Professional Documents
Culture Documents
presentada por
Director de tesis:
Dr. Gerardo Vicente Guerrero Ramírez
Co-Director de tesis:
Dr. Luis Gerardo Vela Valdés
Jurado:
Dr. Marco Antonio Oliver Salazar – Presidente
Dr. Carlos Daniel García Beltrán – Secretario
M.C. José Luis González Rubio Sandoval – Vocal
Dr. Gerardo Vicente Guerrero Ramírez – Vocal Suplente
The main advantages for use of manipulator robots in the industry are the
reduction of the production costs, the increase of the precision, the quality and
productivity, and a greater flexibility than specialized machines.
In order to make the activities, the manipulator robot requires a control system
that has the intention to maintain a pre-established movement of the manipulator
throughout a wished trajectory, which is subject to certain patterns of position, speed
and acceleration, considering the physical limitations of the devices actuators.
The exigencies of the present industry require that the manipulator robot counts
with advanced control techniques in order to fulfill the necessities of the industry.
Those different techniques require to know the present characteristics in the robot
operation so that when are implemented those present better result.
With an analysis of the operation of rigid robot of three degrees of freedom with
rotational joints to be controlled by methodologies of robust control, adaptive control
and the classic control. A comparative of the performance that presents these
methodologies is established.
In order to make the analysis, first the kinematic direct and inverse models of
the manipulator robot are obtained. Later, the dynamic model by means of the
methodology of Euler-Lagrange is obtained. As a complement to the analysis of the
behavior of the manipulator robot is developed the dynamic model with the
methodology of Hamilton.
The controllers design is made trough the design and redesign methodologies of
Lyapunov, including the analysis of the bounds of error and position signals in the
manipulator robot.
Contenido
Contenido ................................................................................................................................ i
Lista de Figuras ..................................................................................................................... iv
Lista de Tablas....................................................................................................................... vi
Nomenclatura......................................................................................................................... vi
Abreviaturas y Acrónimos..................................................................................................... ix
-i-
Contenido
- ii -
Controladores de robots rígidos: un análisis comparativo
Bibliografía........................................................................................................................ 103
- iii -
Contenido
Lista de Figuras
Figura 2.1. Resultado de la aplicación de las operaciones de la matriz de transformación
homogénea.............................................................................................................................. 9
Figura 2.2. Esquema de bloques cinemáticos del robot SCORBOT ER-V+ ....................... 10
Figura 2.3. Esquema de bloques cinemáticos del robot PUMA........................................... 12
Figura 2.3. Vista superior del robot SCORBOT ER-V+...................................................... 14
Figura 2.4. Vista lateral del robot SCORBOT ER-V+ ......................................................... 14
Figura 2.5. Vista superior del robot PUMA en configuración brazo derecho...................... 15
Figura 2.6. Vista superior del robot PUMA en configuración brazo izquierdo ................... 15
Figura 2.7. Vista lateral del robot PUMA en la configuración de brazo derecho ................ 16
Figura 2.8. Vista lateral del robot PUMA en la configuración de brazo izquierdo.............. 17
Figura 3.1. Esquema del movimiento del robot manipulador SCORBOT ER-V+ .............. 21
Figura 3.2. Esquema del movimiento del robot manipulador PUMA.................................. 27
Figura 7.1. Coordenada articular presentada por los controladores en la prueba 1.............. 81
Figura 7.2. Velocidad articular presentada por los controladores en la prueba 1................. 82
Figura 7.3. Par articular presentado por los controladores en la prueba 1 ........................... 82
Figura 7.4. Error de posición presentado por los controladores en la prueba 1 ................... 83
Figura 7.5. Error de velocidad presentado por los controladores en la prueba 1 ................. 83
Figura 7.6. Coordenada articular presentada por los controladores en la prueba 2.............. 84
Figura 7.7. Velocidad articular presentada por los controladores en la prueba 2................. 85
Figura 7.8. Par articular presentado por los controladores en la prueba 2 ........................... 85
Figura 7.9. Error de posición presentado por los controladores en la prueba 2 ................... 86
Figura 7.10. Error de velocidad presentado por los controladores en la prueba 2 ............... 86
Figura 7.11. Coordenada articular presentada por los controladores en la prueba 3............ 87
Figura 7.12. Velocidad articular presentada por los controladores en la prueba 3............... 88
Figura 7.13. Par articular presentado por los controladores en la prueba 3 ......................... 88
Figura 7.14. Error de posición presentado por los controladores en la prueba 3 ................. 89
Figura 7.15. Error de velocidad presentado por los controladores en la prueba 3 ............... 89
Figura 7.16. Coordenada articular presentada por los controladores en la prueba 4............ 90
Figura 7.17. Velocidad articular presentada por los controladores en la prueba 4............... 91
Figura 7.18. Par articular presentado por los controladores en la prueba 4 ......................... 91
Figura 7.19. Error de posición presentado por los controladores en la prueba 4 ................. 92
Figura 7.20. Error de velocidad presentado por los controladores en la prueba 4 ............... 92
Figura 7.21. Relación de cambio en los valores de los índices de desempeño presentados
por los controladores en la prueba A .................................................................................... 93
Figura 7.22. Relación de cambio en los valores de los índices de desempeño presentados
por los controladores en la prueba B .................................................................................... 94
Figura 7.23. Relación de cambio en los valores de los índices de desempeño presentados
por los controladores en la prueba C .................................................................................... 95
Figura 7.23. Relación de cambio en los valores de los índices de desempeño presentados
por los controladores en la prueba D .................................................................................... 96
Figura A.1. Robot SCORBOT ER-V + [Abdala 2003]...................................................... 106
