una entrada; en la fig. 1.16 se observa una neurona con R entradas; las entradas individuales p1,p2,...,pR son multiplicadas por los pesos correspondientes w1,1, w1,2,...w1,R pertenecientes a la matriz de pesos W.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

55

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 1.16 Neurona con mltiples entradas La neurona tiene una ganancia b, la cual llega al mismo sumador al que llegan las entradas multiplicadas por los pesos, para formar la salida n, Ecu.1.68 Esta expresin puede ser escrita en forma matricial Ecu.1.69 Los subndices de la matriz de pesos representan los trminos involucrados en la conexin, el primer subndice representa la neurona destino y el segundo, representa la fuente de la seal que alimenta a la neurona. Por ejemplo, los ndices de w1,2 indican que este peso es la conexin desde la segunda entrada a la primera neurona. Esta convencin se hace ms til cuando hay ms de una neurona, o cuando se tiene una neurona con demasiados parmetros; en este caso la notacin de la fig. 1.16, puede resultar inapropiada y se prefiere emplear la notacin abreviada representada en la fig. 1.17

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

56

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 1.17 Neurona con mltiples entradas, notacin abreviada El vector de entrada p es representado por la barra slida vertical a la izquierda. Las dimensiones de p son mostradas en la parte inferior de la variable como Rx1, indicando que el vector de entrada es un vector fila de R elementos. Las entradas van a la matriz de pesos W, la cual tiene R columnas y solo una fila para el caso de una sola neurona. Una constante 1 entra a la neurona multiplicada por la ganancia escalar b. La salida de la red a, es en este caso un escalar, si la red tuviera ms de una neurona a sera un vector. Dentro de una red neuronal, los elementos de procesamiento se encuentran agrupados por capas, una capa es una coleccin de neuronas; de acuerdo a la ubicacin de la capa en la RNA, esta recibe diferentes nombres

Capa de entrada: Recibe las seales de la entrada de la red, algunos autores no consideran el vector de entrada como una capa pues all no se lleva a cabo ningn proceso. Capas ocultas: Estas capas son aquellas que no tienen contacto con el medio exterior, sus elementos pueden tener diferentes conexiones y son estas las que determinan las diferentes topologas de la red Capa de salida: Recibe la informacin de la capa oculta y transmite la respuesta al medio externo.

Una red de una sola capa con un nmero S de neuronas, se observa en la fig.1.18 en la cual, cada una de las R entradas es

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

57

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

conectada a cada una de las neuronas, la matriz de pesos tiene ahora S filas.

Fig. 1.18 Capa de S neuronas La capa incluye la matriz de pesos, los sumadores, el vector de ganancias, la funcin de transferencia y el vector de salida. Esta misma capa se observa en notacin abreviada en la fig. 1.19

Figura 1.19 Capa de S neuronas con notacin abreviada

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

58

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

En la fig. 1.19 se han dispuesto los smbolos de las variables de tal manera que describan las caractersticas de cada una de ellas, por ejemplo la entrada a la red es el vector p cuya longitud R aparece en su parte inferior, W es la matriz de pesos con dimensiones SxR expresadas debajo del smbolo que la representa dentro de la red, a y b son vectores de longitud S el cual, como se ha dicho anteriormente representa el nmero de neuronas de la red. Ahora, si se considera una red con varias capas, o red multicapa, cada capa tendr su propia matriz de peso W, su propio vector de ganancias b, un vector de entradas netas n, y un vector de salida a. La versin completa y la versin en notacin abreviada de una red de tres capas, pueden ser visualizadas en las figuras 1.20 y 1.21, respectivamente.

Figura 1.20 Red de tres capas Para esta red se tienen R entradas, S1 neuronas en la primera capa, S2 neuronas en la segunda capa, las cuales pueden ser diferentes; las salidas de las capas 1 y 2 son las entradas a las capas 2 y 3 respectivamente, as la capa 2 puede ser vista como
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

59

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

una red de una capa con R=S1 entradas, S1=S2 neuronas y una matriz de pesos W2 de dimensiones S1xS2

Fig. 1.21 Red de tres capas con notacin abreviada Las redes multicapa son ms poderosas que las redes de una sola capa, por ejemplo, una red de dos capas que tenga una funcin sigmoidal en la primera capa y una funcin lineal en la segunda, puede ser entrenada para aproximar muchas funciones de forma aceptable, una red de una sola capa no podra hacer esto como se ver en captulos posteriores. Un tipo de redes, un poco diferente a las que se han estudiado hasta el momento, son las redes recurrentes, estas contienen una realimentacin hacia atrs o retroalimentacin, es decir algunas de sus salidas son conectadas a sus entradas. Un tipo de red recurrente de tiempo discreto es mostrado en la fig. 1.22

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

60

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 1.22 Redes Recurrentes Para este tipo particular de red el vector p suple las condiciones iniciales (a(0)= p), y la salida est determinada por: Ecu. 1.69 Donde a(1) y a(2), corresponden a la salida de la red para el primer y segundo intervalo de tiempo, respectivamente. La red alcanzar su estado estable cuando la salida para un instante de tiempo sea la misma salida del instante de tiempo anterior. Las redes recurrentes son potencialmente ms poderosas que las redes con realimentacin hacia delante. En este tipo de redes se introducen tambin dos nuevos conceptos, el bloque de retardo de la fig. 1.23 y el bloque integrador de la fig. 1.24

Retardo

Fig. 1.23 Bloque de retardo

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

61

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Ecu.1.70 La salida del bloque de retardo es el valor de entrada retrasado en un paso de tiempo, este bloque requiere que la salida sea inicializada con el valor a(0) para el tiempo t=0; a(0) se convierte en la salida de la red para el instante de tiempo inicial.

Integrador

Figura 1.24 Bloque integrador La salida del integrador es calculada de acuerdo a la expresin

Ecu.1.71 En general las redes neuronales se pueden clasificar de diversas maneras, segn su topologa, forma de aprendizaje (supervisado o no supervisado), tipos de funciones de activacin, valores de entrada (binarios o continuos); un resumen de esta clasificacin se observa en la fig. 1.25

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

62

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 1.25 Clasificacin de las Redes Neuronales 1.3.3.5 Perceptrn 1.3.3.5.1 Antecedentes El primer modelo de Perceptrn fue desarrollado en un ambiente biolgico imitando el funcionamiento del ojo humano, el fotoperceptrn como se le llamo era un dispositivo que responda a seales pticas; como se muestra en el fig.1.26 la luz incide en los puntos sensibles (S) de la estructura de la retina, cada punto S responde en forma todo-nada a la luz entrante, los impulsos generados por los puntos S se transmiten a las unidades de asociacin (A) de la capa de asociacin; cada unidad A est conectada a un conjunto aleatorio de puntos S, denominados conjunto fuente de la unidad A, y las conexiones pueden ser tanto excitatorias como inhibitorias. Las conexiones tienen los valores posibles +1, -1 y 0, cuando aparece un conjunto de estmulos en la retina, una unidad A se activa si la suma de sus entradas sobrepasa algn valor umbral; si la unidad esta activada, A produce una salida que se enva a la siguiente capa de unidades.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

63

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.26 Modelo del Fotoperceptrn de Rosenblatt De forma similar, las unidades A estn conectadas a unidades de respuesta (R) dentro de la capa de respuesta y la conectividad vuelve a ser aleatorio entre capas, pero se aaden conexiones inhibitorias de realimentacin procedentes de la capa de respuesta y que llegan a la capa de asociacin, tambin hay conexiones inhibitorias entre las unidades R. Todo el esquema de conexiones se describe en forma general en un diagrama de Venn, para un Perceptrn sencillo con dos unidades de respuesta como el de la fig.1.27

Fig.1.27 Esquema de conexiones de un Perceptrn sencillo

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

64

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

.En 1969 Marvin Minsky y Seymour Papert publicaron su libro: "Perceptrons: An introduction to Computational Geometry", el cual para muchos signific el final de las redes neuronales. En el se presentaba un anlisis detallado del Perceptrn, en trminos de sus capacidades y limitaciones, en especial en cuanto a las restricciones que existen para los problemas que una red tipo Perceptrn puede resolver; la mayor desventaja de este tipo de redes es su incapacidad para solucionar problemas que no sean linealmente separables. Minsky y Papert se apartaban de la aproximacin probabilstica de Rosenblatt y volvan a las ideas de clculo de predicados en el anlisis del Perceptrn. Su idea de Perceptrn aparece en la fig.1.28

Fig.1.28 Perceptrn segn Minsky y Papert La estructura de un Perceptrn sencillo es similar a la del elemento general de procesamiento que se muestra en la fig.1.28; en la que se observa la adicin de una condicin umbral en la salida. Si la entrada neta, a esta condicin es mayor que el valor umbral, la salida de la red es 1, en caso contrario es 0. La funcin de salida de la red en la fig.1.28 es llamada funcin umbral o funcin de transferencia

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

65

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Ecu. 1.72 A pesar de esta limitacin, el Perceptrn es an hoy una red de gran importancia, pues con base en su estructura se han desarrollado otros modelos de red neuronal como la red Adaline y las redes multicapa. 1.3.3.5.2 Estructura De La Red

Fig.1.29 Perceptrn La nica neurona de salida del Perceptrn realiza la suma ponderada de las entradas, resta el umbral y pasa el resultado a una funcin de transferencia de tipo escaln. La regla e decisin es responder +1 si el patrn presentado pertenece a la clase A, o 1 si el patrn pertenece a la clase B (fig.1.29), la salida depende de la entrada neta (n = suma de las entradas pi ponderadas). La red tipo Perceptrn emplea principalmente dos funciones de transferencia, hardlim con salidas 1, 0 o hardlims con salidas 1, -1; su uso depende del valor de salida que se espera para la red, es decir si la salida de la red es unipolar o bipolar; sin embargo la funcin hardlims es preferida sobre la hardlim, ya que el tener un cero multiplicando algunas de los valores resultantes del producto

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

66

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

de las entradas por el vector de pesos, ocasiona que estos no se actualicen y que el aprendizaje sea ms lento. Una tcnica utilizada para analizar el comportamiento de redes como el Perceptrn es presentar en un mapa las regiones de decisin creadas en el espacio multidimensional de entradas de la red, en estas regiones se visualiza qu patrones pertenecen a una clase y cules a otra, el Perceptrn separa las regiones por un hiperplano cuya ecuacin queda determinada por los pesos de las conexiones y el valor umbral de la funcin de activacin de la neurona, en este caso los valores de los pesos pueden fijarse o adaptarse empleando diferentes algoritmos de entrenamiento. Para ilustrar el proceso computacional del Perceptrn consideremos la matriz de pesos en forma general.

Ecu.1.73 Los pesos para una neurona estn representados por un vector compuesto de los elementos de la i-sima fila de W

Ecu.1.74 De esta forma y empleando la funcin de transferencia hardlim la salida de la neurona i de la capa de salida Ecu.1.75

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

67

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

El Perceptrn, al constar de una sola capa de entrada y otra de salida con una nica neurona, tiene una capacidad de representacin bastante limitada, este modelo slo es capaz de discriminar patrones muy sencillos, patrones linealmente separables, el caso ms conocido es la imposibilidad del Perceptrn de representar la funcin OR EXCLUSIVA. 1.3.3.5.3 Regla De Aprendizaje El Perceptrn es un tipo de red de aprendizaje supervisado, es decir necesita conocer los valores esperados para cada una de las entradas presentadas; su comportamiento est definido por pares de esta forma: Ecu. 1.76 Cuando p es aplicado a la red, la salida de la red es comparada con el valor esperado t, y la salida de la red esta determinada por:

Ecu.1.77 Los valores de los pesos determinan el funcionamiento de la red, estos valores se pueden fijar o adoptar utilizando diferentes algoritmos de entrenamiento de la red. Como ejemplo de funcionamiento de una red neuronal tipo Perceptrn, se solucionar el problema de la funcin OR, para esta funcin la red debe ser capaz de devolver a partir de los cuatro patrones de entrada, a qu clase pertenece cada uno; es decir para el patrn 00 debe devolver la clase cero y para los restantes la clase 1, segn la fig.1.30

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

68

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.30 Funcin OR Para este caso las entradas a la red sern valores binarios, la salida de la red esta determinada por

Ecu.1.78 Si w1p1+w2p2 es mayor que 0 la salida ser 1, en caso contrario la salida ser 1 (funcin escaln unitario). Como puede verse la sumatoria que se le pasa a cada parmetro (entrada total) a la funcin hardlim (funcin de salida o de transferencia) es la expresin matemtica de una recta, donde w1 y w2 son variables y p1 y p2 son constantes. En la etapa de aprendizaje se irn variando los valores de los pesos obteniendo distintas rectas, lo que se pretende al modificar los pesos de las conexiones es encontrar una recta que divida el plano en dos espacios de las dos clases de valores de entrada, concretamente para la funcin OR se deben separar los valores 01, 10, y 11 del valor 00; la red Perceptrn que realiza esta tarea y la grfica caracterstica pueden observarse en la fig.1.31 all puede verse como las posibles rectas pasarn por el origen de coordenadas, por lo que la entrada 00 quedar sobre la propia recta.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

69

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.31 Perceptrn aplicado a la funcin OR Se aplicar este mtodo para resolver tambin el problema de la funcin AND, el cual se describe en la siguiente figura

Fig.1.32 Espacio de salida de una compuerta AND Analizando el comportamiento de la AND se llega a la conclusin de que es imposible que una recta que pase por el origen, separe los valores 00,01 y 10 del valor 11, por lo que se hace necesario introducir un trmino independiente para realizar esta tarea, a este trmino se le da el nombre de ganancia y se representa por la letra b, al cual por lo general se le asigna un valor inicial de 1 y se ajusta

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

70

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

durante la etapa de aprendizaje de la red; este nuevo trmino permite desplazar la recta del origen de coordenadas dando una solucin para el caso de la funcin AND y ampliando el nmero de soluciones de la funcin OR Ahora la salida de la neurona esta dada por Ecu.1.79 Las soluciones obtenidas para las funciones AND y OR se observan en la fig.1.33

Fig.1.33 Solucin para una funcin AND y una OR En el proceso de entrenamiento el Perceptrn se expone a un conjunto de patrones de entrada y los pesos de la red son ajustados de forma que al final de entrenamiento se obtengan las salidas esperadas para cada unos de esos patrones de entrada. El algoritmo de entrenamiento del Perceptrn puede resumirse en los siguientes pasos: 1. Se inicializa la matriz de pesos y el valor de la ganancia, por lo general se asignan valores aleatorios a cada uno de los pesos wi y al valor b

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

71

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2. Se presenta el primer patrn a la red, junto con la salida esperada en forma de pares entrada/salida 3. Se calcula la salida de la red por medio de Ecu.1.80 Donde f puede ser la funcin hardlim o hardlims 4. Cuando la red no retorna la salida correcta, es necesario alterar el valor de los pesos, tratando de llevarlo hasta p y as aumentar las posibilidades de que la clasificacin sea correcta, una posibilidad es adicionar p a w haciendo que el vector w apunte en la direccin de p, y de esta forma despus de repetidas presentaciones de p a la red, w se aproximar asintoticamente a p; este es el procedimiento adoptado para la regla de aprendizaje del Perceptrn. El proceso de aprendizaje del Perceptrn puede definirse en tres reglas, las cuales cubren la totalidad de combinaciones de salidas y sus correspondientes valores esperados. Estas reglas utilizando la funcin de transferencia hardlim, se expresan como sigue: Ecu.1.81 Ecu.1.82 Ecu.1.83 Las tres condiciones anteriores pueden ser escritas en forma compacta y generalizarse para la utilizacin de las funciones de transferencia hardlim o hardlims, generalizacin que es posible introduciendo el error en las reglas de aprendizaje del Perceptrn: Ecu.1.84 Por lo tanto:

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

72

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Ecu.1.85 Ecu.1.86 Ecu.1.87 En una sola expresin la ley puede resumirse as: Ecu.1.88 Y extendiendo la ley a las ganancias Ecu.1.89 1.3.3.5.4 Limitacin De La Red Perceptrn Se plante la restriccin que existe para los tipos de problemas que una red Perceptrn puede solucionar, como se dijo esta red puede resolver solamente problemas que sean linealmente separables, esto es problemas cuyas salidas estn clasificadas en dos categoras diferentes y que permitan que su espacio de entrada sea divido en estas dos regiones por medio de un hiperplano de caractersticas similares a la ecuacin del Perceptrn, es decir Ecu.1.90 Ejemplos de problemas de este tipo son las funciones lgicas OR y AND estudiadas anteriormente; para ilustrar ms claramente que significa que un problema sea linealmente separable se analizar un caso que no lo sea, el caso de la compuerta XOR, el cual se visualiza en la fig. 1.34

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

73

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.34 Compuerta XOR Se pretende que para los valores de entrada 00 y 11 se devuelva la clase 0 y para los patrones 01 y 10 la clase 1. Como puede verse de la fig1.35 el problema radica en que no existe ninguna lnea recta que separe los patrones de una clase de los de la otra

Fig.1.35 Plano formado por el problema de la XOR Los cuatro puntos en la figura son las posibles entradas de la red; la lnea divide el plano en dos regiones, por lo que se podra clasificar los puntos de una regin como pertenecientes a la clase que posee salida 1 (puntos azules) y los de la otra regin como pertenecientes a la clase que posee salida 0 (puntos rojos), sin embargo no hay ninguna forma de posicionar la lnea para que los puntos correctos para cada clase se encuentren en la misma regin. El problema de la compuerta XOR no es linealmente separable y una red tipo Perceptrn no esta en capacidad de clasificar correctamente los patrones de esta funcin, debido a esta limitacin del Perceptrn y

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

74

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

a su amplia publicacin en el libro de Minsky y Papert, el estudio de las redes neuronales se estanco durante casi 20 aos. El proceso para determinar si un problema es linealmente separable o no, se realiza grficamente sin problema, cuando los patrones de entrada generan un espacio de dos dimensiones, como en el caso de las funciones AND, OR o de la XOR; sin embargo, esta visualizacin se dificulta cuando el conjunto de patrones de entrada es de tres dimensiones, y resulta imposible de observar grficamente cuando los patrones de entrada son de dimensiones superiores; en este caso se requiere plantear condiciones de desigualdad que permitan comprobar la separabilidad lineal de los patrones, esto se realiza con base en la ecuacin de salida del Perceptrn , para aquellos patrones cuya salida deseada sea 1 , para aquellos patrones cuya salida deseada sea 0 En el caso de la XOR, teniendo en cuenta los valores de la tabla al lado derecho de la fig.1.35, estas desigualdades se expresan as: (p1) (p2) (p3) (p4)

Si no hay contradiccin en las desigualdades anteriores, el problema es linealmente separable. Como se observa de las , y que desigualdades 2, 3 y 4, es imposible que su suma sea menor que cero, esta es una forma alternativa de comprobar que el problema de la XOR no es linealmente separable. El aporte de esta tcnica se aprecia mejor para problemas cuyo espacio de entrada sea de dimensiones mayores. La solucin al problema de clasificacin de patrones de la funcin XOR se encontrara fcilmente si se descompone el espacio en tres
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

75

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

regiones: una regin pertenecera a una de las clases de salida y las otras dos pertenecen a la segunda clase, as que si en lugar de utilizar nicamente una neurona de salida se utilizaran dos, se obtendran dos rectas por lo que podran delimitarse tres zonas; para poder elegir entre una zona u otra de las tres, es necesario utilizar otra capa con una neurona cuyas entradas sern las salidas de las neuronas anteriores; las dos zonas o regiones que contienen los puntos (0,0) y (1,1) se asocian a una salida nula de la red y la zona central se asocia a la salida con valor 1, de esta forma es posible encontrar una solucin al problema de la funcin XOR, por tanto se ha de utilizar una red de tres neuronas, distribuidas en dos capas para solucionar este problema. En la fig.1.36 se observa un esquema de lo que sera una red Perceptrn multicapa, con los valores de pesos y ganancias que clasifican correctamente los patrones de la compuerta XOR

Fig.1.36 Perceptrn multicapa para la XOR Los valores de la matriz de pesos y del vector de ganancias son: w11=1w12=1 w21=1w22=1 w31=1w32=-1.5 b1=0.5 b2=1.5 b3=0.5

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

76

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.3.3.5.5 Perceptrn Multicapa En el problema de la funcin XOR se explic como un Perceptrn multicapa haba sido implementado para hallar una solucin, el esquema general de un Perceptrn multicapa puede encontrarse generalizando a una red con mltiples entradas y que incluya una entrada adicional representada por la ganancia b, este esquema general se ve en la fig.1.37 en donde se notan las conexiones entre sus nodos de entrada y las neuronas de salida.