Figura A.2. Espacio de trabajo del robot manipulador SCORBOT ER-V + [Abdala 2003]
............................................................................................................................................ 107
Figura A.3. Robot PUMA[Jiménez 2005].......................................................................... 108
- iv -
Controladores de robots rígidos: un análisis comparativo
Figura A.4. Espacio de trabajo del robot manipulador PUMA [Jiménez 2005] ................ 108
Figura B.1.- Parámetros de Denavit-Hartenberg para una articulación rotatoria [Barrientos
1999]................................................................................................................................... 110
Figura C.1.- Posición articular a seguir de la señal escalón ............................................... 112
Figura C.2.- Velocidad articular a seguir de la señal escalón............................................. 112
Figura C.3.- Aceleración articular a seguir de la señal escalón.......................................... 113
Figura C.4.- Posición articular a seguir de la señal senoidal.............................................. 113
Figura C.5.- Velocidad articular a seguir de la señal senoidal ........................................... 114
Figura C.6.- Aceleración articular a seguir de la señal senoidal ........................................ 114
Figura C.7.- Posición articular a seguir de la señal polinomial.......................................... 115
Figura C.8.- Velocidad articular a seguir de la señal polinomial ....................................... 115
Figura C.9.- Aceleración articular a seguir de la señal polinomial .................................... 116
Figura C.13.- Posición articular a seguir de la señal compuesta ........................................ 117
Figura C.14.- Velocidad articular a seguir de la señal compuesta ..................................... 118
Figura C.15.- Aceleración articular a seguir de la señal compuesta................................... 118
Figura C.16.- Posición articular a seguir de la señal LSPB................................................ 119
Figura C.17.- Velocidad articular a seguir de la señal LSPB ............................................. 120
Figura C.18.- Aceleración articular a seguir de la señal LSPB .......................................... 120
Figura D.1. Coordenada articular presentada por los controladores en la prueba 1........... 122
Figura D.2. Velocidad articular presentada por los controladores en la prueba 1.............. 123
Figura D.3. Par articular presentado por los controladores en la prueba 1......................... 123
Figura D.4. Error de posición presentado por los controladores en la prueba 1 ................ 124
Figura D.5. Error de velocidad presentado por los controladores en la prueba 1 .............. 124
Figura D.6. Coordenada articular presentada por los controladores en la prueba 2........... 125
Figura D.7. Velocidad articular presentada por los controladores en la prueba 2.............. 126
Figura D.8. Par articular presentado por los controladores en la prueba 2......................... 126
Figura D.9. Error de posición presentado por los controladores en la prueba 2 ................ 127
Figura D.10. Error de velocidad presentado por los controladores en la prueba 2 ............ 127
Figura D.11. Coordenada articular presentada por los controladores en la prueba 3......... 128
Figura D.12. Velocidad articular presentada por los controladores en la prueba 3............ 129
Figura D.13. Par articular presentado por los controladores en la prueba 3....................... 129
Figura D.14. Error de posición presentado por los controladores en la prueba 3 .............. 130
Figura D.15. Error de velocidad presentado por los controladores en la prueba 3 ............ 130
Figura D.16. Coordenada articular presentada por los controladores en la prueba 4......... 131
Figura D.17. Velocidad articular presentada por los controladores en la prueba 4............ 132
Figura D.18. Par articular presentado por los controladores en la prueba 4....................... 132
Figura D.19. Error de posición presentado por los controladores en la prueba 4 .............. 133
Figura D.20. Error de velocidad presentado por los controladores en la prueba 4 ............ 133
Figura D.21. Relación de cambio en los valores de los índices de desempeño presentados
por los controladores en la prueba A .................................................................................. 134
Figura D.22. Relación de cambio en los valores de los índices de desempeño presentados
por los controladores en la prueba B .................................................................................. 135
Figura D.23. Relación de cambio en los valores de los índices de desempeño presentados
por los controladores en la prueba C .................................................................................. 136
Figura D.24. Relación de cambio en los valores de los índices de desempeño presentados
por los controladores en la prueba D .................................................................................. 137
Figura E.1.- Menú principal del modelo de simulación de la cinemática .......................... 139
-v-
Contenido
Lista de Tablas
Tabla 2.1. Parámetros DH del robot SCORBOT ER-V+ ..................................................... 10
Tabla 2.2. Parámetros DH del robot PUMA “Gorgorito” .................................................... 12
Tabla 7.1. Índices de desempeño presentados por cada controlador en la prueba 1 ............ 80
Tabla 7.2. Índices de desempeño presentados por cada controlador en la prueba 2 ............ 84
Tabla 7.3. Índices de desempeño presentados por cada controlador la prueba 3 ................. 87
Tabla 7.4. Índices de desempeño presentados por cada controlador en la prueba 4 ............ 90
Tabla D.1. Índices de desempeño presentados por cada controlador en la prueba 1 ......... 122
Tabla D.2. Índices de desempeño presentados por cada controlador en la prueba 2 ......... 125
Tabla D.3 Índices de desempeño presentados por cada controlador la prueba 3 ............... 128
Tabla D.4. Índices de desempeño presentados por cada controlador en la prueba 4 ......... 131
Nomenclatura
Símbolos del modelado
θi I-ésima coordenada articular.
zi I-ésimo eje coordenado z.
di Desplazamiento entre los ejes z adyacentes al i-ésimo eslabón.
ai Desplazamiento entre los ejes x adyacentes al i-ésimo eslabón.
αi Giro alrededor del eje x para que coincidan los ejes zi −1 y zi .
R ( eje, θ ) Operador de rotación de un ángulo θ alrededor del eje cartesiano.
T ( x, y , z ) Operador de traslación de las distancias x,y,z en cada uno de los ejes
cartesianos.
i −1
Ai Matriz de transformación del i-ésimo eslabón.
T Matriz de transformación de la cadena cinemática.
n Vector normal para completar el sistema de ejes coordenados del efector
final.
o Vector de orientación del efector final.
a Vector de acercamiento del efector final.
p Vector de posición del efector final.
px Coordenada en el eje x de la posición del efector final.
- vi -
Controladores de robots rígidos: un análisis comparativo
- vii -
Contenido
- viii -
Controladores de robots rígidos: un análisis comparativo
Abreviaturas y Acrónimos
CE Índice del esfuerzo de control
CENIDET Centro Nacional de Investación y Desarrollo Tecnológico
FIR Federación Internacional de Robótica
gdl Grados de libertad
ISE Índice de la integral del error cuadrático
IAE Índice de la integral del valor absoluto del error
ITAE Índice de la integral del valor absoluto del error ponderado en el tiempo
LSPB Linear Segments with Parabolic Blends
ONU Organización de las Naciones Unidas
PD Proporcional-Derivativo
PID Proporcional-Integral-Derivativo
PUMA Programable Universal Manipulator for Assembly
- ix -
Contenido
Hoja en Blanco
-x-
Controladores de robots rígidos: un análisis comparativo
Capítulo 1
Introducción
En éste primer capítulo se presentan los antecedentes del proyecto de investigación,
los objetivos y la justificación del proyecto.
Enseguida, se presenta la revisión del estado del arte, para mostrar después, el
método de desarrollo del proyecto, así como la metodología que se siguió. En la parte final
del capítulo se encuentra una descripción de la estructura de este documento.
1.1. Antecedentes
Un robot manipulador industrial es una máquina manipuladora con varios grados de
libertad controlada automáticamente, reprogramable y de múltiples usos, puede estar en un
lugar fijo o móvil para su empleo en aplicaciones industriales (es muy común considerar
que los robots manipuladores están fijos a una estructura, si no lo están se consideran
robots móviles). En estas aplicaciones, los robots manipuladores son comúnmente
empleados en tareas repetitivas y de precisión, así como en actividades peligrosas para
operadores humanos.
-1-
Capítulo 1. Introducción
1996 645.129
684.961
1998 703.912
723.612
Año
2000 749.742
756.498
2002 770.105
800.772
2004 847.764
Figura 2.1: Parque de robots industriales operativos en el mundo de 1996 a 2005 [UNECE 2005]
-2-
Controladores de robots rígidos: un análisis comparativo
1.3. Justificación
Debido a las exigencias de calidad y rapidez en los sistemas de producción, se está
introduciendo una gran variedad de avances tecnológicos en las plantas industriales.
Las exigencias de la industria actual requieren que el robot manipulador cuente con
técnicas de control más avanzadas para cumplir con las necesidades de la industria. Esas
distintas técnicas requieren conocer las características de la operación del robot para que al
implementarlas se tengan mejores resultados.
1.4. Objetivos
-3-
Capítulo 1. Introducción
1994] reporta cómo se obtienen diseños de controladores del tipo robusto y adaptable, por
medio de simulaciones se realiza una comparación de su desempeño. A partir del análisis
determina que los controladores del tipo adaptable presentan un mejor seguimiento de
trayectoria que los controladores de tipo robusto.
Como se puede observar en los tres trabajos anteriores, es en [Erlic 1991] es donde
se realiza la comparativa más completa, sin embargo solamente se presenta el seguimiento
de una trayectoria. En los otros dos, solamente se prueban dos de los tres tipos principales
de controlador.
1.7. Metodología
La metodología de trabajo con la cual se desarrolló el presente proyecto de
investigación es la siguiente:
-4-
Controladores de robots rígidos: un análisis comparativo
1.8. Alcances
Los alcances de este proyecto de investigación, fueron:
-5-
Capítulo 1. Introducción
Hoja en Blanco
-6-
Controladores de robots rígidos: un análisis comparativo
Capítulo 2
Modelado Cinemático
En el presente capítulo se presenta el concepto de cinemática y los principales
problemas que busca resolver.
En primer lugar se revisan las diferentes metodologías que se han desarrollado para
resolver el problema cinemático directo y poder obtener el modelo cinemático directo de un
robot manipulador.
2.1. Introducción
La cinemática estudia el movimiento del robot con respecto a un sistema de