Fig.1.37 Conexiones del Perceptrn Un Perceptrn multicapa es una red con alimentacin hacia delante, compuesta de varias capas de neuronas entre la entrada y la salida de la misma, esta red permite establecer regiones de decisin mucho ms complejas que las de dos semiplanos, como lo hace el Perceptrn de un solo nivel. Un esquema simplificado del modelo del Perceptrn de la fig.1.37 se observa en la fig.1.38

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

77

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.38 Notacin compacta para la red tipo Perceptrn La salida de la red est dada por: Ecu.1.91 Donde W: Matriz de pesos asignada a cada una de las entradas de la red de dimensiones SxR, con S igual al nmero de neuronas, y R la dimensin del vector de entrada p: Vector de entradas a la red de dimensiones Rx1 b: Vector de ganancias de la red de dimensiones Sx1

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

78

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Regiones Estructura de Decisin Medio Plano Limitado por un Hiperplano Regiones Cerradas o Convexas Complejidad Arbitraria Limitada por el Nmero de Neuronas

Formas de Clases con Problema Regiones Regiones de la XOR ms Mezcladas Generales

Tabla 1.6 Distintas formas de las regiones generadas por un Perceptrn Multicapa El Perceptrn bsico slo puede establecer dos regiones separadas por una frontera lineal en el espacio de entrada de los patrones; un Perceptrn con dos capas, puede formar cualquier regin convexa en este espacio. Las regiones convexas se forman mediante la interseccin de regiones formadas por cada neurona de la segunda capa, cada uno de estos elementos se comporta como un Perceptrn simple, activndose su salida para los patrones de un lado del hiperplano, si el valor de los pesos de las conexiones entre las neuronas de la segunda capa y una neurona del nivel de salida son todos igual a 1, y la funcin de salida es de tipo hardlim, la salida de la red se activar slo si las salidas de todos los nodos de la segunda capa estn activos, esto equivale a ejecutar la funcin lgica AND en el nodo de salida, resultando una regin de decisin interseccin de todos los semiplanos formados en el nivel
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

79

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

anterior. La regin de decisin resultante de la interseccin ser una regin convexa con un nmero de lados a lo sumo igual al nmero de neuronas de la segunda capa. A partir de este anlisis surge el interrogante respecto a los criterios de seleccin para las neuronas de las capas ocultas de una red multicapa, este nmero en general debe ser lo suficientemente grande como para que se forme una regin compleja que pueda resolver el problema, sin embargo no debe ser muy grande pues la estimacin de los pesos puede ser no confiable para el conjunto de los patrones de entrada disponibles. Hasta el momento no hay un criterio establecido para determinar la configuracin de la red y esto depende ms bien de la experiencia del diseador. La regla de aprendizaje del Perceptrn para una red multicapa es una generalizacin Ecu.1.92 Ecu. 1.93 1.4 SENSORES 1.4.1 Caractersticas y Calidad De Un Sensor Los sensores no son perfectos, y tienen varias caractersticas que afectan a la calidad de la medida. Para la mayora de medidas, tendremos 2 grupos principales de caractersticas: Estticas y dinmicas.

Las caractersticas estticas son aquellas que son consecuencia directa de la medida y no de su variabilidad. Las caractersticas dinmicas son perturbaciones de la medida como consecuencia de que sta vara continuamente de valor, creando artefactos adicionales en los sensores.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

80

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.4.1.1 Caractersticas Estticas De Un Sensor Decimos que un sistema funciona en rgimen esttico cuando la seal no vara o vara con una frecuencia inferior a 1 o 2 Hz. En estos casos, las caractersticas dinmicas del sensor pueden obviarse y nos podremos centrar en las caractersticas estticas. Las caractersticas estticas del sensor consisten bsicamente en las transformaciones que realiza el sensor para pasar de la magnitud fsica al voltaje elctrico. El sensor convierte una magnitud fsica m en un voltaje q de la forma q=f(m). Si representamos esta ecuacin obtenemos la curva de calibracin esttica:

Fig.1.39 Curva de calibracin esttica del sensor 1.4.2 Parmetros De La Curva De Calibracin Esttica 1.4.2.1 Rango De Medida Intervalo en el que puede emplearse un sensor. Rango de Entrada si lo indicamos en trminos de "m" y Rango de Salida si lo indicamos en trminos de "q".

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

81

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.4.2.2 Escala Total o Span Es el ancho del intervalo donde puede operar el sensor (mmax-mmin o qmax-qmin). 1.4.2.3 Sensibilidad Esttica o Factor de Escala o Ganancia Esta definido por la pendiente entre la salida y la entrada.

Si el sensor es lineal, S = cte Su inversa es el factor de deflexin. 1.4.2.4 Factores De Calidad Esttica De Un sensor Determinacin de la curva de calibracin. Los factores de calidad determinarn en mayor o menor medida la exactitud de las mediciones y, por tanto, la calidad de las mismas. Ciertos factores de calidad pueden ser corregidos a posteriori, pero otros no. A veces, la correccin de un factor de calidad va en perjuicio de otros factores. Existen muchsimos factores de centraremos en los ms sencillos. calidad, pero ahora nos

Linealidad

Recordemos que S (Factor de Escala) est definido por:

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

82

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

S(Factor de Escala) representa la primera derivada de la salida con respecto la entrada. Dicho valor debera ser constante lo que producira una linea recta de la forma: Q=Sm+Z Donde Z = Deriva del Cero (Zero Offset). La mayora de sensores pueden anular Z, pero corregir la linealidad no ha sido histricamente fcil. Se llama linealidad a la mxima desviacin entre la curva de calibracin y la recta ideal.

Resolucin

La resolucin es el incremento mnimo necesario para obtener un cambio en la salida.

Umbral

Es un caso particular de resolucin cuando se parte de cero. La resolucin y el umbral suelen estar comprometidos en el conversor analgico a digital, no propiamente en el sensor. Ambos factores de calidad suelen ser los primeros que se pasan por alto al realizar medidas ya que no suelen tenerse en cuenta. En una balanza electrnica, por ejemplo, el umbral es la pesada mnima que el sistema admite. La resolucin es la mnima cifra decimal que el sistema dice proporcionar (aunque esto no implica que sea con seguridad el dato real y exacto, pues adems de la resolucin puede haber ms incertidumbres en dicha medida, por ejemplo, ruido).

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

83

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 1.40 Resolucin y umbral La resolucin y el umbral suele mejorar con la sensibilidad del sensor. Cuando el propio sensor tiene problemas de resolucin y umbral aparece un fenmeno denominado "juego". El "juego" representa una inercia o una holgura que evita cambios pequeos en el sensor, haciendo que los cambios se presenten "a saltos". El juego suele consecuencias. presentarse en el umbral sin mayores

Cuando el juego se presenta en toda la medicin suele indicar un problema grave de medida llamado "histresis" ya que la holgura del sensor tergiversa la medida en funcin del sentido de variacin de la misma. (En los aparatos de medida mecnicos, el juego era producto de la imprecisin del ajuste entre los piones de los engranajes que lo formaban. La holgura entre los piones de los engranajes haca que durante un instante se moviera un engranaje sin que moviera el siguiente en uno de los sentidos. Luego los dos engranajes se movan solidariamente hasta que cambiaba el sentido de variacin
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

84

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

de la medida y volva a pasar en sentido contrario, produciendo una pequea histresis en la medida y una insensibilidad manifiesta ante pequeos cambios de la medida).

Ruido

El ruido es la inconsistencia continua de la medida a lo largo del tiempo. El ruido se presenta como una variacin sistemtica de un mismo valor medido. La amplitud del ruido implica una indeterminacin de la magnitud que estamos midiendo. Dicha indeterminacin no suele ser corregible a posteriori y debe ser conocida y tenida en consideracin. El aumento del muestreo, o sobremuestreo de la seal nos permitir determinar el porcentaje de ruido presente y su perturbacin sobre la medida. La ausencia de sobremuestreo incorporar todo el ruido a la medida ya que no ser posible conseguir una estimacin del valor medido en base a la media y varianza de las muestras repetitivas.

1.41 Determinacin de la consistencia de una medida del ruido Como hemos visto, los factores que afectan a la calidad de la medida se traducen en un grado de indeterminacin de la misma.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

85

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Dicha indeterminacin la podremos evaluar y resumir en 3 factores de inconsistencia, que deben adjuntarse junto con la curva de calibracin. (Curiosamente, esto que parece bsico es algo que raramente vemos indicado en las obras cientficas que incluyen alguna medicin)

Repetitividad

Capacidad de dar el mismo valor de medida al repetir la misma medida varias veces. Su valor proporcionar una estimacin del fenmeno "ruido".

Histresis

Es la diferencia de la salida para una misma entrada cuando se ha alcanzado un valor en orden ascendente o descendente. La curva de histresis determina el umbral y resolucin continua.

Estabilidad

Es la capacidad de un transductor de mantener su curva de calibracin a lo largo del tiempo o en presencia de agentes externos. (Como cambios de temperatura, humedad, campos electromagnticos, etc). La determinacin de estos 3 factores permite predecir de antemano la calidad de la medida y la indeterminacin de la misma.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

86

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.42 Repetitividad, histresis, inestabilidad Estos 3 factores no se mantienen constantes a lo largo de toda la curva de calibracin. Normalmente se escoger la zona de la curva donde estos 3 factores permiten una medida dentro de los rangos de calidad exigidos. La linealidad sola ser tambin un factor clave, pero actualmente se puede corregirse en base a circuitos o software adicional de correccin. Con respecto a la estabilidad, es frecuente obtener errores difciles de detectar por la no recalibracin de los instrumentos de medidas de un experimento al siguiente. 1.4.2.5 Clarificacin De Sensores y Elementos De Gobierno Son elementos mecnicos cuya funcin es la de actuar como interruptores o pulsadores para arrancar, parar y determinar posiciones en procesos industriales Clasificacin: Atendiendo a la forma y su funcin podemos clasificarlos como Microruptores, interruptores y finales de carrera.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

87

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 1.7 Clasificacin de los elementos de gobierno Otra forma de clasificacin seria atendiendo a las caractersticas elctricas de cada elemento, es decir, tensin mxima, intensidad mxima de ruptura etc.

Tabla 1.8 clasificacin segn las caractersticas elctricas de cada elemento


Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

88

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1.5 MOTORES DE CORRIENTE CONTINA Estos sistemas electromecnicos son ampliamente utilizados en la industria. La mayora de las aplicaciones basadas en posicionamiento de una herramienta o un objeto, emplean accionamientos basados en motores de corriente continua. No se suelen emplear los motores de corriente alterna para estas tareas. Los motores de corriente alterna son ms robustos y con menor volumen con relacin al par desarrollado, pero son ms difciles de gobernar, especialmente en posicin. Por otro, el desarrollo tecnolgico de los motores de imanes permanentes basados en tierras-raras, ha alcanzado una alta relacin par-volumen. 1.5.1 Principio Bsico De Los Motores De c.c. Los motores elctricos convierten la energa elctrica en energa mecnica. Esta transformacin se fundamenta en baar con un flujo magntico, en direccin perpendicular, una corriente elctrica que circula sobre un cuerpo mvil (rotor). Segn la ley de Ampere, se produce una fuerza como consecuencia del producto vectorial entre el flujo magntico, B, y la corriente que circula por el rotor, ir. Esa fuerza al realizarse sobre la superficie exterior del rotor producir un par mecnico. El par total desarrollado ser el sumatorio de las fuerzas parciales producidas por cada circulacin de corriente de los conductores alojados en el rotor por su radio. Al ser el radio un parmetro constructivo, el par dado en el rotor, TM, ser proporcional al flujo magntico y a la corriente que circule por el rotor:

Fig. 1.43 Fundamentos de los motores c.c

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

89

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

TM = Fi r = k M ir

Ecu.1.94 Ecu.1.95

Fi = Bxir

Las espiras del rotor al estar circunvaladas de un flujo magntico generan una fuerza contraelectromotriz, eb, que se opone al desplazamiento angular del eje del motor. Efecto ste que luego se mostrar como positivo al hacer estable su dinmica, pues evita que el motor se embale y se pierda su control:

Ecu.1.96 1.5.2 Modelo De Motor De Continua De Imn Permanente De los motores de corriente continua, por los que ms inters muestra la teora de control, son por los de imanes permanentes. No necesitan de una fuente exterior para generar el flujo magntico, facilitan el diseo del sistema de control y actualmente ofrecen una buena relacin par-peso. A estos motores son a los que se van a modelar su comportamiento dinmico. La tensin en la entrada ser igual a la cada de tensin en la resistencia de armadura, al efecto del flujo magntico disperso y a la fuerza contraelectromotriz. Tanto la fuerza contraelectromotriz como el par mecnico, por los principios bsicos de los motores elctricos, son proporcionales a la velocidad angular y a la corriente en el rotor, respectivamente. El par de motor ser igualado a los dispositivos de almacenamiento y de disipacin de energa equivalente, vista desde el rotor.

Fig.1.44 Diagrama del motor dc

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

90

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

u e (t ) = Ra ia (t ) + La eb (t ) = k b wm (t ) Tm (t ) = k i ia (t ) Tm = J m

di (t ) + eb (t ) dt

Ecu. 1.97 Ecu. 1.98 Ecu. 1.99 Ecu.1.100

d 2 m d +B m 2 dt dt

Donde ki es la constante de par, [Nm/A], y kb es la constante de la fuerza contraelectromotriz, [V s/rad]. Tomando transformada de Laplace a ambos lados de la Igualdad y considerando condiciones iniciales nulas, el conjunto de ecuaciones algebro diferenciales quedar definidas por las siguientes FDTs:

u e (s ) = (Ra + sLa )ia (s ) + eb (s ) eb (s ) = k B wm (s ) Tm (s ) = k i ia (s ) Tm (s ) = ( J m s + Bm )wm (s )


El diagrama de bloques del motor quedara como:

Ecu. 1.101 Ecu. 1.102 Ecu. 1.103 Ecu. 1.104

Fig. 1.48 Diagrama de bloques del motor dc


Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

91

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Del esquema se desprende que existe una realimentacin interna en el motor que tiende a garantizar la estabilidad del funcionamiento. Su causa es que la f.c.e.m. se opone con mayor fuerza a medida de que aumente la velocidad angular del rotor. 1.5.3 Relacin Entre ki y kb La mayor parte de la potencia elctrica dada al motor es convertida en potencia mecnica. La potencia til ser la corriente de la armadura por la f.c.e.m... sta ser convertida en par mecnico por velocidad angular. Las constantes del motor son idnticas, aunque a veces, los fabricantes suelen dar el valor de kb invertido y en rpm:

Pm = ia eb = Tm wm ia eb = k i ia wm ia k b wm = k i ia wm ki = kb

Ecu. 1.105 Ecu. 1.106 Ecu. 1.107

[N .m A] = [V .s rad ]

1.5.4 Curvas Del Par-Motor Una de las curvas tpicas de los motores, con independencia de la tecnologa, es la relacin entre la velocidad angular y el par motor. Las grficas muestran curvas de comportamiento en el rgimen permanente. Para el caso de los motores de c.c. de imanes permanente, la corriente continua de frecuencia nula por la armadura es:
Ia = VE k b wm Ra

Ecu. 1.108

V k b wm Tm = k i I a = k i E Ecu. 1.109 R La familia de curvas estar parametrizada a partir de la tensin dada al motor. Para un nivel de tensin determinada, la curva ser una recta de pendiente negativa. A medida de que aumente la
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

92

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

velocidad del motor disminuir el par mecnico. La tangente de cada curva es idntica, mostrando una familia de rectas paralelas:

Fig. 1.49 curva del par-velocidad 1.6 CONTROL PID El control del robot puede ser tratado como el control de n ejes independientes, incluyendo en el par perturbador p el efecto de los parmetros n constantes de la diagonal de la matriz D , as como los sus elementos no diagonales y los pares no generados por la gravedad y movimientos relativos ( matrices C y H). En estos casos y suponiendo el accionamiento de tipo elctrico, que el correspondiente diagrama de bloques de cada eje seria mostrado en la Fig.1.50 Por claridad se prescinde de aqu en adelante el factor de reduccin aplicado en el eje.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

93

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.1.50 Diagrama de bloques de un accionamiento elctrico Los trminos J y B son, respectivamente, inercia y rozamiento viscoso vistos por el actuador, e incluyen tanto los efectos del eslabn y la articulacin como los del motor y la transmisin. En la prctica, la calidad de los sistemas de accionamiento es tal que se consigue una relacin lineal entre la tensin de mando y el par proporcionado por el accionamiento, de modo que: Ecu.1.108 Con lo que al ser:

Ecu.1.109 Resulta que:

Ecu.1.111 Suponiendo p inexistente y perfectamente conocidos k, J, y B, podra plantearse obtener por inversin del modelo la tensin de mando u (t ) que resultara en una trayectoria q (t ) preestablecida.
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

94

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Sin embargo, en la prctica ninguna de las dos premisas planteadas es cierta, por lo que es habitual utilizar un esquema de control realimentado como el indicado en la Fig.1.51 En este esquema, R(s ) representa un regulador tipo PID de funcin de transferencia:

Ecu.1.112

Fig.1.51 Control PID con una sola articulacin


1 El trmino k se ha introducido al objeto de que la salida del regulador R(s ) sea directamente el par de entrada a la articulacin. La seal de mando u (ley de control) en los accionamientos ser entonces:

Ecu.1.113 Esta expresin representa la ley de control que permite calcular cual es el par que se pretende que den los actuadotes del robot. A la vista del diagrama de bloques, se tiene que: Ecu.1.114

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

95

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Se establece el comportamiento dinmico de la articulacin, se tendr:

Ecu.1.115 ( ) e = q q Js + B sq d d en ambos y sumando Considere que miembros se tiene:

Ecu.1.116

() Con lo que el error con la trayectoria deseada q d t y la real q (t ) vendr dada por:

Ecu.1.117 Esta expresin de e(s ) indica que si no se cambia la posicin ( () ) deseada q d s = 0 Pero aparece una perturbacin en forma de escaln error valdr:

=1

s , el

Ecu.1.118 Supuesto el sistema estable, el valor final del error podr obtenerse por aplicacin del teorema del valor final:

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

96

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

El control PID permite anular el efecto de una posible perturbacin en escaln en rgimen permanente, as como asegurar que q finalmente q y d coinciden, sin embargo, no consigue que q siga la evolucin de que q d a lo largo del tiempo. 1.7 CONTROL MULTIARTICULAR La consideracin de que cada articulacin no se ve afectada mas que por sus propias caractersticas dinmicas, siendo el efecto de
p ) poco las dems (representado por el par perturbador significativo, no es siempre aceptable. Frente a las tcnicas basadas en el supuesto desacoplamiento de las articulaciones, las tcnicas de control acoplado contemplan el modelo dinmico real del robot, haciendo uso del conocimiento del mismo para tratar de desacoplar el sistema.

1.7.1 Desacoplamiento Por Inversin Del Modelo Considerando una vez mas el modelo dinmico del robot, incluyendo esta vez un posible par exterior e

= D(q ) q + H q, q + C (q ) + Fv q + e = D(q ) q + N q, q + e

Ecu.1.118

N q, q se han incluido todos los pares distintos del de Donde en inercia (Coriolis, Gravedad, rozamiento, etc.).
Para desacoplar este modelo puede recurrirse al esquema representado en la Fig. 1.52 en que la tensin de mando de los actuadotes u se N q, q , obtienen a partir de la seal y de las matrices D(q ) y siendo.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

97

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

= ku = D(q ) + N q, q

Ecu.1.119

= D(q ) q + N q, q + e

Ecu.1.120 Ecu.1.121

= q + D 1 (q ) e

Resultado que en el esquema de la fig.1.52a es equivalente a la fig.1.52 b en el que se observa que en su ausencia de par externo

e la relacin entre y q es desacoplada y lineal.


Una vez desacoplada el sistema, es sencillo calcular el par necesario para seguir la trayectoria deseada q d . Bastara para ello
2 con que = q d = s Iq d , con lo que:

Fig.1.52 Desacoplamiento por inversin del modelo

q d = q + D 1 (q ) e

Ecu.1.122

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

98

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Como se observa, en ausencia de par exterior e si = q d , la trayectoria deseada q d y la real coinciden. Por lo tanto, la ley de control correspondiente al mtodo de desacoplamiento del modelo supone que la tensin de mando a proporcionar a los accionamientos sea Fig.1.53

u = k 1 D(q )s 2 Iq d + N q, q

Ecu.1.123

Fig. 1.53 Esquema de algoritmo de control basado en desacoplamiento por inversin del modelo

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

99

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

100

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.1 MODELO DINMICO PARA EL ROBOT SCARA MEDIANTE EL MTODO LAGRANGE - EULER

Fig. 2.1 Robot SCARA para clculos de la dinmica por el mtodo Lagrange-Euler 2.1.1 Asignar a Cada Eslabn Un Sistema de Referencia De Acuerdo a Las Normas D-H

1 2 3

d 0 0

a K1 K2 0

0 0 0

Tabla 2.1 Parmetros D-H del Robot SCARA

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

101

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

= 2 +

Ecu. 2.1 Ecu. 2.2 Ecu. 2.3

= 3
= 1

2.1.2 Obtener Las Matrices de Transformacin 0 Ai Para Cada Elemento i

Matriz para el primer eslabn

cos( ) sin( ) sin( ) cos( ) 0 A1 = 0 0 0 0

0 k1 cos( ) 0 k1sin( ) 1 0 0 1

Ecu. 2.4

Matriz para el segundo eslabn

cos( ) sin( ) sin( ) cos( ) 1 A2 = 0 0 0 0

0 k 2 cos( ) 0 k 2 sin( ) 1 0 0 1

Ecu. 2.5

Matriz para el tercer eslabn

1 0 2 A3 = 0 0

0 1 0 0

0 0 1 0

0 0 0 1

Ecu. 2.6

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

102

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Matriz para el primer eslabn


0 cos *k2cos sin *k2sin+k1cos 0 sin *k2cos+cos *k2sin+k1sin 1 0 0 1

cossin sin cos sinsin cos cos sin cos sin sin sin+cos cos +cos 0 A2 = 0 0 0 0

Ecu. 2.7

Matriz total de Transformacin


*k2cos *k2sin sin +k1cos 0 cos *k2cos *k2sin +cos +k1sin 0 sin Ecu. 2.8 1 0 1

cos sin sin cos sin cos sin cos sin sin sin cos +cos sin +cos 0 cos A 3= 0 0 0 0

2.1.2

Obtener Las Matrices U ij

0 Ai U ij = q j
Matriz U 11
0

U 11

sin( ) cos( ) A1 cos( ) sin( ) = = 0 0 0 0

0 k1sin( ) 0 k1 cos( ) 0 0 0 0

Ecu.2.9

Matriz U 12
0

U 12

0 A1 0 = = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.10

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

103

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Matriz U 13
0

U 13

0 A1 0 = = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.11

Matriz U 21
0 sin cos *k2cos *k2sink1sin Ecu.2.12 sin 0 cos *k2cos *k2sin+k1cos 0 0 0 0

cos cos sin sin sincos cos sin cos sin sin cos sinsin cos 0 A2 cos = U21 = 0 0 0 0

Matriz U 22
*k2sinsin *k2cos 0 cos *k2sin+cos *k2cos 0 sin Ecu.2.13 0 0 0 0

sinsin cos cos sin cos +sin cos sin+cos cos cos sin sin cos 0 A2 sin U22 = = 0 0 0 0

Matriz U 23
0

0 A2 0 = U23 = 0 0
0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.14

Matriz U 31
cos k1sin *k2cos *k2sin 0 sin Ecu.2.15 sin +k1cos *k2cos *k2sin 0 cos 0 0 0 0

cos sin cos cos sin sin cos sin cos cos sin sin cos sin sin cos A U31 = 3 = 0 0 0 0

Matriz U 32

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

104

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

cos +sin sinsin cos cos sin cos sin sin cos sin+cos cos cos sin A U32 = 3 = 0 0 0 0
0

0 cos *k2sinsin *k2cos 0 sin *k2sin+cos *k2cos Ecu.2.16 0 0 0 0

Matriz U 33

0 0 0 0 0 A3 0 0 0 0 = U33 = 0 0 0 1 0 0 0 0 2.1.4 Obtener Las Matrices U ijk

Ecu.2.17

U ijk =

U ij q k
Matriz U 111
cos U11 sin = = 0 0 sin cos 0 0 0 k1cos 0 k1sin 0 1 0 0

U111

Ecu.2.18

Matriz U 112
0 0 0 0 0 0 0 0 0 0 0 0

0 U 11 0 U 112 = = 0 0 Matriz U 113

Ecu.2.19

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

105

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

0 U 11 0 = U 113 = 0 0 Matriz U 121 0 U 12 0 = U 121 = 0 0 Matriz U 122 0 U 12 0 = = 0 0


Matriz U 123

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.20

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.21

U 122

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.22

U 123

0 U 12 0 = = 0 0
Matriz U 131

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.23

U 131

0 U 13 0 = = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.24

Matriz U 132

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

106

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

0 0 U 13 0 0 = U 132 = 0 0 0 0 Matriz U 133 0 0 U 13 0 0 = U 133 = 0 0 0 0 Matriz U 211

0 0 0 0

0 0 0 0

Ecu.2.2

0 0 0 0

0 0 0 0

Ecu.2.26

cos sin sin cos +sin cos +sin cos sin cos sin sin cos cos sin cos U U211= 21 = 0 0 0 0

*k2cos *k2sin 0 cos +sin k1cos *k2cos *k2sin 0 sin cos k1sin 0 0 0 0

Ecu.2.27

Matriz U 212
*k2sin *k2cos 0 sin cos *k2sin *k2cos 0 cos sin 0 0 0 0

sin cos cos sin cos sin +cos sin cos sin cos cos sin sin cos +sin U U212= 21 = 0 0 0 0

Ecu.2.28

Matriz U 213

0 U21 0 = U213 = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.29

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

107

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Matriz U 221
*k2sincos *k2cos 0 sin *k2sinsin *k2cos 0 cos Ecu.2.30 0 0 0 0

sincos cos cos sin sin +cos sin cos sin + sin sin cos cos cos sin U U221= 22 = 0 0 0 0

Matriz U 222
*k2cos *k2sin +sin 0 cos *k2cos *k2sin cos 0 sin Ecu.2.31 0 0 0 0

cos sin sin cos +sin cos +sin cos sin cos sin sin cos cos sin cos U U222= 22 = 0 0 0 0

Matriz U 223

0 U22 0 = U223 = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.32

Matriz U 231

0 U23 0 = U231 = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.33

Matriz U 232

0 U23 0 = U232 = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.34

Matriz U 233

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

108

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

0 U23 0 = U233 = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.35

Matriz U 311
*k2cos *k2sink1cos +sin 0 cos Ecu.2.36 *k2cos *k2sink1sin cos 0 sin 0 0 0 0

cos sin cos sin+sin cos +sin cos sin cos sin sin sincos cos cos U U311= 31 = 0 0 0 0

Matriz U 312
*k2sincos *k2cos 0 sin *k2sinsin *k2cos 0 cos Ecu.2.37 0 0 0 0

sincos cos cos sin sin +cos sin cos sinsin cos cos sin cos +sin U U312 = 31 = 0 0 0 0

Matriz U 313

0 0 0 0 0 0 U U313 = 31 = 0 0 0 0 0 0 Matriz U 321

0 0 0 0

Ecu.2.38

sin cos cos sin cos sin +cos sin sin cos cos sin sin cos +sin U32 cos = U321= 0 0 0 0

*k2sin *k2cos 0 sin cos *k2sin *k2cos 0 cos sin Ecu.2.39 0 0 0 0

Matriz U 322
*k2cos *k2sin +sin 0 cos *k2cos *k2sin cos 0 sin Ecu.2.40 0 0 0 0

cos sin cos sin cos +sin +sin cos sin cos sin sincos cos cos sin U U322= 32 = 0 0 0 0

Matriz U 323

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

109

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

0 0 U U323 = 32 = 0 0

0 0 0 0

0 0 0 0

0 0 0 0

Ecu.2.41

Matriz U 331

0 0 0 0 0 0 U U331 = 33 = 0 0 0 0 0 0 Matriz U 332 0 0 0 U33 0 0 0 = U332 = 0 0 0 0 0 0 Matriz U 333

0 0 0 0 0 0 0 0

Ecu.2.42

Ecu.2.43

0 0 0 0 0 0 0 0 U U333 = 33 = Ecu.2.44 0 0 0 0 0 0 0 0 2.1.5 Obtener Las Matrices de Pseudoninercia Ji Para Cada Elemento

xi2 dm y i xi dm J i = z i xi dm x dm i

x y dm y dm z y dm y dm
i i 2 i i i i

x z dm y z dm z dm z dm
i i i i 2 i i

x dm y dm z dm dm
i i i

Matriz de Pseudoinercia J 1

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

110

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

k 3 2 m1 0 J1 = 0 k 3m1

0 0 0 0

0 k 3m1 0 0 0 0 0 m1

Ecu. 2.45

Matriz de Pseudoinercia J 2

k 4 2 m2 0 J2 = 0 k 4m 2

0 0 0 0

0 k 4m 2 0 0 0 0 0 m2

Ecu. 2.46

Matriz de Pseudoinercia J 3

0 0 J3 = 0 0
d ij =
n

0 0 0 0 0 0 0 0 0 m3 0 0
T J k U ki )

Ecu. 2.47

2.16 Matriz de inercia D = d ij


k = max( i , j )

[ ]

traza(U

kj

Matriz de inercia d11


k =max( 1,1)

d11 =

(U traza

k1 k

T T T T J Uk 1 ) = Tr(U11J1U11) + Tr(U21J 2U21) + Tr(U31J3U31) Ecu.2.48

2 k 2 2 m 3 + k1 2 m 3 + 2 k 4 2 m 2 + 4 k 2 k 4 m 2 + 2 k 2 2 m 2 + d 11 = 2 2 2 k1 m 2 + k 3 m1 + 2 k1k 3m1 + k1 m1

d12 =

Matriz de inercia d12

k = max(1, 2 )

traza(U

k2

T T J kU k 1 ) = Tr (U 22 J 2U 21 )

Ecu.2.49

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

111

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

d12 = 2k 4 2 m2 + 4k 2k 4m2 + 2k 2 2 m2

d13 =

]
Ecu.2.50

Matriz de inercia d13


k = max(1, 3)

traza(U

k3

T T J kU k 1 ) = Tr (U 33 J 3U 31 )

d13 = 0

d 21 =

Matriz de inercia d 21
k = max( 2 ,1)

traza(U

k1

T T J kU k 2 ) = Tr (U 21 J 2U 22 )

Ecu.2.51

d 21 = 2k 4 2 m2 + 4k 2k 4m2 + 2k 2 2 m2 Matriz de inercia d 22


d 22 =

]
Ecu.2.52

k = max( 2 , 2 )

traza(U

k2

T T J kU k 2 ) = Tr (U 22 J 2U 22 )

d 22 = 2k 4 2 m2 + 2k 2 2 m2 + 4k 2k 4m2

d 23 =

Matriz de inercia d 23

k = max( 2 , 3)

traza(U

k3

T T J kU k 2 ) = Tr (U 33 J 3U 32 )

Ecu.2.53

d 23 = 0

d 31 =

Matriz de inercia d 31

k = max( 3,1)

traza(U

k3

T T J kU k 3 ) = Tr (U 31 J 3U 33 )

Ecu.2.54

d 31 = 0

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

112

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

d 32 =

Matriz de inercia d 32

k = max( 3, 2 )

traza(U

k2

T T J kU k 3 ) = Tr (U 32 J 3U 33 )

Ecu.2.55

d 32 = 0

d 33 =

Matriz de inercia d 33

k = max( 3, 3)

traza(U

k3

T T J kU k 3 ) = Tr (U 33 J 3U 33 )

Ecu.2.56

d 33 = m3

Matriz de inercia total


d 12 d 22 d 32 d13 d 23 d 33
0 0 m3

d11 D= d 21 d 31

Ecu.2.57

2k 22 m3 + k12 m3 + 2k 42 m 2 + 4k 2k 4m 2 2 2 2 + 2k 2 m 2 + k1 m2 + k 3 m1 + 2k1k 3m1 2 + k1 m1 2 k 4 2 m 2 + 4 k 2 k 4 m 2 D= 2 + 2k 2 m 2 0

2k 4 2 m 2 + 4k 2k 4m 2 2 + 2k 2 m 2 2k 4 2 m 2 + 2k 2 2 m2 + 4k 2k 4m 2 0

Ecu.2.58

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

113

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.1.7 Termino hikm


hikm =

j = max( i , k , m )

Traza(U

jkm

J jU T ji )

Termino h111

h111 =

j = max(1,1,1)

Tr (U

111 1

T T T J U 11 ) +Tr (U 211 J 2U 21 ) + Tr (U 311 J 3U 31 )

Ecu.2.59

h111 = 0 Termino h112 h112 =

j = ma (1,1, 2 )

Tr (U

212

T J 2U 21 )

Ecu.2.60

h112 = sin k 4m2k1 + k 2 sin m2k1 Termino h221 h221 =

j = max( 2 , 2 ,1)

Tr (U

221

T J 2U 22 )

Ecu.2.61

h221 = 0

h222 =

Termino h222
j = max( 2 , 2 , 2 )

Tr (U

222

T J 2U 22 )

Ecu.2.62

h222 = 0

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

114

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

h223 =

Termino h223

j = max( 2 , 2 , 3)

Tr (U

323

T J 3U 32 )=0

Ecu.2.63

h331 =

Termino h331

j = max( 3, 3,1)

Tr (U

331

T J 3U 33 )=0

Ecu.2.64

h332 =

Termino h332

j = max( 3, 3, 2 )

Tr (U

332

T J 3U 33 )=0

Ecu.2.65

h333 =

Termino h333

j = max( 3, 3, 3)

Tr (U
3

333

T J 3U 33 )=0

Ecu.2.66

h121 =

Termino h121
j = max(1, 2 ,1)

Tr (U

221

T J 2U 21 )

Ecu.2.67

h121 = sin k 4m2k1 k 2 sin m2k1

h131 =

Termino h131

j = max(1, 3,1)

Tr (U

331

T J 3U 31 )=0

Ecu.2.68

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

115

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

h212 =

Termino h212

j = max( 2 ,1, 2 )

Tr (U Tr (U
3 3

212

T J 2U 22 )

Ecu.2.69

h232 =

Termino h232
j = max( 2 , 3, 2 ) 332 T J 3U 32 )=0

Ecu.2.70

h313 =

Termino h313
j = max( 3,1, 3)

Tr (U Tr (U
3

313

T J 3U 33 )=0

Ecu.2.71

h323 =

Termino h323
j = max( 3, 2 , 3) 323 T J 3U 33 )=0

Ecu.2.72

h211 =

Termino h211

j = max( 2 ,1,1)

Tr (U

211

T J 2U 22 )

Ecu.2.73

h211 = k1k 4m2 sin + k1k 2m2 sin

h311 =

Termino h311

j = max( 3,1,1)

Tr (U

311

T J 3U 33 )

Ecu.2.74

h311 = 0

Termino h122

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

116

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

h122 =

j = max(1, 2 , 2 )

Tr (U

222

T J 2U 21 )

Ecu.2.75

h122 = sin k 4m2k1 sin k 2m2k1

h322 =

Termino h322
j = max( 3, 2 , 2 )

Tr (U

322

T J 3U 33 )

Ecu.2.76

h322 = 0

Termino h133
j = max(1, 3, 3)

h133 =

Tr (U

333

T J 3U 31 )=0

Ecu.2.77

h233 =

Termino h233

j = max( 2 , 3, 3)