referencia seleccionado. El estudio que realiza la cinemática se interesa por la descripción
analítica del movimiento espacial del robot, y en particular las relaciones existentes entre la
-7-
Capítulo 2. Modelado Cinemático
posición y orientación del extremo final y los valores que toman sus coordenadas
articulares.
-8-
Controladores de robots rígidos: un análisis comparativo
enlistan a continuación son aplicadas al sistema de referencia inicial del eslabón y son las
operaciones que componen a una matriz de transformación homogénea:
-9-
Capítulo 2. Modelado Cinemático
- 10 -
Controladores de robots rígidos: un análisis comparativo
Desarrollando:
⎡C1C2 −C1 S2 S1 l2 C1C2 ⎤ ⎡C3 − S3 0 l3C3 ⎤
⎢S C − S1 S2 −C1 l2 S1C2 ⎥⎥ ⎢⎢ S3 C3 0 l3 S3 ⎥⎥
T =⎢ 1 2 (2.2.10)
⎢ S2 C2 0 l2 S2 + l1 ⎥ ⎢ 0 0 1 0 ⎥
⎢ ⎥⎢ ⎥
⎣ 0 0 0 1 ⎦⎣ 0 0 0 1 ⎦
⎡C1C2 C3 − C1 S2 S3 −C1C2 S3 − C1 S2 C3 S1 l3C1C2 C3 − l3C1 S 2 S3 + l2 C1C2 ⎤
⎢S C C −S S S − S1C2 S3 − S1 S 2 C3 −C1 l3 S1C2 C3 − l3 S1 S2 S3 + l2 S1C2 ⎥⎥
T =⎢ 1 2 3 1 2 3 (2.2.11)
⎢ S 2 C3 + C2 S3 − S 2 S3 + C2 C3 0 l3 S 2 C3 + l3C2 S3 + l2 S 2 + l1 ⎥
⎢ ⎥
⎣ 0 0 0 1 ⎦
- 11 -
Capítulo 2. Modelado Cinemático
Con los parámetros de la tabla 2.2, se obtienen las matrices de transformación para
cada eslabón:
⎡C1 0 S1 0⎤
⎢ S 0 −C 0 ⎥⎥
• Eslabón 1. 0 A1 = ⎢ 1 1
(2.2.15)
⎢0 1 0 h⎥
⎢ ⎥
⎣0 0 0 1⎦
⎡ C2 − S2 0 a2 C2 ⎤
⎢S C2 0 a2 S2 ⎥⎥
• Eslabón 2. 1 A2 = ⎢ 2 (2.2.16)
⎢0 0 1 d2 ⎥
⎢ ⎥
⎣0 0 0 1 ⎦
⎡C3 − S3 0 a3C3 ⎤
⎢S C3 0 a3 S3 ⎥⎥
• Eslabón 3. 2 A3 = ⎢ 3 (2.2.17)
⎢0 0 1 d3 ⎥
⎢ ⎥
⎣0 0 0 1 ⎦
- 12 -
Controladores de robots rígidos: un análisis comparativo
Desarrollando:
⎡C1C2 −C1 S 2 S1 l2 C1C2 + S1d 2 ⎤ ⎡C3 − S3 0 l3C3 ⎤
⎢S C − S1 S2 −C1 l2 S1C2 − C1d 2 ⎥⎥ ⎢⎢ S3 C3 0 l3 S3 ⎥⎥
T =⎢ 1 2 (2.2.19)
⎢ S2 C2 0 l2 S 2 + h ⎥ ⎢ 0 0 1 d3 ⎥
⎢ ⎥⎢ ⎥
⎣ 0 0 0 1 ⎦⎣ 0 0 0 1 ⎦
⎡C1C2 C3 − C1 S 2 S3 −C1C2 S3 − C1 S2 C3 S1 l3C1C2 C3 − l3C1 S2 S3 + l2 C1C2 + S1d3 + S1d 2 ⎤
⎢S C C −S S S − S1C2 S3 − S1 S 2 C3 −C1 l3 S1C2 C3 − l3 S1 S2 S3 + l2 S1C2 − C1d3 − C1d 2 ⎥⎥
T =⎢ 1 2 3 1 2 3 (2.2.20)
⎢ S 2 C3 + C2 S3 − S2 S3 + C2 C3 0 l3 S 2 C3 + l3C2 S3 + l2 S 2 + l1 ⎥
⎢ ⎥
⎣ 0 0 0 1 ⎦
Donde las coordenadas del efector final estarán dadas por:
px = l3C1C2 C3 − l3C1 S 2 S3 + l2 C1C2 + S1d3 + S1d 2 (2.2.21)
p y = l3 S1C2 C3 − l3 S1 S2 S3 + l2 S1C2 − C1d3 − C1d 2 (2.2.22)
pz = −l3 S2 C3 − l3C2 S3 + l2 S2 + l1 (2.2.23)
Donde las ecuaciones anteriores forman el modelo cinemático directo del robot
manipulador PUMA.
- 13 -
Capítulo 2. Modelado Cinemático
- 14 -
Controladores de robots rígidos: un análisis comparativo
Las ecuaciones (2.3.1), (2.3.11) y (2.3.7) forman el modelo cinemático inverso del
robot manipulador SCORBOT ER-V+
Figura 2.5. Vista superior del robot PUMA en configuración brazo derecho
Figura 2.6. Vista superior del robot PUMA en configuración brazo izquierdo
- 15 -
Capítulo 2. Modelado Cinemático
Figura 2.7. Vista lateral del robot PUMA en la configuración de brazo derecho
- 16 -
Controladores de robots rígidos: un análisis comparativo
⎜⎜ ⎟⎟
(2.3.32)
⎜ P2 + P2 − d 2 ⎟
⎝ 2l2 Px + Py + ( Pz − l1 )
2 2 2
⎝ x y ⎠ ⎠
Figura 2.8. Vista lateral del robot PUMA en la configuración de brazo izquierdo
- 17 -
Capítulo 2. Modelado Cinemático
Para la configuración codo arriba, solamente se debe de cambiar el signo del último
término de la ecuación anterior. Las ecuaciones (2.3.16), (2.3.32), (2.3.28), (2.3.21),
(2.3.39) y (2.3.43) forman el modelo cinemático inverso del robot manipulador PUMA,
para las 4 configuraciones brazo derecho-codo abajo, brazo derecho-codo arriba, brazo
izquierdo-codo abajo y brazo izquierdo-codo arriba.
- 18 -
Controladores de robots rígidos: un análisis comparativo
Capítulo 3
Modelado Dinámico
A lo largo de este capítulo se revisan las herramientas para el modelado dinámico de
un robot manipulador. La primera parte se centra en el modelado dinámico por medio de la
formulación Euler-Lagrange. En la segunda parte se obtiene el modelo dinámico de los
robots manipuladores por medio de la formulación de Hamilton. Al final del capítulo por
medio de comparación se validan los modelos dinámicos obtenidos.