Tr (U

333

T J 3U 32 )=0

Ecu.2.78

2.1.8 Obtener La Matriz Columna De Fuerza De Coriolis y Centrpeta H = [hi ]

hi = hikm q k q m
k =1 m =1

3 3

Matriz columna de fuerza de coriolis y centrpeta h1


h1 = h1kmqk qm = h111+h112+h121+h122+h113+h131+h133
k=1 m=1

Ecu.279

h1 = m2k1(k 4 + k 2)

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

117

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3 3

Matriz columna de fuerza de coriolis y centrpeta h2


h2 = h2kmqk qm =h211 +h212 +h221 +h222 +h233+h232+h223


= k= 1m 1 2

Ecu.2.80

h2 = m2k1(k 4 + k 2)

3 3

Matriz columna de fuerza de coriolis y centrpeta h3


h3 = h3kmqk qm = h311+h331+h313+h333 +h323 +h332+h322


k=1 m=1

Ecu.2.81

h2 = 0
( ) + m k k k 2 1 4 2 2 H = m2k1(k 4 + k 2 ) 0

Ecu.2.82

2.1.9 Matriz Columna De Fuerzaas de Gravedad

ci =

( m
n j =1

gU

j ji

rj

g= Es el vector de gravedad expresado en el sistema de base [S 0 ] viene expresado por (g x 0 , g y 0, g z 0 )


j

r j = Es el vector de coordenadas homogneas del centro de

masas del elemento j expresado en el sistema de referencia del elemento i


g = [0 0 g

0]

Ecu.2.83

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

118

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

r1 = [L3 0 0 0]

Ecu.2.84 Ecu.2.85 Ecu.2.86

r2 = [L 4 0 0 0]
r3 = [0 0 0 1]
T

Matriz columna de fuerza de gravedad c1

c1 = m j gU j1 j r j = m1 gU 11 1 r1 m2 gU 21 r2 m3 gU 31 3 r3
2 j =1

Ecu.2.87

c1 = 0

Matriz columna de fuerza de gravedad c 2

c 2 = m j gU j 2 j r j = m1 gU 12 1 r1 m 2 gU 22 r2 m3 gU 32 3 r3 Ecu.2.88
2 j =1

c2 = 0

Matriz columna de fuerza de gravedad c3

c3 = m j gU j 3 j r j = m1 gU 13 1 r1 m 2 gU 23 r2 m3 gU 33 3 r3 Ecu.2.89
2 j =1

c3 = m3g

Vector columna de fuerza de gravedad

0 Ci = 0 m3 g

Ecu.2.90

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

119

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.1.10 LA ECUACIN DINMICA DEL SISTEMA

= D q+ H + C
2k22m3+k12m 3+2k42m2+4k2k4m2 2 2 2 1+2k1k3m 1 +2k2 m2+k1 m2+k3 m T 1 1 +k12m F 2k42m2+4k2k4m2 2 2 = +2k2 m2 0 3 T 2k42m2+4k2k4m2 0 2 +2k2 m2 m2k1(k4+k2) 2 2 0 2k4 m2+2k2 m2+ 2 0 * + m2k1(k4+k2) + 0 4k2k4m2 m 3g 0 m 0 3

Torque que se genera en el primer motor Ecu.2.91

2k22 m3+ k12 m3+ 2k42 m2 + 4k2k4m2 2k42 m2 + 4k2k4m2 2 2 2 T 2 + k1 m2 + k3 m 1+ 2k1k3m 1 + + 2m2k1(k4 + k2) 1 = + 2k2 m 2 2 2 k 2 m 2 + + k1 m 1

Fuerza que se genera en el segundo motor

2 2k 4 2 m2 + 4k 2k 4m2 2k 4 2 m2 + 2k 2 2 m2 + Ecu.2.92 ( ) + F2 = m 2 k 1 k 4 k 2 + + + 2k 2 2 m2 4 k 2 k 4 m 2

Torque que se genera en el tercer motor

T3 = m3 + m3 g

Ecu.2.93

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

120

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.2 AJUSTE DE LOS CONTROLADORES POR RETROALIMENTACIN 2.2.1 Ajuste Mediante Los Criterios De Error De Integracin Mnimo Puesto que los parmetros de ajuste de la razn de asentamiento de un cuarto no son nicos, en la Universidad del Estado de Louisiana se realiz un proyecto substancial de investigacin bajo la direccin de los profesores Pal W. Murrill y Cecil L. Smith, para

Fig. 2.2 Entrada de perturbacin

Fig. 2.3 Cambio del punto de control

desarrollar relaciones de ajuste nicas. A fin de caracterizar el proceso se utilizaron parmetros de modelos de primer orden ms tiempo muerto (POMTM), la especificacin de la respuesta, en

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

121

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

circuito cerrado es un error o desviacin mnima de la variable controlada. Respecto al punto de control. Debido a que el error esta en funcin del tiempo que dura la respuesta, la suma del error en cada instante se debe minimizar; dicha suma es, por definicin, la integral del error en tiempo y se representa mediante el rea sombreada en la fig.2.4. Puesto que la integral del error se trata de minimizar mediante la utilizacin de las relaciones de ajuste, stas se conocen como ajuste del error de integracin mnimo; sin embargo, la integral de error no se puede minimizar de manera directa, ya que un error negativo muy grande se volvera mnimo. Para evitar los valores negativos en la funcin de desempeo, se propone el siguiente planteamiento de la integral: Integral del valor absoluto del error (IAE)

Ecu. 2.94 Integral del cuadrado del error (ICE)

Ecu. 2.95 Las integrales se extienden desde el momento en que ocurre la perturbacin o cambio en el punto de control (t = 0), hasta un tiempo posterior muy largo (t = OO), debido a que no se puede fijar de antemano la duracin de las respuestas. El nico problema con esta definicin de la integral, es que se vuelve indeterminada cuando no se fuerza el error a cero, lo cual ocurre nicamente cuando no hay accin de integracin en el controlador, debido a la desviacin o el error de estado estacionario; en este caso, en la definicin se reemplaza el error por la diferencia entre la variable controlada y su valor final de estado estacionario.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

122

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

La diferencia entre el criterio IAE y el ICE, consiste en que con el ICE se tiene ms Ponderacin para errores grandes, los cuales se presentan generalmente al inicio de la respuesta, y menor ponderacin para errores pequeos, los cuales ocurren hacia el final de la respuesta. Para tratar de reducir el error inicial, el criterio de ICE mnima da por resultado una alta ganancia del controlador y respuestas muy oscilatorias (es decir, una razn de asentamiento alta), en las cuales el error oscila alrededor del cero por un tiempo relativamente largo. De este fenmeno se deduce que en tal criterio de desempeo debe existir una compensacin para el tiempo que transcurre desde el inicio de la respuesta. En las siguientes integrales de error se incluye dicha compensacin mediante la ponderacin del tiempo transcurrido. Integral del valor absoluto del error ponderado en tiempo (IAET) Ecu.2.96 Integral del cuadrado del error ponderado en tiempo (ICET)

Ecu.2.97 Las ecuaciones 2.96 a 2.97 constituyen las cuatro integrales bsicas de error que se pueden minimizar para un circuito particular, mediante el ajuste de los parmetros del controlador. Desafortunadamente, el conjunto ptimo de valores parametritos no est nicamente en funcin de cul de las cuatro definiciones de integral se elige, sino que tambin depende del tipo de entrada, esto es, perturbacin o punto de control y de su forma; por ejemplo, cambio escaln, rampa, etc. Respecto a la forma de la entrada, generalmente se elige el cambio escaln, porque es el ms molesto de los que se presentan en la prctica; por lo que toca al tipo de entrada, para el ajuste se selecciona el punto de control o perturbacin, en funcin de cul se espera que afecte al circuito con ms frecuencia.
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

123

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Cuando el punto de control, como entrada, es lo ms importante, el propsito del controlador es hacer que la variable controlada siga la seal del punto de control ya dicho controlador se le conoce como servorregulador. Cuando el objeto del controlador es mantener a la variable controlada en un punto de control constante, en presencia de las entradas de perturbaciones, se dice que el controlador es un regulador. En trminos de la integral mnima de error, los parmetros de ajuste ptimos son diferentes para cada caso. La mayora de los controladores de proceso se consideran como reguladores, a excepcin de los controladores esclavos en las estructuras de control en cascada, los cuales son servorreguladores Cuando se ajusta el controlador para la respuesta ptima a una entrada de perturbacin, se debe hacer una decisin adicional respecto a la funcin de transferencia del proceso para esa perturbacin en particular. Esto es complicado, debido a que la respuesta del controlador no puede ser ptima para cada perturbacin, si es, que existe ms de una perturbacin que entre en el circuito. Puesto que la funcin de transferencia del proceso es diferente para cada perturbacin y la seal de salida del controlador, los parmetros ptimos de ajuste dependen de la velocidad relativa de respuesta de la variable controlada a la perturbacin; mientras ms lenta sea la respuesta a la perturbacin, con ms rigor Se puede, ajustar. el controlador y su ganancia puede ser ms alta; en el otro extremo, si la variable controlada responde instantneamente a la perturbacin, el ajuste del controlador ser lo menos riguroso posible, lo cual equivale al ajuste para cambios en el punto de control Diagrama de bloques para respuesta instantnea a la entrada de una perturbacin.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

124

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 2.5 Entrada de perturbacin

Fig. 2.6 Cambio en el punto de control Lo anterior es evidente cuando se examina el diagrama de bloques para el caso en que la respuesta a la entrada de la perturbacin es instantnea. Lo anterior se muestra en la fig.2.6; como se puede ver, la perturbacin entra en el mismo punto del circuito que el punto de control, lo cual hace que las respuestas a cambios escaln en la perturbacin y en el punto de control sean idnticas, excepto por el signo; (Lpez y asociados) desarrollaron formulas de ajuste para el criterio de integral mnima de error con base en la suposicin de que la funcin de transferencia del proceso para las entradas de perturbaciones es idntica a la funcin de transferencia para la seal de salida del controlador.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

125

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Diagrama de bloques para que la respuesta del proceso a la variable manipulada sea idntica a la respuesta a una perturbacin.

En estas frmulas se aprecia la misma tendencia que en las de razn de asentamiento de un cuarto, con la excepcin de que el tiempo de integracin, depende, hasta cierto punto, de la constante de tiempo efectiva del proceso, y menos del tiempo muerto del proceso. Se debe tener en mente que estas f6rmulas son empricas y no se deben hacer extrapolaciones ms all de un rango entre 0.1 y 1 (Dicho rango de valores es el que utiliz Lpez en sus correlaciones.) Como en el caso de las frmulas de ajuste para

Modelo del proceso

ke t 0 s G (s ) = s + 1

Ecu. 2.98

Tabla 2.2 Controlador proporcional (P): Gc (s ) = k c

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

126

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 2.3 Controlador proporcional-integral (PI)

Tabla 2.4 Controlador proporcional-integral-derivativo (PID) la razn de asentamiento de un cuarto, con estas frmulas se predice que, tanto la accin proporcional como la de integracin, tienden, a infinito conforme el proceso se acerca a un proceso de primer orden sin tiempo muerto y este comportamiento es tpico de: las frmulas de ajuste para entrada de disturbios. 2.2.2 Ajustes De Modelos POMTM Al determinar con los dos mtodos anteriores, el paso de menor precisin es el trazo de la tangente en el punto de razn mxima de cambio de la curva de reaccin del proceso. Aun en el

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

127

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

mtodo 2, donde el valor de

es independiente de la dependen de la

tangente, los valores que se estiman para lnea. Para eliminar esa dependencia,

Fig. 2.7 Parmetros del modelo POMTM

el doctor Cecil L. Smith propone que los valores de se seleccionen de tal manera que la respuesta del modelo y la real coincidan en la regin de alta tasa de cambio. Los dos puntos que se recomiendan son puntos y para localizar dichos

Ecu.2.99

Ecu.2.100 Estos dos puntos, se denominan , respectivamente. Los

valores de se pueden obtener fcilmente mediante la simple resolucin del siguiente sistema de ecuaciones: Ecu.2.101
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

128

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Ecu.2.102 Lo cual se reduce a . Ecu.2.103 Ecu.2.104 Donde: t1 = tiempo en el cual Ac = 0.283 Ac, t2 = tiempo en el cual Ac = 0.632 Ac, Ecu.2.105 Ecu.2.106

Con la experiencia se demostr que los resultados obtenidos con este mtodo son ms fciles de reproducir que los que se obtienen mediante los otros dos y, por lo tanto, se recomienda este mtodo a partir de la curva de reaccin para hacer la estimacin de del proceso. Sin embargo, se debe tener en cuenta que algunas correlaciones para los parmetros de ajuste del controlador se basan en diferentes ajustes de modelos POMTM. Puesto que las formulas de ajuste del controlador que se presentan a continuacin se basan en parmetros de modelos POMTM, se pueden encontrar algunas situaciones donde existen parmetros de un modelo de orden superior y se necesita estimar el equivalente a modelos de primer orden; a pesar de que no existe un procedimiento general para hacer esto, con la siguiente regla prctica se puede obtener una estimacin somera para una primera aproximacin: Si una de las constantes de tiempo del modelo de orden superior es mucho ms grande que las otras, es posible estimar que la constante de tiempo efectiva del modelo de primer orden es igual a la constante de tiempo mayor. Entonces, se puede aproximar el tiempo muerto efectivo del modelo de primer orden mediante la suma de todas las constantes de tiempo menores ms el tiempo muerto del modelo de orden superior.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

129

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.3 DESCRIPCIN DE LAS FUNCIONES UTILIZADAS EN MATLAB 2.3.1 El Programa MATLAB MATLAB es el nombre abreviado de MATrix LABoratory. MATLAB es un programa para realizar clculos numricos con vectores y matrices. Como caso particular puede tambin trabajar con nmeros escalares .tanto reales como complejos., con cadenas de caracteres y con otras estructuras de informacin ms complejas. Una de las capacidades ms atractivas es la de realizar una amplia variedad de grficos en dos y tres dimensiones. MATLAB tiene tambin un lenguaje de programacin propio. MATLAB es un gran programa de clculo tcnico y cientfico. Para ciertas operaciones es muy rpido, cuando puede ejecutar sus funciones en cdigo nativo con los tamaos ms adecuados para aprovechar sus capacidades de vectorizacin. En otras aplicaciones resulta bastante ms lento que el cdigo equivalente desarrollado en C/C++ o Fortran. En la versin 6.5, MATLAB incorpor un acelerador JIT (Just In Time), que mejoraba significativamente la velocidad de ejecucin de los ficheros *.m en ciertas circunstancias, por ejemplo cuando no se hacen llamadas a otros ficheros *.m, no se utilizan estructuras y clases, etc. Aunque limitado en ese momento, cuando era aplicable mejoraba sensiblemente la velocidad, haciendo innecesarias ciertas tcnicas utilizadas en versiones anteriores como la vectorizacin de los algoritmos. En cualquier caso, el lenguaje de programacin de MATLAB siempre es una magnfica herramienta de alto nivel para desarrollar aplicaciones tcnicas, fcil de utilizar y que, como ya se ha dicho, aumenta significativamente la productividad de los programadores respecto a otros entornos de desarrollo. MATLAB dispone de un cdigo bsico y de varias libreras especializadas (toolboxes). En estos apuntes se har referencia exclusiva al cdigo bsico. MATLAB se puede arrancar como cualquier otra aplicacin de Windows, clicando dos veces en el icono correspondiente en el escritorio o por medio del men Inicio). Al arrancar MATLAB se abre una ventana similar a la mostrada en la Fig.2.8. sta es la vista que se obtiene eligiendo la opcin Desktop Layout/Default, en el men

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

130

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

View. Como esta configuracin puede ser cambiada fcilmente por el usuario, es posible que en muchos casos concretos lo que aparezca sea muy diferente. En cualquier caso, una vista similar se puede conseguir con el citado comando View/Desktop Layout/Default. Esta ventana inicial requiere unas primeras explicaciones.

Fig.2.8. Ventana inicial de MATLAB En la parte superior izquierda de la pantalla aparecen dos ventanas tambin muy tiles: en la parte superior aparece la ventana Current Directory, que se puede alternar con Workspace clicando en la pestaa correspondiente. La ventana Current Directory muestra los ficheros del directorio activo o actual. El directorio activo se puede cambiar desde la Command Window, o desde la propia ventana (o desde la barra de herramientas, debajo de la barra de mens) con los mtodos de navegacin de directorios propios de Windows. Clicando dos veces sobre alguno de los ficheros *.m del directorio activo se abre el editor de ficheros de MATLAB, herramienta fundamental para la programacin sobre la que se volver en las prximas pginas. El Workspace contiene informacin sobre todas las variables que se hayan definido en esta sesin y permite ver y modificar las matrices con las que se est trabajando.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

131

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

En la parte inferior derecha aparece la ventana Command History que muestra los ltimos comandos ejecutados en la Command Window. Estos comandos se pueden volver a ejecutar haciendo doble clic sobre ellos. Clicando sobre un comando con el botn derecho del ratn se muestra un men contextual con las posibilidades disponibles en ese momento. Para editar uno de estos comandos hay que copiarlo antes a la Command Window. La parte ms importante de la ventana inicial es la Command Window, que aparece en la parte derecha. En esta sub-ventana es donde se ejecutan los comandos de MATLAB, a continuacin del prompt (aviso) caracterstico (>>), que indica que el programa est preparado para recibir instrucciones. En la pantalla mostrada en la Fig. 2.8 se ha ejecutado el comando A=magic (6), mostrndose a continuacin el resultado proporcionado por MATLAB. Fig. 2.8 . Ventana inicial de MATLAB 2.3.2 Red Tipo Perceptrn Las siguientes son las herramientas de redes neuronales del Matlab utilizadas en el entrenamiento de las redes neuronales

newp: Crea una red tipo Perceptrn, que requiere las siguientes entradas:

NET = NEWP (PR, S, TF, LF) PR: Rx2 matriz de valores mx. y mn. para los R elementos de entrada S : Nmero de neuronas. TF: Funcin de Transferencia, en este caso 'hardlims'. LF: Funcin de aprendizaje, para este caso 'learnp'.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

132

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 2.9 Creacin del perceptron con la funcin newp simulado en matlab -simulink

rands: Funcin simtrica que inicializa aleatoriamente los valores de pesos y ganancias de una red con valores entre 1 y 1; requiere de la estructura rands(S, PR), generando una matriz de dimensiones S x PR.

adapt: Permite a una red neuronal adaptarse a los patrones de entrada, esta funcin tiene la siguiente sintaxis: [net,Y,E,Pf,Af] = adapt(NET,P,T,Pi,Ai)

net : Red que va a crearse

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

133

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

P: Entradas a la red; deben aparecer en forma de un arreglo de matrices. T: Salidas esperadas de la red, si no se especifican son ceros por defecto. Pi: Condiciones de retardo para la entrada inicial, por defecto son ceros. Ai: Condiciones de retardo para la capa inicial, por defecto ceros

net.adaptParam.passes: Nmero de iteraciones que utiliza el programa. Sim= se encarga de simular la red

Fig. 2.10 Simulacin del perceptron con la funcin sim simulado en matlab -simulink 2.3.3 Red Tipo Adaline

newlin: Funcin para crea una red tipo Adaline, que requiere las siguientes entradas: NEWLIN (PR,S,ID,LR)

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

134

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

R: Matriz de Rx2 que contiene los valores mximos y mnimos de cada uno de los R elementos de entrada . S: Nmero de neuronas ID: Arreglo que contiene los valores de los retardos, por defecto todos sus Valores son cero. LR : Rata de aprendizaje, por defecto = 0.01

net.inputWeights{1,1}.delays: Especifica los retardos iniciales net.adaptParam.passes: Nmero mximo de iteraciones [net,y,E,pf,af]=adapt(net,p,T,pi): Comando de entrenamiento de la red; requiere como entradas la red creada anteriormente, los patrones de entrada, las salidas esperadas y los retardos iniciales, retorna el estado final de la red, los valores obtenidos para cada patrn de entrada con sus correspondientes errores as como los valores finales de los retardos.