- 19 -
Capítulo 3. Modelado Dinámico
L ( q, q ) = K ( q, q ) − U ( q ) (3.1.3)
Se van a obtener las ecuaciones de las energías cinéticas y potenciales para cada uno
de los eslabones del robot manipulador:
Eslabón 1:
1
• Energía Cinética. K1 = I1θ12 (3.2.3)
2
• Energía Potencial. U1 = m1 gh (3.2.4)
- 20 -
Controladores de robots rígidos: un análisis comparativo
θ3
θ2
θ1
Figura 3.1. Esquema del movimiento del robot manipulador SCORBOT ER-V+
Eslabón 2:
• Energía Cinética. K2 =
1
2
1
(
m2 v2 2 + I 2 θ12 + θ 2 2
2
) (3.2.5)
Se requiere obtener la expresión de la velocidad, para ello se sabe que:
v2 2 = x22 + y22 + z22 (3.2.6)
x2 = lc 2 cos θ 2 cos θ1 (3.2.7)
y2 = lc 2 cos θ 2 sen θ1 (3.2.8)
z2 = h + lc 2 sen θ 2 (3.2.9)
Eslabón 3:
- 21 -
Capítulo 3. Modelado Dinámico
•
1 1
(
m3 v32 + I 3 ⎡θ12 + θ 2 + θ 3 ⎤ )
2
Energía Cinética. K3 = (3.2.17)
2 2 ⎣⎢ ⎦⎥
Para obtener la velocidad:
v32 = x32 + y32 + z32 (3.2.18)
x3 = l2 cos θ 2 cos θ1 + lc 3 cos (θ 2 + θ3 ) cos θ1 (3.2.19)
y3 = l2 cos θ 2 sen θ1 + lc 3 cos (θ 2 + θ 3 ) sen θ1 (3.2.20)
z3 = h + l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) (3.2.21)
( ( )
+ −l2 sen θ 2 sen θ1θ 2 + l2 cos θ 2 cos θ1θ1 − lc 3 sen (θ 2 + θ 3 ) sen θ1 θ 2 + θ 3 + lc 3 cos (θ 2 + θ 3 ) cos θ1θ1 )
2
(3.2.25)
+ ( l cos θ θ (
+ lc 3 cos (θ 2 + θ 3 ) θ 2 + θ 3 ))
2
2 2 2
2 2 2 ⎣⎢ ⎦⎥
- 22 -
Controladores de robots rígidos: un análisis comparativo
( )
x4 = −l2 sen θ 2 cos θ1θ 2 − l2 cos θ 2 sen θ1θ1 − l3 sen (θ 2 + θ 3 ) cos θ1 θ 2 + θ 3 − l3 cos (θ 2 + θ 3 ) sen θ1θ1 (3.2.34)
y4 = −l2 sen θ 2 sen θ1θ 2 + l2 cos θ 2 cos θ1θ1 − l3 sen (θ 2 + θ 3 ) sen θ (θ
1 2 +θ ) + l
3 3 cos (θ 2 + θ 3 ) cos θ1θ1 (3.2.35)
(
z4 = l2 cos θ 2θ 2 + l3 cos (θ 2 + θ 3 ) θ 2 + θ 3 ) (3.2.36)
v4 2 = l32θ 2 2 + lc 32θ 32 + 2l32θ 2θ 3 + 2l2 l3 cos (θ 2 ) cos (θ 2 + θ 3 )θ12 + l2 2θ 2 2 + l32 cos 2 (θ 2 + θ 3 )θ12
(3.2.38)
(
+ l2 2 cos 2 (θ 2 ) θ12 + 2l2 l3 cos (θ3 ) θ 2 θ 2 + θ 3 )
Con lo que la ecuación de la energía cinética es:
1 1 1
K 4 = m f l32θ 2 2 + m f l32θ 32 + m f l32θ 2θ3 + m f l2 l3 cos (θ 2 ) cos (θ 2 + θ 3 )θ12 + m f l2 2θ 2 2
2 2 2 (3.2.39)
1
2
2 2 1
+ m f l3 cos (θ 2 + θ 3 ) θ1 + m f l2 cos (θ 2 )θ1 + m f l2 l3 cos (θ 3 )θ 2 θ 2 + θ 3
2
2
2 2 2
( )
Después de obtener las expresiones de las energías cinética y potencial de cada uno
de los eslabones del robot manipulador, se debe obtener la energía cinética total del robot
manipulador:
K = K1 + K 2 + K 3 + K 4 (3.2.41)
K=
1
2
1 1
( 1
) 1
I1θ12 + m2 ⎡⎣lc 2 2θ 2 2 + lc 2 2 cos 2 θ 2θ12 ⎤⎦ + I 2 θ12 + θ 2 2 + m3lc 32θ 2 2 + m3lc 32θ 32 + m3lc 32θ 2θ 3
2 2 2 2
1 1 1
+ m3l2 lc 3 cos (θ 2 ) cos (θ 2 + θ 3 ) θ12 + m3l2 2θ 2 2 + m3lc 32 cos 2 (θ 2 + θ 3 )θ12 + m3l2 2 cos 2 (θ 2 )θ12
2 2 2
( ) ( )
+ m3l2 lc 3 cos (θ 3 ) θ 2 θ 2 + θ 3 + I 3 θ1 + θ 2 + θ3 ⎤ + m f l3 θ 2 + m f l3 θ 32 + m f l32θ 2θ 3
1 ⎡ 2 1 1
2
2 2 2
(3.2.42)
2 ⎣⎢ ⎦⎥ 2 2
1 1 1
+ m f l2 l3 cos (θ 2 ) cos (θ 2 + θ3 )θ12 + m f l2 2θ 2 2 + m f l32 cos 2 (θ 2 + θ 3 )θ12 + m f l2 2 cos 2 (θ 2 )θ12
2 2 2
(
+ m f l2 l3 cos (θ3 ) θ 2 θ 2 + θ3 )
La energía potencial total del robot manipulador es:
U = U1 + U 2 + U 3 + U 4 (3.2.43)
U = m1 gh + m2 g ( h + lc 2 senθ 2 ) + m3 g ( h + l2 senθ 2 + lc 3 sen (θ 2 + θ 3 ) )
(3.2.44)
+ m f g ( h + l2 senθ 2 + l3 sen (θ 2 + θ 3 ) )
- 23 -
Capítulo 3. Modelado Dinámico
2 2 2
( ) ( )
+ m3l2 lc 3 cos (θ3 ) θ 2 θ 2 + θ 3 + I 3 ⎡θ12 + θ 2 + θ3 ⎤ + m f l32θ 2 2 + m f l32θ 32 + m f l32θ 2θ 3
1 1 1
2
2 ⎢⎣ ⎥⎦ 2 2 (3.2.45)
1 1 1
+ m f l2 l3 cos (θ 2 ) cos (θ 2 + θ 3 ) θ12 + m f l2 2θ 2 2 + m f l32 cos 2 (θ 2 + θ 3 )θ12 + m f l2 2 cos 2 (θ 2 )θ12
2 2 2
( )
+ m f l2 l3 cos (θ3 ) θ 2 θ 2 + θ 3 − m1 gh − m2 g ( h + lc 2 senθ 2 ) − m3 g ( h + l2 senθ 2 + lc 3 sen (θ 2 + θ 3 ) )
− m f g ( h + l2 senθ 2 + l3 sen (θ 2 + θ3 ) )
- 24 -
Controladores de robots rígidos: un análisis comparativo
∂L
= − m2 lc 2 2 cos θ 2 sen θ 2θ12 − m3l2 lc 3θ12 ( sen (θ 2 ) cos (θ 2 + θ 3 ) + cos (θ 2 ) sen (θ 2 + θ 3 ) ) − m2 glc 2 cos θ 2
∂θ 2
− 2m3lc 3 2 cos (θ 2 + θ 3 ) sen (θ 2 + θ 3 )θ12 − m3l2 2 cos (θ 2 ) sen (θ 2 )θ12 − m f l2 l3θ12 sen (θ 2 ) cos (θ 2 + θ 3 )
− m f l2 l3θ12 cos (θ 2 ) sen (θ 2 + θ 3 ) − m f l32 cos (θ 2 + θ 3 ) sen (θ 2 + θ 3 )θ12 − m f l2 2 cos (θ 2 ) sen (θ 2 )θ12
− m3 gl2 cos θ 2 − m3 glc 3 cos (θ 2 + θ 3 ) − m f gl2 cos θ 2 − m f gl3 cos (θ 2 + θ 3 )
∂F
= β 2θ 2
∂θ 2
∂L
∂θ 3
( )
= m3lc 32θ3 + m3lc 32θ 2 + m3l2 lc 3 cos (θ 3 )θ 2 + I 3 θ 2 + θ 3 + m f l32θ 3 + m f l32θ 2 + m f l2 l3 cos (θ 3 )θ 2
d ⎛ ∂L ⎞
⎜
dt ⎝ ∂θ 3 ⎠
2 2
( ) (
⎟ = m3lc 3 θ 3 + m3lc 3 θ 2 + m3l2 lc 3 − sen (θ 3 ) θ 2θ 3 + cos (θ 3 )θ 2 + I 3 θ 2 + θ 3 + m f l3 θ 3
2
)
(
+ m f l32θ 2 + m f l2 l3 − sen (θ 3 ) θ 2θ 3 + cos (θ 3 )θ 2 )
∂L
= −m3l2 lc 3 cos (θ 2 ) sen (θ 2 + θ3 )θ12 − m3lc 32 cos (θ 2 + θ3 ) sen (θ 2 + θ 3 )θ12 − m3 glc 3 cos (θ 2 + θ 3 )
∂θ 3
( )
− m3l2 lc 3 sen (θ 3 ) θ 2 θ 2 + θ 3 − m f l2 l3 cos (θ 2 ) sen (θ 2 + θ 3 )θ12 − m f gl3 cos (θ 2 + θ 3 )
(
− m f l3 cos (θ 2 + θ 3 ) sen (θ 2 + θ3 )θ12 − m f l2 l3 sen (θ 3 )θ 2 θ 2 + θ 3
2
)
∂F
= β3θ 3
∂θ3
( )
−2m3lc 32 sen (θ 2 + θ3 ) cos (θ 2 + θ3 )θ1 θ 2 + θ 3 − 2m3l2 2 sen θ 2 cos θ 2θ1θ 2 + m3l2 2 cos 2 (θ 2 )θ1
(3.2.47)
(
−2m f l2 l3 sen θ 2 cos (θ 2 + θ 3 )θ1θ 2 − 2m f l2 l3 cos θ 2 sen (θ 2 + θ 3 )θ1 θ 2 + θ 3 )
(
+2m f l2 l3 cos θ 2 cos (θ 2 + θ 3 )θ1 − 2m f l32 sen (θ 2 + θ 3 ) cos (θ 2 + θ 3 )θ1 θ 2 + θ 3 )
+ m f l32 cos 2 (θ 2 + θ 3 )θ1 − 2m f l2 2 sen θ 2 cos θ 2θ1θ 2 + m f l2 2 cos 2 (θ 2 ) θ1 + β1θ1 = τ 1
( )
−m3l2 lc 3 sen (θ 3 )θ 32 + m3l2 lc 3 cos (θ 3 )θ 3 + I 3 θ 2 + θ 3 − 2m f l2 l3 sen (θ 3 )θ 2θ 3 + 2m f l2 l3 cos (θ 3 )θ 2
+ m f l3 2θ 2 + m f l2 2θ 2 + m f l2 2 cos (θ 2 ) sen (θ 2 )θ12 + m2 glc 2 cos θ 2 + m3 gl2 cos θ 2 + m3 glc 3 cos (θ 2 + θ 3 )
−m f l2 l3 sen (θ 3 ) θ32 + m f l2 l3 cos (θ 3 )θ 3 + m2 lc 2 2 cos θ 2 sen θ 2θ12 + m3l2 lc 3 sen (θ 2 ) cos (θ 2 + θ 3 )θ12 (3.2.48)
+ m3l2 lc 3 cos (θ 2 ) sen (θ 2 + θ3 )θ + 2m3lc 3 cos (θ 2 + θ 3 ) sen (θ 2 + θ 3 )θ + m3l2 cos (θ 2 ) sen (θ 2 ) θ
1
2 2
1
2 2
1
2
+ m f l2 l3 sen (θ 2 ) cos (θ 2 + θ3 )θ12 + m f l2l3 cos (θ 2 ) sen (θ 2 + θ 3 )θ12 + m f l32 cos (θ 2 + θ 3 ) sen (θ 2 + θ 3 )θ12
+ m f gl2 cos θ 2 + m f gl3 cos (θ 2 + θ 3 ) + β 2θ 2 = τ 2
- 25 -