2.3.4 Red Tipo Backpropagation La red neuronal Backpropagation presenta una gran variedad de opciones de configuracin, dependiendo de la necesidad de aprendizaje y de la aplicacin que se este desarrollando.

newff: Crea una red tipo Backpropagation, requiere que le sean especificados los siguientes parmetros

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

135

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 2.11 Creacin del perceptron con la funcin newff simulado en matlab -simulink Newff: (PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF) a PR: Rx2 Matriz de valores mximos y mnimos de cada uno de las R neuronas de entrada. Si: Nmero de neuronas para cada una de las capas. TFi: Funcin de transferencia a utilizar en cada una de las capas, por defecto utiliza tansig BTF: Algoritmo de entrenamiento a utilizar, por defecto utiliza trainlm BLF: Funcin de actualizacin de los pesos, por defecto utiliza learngdm. PF: Funcin para evaluar el desempeo de la red, por defecto utiliza mse.

Traingd

Algoritmo de pasos descendientes, que actualiza pesos y ganancias varindolos en la direccin negativa del gradiente de la

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

136

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

funcin del error. Es un algoritmo de aprendizaje muy lento, que requiere de la siguiente sintaxis:

net.trainParam.epochs: Mximo nmero de iteraciones para obtener convergencia net.trainParam.goal: Error mximo permitido net.trainParam.lr: Rata de aprendizaje net.trainParam.max_fail: Mximo nmero de fallas net.trainParam.min_grad: Mnimo rendimiento del gradiente net.trainParam.show: Intervalo de visualizacin de los resultados net.trainParam.time: Mximo tiempo de entrenamiento en segundos

Con este algoritmo el aprendizaje de la red se detendr si el nmero de iteraciones excede el comando net.trainParam.epochs, si se alcanz el valor del error propuesto como meta, si la magnitud del gradiente es menor que net.trainParam.min_grad, o si el tiempo d entrenamiento supera el valor de net.trainParam.time.

Traingdm

Programa para la actualizacin de pesos y ganancias de la red

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

137

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Equivale al algoritmo tradicional, ms un nuevo coeficiente de momentum, que interviene en el proceso de actualizacin de los pesos. Si el error de la red en una iteracin dada, excede el valor del error en la iteracin anterior, en un valor mayor al definido por un radio de cobertura dado el que puede determinarse por medio de la funcin max_perf_inc y que est tpicamente alrededor de 1.04, los nuevos pesos y ganancias son descartados y el coeficiente de momentum mc es fijado en cero. La sintaxis de este algoritmo es igual a la utilizada para el algoritmo traingd, ms un nuevo comando que permite modificar el coeficiente de momentum net.trainParam.mc: Valor fijado para el coeficiente de momentum

Traingda
Algoritmo de Gradiente Descendiente, que emplea una rata de aprendizaje adaptiva durante el proceso de entrenamiento. La rata de aprendizaje vara entre 0.01 y 1, una rata de aprendizaje muy pequea torna lento el aprendizaje, pero si se incrementa demasiado el aprendizaje puede tornarse inestable y crear divergencia, por esto la funcin traingda vara la rata de aprendizaje tratando de sacar provecho de la inclinacin del gradiente en cada momento; su gran desventaja es que los pesos iniciales varan muy poco as se encuentren distantes de los valores de convergencia. La sintaxis de este el algoritmo es la siguiente:

net.trainParam.epochs: Mximo nmero de iteraciones para obtener convergencia net.trainParam.goal: Error mximo permitido net.trainParam.lr: Rata de aprendizaje inicial net.trainParam.lr_inc: Porcentaje que incrementa la rata de aprendizaje cuando el error disminuye

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

138

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

net.trainParam.lr_dec: Porcentaje en que es decrementada la rata de aprendizaje cuando el error aumenta net.trainParam.max_fail: Mximo nmero de fallas net.trainParam.max_perf_inc: Mximo incremento del rendimiento net.trainParam.min_grad: Mnimo rendimiento del gradiente net.trainParam.show: Los resultados son visualizados siempre que transcurre este nmero de iteraciones. net.trainParam.time: Mximo tiempo de entrenamiento en segundos Trainrp

Las redes multicapa, utilizan tpicamente una funcin de transferencia sigmoidal en las capas ocultas, estas funciones comprimen un infinito rango de entradas, dentro de un finito rango de salidas, adems se caracterizan porque su pendiente tendera cada vez ms a cero, mientras ms grande sea la entrada que se le presenta a la red, esto ocasiona problemas cuando se usa un algoritmo de entrenamiento de pasos descendientes, porque el gradiente empieza a tomar valores muy pequeos y por lo tanto no habrn cambios representativos en los pesos y las ganancias, as se encuentren bastante lejos de sus valores ptimos. El propsito del algoritmo Backpropagation Resileint (RPROP) es eliminar este efecto en la magnitud de las derivadas parciales. En este algoritmo solamente el signo de la derivada es utilizado para determinar la direccin de actualizacin de los parmetros, la magnitud de las derivadas no tiene efecto en la actualizacin. La magnitud en el cambio de cada peso es determinada por separado; el valor del incremento de pesos y ganancias es determinado por el factor delt_inc, as la derivada parcial del error con respecto a los pesos tenga el mismo signo durante dos iteraciones sucesivas; el valor de decremento est determinado por el factor delt_dec as la derivada del error con respecto a los pesos haya cambiado de signo con respecto a la anterior iteracin; si la derivada es cero, entonces el valor actualizado se conserva; si los pesos continan cambiando en la misma direccin durante varias iteraciones, la magnitud de cambios de los pesos se decremento.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

139

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

La sintaxis de este algoritmo se resume a continuacin:


net.trainParam.epochs: Mximo nmero de iteraciones del entrenamiento net.trainParam.show: Intervalo de visualizacin de los resultados net.trainParam.goal: Error deseado net.trainParam.time=inf: Mximo tiempo de entrenamiento en segundos net.trainParam.min_grad: Mnimo rendimiento del gradiente net.trainParam.max_fail: Mximo nmero de fallas net.trainParam.lr: Rata de aprendizaje net.trainParam.delt_inc: Incremento en la actualizacin de pesos net.trainParam.delt_dec: Decremento en la actualizacin de pesos net.trainParam.delta0: Incremento inicial en la actualizacin de pesos net.trainParam.deltamax: Mximo cambio en los pesos Trainbfg

Algoritmo alternativo que emplea la tcnica del gradiente conjugado, su expresin matemtica se deriva del mtodo de Newton, con la ventaja de que no es necesario computar las segundas derivadas; este algoritmo requiere mas capacidad de almacenamiento que el algoritmo tradional, pero generalmente converge en menos iteraciones. Requiere de un clculo aproximado de la matriz Hessiana, la cual es de dimensiones n2 x n2, donde n la cantidad de pesos y ganancias de la red; para redes que involucren una gran cantidad de parmetros es preferible emplear el algoritmo trainrp.

net.trainParam.epochs: Mximo nmero de iteraciones del entrenamiento net.trainParam.show: Nmero de iteraciones entre las cuales se muestran resultados net.trainParam.goal: Error deseado

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

140

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

net.trainParam.time=inf: Mximo tiempo de entrenamiento en segundos net.trainParam.min_grad: Mnimo rendimiento del gradiente net.trainParam.max_fail=5: Mximo nmero de fallas net.trainParam.searchFcn 'srchcha' Nombre de la rutina de bsqueda lineal a utilizar. net.trainParam.scal_tol: Se divide entre el valor de Delta para determinar la tolerancia para la bsqueda lineal. net.trainParam.alpha: Factor de escala que determina una reduccin suficiente en el desempeo. net.trainParam.beta: Factor de escala que determina un tamao de paso suficientemente grande. net.trainParam.delta: Tamao de paso inicial en el intervalo de localizacin de paso. net.trainParam.gama: Parmetro para evitar pequeas reducciones en el desempeo. net.trainParam.low_lim: Lmite inferior en el cambio del tamao del paso. net.trainParam.up_lim: Lmite superior en el cambio del tamao del paso. net.trainParam.maxstep: Mximo longitud de paso. net.trainParam.minstep: Mnima longitud de paso; por defecto es 1.0e-6 net.trainParam.bmax: Mximo tamao de paso. Trainlm

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

141

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 2.12 Ejemplo de la funcin trainlm simulado en matlab -simulink

Algoritmo que actualiza los pesos y las ganancias de acuerdo a la optimizacin de Levenberg-Marquardt. Es el algoritmo ms rpido para redes Backpropagation; tiene la desventaja de requerir de un set de entrenamiento lo ms estndar posible, pues de otra forma solo aproximar correctamente valores que se encuentren dentro de los patrones de aprendizaje. Si el set de entrenamiento es muy extenso, se recomienda reducir el Jacobiano. La sintaxis de este algoritmo es la siguiente:

net.trainParam.epochs: Mximo nmero de iteraciones del entrenamiento net.trainParam.goal: Error deseado net.trainParam.lr: Rata de aprendizaje

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

142

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

net.trainParam.max_fail: Mximo nmero de veces que falla el valor de Mu net.trainParam.mem_reducFactor de fraccionamiento de Jacobiano para ahorrar memoria net.trainParam.min_grad: Mnimo rendimiento del gradiente net.trainParam.show: Intervalo de visualizacin de los resultados. net.trainParam.time: Mximo tiempo de entrenamiento en segundos tr.mu: Valor del Mu adaptivo 2.4 CARACTERISTICAS TECNICAS TIP31

2.4.1 Encapsulado Del TIP31 En la Fig.2.8 se muestra el encapsulado del TIP31 referencia TO220

Fig.2.8 TIP31 2.4.2 Parmetros Del TIP31 En la Tabla 2.5 se muestra las caractersticas de voltaje del TIP31

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

143

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 2.5 Caractersticas de voltaje del TIP31

2.4.3 Caractersticas Elctricas Del TIP31 En la Tabla 2.6 se muestra las caracterstica de Corriente del TIP31

Tabla 2.6 Caracterstica de Corriente del TIP31

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

144

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.4.4 Montaje del TIP31 En la Fig. 2.9 se muestra Montaje del encapsulado del TIP31 junto con sus dimensiones

Fig. 2.9 Montaje del encapsulado del TIP31 2.5 MOTORES DE CORRIENTE CONTINUA MAXON 2.5.1 DATA DEL MOTOR MAXON En la Tabla 2.7 se muestran las caractersticas principales del motor MAXON que es el motor elegido para el diseo

: Tabla 2.7 Caractersticas principales del motor MAXON

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

145

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.5.2 Especificaciones Del Motor MAXON En la Tabla 2.8 se muestra especificaciones generales del motor MAXON

Tabla 2.8 Especificaciones generales del motor MAXON 2.5.3 Rango De Operacin Del Motor MAXON En la Fig. 2.10 se muestra el rango de operabilidad del motor MAXON

Fig. 2.10 Operabilidad del motor MAXON


Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

146

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.5.4 Puente H Utilizando TIP31 En la Fig.2.11se muestra el montaje del TIP31 simulado en Proteus para el diseo

Fig.2.11 Montaje del TIP31 simulado en Proteus 2.5.4.1 Funcionamiento Del Puente H Utilizando TIP31 Bien, de esta forma si activamos los transistores Q1 y Q4 (1 lgico) el motor girar en un sentido y si activamos Q2 y Q3, la corriente circular en sentido opuesto y por tanto el motor tambin. As, vamos a analizar los cuatro casos posibles, con los pares Q1Q4/Q2Q3: 00 Los motores no reciben alimentacin, quedan libres. 01 El motor gira en un sentido. 10 El motor gira en sentido contrario al anterior. 11 Frenado dinmico: Convine no hacer.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

147

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Vamos a diferenciar los casos extremos: si el motor no se alimenta y tiene una velocidad dada por algn valor anterior, est solo frenar por rozamiento y la inercia del robot. Si en cambio utilizamos el ltimo caso, le ordenamos al motor girar en los dos sentidos a la vez. Como consecuencia de esto, el motor se para de forma inmediata y eficaz, pero parece claro que consumir mucha ms corriente, existiendo la posibilidad de quemar el circuito o el propio motor en casos extremos. Adems, dado el aumento de consumo, reducir notablemente la duracin de las bateras. 2.6 EL SENSOR INFRARROJO GP2D12

Fig. 2.12 sensor infrarrojo GP2120 Es un sensor analgico de infrarrojos de larga distancia de SHARP. Su rango de deteccin es entre 10cm y 80cm, aunque se pueden encontrar otros sensores de la misma familia que cubren otros rangos, como por ejemplo el GP2120, que tiene un rango entre 4cm y 30cm. Los datos de fuera del rango no son fiables, esto lo podemos ver en la siguiente grfica, que muestra la relacin entre distancia y voltaje 2.6.1 Caractersticas De Voltaje-Distancia Del Sensor Infrarrojo GP2120 En la Fig. 2.13 se muestra el grafica de voltaje vs distancia del sensor infrarrojo GP212

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

148

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.. 2.13 Grafica de voltaje vs distancia del sensor infrarrojo GP2120 Lleva toda la electrnica necesaria incorporada, y de l salen tres cables para alimentacin y la seal que va al micro (Vo). 2.6.2 Diseo Del Sensor GP2120 En la Fig. 2.14se muestra el montaje del encapsulado del sensor infrarrojo GP2120

Fig 2.14 Montaje del encapsulado del sensor infrarrojo GP2120


Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

149

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

NOTA: Consumen bastante, es recomendable poner una alimentacin adicional para ellos, pero acordndose de que se alimentan a 5 V. Las masas deben estar unidas a las del resto del circuito aunque la alimentacin sea distinta 2.7 FINALES DE CARRERA SZL Son elementos actuadores de conmutacin, generalmente provistos de muelles y utilizados en procesos automticos donde la deteccin debe ser ms robusta. En la Fig. 2.14 se muestra los diferentes estados del sensor final de carrera SZL

Fig. 2.14 Diferentes estados del sensor final de carrera SZL A continuacin se muestra en la Fig. 2.15 el Sensor final de carrera SZL

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

150

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 2.15 Sensor final de carrera SZL 2.7.1 CARACTERSTICAS DEL SENSOR FINAL DE CARRERA SZL En laTabla 2.9 se muestran las caractersticas ms importantes del sensor final de carrera SZL

Tabla 2.9 Las caractersticas ms importantes del sensor final de carrera SZL 2.7.2 Aplicaciones Del Sensor SZL En cualquier proceso automticos en el que debamos detectar posiciones o estados de este proceso y donde la presin sobre el actuador sea bastante grande (gr)
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

151

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

2.7.3 Comprobacin Del Sensor Final De Carrera SZL La comprobacin se realiza de la misma forma que en los microrruptores, es decir midiendo la continuidad en un tester en cada una de las posiciones del final de carrera. 2.8 MODELO CINEMATICO INVERSO PARA EL ROBOT SCARA

Fig. 2.16 Robot SCARA para clculos de la cinemtica inversa 2.8.1 Asignar a Cada Eslabn Un Sistema DE Referencia De Acuerdo a Las Normas D-H

1 2 3

d k 0

a K1 K2 0

0 0 0

Tabla 2.10 Parmetros D-H del Robot SCARA


Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

152

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

= 2 + = 3

= 1
2.8.2 Obtener Las Matrices De Transformacin elemento i
0

Ecu. 2.107 Ecu. 2.108 Ecu. 2.109

Ai Para Cada

Matriz para el primer eslabn

cos( ) sin( ) sin( ) cos( ) 0 A1 = 0 0 0 0

0 k1 cos( ) 0 k1sin( ) k 1 0 1

Ecu. 2.110

Matriz para el segundo eslabn

cos( ) sin( ) sin( ) cos( ) 1 A2 = 0 0 0 0

0 k 2 cos( ) 0 k 2 sin( ) 1 0 0 1

Ecu. 2.111

Matriz para el tercer eslabn

1 0 2 A3 = 0 0

0 1 0 0

0 0 1 0

0 0 1

Ecu. 2.112

Matriz total de transformacin

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

153

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

cos sin sin cos sin cos sin cos sin sin sin cos +cos sin +cos 0 cos A 3= 0 0 0 0

*k2cos *k2sin sin +k1cos 0 cos *k2cos *k2sin +cos +k1sin 0 sin 1 0 1

Ecu2.113

2.8.3 Obtener Las Matrices Inversas De Transformacin Para Cada Elemento i


nx n y nz 0 ox oy oz 0 ax ay az 0 p x n x py = o x p z a x 1 0 ny oy ay 0 nz oz az 0 nT p oT p a T p 1

Ai

Ecu. 2.114

Matriz inversa para el primer eslabn

cos( ) sin( ) sin( ) cos( ) 1 A0 = 0 0 0 0

0 k1 0 0 1 k 0 1

Ecu. 2.115

Matriz inversa para el segundo eslabn

cos( ) sin( ) 0 k 2 sin( ) cos( ) 0 0 2 A1 = 0 0 1 0 0 0 1 0 Matriz inversa para el tercer eslabn 1 0 3 A2 = 0 0


0 1 0 0 0 0 0 0 1 0 1

Ecu. 2.116

Ecu. 2.117

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

154

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Reemplazamos las ecuaciones correspondientes se obtiene

( A)
0 1

1 0

T3 =1A2 2 A3
px py = pz 1 0 0 0 0 1 0 1

Ecu. 2.118

0 k1 n x o x a x 0 0 * n y o y a y 1 k nz oz a z 0 1 0 0 0 cos() sin() 0 k 2 cos( ) 1 0 sin( ) cos( ) 0 k 2 sin() 0 1 * 0 0 0 0 1 0 0 0 1 0 0 0 cos() sin( ) 0 k 2 cos( ) (1,4 ) sin() cos() 0 k 2 sin( ) (2,4) = (3,4) 0 0 1 0 0 1 0 (4,4)

cos( ) sin( ) sin( ) cos( ) 0 0 0 0

De las 12 relaciones establecidas en la ecuacin interesan aquellas que expresan en funcin de constantes tomamos los elementos (3,4) y se obtiene q3

q3 = p z + k
Se selecciona los elementos (2,4) para encontrar

Ecu. 2.119

sin * p x + cos * p y = k 2 sin

Ecu. 2.120

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

155

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

(cos * p
2

sin * p x ) = (k 2 sin )
2 2

2 2

cos 2 * p 2 y 2 cos * p y * sin * p x + sin 2 * p 2 x = (k 2 sin )