Capítulo 3. Modelado Dinámico
( )
m3lc 32θ 3 + m3lc 32θ 2 − m3l2 lc 3 sen (θ 3 )θ 2θ 3 + m3l2 lc 3 cos (θ 3 )θ 2 + I 3 θ 2 + θ 3 − m f l2 l3 sen (θ 3 )θ 2θ 3
+ m3l2 lc 3 cos (θ 2 ) sen (θ 2 + θ 3 ) θ + m3lc 3 cos (θ 2 + θ3 ) sen (θ 2 + θ 3 )θ + m f l2 l3 cos (θ 3 )θ 2 + m f l32θ 3
1
2 2
1
2
(3.2.49)
( )
+ m f l32θ 2 + m3l2 lc 3 sen (θ 3 )θ 2 θ 2 + θ 3 + m f l2 l3 cos (θ 2 ) sen (θ 2 + θ3 )θ12 + m3 glc 3 cos (θ 2 + θ 3 )
( )
+ m f l32 cos (θ 2 + θ 3 ) sen (θ 2 + θ 3 )θ12 + m f l2 l3 sen (θ 3 )θ 2 θ 2 + θ 3 + m f gl3 cos (θ 2 + θ 3 ) + β 3θ 3 = τ 3
Las ecuaciones (3.2.47), (3.2.48) y (3.2.49) forman el modelo dinámico del robot
manipulador SCORBOT ER-V +, definiendo qi = θi , qi = θi y qi = θi , además, también s
realiza la siguiente definición de matrices:
⎡ M 11 ( q ) M 12 ( q ) M 13 ( q ) ⎤
⎢ ⎥
M ( q ) = ⎢ M 21 ( q ) M 22 ( q ) M 23 ( q ) ⎥
⎢⎣ M 31 ( q ) M 32 ( q ) M 33 ( q ) ⎥⎦
M 11 ( q ) = m2 lc 2 2 cos 2 q2 + 2m3l2 lc 3 cos θ 2 cos ( q2 + q3 ) + m3lc 32 cos 2 ( q2 + q3 ) + m3l2 2 cos 2 q2 + m f l2 2 cos 2 q2
+2m f l2 l3 cos q2 cos ( q2 + q3 ) + m f l32 cos 2 ( q2 + q3 ) + I1 + I 2 + I 3
M 12 ( q ) = 0
M 13 ( q ) = 0
M 21 ( q ) = 0
M 22 ( q ) = m2 lc 2 2 + I 2 + m3lc 32 + m3l2 2 + 2m3l2 lc 3 cos q3 + I 3 + m f l32 + m f l2 2 + 2m f l2 l3 cos q3
M 23 ( q ) = m3lc 32 + m3l2 lc 3 cos q3 + I 3 + m f l32 + m f l2 l3 cos q3
M 31 ( q ) = 0
M 32 ( q ) = m3lc 32 + m3l2 lc 3 cos q3 + m f l32 + m f l2 l3 cos q3 + I 3
M 33 ( q ) = m3lc 3 2 + m f l32 + I 3
⎡ C11 ( q, q ) C12 ( q, q ) C13 ( q, q ) ⎤
⎢ ⎥
C ( q, q ) = ⎢C21 ( q, q ) C22 ( q, q ) C23 ( q, q ) ⎥
⎢⎣C31 ( q, q ) C32 ( q, q ) C33 ( q, q ) ⎥⎦
C11 ( q, q ) = −m2 lc 2 2 cos q2 sen q2 q2 − m3l2 lc 3 sen q2 cos ( q2 + q3 ) q2 − m3l2 lc 3 cos q2 sen ( q2 + q3 )( q2 + q3 )
−m3lc 32 sen ( q2 + q3 ) cos ( q2 + q3 )( q2 + q3 ) − m3l2 2 sen q2 cos q2 q2 − m f l2 l3 sen q2 cos ( q2 + q3 ) q1q2
−m f l2 l3 cos q2 sen ( q2 + q3 )( q2 + q3 ) − m f l32 sen ( q2 + q3 ) cos ( q2 + q3 )( q2 + q3 ) − m f l2 2 sen q2 cos q2 q2
C12 ( q, q ) = −m2 lc 2 2 cos q2 sen q2 q1 − m3l2 lc 3 sen q2 cos ( q2 + q3 ) q1 − m3l2 lc 3 cos q2 sen ( q2 + q3 ) q1
−m3lc 32 sen ( q2 + q3 ) cos ( q2 + q3 ) q1 − m f l32 sen ( q2 + q3 ) cos ( q2 + q3 ) q1 − m3l2 2 sen q2 cos q2 q1
−m f l2 l3 cos q2 sen ( q2 + q3 ) q1 − m f l2 2 sen q2 cos q2 q1 − m f l2 l3 sen q2 cos ( q2 + q3 ) q1
C13 ( q, q ) = − m3l2 lc 3 cos q2 sen ( q2 + q3 ) q1 − m3lc 32 sen ( q2 + q3 ) cos ( q2 + q3 ) q1 − m f l2 l3 cos q2 sen ( q2 + q3 ) q1
−m f l32 sen ( q2 + q3 ) cos ( q2 + q3 ) q1
C21 ( q, q ) = −m2 lc 2 2 cos q2 sen q2 q1 − m3l2 lc 3 sen q2 cos ( q2 + q3 ) q1 − m3l2 lc 3 cos q2 sen ( q2 + q3 ) q1
−m3lc 32 cos ( q2 + q3 ) sen ( q2 + q3 ) q1 − m3l2 2 cos q2 sen ( q2 ) q1 − m f l2 l3 sen q2 cos ( q2 + q3 ) q1
−m f l2 l3 cos q2 sen ( q2 + q3 ) q1 − m f l32 cos ( q2 + q3 ) sen ( q2 + q3 ) q1 − m f l2 2 cos q2 sen q2 q1
C22 ( q, q ) = − m3l2 lc 3 sen q3 q3 − m f l2 l3 sen q3 q3
C23 ( q, q ) = − m3l2 lc 3 sen q3 q2 − m3l2 lc 3 sen q3 q3 − m f l2 l3 sen q3 q2 − m f l2 l3 sen q3 q3
- 26 -
Controladores de robots rígidos: un análisis comparativo