(1 sin )* p

+ 1 cos 2 * p 2 x = (k 2 sin ) + 2 cos * p y * sin * p x


2 2 2

p 2 y sin 2 * p 2 y + p 2 x cos 2 * p 2 x = (k 2 sin ) + 2 cos * p y * sin * p x sin 2 * p 2 y cos 2 * p 2 x 2 cos * p y * sin * p x = (k 2 sin ) p 2 y p 2 x
sin 2 * p 2 y + cos 2 * p 2 x + 2 cos * p y * sin * p x = (k 2 sin ) + p 2 y + p 2 x
2

(sin * p

+ cos * p x ) = (k 2 sin ) + p 2 y + p 2 x
2 2

sin * p y + cos * p x = (k 2 sin ) + p 2 y + p 2 x


2

Ecu. 2.121

Se selecciona los elementos (1,4)


cos * p x + sin * p y k1 = k 2 cos cos * p x + sin * p y = k 2 cos + k1

Ecu. 2.122

Reemplazamos la ecuacin 2.121

(k 2 sin ) + p 2 y + p 2 x = k 2 cos + k1
2

(k 2 sin ) + p 2 y + p 2 x = (k 2 cos + k1)


2 2 2

(k 2 sin ) + p 2 y + p 2 x = k 2 2 cos 2 + 2k 2 cos k1 + k12 (k 2 sin ) k 2 2 cos 2 = 2k 2 cos k1 + k12 k 2 2 k12 = 2k 2 cos k1
cos =

k 2 2 k12 2k 2k1

Dando como resultado

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

156

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

k 2 2 k12 = cos 1 2k 2k1

Ecu. 2.123

Utilizando ahora la segunda de las ecuacin 2.118


1 0

(A)
2

T3 = 2 A3 0 A1

Ecu. 2.124

Se obtiene

) cos( sin( ) 0 0 1 0 0 0 1 0 0 0 1 0 0 0

sin( ) 0 k2 nx cos( ) 0 0 *ny 0 1 0 nz 0 0 1 0

) sin( ) 0 0cos( ) cos( ) 0 0 sin( 0 0 1 0 0 1 0

ox ax px oy ay py = oz az pz 0 0 1 Ecu. 2.125 k1cos( ) cos( ) sin( ) 0 k1cos( ) (1 ,4) ) cos( k1sin( ) ) 0 k1sin( ) =sin( (2,4) k (3,4) k 0 0 1 0 0 1 (4,4) 1 0

Tomamos el elemento (1,4)

cos( ) p x + sin ( ) p y k 2 = k1cos( )


Simplificamos cos( ) y despejamos ( )

Ecu. 2.126

k 2 2 k12 p x + sin ( ) p y k 2 ( ) = cos 1 2k 2k1 k1


Dando como resultado los ngulos q3 = p z + k

Ecu. 2.127

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

157

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

k 2 2 k12 = cos 1 2k 2k1

k 2 2 k12 p x + sin ( ) p y k 2 ( ) = cos 1 2k 2k1 k1

2.9 SENSORES DE VELOCIDAD Estos sensores pueden detectar la velocidad de un objeto tanto sea lineal como angular, pero la aplicacin ms conocida de este tipo de sensores es la medicin de la velocidad angular de los motores que mueven las distintas partes del robot. La forma ms popular de conocer la velocidad del giro de un motor, es utilizar para ello una dinamo tacomtrica acoplada al eje del que queremos saber su velocidad angular, ya que este dispositivo nos genera un nivel determinado de tensin continua en funcin de la velocidad de giro de su eje, pues si conocemos a que valor de tensin corresponde una determinada velocidad, podremos averiguar de forma muy fiable a qu velocidad gira un motor. De todas maneras, este tipo de sensores al ser mecnicos se deterioran, y pueden generar errores en las medidas. Existen tambin otros tipos de sensores para controlar la velocidad, basados en el corte de un haz luminoso a travs de un disco perforado sujetado al eje del motor, dependiendo de la frecuencia con la que el disco corte el haz luminoso indicar la velocidad del motor.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

158

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.2.17 Encapsulado del sensor de Velocidad Los sensores de efecto Hall se utilizan en los automviles para medir velocidades de rotacin o detectar la posicin de un determinado elemento. Su principal ventaja es que pueden ofrecer datos fiables a cualquier velocidad de rotacin. Y sus inconvenientes son la mayor complejidad y precio con respecto a un sensor inductivo

2.9.1Funcionamiento del Sensor de Velocidad El sensor de efecto Hall se basa en la tensin transversal de un conductor que est sometido a un campo magntico. Colocando un voltmetro entre dos puntos transversales de un cable se puede medir esa tensin. Para ello hay que hacer circular por el cable una intensidad fija y acercar un imn. Los electrones que pasan por el cable se vern desplazados hacia un lado. Entonces aparece una diferencia de tensin entre los dos puntos transversales del cable. Al separar el imn del cable, la tensin transversal desaparece.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

159

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Para poder utilizar la tensin transversal es necesario amplificarla, porque su valor es muy reducido. Un sensor de efecto Hall utilizado en automocin se compone de: Un generador magntico que suele ser un imn fijo. Un pequeo mdulo electrnico donde se encuentran los componentes que miden la tensin transversal. Una corona metlica con ventanas para interrumpir el campo magntico. La corona metlica se intercala entre el imn fijo y el mdulo electrnico y est unida a un eje con giro. Segn la posicin de la corona, el campo magntico del imn llega hasta el mdulo electrnico. La tensin obtenida a la salida del mdulo electrnico, una vez tratada y amplificada corresponde con un valor alto (de 5 a 12 voltios) cuando la corona tapa el campo magntico, y un nivel bajo (de 0 a 0,5 voltios) cuando la corona descubre el imn. Los sensores de efecto Hall se suelen utilizar para detectar la posicin de los rboles de levas, la velocidad del vehculo y en algunos distribuidores para determinar el momento de encendido. Tambin pueden emplearse para determinar la posicin del cigeal. El sensor de efecto Hall se conecta mediante tres cables elctricos. Uno de ellos corresponde con el valor negativo (masa del vehculo), otro cable corresponde con la alimentacin, que suele ser de 5 de 12 voltios. El tercer cable corresponde con la seal de salida que vara segn la posicin de la corona metlica. Para comprobar el funcionamiento de un sensor Hall basta verificar el valor de la tensin de alimentacin y la variacin de la tensin en la seal de salida cuando alguna ventana de la corona permite el flujo del campo magntico.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

160

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

A continuacin en la Fig. 2.18 se muestra el sensor de Velocidad P/N: HD360-400 y en la Fig. 2.18 se muestra las dimensiones del Sensor de Velocidad P/N: HD360-400

Fig 2.18 Sensor de Velocidad P/N: HD360-400

Fig 2.18 Dimensiones del Sensor de Velocidad P/N: HD360-400 En la Tabla 2.11se muestra los parmetros del sensor de Velocidad P/N: HD360-400 y en laTabla 2.12 se muestra las especificaciones elctricas del sensor de Velocidad P/N: HD360-400

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

161

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 2.11 Parmetros del sensor de Velocidad P/N: HD360-400

Tabla 2.12 Especificaciones elctricas del sensor de Velocidad P/N: HD360-400

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

162

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

163

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.1 DISEO Y CALCULOS DE LOS MOTORES Para nuestro diseo utilizaremos motor MAXON de baja inercia. Al eje del motor se le ha acoplado un tren de engranajes con una relacin 1:197, al que se considera de comportamiento ideal. Para el diseo los cuatro motores van a ser los mismos 3.1.1 Caractersticas Elctricas y Mecnicas Del Motor

Resistencia de armadura = 7.94 . Inductancia equivalente del flujo disperso = 1.54 Mh Constante del par motor = 39.3 mNm/A. Constante de la fuerza contraelectromotriz = 243 rpm/V. Momento de inercia del rotor= 26.6 gr cm2

Experimentalmente se ha obtenido el equivalente de la carga, vista desde la salida del tren de engranajes:

Momento de inercia de la carga = 48.5 10-3 kg m2. Rozamiento viscoso = 660 10-3 N.m.s/rad.

Considrese ideal el tren de engranajes. Obtener su FDT total, entre la Velocidad del motor y su nivel de tensin aplicada.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

164

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.3.1 Esquema del motor de dc

Los valores equivalentes de momento de inercia y de friccin que se caracterizan desde el eje del motor ser igual a:

J T = 3.9 x106 BT = 17 x106

Ecu.3.1 Ecu.3.2

Fig.3.2 El diagrama a bloques y su equivalente 3.2 PARAMETROS PARA EL DISEO DEL ROBOT SCARA Como vimos en el capitulo 2 se determino los torques y la fuerza que se generan en los tres motores, esto nos ayuda a realizar con mayor precisin un control dinmico mas eficiente ya que se

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

165

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

determinaron todos los factores tanto internos como externos que influyen en la velocidad de cada uno de los motores

Fig.3.3 Robot SCARA

3.2.1 Dimensin Del Robot K 1m K1 0.5m K2 0.3m K3 0.25m K4 0.15m m1 0.5kg M2 0.3kg m3 0.2kg

Tabla 3.1 Parmetros de dimensiones del Robot SCARA

Tabla 3.2 Parmetros para los ngulos del Robot SCARA

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

166

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Ecu.3.3 Ecu.3.4 Ecu.3.5 3.2.2 Reemplazo De Valores

Torque que se genera en el primer motor

2k22 m3+ k12 m3+ 2k42 m2 + 4k2k4m2 2k42 m2 + 4k2k4m2 2 2 2 T 2 + k1 m2 + k3 m 1+ 2k1k3m 1 + + 2m2k1(k4 + k2) 1 = + 2k2 m 2 2 + 2k2 m2 + k1 m 1

Ecu.3.6

T1 = 0.713 + 0.1215+ 0.135

Ecu.3.7

Fuerza que se genera en el segundo motor

2 2k 42 m2 + 4k 2k 4m2 2k 42 m2 + 2k 22 m2 + ( ) + F2 = m 2 k 1 k 4 k 2 + + + 2k 22 m2 4 k 2 k 4 m 2

Ecu.3.8

2 F2 = 0 . 11 0 . 12 0 . 0675 + +

Ecu.3.9

Torque que se genera en el tercer motor

T3 = m3 + m3 g T3 = 0.2 + 2

Ecu.3.10 Ecu.3.11

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

167

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.2.3 Reemplazo de Los Angulos Estos ngulos son las vienen definidos de las ecuaciones 3.3, 3.4 y 3.5 respectivamente

= 2 +

= 3 = 1

Torque que se genera en el primer motor Ecu.3.12

+ + T1 = 0 . 713 0 . 1215 0 . 135

T1 = 0.7131 + 0.1215( 2 + )+ 0.135( 2 + ) 1

Ecu.3.13

T1 = 0.7131 + 0.1215( 2 )+ 0.135( 2 ) 1

Ecu.3.14

Fuerza que se genera en el segundo motor Ecu.3.15

2 F2 = 0 . 11 0 . 12 0 . 0675 + +

2 ( ) F2 = 0 . 11 0 . 12 0 . 0675 + + + 1 2 1

Ecu.3.16

2 ( ) F2 = 0 . 11 0 . 12 0 . 0675 + + 1 2 1

Ecu.3.17

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

168

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Torque que se genera en el tercer motor

T3 = 0.2 + 2 T3 = 0.2 3 + 2

Ecu.3.18 Ecu.3.19

3.2.4 APLICACIN DE LA TRANSFORMADA DE LAPLACE

Torque que se genera en el primer motor Ecu.3.20

T1 = 0.7131 + 0.1215( 2 )+ 0.135( 2 ) 1

2 2 2 T1 = 0.713s 1 + 0.1215s ( 2 )+ 0.135s ( 2 ) 1 Fuerza que se genera en el segundo motor


2 ( ) F2 = 0 . 11 0 . 12 0 . 0675 + + 1 2 1

Ecu.3.21

Ecu.3.22

2 2 2 F2 = 0.11 s 1 + 0.12s ( 2 )+ 0.0675s 1

Ecu.3.23

Torque que se genera en el tercer motor

T3 = 0.2 3 + 2 T3 = 0.2 s 2 3 + 2

Ecu.3.24 Ecu.3.25

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

169

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.3 DISEO DEL CONTROL MULTIARTICULAR PARA EL ROBOT SCARA

3.3.1 Desacoplamiento Por Inversin Del Modelo En el capitulo 1 se demostr como la tensin de mando de los actuadores u se obtiene a partir de la seal y de las mismas matrices D(q ) y N q, q
= D(q) q+ H q, q + C(q) + Fv q+ e = D(q) q+ N q, q + e

Ecu.3.26

= ku = D(q ) + N q, q

Ecu.3.27

= D(q ) q + N q, q + e

Ecu.3.28 Ecu.3.29

= q + D 1 (q ) e

Y la vez se dijo que

= q d = s 2 Iq d ,
Dando como resultado el siguiente diagrama de bloques

Ecu.3.30

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

170

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 3.4 Diagrama de bloques generalizado del control multiarticular por el mtodo de inversin del modelo El control de posicin se realizara mediante la tcnica de regulacin PID Segn lo planteado por el mtodo de inversin del modelo, pero para nuestra aplicacin la posicin se controlara mediante la red neuronal y con el mtodo de inversin del modelo controlaremos la velocidad de esta manera se le dar una velocidad adecuada para recoger las cajas y una mayor posicin con la red neuronal

u = k 1 D(q )s 2 Iq d + N q, q

Para la posicin

Ecu. 3.31

u = k 1

2 ( ) + D q s Iq N q, q d Para la velocidad s

Ecu. 3.32

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

171

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.3.2 RESULTADO FINAL DE LAS ECUACIONES

Torque que se genera en el primer motor Ecu. 3.33

T1 = 0.713s 1 + 0.1215s ( 2 )+ 0.135s ( 2 ) 1 Fuerza que se genera en el segundo motor


F2 = 0 .11 s 1 + 0 .12 s ( 2 )+ 0 .0675 s 1

Ecu. 3.34

Torque que se genera en el tercer motor Ecu. 3.35

T3 = 0.2 s 3 + 2

3.3.3 Control PID Para El Par Requerido Para Controlar Los Tres Motores Es importante decir que la velocidad para los tres motores es la misma por lo tanto y el motor de la pinza se le hizo una variacin

1 = 2 = 3 Ecu. 3.36
3.4 DISEO DE LOS CONTROLADOR PID PARA LOS CUATRO MOTORES 3.4.1 Calculo De los Controladores PID Para El Primer Motor

Ecuacin dinmica del primer motor

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

172

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Ecu. 3.37 T1 = 0.713s 1 + 0.1215s ( 2 )+ 0.135s ( 2 ) 1 Para mayor facilidad factorizamos s y lo aplicamos a la salida del accionamiento

T = 0.713 1 + 0.1215( 2 )+ 0.135( 2 ) 1 s

Ecu. 3.38

Diagrama de bloques del primer motor simulado en Matlab-simulink

Fig. 3.5 Diagrama de bloques de la velocidad primer motor 3.4.1.1 Determinamos Los parmetro de Zigler-Nicols Para el Controlador

Respuesta a la salida del primer motor simulado en Matlab-simulink

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

173

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.3.6 Grafica del primer motor sin controlador 3.4.1.2 Frmulas De Ajuste De Integral Mnima De Error Para entrada De Perturbaciones Primer Motor

Tabla 3.3 Parmetros del controlador proporcional-integralderivativo (PID)

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

174

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

De acuerdo en el capitulo 2 determinamos

0.63C = 1.35 t 2 = 0.08

0.28C = 0.5 t1 = 0.04

Ecu. 3.39 Ecu. 3.40 Ecu. 3.41 Ecu. 3.42

= 1.5(t 2 t1) = 1.5(0.08 0.04) = 0.06


t0 = t 2 = 0.08 0.06 = 0.02

De acuerdo a la tabla reemplazamos los valores correspondientes


b1

t t0 Kp = 0

0.02 0.020.945 = 0.06 0.06 = 224

Ecu. 3.43

0.020.771 = = 0.81 i = 0.06 t0


t0 D = a3 0.02 = 0.56* 0.06 0.06
b3 1.101

b2

Ecu. 3.44

= 0.01

Ecu. 3.45

Ecuacin del controlador PID

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

175

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

1 1 1 + + 224 1 0 . 01 GC = KP = + + D 0 . 81 i

Ecu. 3.46

Diagrama de bloques del primer motor con controlador (mtodo inversin del modelo) simulado en Matlabsimulink

Fig. 3.7 Diagrama de bloques de la velocidad primer motor con controlador

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

176

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Verificacin del controlador para el primer motor mtodo inversin del modelo

Fig.3.8 Grafica del primer motor con controlador 3.4.2 Clculos Del Motor Control PID Para EL Segundo Motor

Ecuacin dinmica del segundo motor Ecu. 3.47

( ) + + F2 = 0 . 11 s 0 . 12 s 0 . 0675 s 1 2 1

Para mayor facilidad factorizamos s y lo aplicamos a la salida del accionamiento


F2 = 0 .11 1 + 0 .12 ( 2 )+ 0 .0675 1 S

Ecu. 3.48

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

177

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Diagrama de bloques del segundo motor simulado en Matlab-simulink

Fig. 3.9 Diagrama de bloques de la velocidad segundo motor 3.4.2.1 Determinamos Los Parmetro De Zigler-Nicols Para El Segundo Motor

Respuesta a la salida del segundo motor simulado en Matlab-simulink

Fig.3.10 Grafica del segundo motor sin controlador

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

178

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.4.2.2 Frmulas De Ajuste De Integral Mnima De Error Para Entrada De Perturbaciones Para El Segundo Motor

Tabla 3.4 Parmetros del controlador proporcional-integralderivativo (PID)

De acuerdo en el capitulo 2 determinamos

0.63C = 0.441 t 2 = 0.07

0.28C = 0.196 t1 = 0.035

Ecu.3.49 Ecu.3.50 Ecu.3.51 Ecu.3.52

= 1.5(t 2 t1) = 1.5(0.07 0.035) = 0.0525


t0 = t 2 = 0.07 0.0525= 0.0175

De acuerdo a la tabla reemplazamos los valores correspondientes


b1

t t0 Kp = 0

0.0175 0.01750.945 = 0.0525 0.0525 = 290

Ecu.3.53

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

179

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

0.01750.771 = = 0.84 i = 0.0525 t0

b2

Ecu.3.54

t0 D = a3

1.101 0.0175 = 0.56*0.0525 = 0.0087 0 . 0525

b3

Ecu.3.55

Ecuacin del controlador PID

1 1 1 + + 290 1 0 . 0087 GC = KP = + + D 0 . 84 i

Ecu.3.56

Diagrama de bloques del segundo motor con controlador (mtodo inversin del modelo) simulado en Matlabsimulink

Fig. 3.11 Diagrama de bloques de la velocidad segundo motor con controlador

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

180

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Verificacin del controlador para el segundo motor mtodo inversin del modelo

Fig.3.12 Grafica del segundo motor con controlador 3.4.3 Clculos Del Control PID Para El Tercer Motor

Ecuacin dinmica del tercer motor

T3 = 0.2 s 3 + 2 Ecu. 3.57 Para mayor facilidad factorizamos s y lo aplicamos a la salida del accionamiento

T3 2 Ecu. 3.58 = 0. 2 3 + s s

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

181

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Diagrama de bloques del tercer motor simulado en Matlab-simulink

Fig.3.13 Diagrama de bloques del tercer motor sin controlador 3.4.3.1 Determinamos Los Parmetro De Zigler-Nicols Para el Tercer Motor

Respuesta a la salida del tercer motor simulado en Matlab-simulink

Fig. 3.14 Grafica del tercer motor sin controlador

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

182

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.4.3.2 Frmulas De Ajuste De Integral Mnima De Error Para Entrada De Perturbaciones Para El Tercer Motor

Tabla 3.5 Parmetros del controlador proporcional-integralderivativo (PID)

De acuerdo en el capitulo 2 determinamos

0.63C = 2.646 t 2 = 0.07

0.28C = 1.176 t1 = 0.035

Ecu.3.59 Ecu.3.60 Ecu.3.61 Ecu.3.62

= 1.5(t 2 t1) = 1.5(0.07 0.035) = 0.0525


t0 = t 2 = 0.07 0.0525= 0.0175

De acuerdo a la tabla reemplazamos los valores correspondientes


b1

t t0 Kp = 0

0.0175 0.01750.945 = 0.0525 0.0525 = 290

Ecu.3.63

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

183

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

0.01750.771 = = 0.84 i = 0.0525 t0

b2

Ecu.3.64

t0 D = a3

1.101 0.0175 = 0.56*0.0525 = 0.0087 0 . 0525

b3

Ecu.3.65

Ecuacin del controlador PID Ecu.3.66

1 1 GC = KP = + + 1 + + 290 1 0 . 0087 D 0.84 i

Diagrama de bloques del tercer motor con controlador (mtodo inversin del modelo) simulado en Matlabsimulink

Fig. 3.14 Diagrama de bloques del tercer motor con controlador

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

184

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Verificacin del controlador para el tercer motor mtodo inversin del modelo

Fig.3.15 Respuesta a la salida del tercer motor con controlador 3.4.3 Clculos Del Control PID Para El Cuarto Motor

Ecuacin de transferencia del cuarto motor

ue 65434 .56 = wn (s + 5105)(s + 54.77)

Ecu.3.67

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

185

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Diagrama de bloques del cuarto motor simulado en Matlab-simulink

Fig.3.16 Diagrama de bloques del cuarto motor 3.4.4.1 Determinamos Los Parmetro De Zigler-Nicols Par El Cuarto Motor

Respuesta a la salida del cuarto motor simulado en Matlab-simulink

FIG.3.17 Respuesta a la salida del cuarto motor sin controlador

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

186

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.4.4.2 Frmulas De Ajuste De Integral Mnima de Error Para Entrada De Perturbaciones Para El Cuarto Motor

Tabla 3.6 Parmetros del controlador proporcional-integralderivativo (PID)

De acuerdo en el capitulo 2 determinamos

0.63C = 0.1467 t 2 = 0.018

0.28C = 0.065 t1 = 0.009

Ecu.3.68 Ecu.3.69 Ecu.3.70 Ecu.3.71

= 1.5(t 2 t1) = 1.5(0.018 0.009) = 0.0135


t0 = t 2 = 0.018 0.0135= 0.00045

De acuerdo a la tabla reemplazamos los valores correspondientes

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

187

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

t0 t 0 Kp =
t0
b2

b1

0.0045 0.00450.945 = = 4076 0.0135 0.0135

Ecu.3.72

0.00450.771 = = 1.15 i = 0.0135

Ecu.3.73

t0 D = a3

1.101 0.0045 = 0.56*0.0135 = 0.00225 0 . 0135

b3

Ecu.3.74

Ecuacin del controlador PID

1 1 1 + + 4076 1 0 . 00225 GC = KP = + + D 1 . 15 i

Ecu.3.75

Diagrama de bloques del cuarto motor con controlador (mtodo inversin del modelo) simulado en Matlabsimulink

Fig.3.18 Diagrama de bloques del cuarto motor con controlador

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

188

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Verificacin del controlador para el cuarto motor mtodo inversin del modelo

Fig.3.19 Respuesta a la salida del cuarto motor con controlador 3.5 DISEO DE LA POSICION DE LOS MOTORES PARA EL ROBOT SCARA 3.5.1 Descripcin Del Problema En este caso el controlador basado en Neuronas Artificiales se entrenara para recoger objetos ubicados en diferentes lugares para dar una aplicacin prctica. La ubicacin de los sensores y los motores se muestran del robot SCARA se muestra en la fig.3.20 El robot SCARA cuenta con siete sensores de proximidad y dos sensores finales de carrera en distintas ubicaciones que permanentemente detectan si hay objetos que se encuentren a una distancia superior o inferior a la preestablecida, con base en esto se
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

189

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

decide si dar marcha en sentido manecilla de reloj (1 -1) o derecha y sentido contrario a las manecillas de reloj (-1 1) o izquierda.

Fig.3.20 Ubicacin de los sensores y motores del robot SCARA

DIAGRAMA DE BLOQUES

Fig.3.21 Diagrama de bloques de las entradas y salidas de la red neuronal 3.5.2 Descripcin De Los Sensores

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

190

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

NOMBRE S1 S2 S3 S4 S5

Descripcin de las entradas al proceso


DESCRIPCION SENSOR DE PROXIMIDAD SENSOR DE PROXIMIDAD SENSOR DE PROXIMIDAD SENSOR DE PROXIMIDAD SENSOR DE FINAL DE CARRERA NOMBR E S6 S7 S8 S9 DESCRIPCION SENSOR DE PROXIMIDAD SENSOR DE PROXIMIDAD SENSOR DE FINAL DE CARRERA SENSOR DE PROXIMIDAD

Tabla 3.7 Caractersticas de los sensores

NOMBRE Q11 Q12 Q21 Q22

Condiciones iniciales de las salidas al proceso


DESCRIPCION SALIDA POSITIVA DEL MOTOR 1 SALIDA NEGATIVA DEL MOTOR 1 SALIDA POSITIVA DEL MOTOR 2 SALIDA NEGATIVA DEL MOTOR 2 NOMBRE Q31 Q32 Q41 Q42 DESCRIPCION SALIDA POSITIVA DEL MOTOR 3 SALIDA NEGATIVA DEL MOTOR 3 SALIDA POSITIVA DEL MOTOR 4 SALIDA NEGATIVA DEL MOTOR 4

Tabla 3.9 Parmetros de las salidas de la red neuronal El comportamiento del robot lo describe la tablas cuando los sensores detecten un objeto que se encuentra a una distancia inferior a la predeterminada se dir que el objeto se encuentra cerca y esto se representa por medio de un 1 y cuando se detecte un objeto que se encuentra a una distancia mayor que la predeterminada se dir que el objeto esta lejos lo cual se indica con un 1; dependiendo de estas lecturas los motores podrn girar a los parmetros preestablecidos 3.5.3 Descripcin Del Movimiento De Los Motores y La activacin De Los Sensores
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

191

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

S 1 -1 -1 -1 -1 -1 -1 -1 S 2 -1 -1 -1 -1 -1 -1 -1 S

Caso 1
S 4 -1 -1 -1 -1 -1 -1 -1 S 5 1 1 -1 -1 1 1 1 S 6 -1 1 1 1 1 1 1 S 7 -1 -1 1 1 1 1 -1 S 8 -1 -1 -1 1 1 1 -1 S 9 -1 -1 -1 -1 -1 1 1 Q1 1 1 -1 -1 -1 1 -1 1 Q1 2 -1 -1 -1 -1 -1 -1 -1 Q2 1 -1 -1 -1 -1 -1 -1 -1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 1 -1 -1 -1 Q4 1 -1 -1 1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 1 -1 Des cripcin M1 Der M3 Der M4 Der M3 Izq M1 Der M4 Izq M1 Der

3 -1 -1 -1 -1 -1 -1 -1

Tabla 3.10 En este caso no estn activos los sensores S1-S2-S3S4

Fig.3.20 Descripcin del movimiento del caso 1

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

192

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

S 1 1 1 1 1 1 1 1 S 2 -1 -1 -1 -1 -1 -1 -1 S 3

Caso 2
S 4 -1 -1 -1 -1 -1 -1 -1 S 5 1 1 -1 -1 1 1 1 S 6 -1 1 1 1 1 1 1 S 7 -1 -1 1 1 1 1 -1 S 8 -1 -1 -1 1 1 1 -1 S 9 -1 -1 -1 -1 -1 1 1 Q1 1 1 -1 -1 -1 1 -1 1 Q1 2 -1 -1 -1 -1 -1 -1 -1 Q2 1 -1 -1 -1 -1 -1 -1 -1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 1 -1 -1 -1 Q4 1 -1 -1 1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 1 -1 Des Cripci n M1 Der M3 Der M4 Der M3 Izq M1 Der M4 Izq M1 Der

-1 -1 -1 -1 -1 -1 -1

Tabla 3.11 Para este caso el sensor 1 (S1) todo el tiempo esta activo debido a un dao u otro factor

Fig.3.21 Descripcin del movimiento del caso 2

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

193

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Caso 3

S 1 1 1 1 1 1 1 1

S 2 1 1 1 1 1 1 1

S 3 -1 -1 -1 -1 -1 -1 -1

S 4 -1 -1 -1 -1 -1 -1 -1

S 5 1 1 -1 -1 1 1 1

S 6 -1 1 1 1 1 1 1

S 7 -1 -1 1 1 1 1 -1

S 8 -1 -1 -1 1 1 1 -1

S 9 -1 -1 -1 -1 -1 1 1

Q1 1 -1 -1 -1 -1 -1 -1 -1

Q1 2 -1 -1 -1 -1 -1 -1 -1

Q2 1 1 -1 -1 -1 1 -1 1

Q2 2 -1 -1 -1 -1 -1 -1 -1

Q3 1 -1 1 -1 -1 -1 -1 -1

Q3 2 -1 -1 -1 1 -1 -1 -1

Q4 1 -1 -1 1 -1 -1 -1 -1

Q4 2 -1 -1 -1 -1 -1 1 -1

Des cripcin M2 Der M3 Der M4 Der M3 Izq M2 Der M4 Izq M2 Der

Tabla 3.12 Para este caso los sensores (S1) y S2 todo el tiempo estn activos

Fig.3.22 Descripcin del movimiento del caso 3

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

194

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Caso 4

S 1 1 1 1 1 1 1 1

S 2 1 1 1 1 1 1 1

S 3 1 1 1 1 1 1 1

S 4 -1 -1 -1 -1 -1 -1 -1

S 5 1 1 -1 -1 1 1 1

S 6 -1 1 1 1 1 1 1

S 7 -1 -1 1 1 1 1 -1

S 8 -1 -1 -1 1 1 1 -1

S 9 -1 -1 -1 -1 -1 1 1

Q1 1 -1 -1 -1 -1 -1 -1 -1

Q1 2 -1 -1 -1 -1 -1 -1 -1

Q2 1 1 -1 -1 -1 1 -1 1

Q2 2 -1 -1 -1 -1 -1 -1 -1

Q3 1 -1 1 -1 -1 -1 -1 -1

Q3 2 -1 -1 -1 1 -1 -1 -1

Q4 1 -1 -1 1 -1 -1 -1 -1

Q4 2 -1 -1 -1 -1 -1 1 -1

Des cripcin M2 Der M3 Der M4 Der M3 Izq M2 Der M4 Izq M2 Der

Tabla 3.13 Para este caso los sensores S1-S2-S3 todo el tiempo estn activos

Fig.3.24 Descripcin del movimiento del caso 4


Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

195

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Caso 5

S 1 1 1 1 1 1 1 1

S 2 1 1 1 1 1 1 1

S 3 1 1 1 1 1 1 1

S 4 1 1 1 1 1 1 1

S 5 1 1 -1 -1 1 1 1

S 6 -1 1 1 1 1 1 1

S 7 -1 -1 1 1 1 1 -1

S 8 -1 -1 -1 1 1 1 -1

S 9 -1 -1 -1 -1 -1 1 1

Q1 1 -1 -1 -1 -1 -1 -1 -1

Q1 2 -1 -1 -1 -1 -1 -1 -1

Q2 1 -1 -1 -1 -1 -1 -1 -1

Q2 2 -1 -1 -1 -1 -1 -1 -1

Q3 1 -1 -1 -1 -1 -1 -1 -1

Q3 2 -1 -1 -1 -1 -1 -1 -1

Q4 1 -1 -1 -1 -1 -1 -1 -1

Q4 2 -1 -1 -1 -1 -1 -1 -1

Des cripcin inactivo Inactivo Inactivo Inactivo Inactivo Inactivo Inactivo

Tabla 3.14 Para este caso los sensores S1-S2-S3-S4 todo el tiempo estn activos

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

196

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.3.25 Descripcin del movimiento del caso 5


Caso 6

S 1 -1 -1 -1 -1 -1 -1 -1

S 2 1 1 1 1 1 1 1

S 3 -1 -1 -1 -1 -1 -1 -1

S 4 -1 -1 -1 -1 -1 -1 -1

S 5 1 1 -1 -1 1 1 1

S 6 -1 1 1 1 1 1 1

S 7 -1 -1 1 1 1 1 -1

S 8 -1 -1 -1 1 1 1 -1

S 9 -1 -1 -1 -1 -1 1 1

Q1 1 -1 -1 -1 -1 -1 -1 -1

Q1 2 1 -1 -1 -1 1 -1 1

Q2 1 -1 -1 -1 -1 -1 -1 -1

Q2 2 -1 -1 -1 -1 -1 -1 -1

Q3 1 -1 1 -1 -1 -1 -1 -1

Q3 2 -1 -1 -1 1 -1 -1 -1

Q4 1 -1 -1 1 -1 -1 -1 -1

Q4 2 -1 -1 -1 -1 -1 1 -1

Des Cripci n M1 Izq M3 Der M4 Der M3 Izq M1 Izq M4 Izq M1 Izq

Tabla 3.15 En este caso S2 esta activo todo el tiempo

Fig.3.26 Descripcin del movimiento del caso 6

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

197

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Caso 7

S 1 -1 -1 -1 -1 -1 -1 -1

S 2 -1 -1 -1 -1 -1 -1 -1

S 3 1 1 1 1 1 1 1

S 4 -1 -1 -1 -1 -1 -1 -1

S 5 1 1 -1 -1 1 1 1

S 6 -1 1 1 1 1 1 1

S 7 -1 -1 1 1 1 1 -1

S 8 -1 -1 -1 1 1 1 -1

S 9 -1 -1 -1 -1 -1 1 1

Q1 1 1 -1 -1 -1 1 -1 1

Q1 2 -1 -1 -1 -1 -1 -1 -1

Q2 1 -1 -1 -1 -1 -1 -1 -1

Q2 2 -1 -1 -1 -1 -1 -1 -1

Q3 1 -1 1 -1 -1 -1 -1 -1

Q3 2 -1 -1 -1 1 -1 -1 -1

Q4 1 -1 -1 1 -1 -1 -1 -1

Q4 2 -1 -1 -1 -1 -1 1 -1

Des cripcin M1 Der M3 Der M4 Der M3 Izq M1 Der M4 Izq M1 Der

Tabla 3.16 En este caso S3 esta activo todo el tiempo

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

198

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.3.27 Descripcin del movimiento del caso 7

S 1 -1 -1 -1 -1 -1 -1 -1 S 2 -1 -1 -1 -1 -1 -1 -1

Caso 8
S 3 -1 -1 -1 -1 -1 -1 -1 S 4 1 1 1 1 1 1 1 S 5 1 1 -1 -1 1 1 1 S 6 -1 1 1 1 1 1 1 S 7 -1 -1 1 1 1 1 -1 S 8 -1 -1 -1 1 1 1 -1 S 9 -1 -1 -1 -1 -1 1 1 Q1 1 -1 -1 -1 -1 -1 -1 -1 Q1 2 1 -1 -1 -1 1 -1 1 Q2 1 -1 -1 -1 -1 -1 -1 -1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 1 -1 -1 -1 Q4 1 -1 -1 1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 1 -1 Des cripcin M1 Izq M3 Der M4 Der M3 Izq M1 Izq M4 Izq M1 Izq

Tabla 3.17 En este caso S4 esta activo todo el tiempo

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

199

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.3.28 Descripcin del movimiento del caso 8

Caso 9

S 1 1 1 1 1 1 1 1

S 2 -1 -1 -1 -1 -1 -1 -1

S 3 -1 -1 -1 -1 -1 -1 -1

S 4 1 1 1 1 1 1 1

S 5 1 1 -1 -1 1 1 1

S 6 -1 1 1 1 1 1 1

S 7 -1 -1 1 1 1 1 -1

S 8 -1 -1 -1 1 1 1 -1

S 9 -1 -1 -1 -1 -1 1 1

Q1 1 -1 -1 -1 -1 -1 -1 -1

Q1 2 -1 -1 -1 -1 -1 -1 -1

Q2 1 -1 -1 -1 -1 -1 -1 -1

Q2 2 1 -1 -1 -1 1 -1 1

Q3 1 -1 1 -1 -1 -1 -1 -1

Q3 2 -1 -1 -1 1 -1 -1 -1

Q4 1 -1 -1 1 -1 -1 -1 -1

Q4 2 -1 -1 -1 -1 -1 1 -1

Des Cripci n M2 Izq M3 Der M4 Der M3 Izq M2 Izq M4 Izq M2 Izq

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

200

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 3.18 Para este caso los sensores S1-S4 todo el tiempo estn activos

Fig.3.29 Descripcin del movimiento del caso 9

Caso 10

S 1 -1 -1 -1 -1 -1 -1 -1

S 2 1 1 1 1 1 1 1

S 3 1 1 1 1 1 1 1

S 4 -1 -1 -1 -1 -1 -1 -1

S 5 1 1 -1 -1 1 1 1

S 6 -1 1 1 1 1 1 1

S 7 -1 -1 1 1 1 1 -1

S 8 -1 -1 -1 1 1 1 -1

S 9 -1 -1 -1 -1 -1 1 1

Q1 1 -1 -1 -1 -1 -1 -1 -1

Q1 2 -1 -1 -1 -1 -1 -1 -1

Q2 1 1 -1 -1 -1 1 -1 1

Q2 2 -1 -1 -1 -1 -1 -1 -1

Q3 1 -1 1 -1 -1 -1 -1 -1

Q3 2 -1 -1 -1 1 -1 -1 -1

Q4 1 -1 -1 1 -1 -1 -1 -1

Q4 2 -1 -1 -1 -1 -1 1 -1

Des Cripcin M2 Der M3 Der M4 Der M3 Izq M2 Der M4 Izq M2 Der

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

201

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 3.19 Para este caso los sensores S2-S3 todo el tiempo estn activos

Fig.3.30 Descripcin del movimiento del caso 10

S 1 1 1 1 1 1 1 1 S 2 -1 -1 -1 -1 -1 -1 -1 S 3 1 1 1 1 1 1 1

Caso 11
S 4 -1 -1 -1 -1 -1 -1 -1 S 5 1 1 -1 -1 1 1 1 S 6 -1 1 1 1 1 1 1 S 7 -1 -1 1 1 1 1 -1 S 8 -1 -1 -1 1 1 1 -1 S 9 -1 -1 -1 -1 -1 1 1 Q1 1 1 -1 -1 -1 1 -1 1 Q1 2 -1 -1 -1 -1 -1 -1 -1 Q2 1 -1 -1 -1 -1 -1 -1 -1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 1 -1 -1 -1 Q4 1 -1 -1 1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 1 -1 Des cripcin M1 Der M3 Der M4 Der M3 Izq M1 Der M4 Izq M1 Der

Tabla 3.20 En este caso S1-S3 estn activos todo el tiempo


Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

202

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.3.31 Descripcin del movimiento del caso 11

S 1 -1 -1 -1 -1 -1 -1 -1 S 2 1 1 1 1 1 1 1 S

Caso 12
S 4 1 1 1 1 1 1 1 S 5 1 1 -1 -1 1 1 1 S 6 -1 1 1 1 1 1 1 S 7 -1 -1 1 1 1 1 -1 S 8 -1 -1 -1 1 1 1 -1 S 9 -1 -1 -1 -1 -1 1 1 Q1 1 -1 -1 -1 -1 -1 -1 -1 Q1 2 1 -1 -1 -1 1 -1 1 Q2 1 -1 -1 -1 -1 -1 -1 -1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 1 -1 -1 -1 Q4 1 -1 -1 1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 1 -1 Des cripcin M1 Izq M3 Der M4 Der M3 Izq M1 Izq M4 Izq M1 Izq

3 -1 -1 -1 -1 -1 -1 -1

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

203

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 3.21 En este caso S2-S4 estn activos todo el tiempo

Fig.3.32 Descripcin del movimiento del caso 12

Caso 13

S 1 1 1 1 1 1 1 1

S 2 1 1 1 1 1 1 1

S 3 -1 -1 -1 -1 -1 -1 -1

S 4 1 1 1 1 1 1 1

S 5 1 1 -1 -1 1 1 1

S 6 -1 1 1 1 1 1 1

S 7 -1 -1 1 1 1 1 -1

S 8 -1 -1 -1 1 1 1 -1

S 9 -1 -1 -1 -1 -1 1 1

Q1 1 -1 -1 -1 -1 -1 -1 -1

Q1 2 -1 -1 -1 -1 -1 -1 -1

Q2 1 -1 -1 -1 -1 -1 -1 -1

Q2 2 1 -1 -1 -1 1 -1 1

Q3 1 -1 1 -1 -1 -1 -1 -1

Q3 2 -1 -1 -1 1 -1 -1 -1

Q4 1 -1 -1 1 -1 -1 -1 -1

Q4 2 -1 -1 -1 -1 -1 1 -1

Des Cripci n M2 Izq M3 Der M4 Der M3 Izq M2 Izq M4 Izq M2 Izq

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

204

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 3.22 Para este caso los sensores S1-S2-S4 todo el tiempo estn activos

Fig.3.33 Descripcin del movimiento del caso 13

S 1 -1 -1 -1 -1 -1 -1 -1 S 2 1 1 1 1 1 1 1 S 3 1 1 1 1 1 1 1

Caso 14
S 4 1 1 1 1 1 1 1 S 5 1 1 -1 -1 1 1 1 S 6 -1 1 1 1 1 1 1 S 7 -1 -1 1 1 1 1 -1 S 8 -1 -1 -1 1 1 1 -1 S 9 -1 -1 -1 -1 -1 1 1 Q1 1 -1 -1 -1 -1 -1 -1 -1 Q1 2 -1 -1 -1 -1 -1 -1 -1 Q2 1 -1 -1 -1 -1 -1 -1 -1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 -1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 -1 -1 -1 -1 Q4 1 -1 -1 -1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 -1 -1 Des Cripci n Inactivo Inactivo Inactivo Inactivo Inactivo Inactivo Inactivo

Tabla 3.23 Para este caso los sensores S2-S3-S4 todo el tiempo estn activos

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

205

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

S 1 1 1 1 1 1 1 1 S 2 -1 -1 -1 -1 -1 -1 -1 S 3 1 1 1 1 1 1 1

Caso 15
S 4 1 1 1 1 1 1 1 S 5 1 1 -1 -1 1 1 1 S 6 -1 1 1 1 1 1 1 S 7 -1 -1 1 1 1 1 -1 S 8 -1 -1 -1 1 1 1 -1 S 9 -1 -1 -1 -1 -1 1 1 Q1 1 -1 -1 -1 -1 -1 -1 -1 Q1 2 -1 -1 -1 -1 -1 -1 -1 Q2 1 -1 -1 -1 -1 -1 -1 -1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 -1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 -1 -1 -1 -1 Q4 1 -1 -1 -1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 -1 -1 Des cripcin Inactivo Inactivo Inactivo Inactivo Inactivo Inactivo Inactivo

Tabla 3.324 Para este caso los sensores S1-S3-S4 todo el tiempo estn activos

S 1 1 1 1 1 1 1 1 S 2 1 1 1 1 1 1 1 S 3 1 1 1 1 1 1 1

Caso 16
S 4 -1 -1 -1 -1 -1 -1 -1 S 5 1 1 -1 -1 1 1 1 S 6 -1 1 1 1 1 1 1 S 7 -1 -1 1 1 1 1 -1 S 8 -1 -1 -1 1 1 1 -1 S 9 -1 -1 -1 -1 -1 1 1 Q1 1 -1 -1 -1 -1 -1 -1 -1 Q1 2 -1 -1 -1 -1 -1 -1 -1 Q2 1 1 -1 -1 -1 1 -1 1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 1 -1 -1 -1 Q4 1 -1 -1 1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 1 -1 Des cripcin M2 Der M3 Der M4 Der M3 Izq M2 Der M4 Izq M2 Der

Tabla 3.24 Para este caso los sensores S1-S2-S3 todo el tiempo estn activos

S 1 1 1 1 1 1 1 1 S 2 1 1 1 1 1 1 1

Caso 17
S 3 1 1 1 1 1 1 1 S 4 1 1 1 1 1 1 1 S 5 1 1 1 1 1 1 1 S 6 1 1 1 1 1 1 1 S 7 1 1 1 1 1 1 1 S 8 1 1 1 1 1 1 1 S 9 1 1 1 1 1 1 1 Q1 1 -1 -1 -1 -1 -1 -1 -1 Q1 2 -1 -1 -1 -1 -1 -1 -1 Q2 1 -1 -1 -1 -1 -1 -1 -1 Q2 2 -1 -1 -1 -1 -1 -1 -1 Q3 1 -1 -1 -1 -1 -1 -1 -1 Q3 2 -1 -1 -1 -1 -1 -1 -1 Q4 1 -1 -1 -1 -1 -1 -1 -1 Q4 2 -1 -1 -1 -1 -1 -1 -1 Des Cripci n Inactivo Inactivo Inactivo Inactivo Inactivo Inactivo Inactivo

Tabla 3.25 Los sensores S1-S2-S3-S4-S5-S6-S7-S8-S9

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

206

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.6 DISEO DE LA RED NEURONAL ARTIFICIAL PARA EL ROBOT SCARA 3.6.1 Fase De Entrenamiento Para nuestra implementacin se creo una red perceptronica multicapa donde se tuvieron los siguientes comandos

Comando NEWFF: Crea red Comando Train: Entrena la red Comando SIM: simula la red

3.6.2 Programa Utilizado Para La Fase De Entrenamiento

A continuacin se crea la red Net =newff (minmax (p),[200,8],{'tansig','purelin'},'traingda');

-1 : Valor mnimo del vector de entrada 1: Valor mximo del vector de entrada 200: Numero de neuronas de la primera capa (Capa de entrada) 8 : Numero de neuronas en la segunda capa (capa de salida) La funcin de activacin de la primera capa es de tipo 'tansig' La funcin de activacin de la segunda capa es de tipo 'purelin' El algoritmo de entrenamiento usado es el de gradient method 'traingda'

Parmetros de entrenamiento El resultado se muestra cada 50th Parmetro de velocidad de

net.trainParam.show = 50; iteration (Epoch) net.trainParam.lr = 0.05; aprendizaje (n)

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

207

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

net.trainParam.lr_inc = 1.05; Porcentaje que incrementa la rata de aprendizaje cuando el errordisminuye net.trainParam.epochs = 5000; Numero mximo de iteraciones net.trainParam.goal = 0.000001; Error tolerado; da por concluido el entrenamiento

Entrenamiento de la Neurona Iterates gradient type of loop

[net,tr]=train (net, p, t);

Validacin de la neurona a= sim (net, p)


Representacin grafica de los resultados

Plot (t, a,'o'); grid;

Programa para el diseo de la red neuronal simulado en matlab

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

208

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

209

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.6.3 Entrenamiento Y Validacin De Los Resultados 3.6.3.1 Primer Entrenamiento Y Validacin De Los Resultados Para esta primera validacin se utilizo: 1. la capa oculta 50 2. net.trainParam.epochs = 20000; Numero mximo de iteraciones 3. net.trainParam.goal = 0.001; Error tolerado; da por concluido el Entrenamiento

Resultados obtenidos despus de 9952 iteraciones con una tasa de error de 0.000999492 al concluir las epochs

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

210

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 3.34 Respuesta ala salida de red perceptronica multicapa de la primera validacin Segn la tabla 3.26 el comportamiento de la respuesta a la salida con la primera validacin de la red perceptronica multicapa, segn la tabla 3.26 el comportamiento de utilizar dos capas es el esperado segn las formas de regiones ms generales, esta es una forma de sealar que el comportamiento de la red es el esperado

Tabla 3.26 Representacin de la respuesta a la salida de la red perceptronica

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

211

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Data esperada t y data obtenidas a segn la primera validacin en el entrenamiento de la red perceptronica multicapa

Esta es otra forma de validar los resultado como se puede apreciar los data de entrada t es muy similar a la data obtenida aqu se muestran los 22 primeros valores

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

212

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 3.27 Resultados esperados t y obtenidos a segn primera validacin

La mejor forma de saber si la primera validacin de resultados es la correcta es graficando los valores esperados t y los valores obtenidos a

Como se puede observar los anillos representan el vector a se puede apreciar que se acercan a -1 y 1 salidas esperadas por los motores

Fig.3.35 Resultados esperados de la primera validacin


Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

213

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

3.6.3.2 Segundo Entrenamiento Y Validacin De Los Resultados Para esta segunda validacin se utilizo: 1. la capa oculta 100 2. net.trainParam.epochs = 15000; Numero mximo de iteraciones 3. net.trainParam.goal = 0.000001;Error tolerado; da por concluido el Entrenamiento

Resultados obtenidos despus de 12700 iteraciones con una tasa de error de 9.96147e007 al concluir las epochs

Fig. 3.36 Respuesta ala salida de red perceptronica multicapa de la segunda validacin Segn la tabla 3.26 el comportamiento de la respuesta a la salida con la segunda validacin de la red perceptronica multicapa,
Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

214

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

segn la tabla 3.26 el comportamiento de utilizar dos capas es el esperado segn las formas de regiones ms generales, esta es una forma de sealar que el comportamiento de la red es el esperado

Data esperada t y data obtenida a segn la segunda validacin en el entrenamiento de la red perceptronica multicapa

Esta es otra forma de validar los resultado como se puede apreciar los data de entrada t es muy similar a la data obtenida aqu se muestran los 22 primeros valores

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

215

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 3.28 Resultados esperados t y obtenidos a segn segunda validacin

La mejor forma de saber si la segunda validacin de resultados es la correcta es graficando los valores esperados t y los valores obtenidos a

Como se puede observar los anillos representan el vector a se puede apreciar que se acercan a -1 y 1 salidas esperadas por los motores

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

216

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.3.37 Resultados esperados de la segunda validacin 3.6.3.3 Tercer Entrenamiento Y Validacin De Los Resultados Para esta tercera validacin se utilizo: 4. la capa oculta 150 5. net.trainParam.epochs = 5000; Numero mximo de iteraciones 6. net.trainParam.goal = 0.000001;Error tolerado; da por concluido el Entrenamiento

Resultados obtenidos despus de 3252 iteraciones con una tasa de error de 9.96147e007 al concluir las epochs

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

217

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 3.38 Respuesta ala salida de red perceptronica multicapa de la tercera validacin Segn la tabla 3.26 el comportamiento de la respuesta a la salida con la tercera validacin de la red perceptronica multicapa, segn la tabla 3.26 el comportamiento de utilizar dos capas es el esperado segn las formas de regiones ms generales, esta es una forma de sealar que el comportamiento de la red es el esperado

Data esperada t y data obtenidas a segn la tercera validacin en el entrenamiento de la red perceptronica multicapa

Esta es otra forma de validar los resultado como se puede apreciar los data de entrada t es muy similar a la data obtenidas aqu se muestran los 22 primeros valores

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

218

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 3.28 Resultados esperados t y obtenidos a segn tercera validacin

La mejor forma de saber si la tercera validacin de resultados es la correcta es

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

219

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

graficando los valores esperados t y los valores obtenidos a Como se puede observar los anillos representan el vector a se puede apreciar que se acercan a -1 y 1 salidas esperadas por los motores

Fig.3.39 Resultados esperados de la tercera validacin 3.6.3.4 Cuarto Entrenamiento Y Validacin De Los Resultados Para esta cuarta validacin se utilizo: 7. la capa oculta 200 8. net.trainParam.epochs = 5000; Numero mximo de iteraciones 9. net.trainParam.goal = 0.000001;Error tolerado; da por concluido el Entrenamiento

Resultados obtenidos despus de 2201 iteraciones con una tasa de error de 9.87349e007 al concluir las epochs

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

220

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig. 3.40 Respuesta ala salida de red perceptronica multicapa de la cuarta validacin Segn la tabla 3.26 el comportamiento de la respuesta a la salida con la cuarta validacin de la red perceptronica multicapa, segn la tabla 3.26 el comportamiento de utilizar dos capas es el esperado segn las formas de regiones ms generales, esta es una forma de sealar que el comportamiento de la red es el esperado Data esperada t y data obtenidas a segn la cuarta validacin en el entrenamiento de la red perceptronica multicapa Esta es otra forma de validar los resultado como se puede apreciar los data de entrada t es muy similar a la data obtenidas aqu se muestran los 22 primeros valores

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

221

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

222

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Tabla 3.29 Resultados esperados t y obtenidos a segn cuarta validacin

La mejor forma de saber si la cuarta validacin de resultados es la correcta es graficando los valores esperados t y los valores obtenidos a

Como se puede observar los anillos representan el vector a se puede apreciar que se acercan a -1 y 1 salidas esperadas por los motores

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

223

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

Fig.3.41 Resultados esperados de la cuarta validacin Diagrama de bloques del diseo del montaje de la red multicapa

Fig.3.42 Diseo del montaje de la red perceptronica multicapa

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

224

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

CONCLUSIONES
1. El haber determinado la dinmica del robot se pudo apreciar la relacin entre el movimiento del robot y las fuerzas implicadas en el mismo. Obteniendo la localizacin del robot definida por sus variables articulares o por las coordenadas de localizacin de sus extremos, y sus derivadas: velocidad y aceleracin, las fuerzas y pares aplicados en las articulaciones (o en el extremo del robot) y los parmetros dimensinales del robot, como la longitud, masas e inercia de sus extremos. 2. Al realizar un control dinmico y no cinematico nos implicaba que el control cinematico selecciona trayectorias que idealmente deber seguir el robot, teniendo encuenta sus limitaciones y ajustarse a lo mejor a las especificaciones del movimiento no teniendo encuenta factores internos como externos que a la hora de hacer control cinematico no se aprecian dando referencia a los pares y fuerzas aplicadas que en el control dinmico se evidencian 3. El determinar realizar un control de velocidad con controladores PID y no de posicin se debi a que un controlador PID realizara un trabajo de velocidad apropiado para el movimiento de los moteres y de posicin su velocidad de respuesta seria muy lenta en la respuesta de deteccin de un obstculo dando orden al motor dando marcha a la derecha o izquierda, adems los sistemas de computo tradicional procesan la informacin en forma secuencial; un computador serial consiste por lo general de un solo procesador que puede manipular instrucciones y datos que se localizan en la memoria, el procesador lee, y ejecuta una a una las instrucciones en la memoria; este sistema serial es secuencial, todo sucede en una sola secuencia determinstica de operaciones. Las redes neuronales artificiales no ejecutan instrucciones, responden en paralelo a las entradas que se les presenta. El resultado no se almacena en una posicin de memoria, este es el estado de la red para el cual se logra equilibrio.

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

225

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

4. Al escoger como red neuronal artificial una perceptron multicapa con cincuenta capas ocultas brindo los datos de salida (a) mas acercados a los de la data de entrada (t) como se pudo apreciar son suficientes para que reconozca los patrones de entrada en su entrenamiento

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

226

Universidad de Pamplona, una Universidad para una Sociedad Inteligente e Interconectada

REFERENCIAS BIBLIOGRFICAS [1].Barrietos Antonio (1996).FUNDAMENTOS DE ROBOTICA. Editorial McGraw-Hill [2].Smith A. Carlos (1991) CONTROL AUTOMATICO DE PROCESOS. Editorial Limusa

Direcciones de Internet: [3]. http://www.festo.com.co. [4]. http://www.ansinet.org/fulltext/itj/itj33296-302.pdf. [5]. http://www.upd.edu.ph/~yamatake/old/projects/19992000/telerobot.pdf. [6]. http://www.workspace5.com. [7]. http://www.puj.edu.co/ [8]. www.senavirtual.edu.cowebapps/login/j [9]. www.olmo.pntic.mec.es/jmarti50/enlaces/automatas.html [10]. www.uclm.es/profesorado/rcarcelen_plc/

Universidad de Pamplona - Ciudad Universitaria - Pamplona (Norte de Santander - Colombia) Tels: (7) 5685303 - 5685304 - 5685305 Fax: 5682750 - www.unipamplona.edu.co

227

You might also like