B ( q ) = ⎡⎣ B1 ( q ) B2 ( q ) B3 ( q ) ⎤⎦
T
B1 ( q ) = β1q1
B2 ( q ) = β 2 q2
B3 ( q ) = β 3 q3
g ( q ) = ⎡⎣ g1 ( q ) g 2 ( q ) g3 ( q ) ⎤⎦
T
g1 ( q ) = 0
g 2 ( q ) = m2 glc 2 cos q2 + m3 gl2 cos q2 + m3 glc 3 cos ( q2 + q3 ) + m f gl2 cos q2 + m f gl3 cos ( q2 + q3 )
g3 ( q ) = m3 glc 3 cos ( q2 + q3 ) + m f gl3 cos ( q2 + q3 )
Con los elementos ya definidos, el modelo dinámico del robot SCORBOT ER-V+
se escribe con la siguiente forma matricial (ecuación (3.5.1)):
M ( q ) q + C ( q, q ) q + B ( q ) + g ( q ) = τ (3.2.50)
θ3
θ2
θ1
Eslabón 1:
1 1
• Energía Cinética. K1 = m1lc12θ12 + I1θ12 (3.2.51)
2 2
• Energía Potencial. U1 = m1 gh (3.2.52)
- 27 -
Capítulo 3. Modelado Dinámico
Eslabón 2:
• Energía Cinética. K2 =
1
2
1
(
m2 v2 2 + I 2 θ12 + θ 2 2
2
) (3.2.53)
Primero, se obtiene la expresión de la velocidad:
v2 = x + y22 + z22
2 2
2 (3.2.54)
x2 = d1 sen θ1 − lc 2 cos (θ 2 + φ ) cos θ1 (3.2.55)
y2 = −d1 cos θ1 − lc 2 cos (θ 2 + φ ) sen θ1 (3.2.56)
z2 = h − lc 2 sen (θ 2 + φ ) (3.2.57)
Eslabón 3:
•
1 1
(
m3 v32 + I 3 ⎡θ12 + θ 2 + θ 3 ⎤ )
2
Energía Cinética. K3 = (3.2.65)
2 2 ⎢
⎣ ⎦⎥
Para obtener la velocidad:
v3 = x3 + y32 + z32
2 2
(3.2.66)
x3 = ( d1 + d 2 ) sen θ1 + l2 cos θ 2 cos θ1 + lc 3 cos (θ 2 + θ 3 ) cos θ1 (3.2.67)
y3 = − ( d1 + d 2 ) cos θ1 + l2 cos θ 2 sen θ1 + lc 3 cos (θ 2 + θ 3 ) sen θ1 (3.2.68)
z3 = h + l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) (3.2.69)
- 28 -
Controladores de robots rígidos: un análisis comparativo
( ( )
+ −l2 sen θ 2 sen θ1θ 2 + l2 cos θ 2 cos θ1θ1 − lc 3 sen (θ 2 + θ3 ) sen θ1 θ 2 + θ 3 + lc 3 cos (θ 2 + θ 3 ) cos θ1θ1 )
2
(3.2.73)
+ ( l cos θ θ (
+ lc 3 cos (θ 2 + θ 3 ) θ 2 + θ 3 ))
2
2 2 2
(3.2.74)
( ) − 2θ1θ 2 ( d1 + d 2 ) ( l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) ) − 2lc 3 sen (θ 2 + θ 3 )θ1θ 3 ( d1 + d 2 )
2
+ lc 32 θ 2 + θ 3
K 3 = m3
2 ⎢ + l 2θ 2 − 2θ θ ( d + d ) ( l sen θ + l sen (θ + θ ) ) − 2l sen (θ + θ )θ θ ( d + d ) ⎥ (3.2.75)
⎣ 2 2 1 2 1 2 2 2 c3 2 3 c3 2 3 1 3 1 2 ⎦
+ I 3 θ1 + θ 2 + θ 3 ⎤
1 ⎡ 2
( )
2
2 ⎣⎢ ⎦⎥
- 29 -
Capítulo 3. Modelado Dinámico
y4 = ( d1 + d 2 ) sen θ1θ1 − l2 sen θ 2 sen θ1θ 2 + l2 cos θ 2 cos θ1θ1 − l3 sen (θ 2 + θ 3 ) sen θ1 θ 2 + θ 3 ( ) (3.2.83)
+ l3 cos (θ 2 + θ3 ) cos θ1θ1
z4 = l2 cos θ 2θ 2 + l3 cos (θ 2 + θ 3 ) θ 2 + θ 3 ( ) (3.2.84)
(3.2.86)
( ) − 2θ1θ 2 ( d1 + d 2 ) ( l2 sen θ 2 + l3 sen (θ 2 + θ 3 ) ) − 2l3 sen (θ 2 + θ 3 )θ1θ 3 ( d1 + d 2 )
2
+ l32 θ 2 + θ 3
2 2
+ m3 ( d1 + d 2 ) θ12 − m3lc 3 sen (θ 2 + θ3 )θ1θ 3 ( d1 + d 2 ) + I 3 ⎡θ12 + θ 2 + θ3 ⎤
1 1
( )
2 2
2 2 ⎢
⎣ ⎦⎥
( 1
2
)
+ m3l2 lc 3 cos θ 3θ 2 θ 2 + θ3 + m3l2 2θ 2 2 − m3θ1θ 2 ( d1 + d 2 ) ( l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) ) (3.2.90)
2 2 2
( )
+ m f l2 l3 cos θ 3θ 2 θ 2 + θ 3 + m f l2 2θ 2 2 − m f θ1θ 2 ( d1 + d 2 ) ( l2 sen θ 2 + l3 sen (θ 2 + θ 3 ) )
1
2
− m f l3 sen (θ 2 + θ 3 ) θ1θ 3 ( d1 + d 2 )
- 30 -
Controladores de robots rígidos: un análisis comparativo
2 2 2 2 2 2
+ m2 d1lc 2 sen (θ 2 + φ ) θ1θ 2 + m3θ1 ( l2 cos θ 2 + lc 3 cos (θ 2 + θ 3 ) ) + m3l2 lc 3 cos θ 3θ 2 θ 2 + θ 3
1
( )
2 2
( ) ( )
+ m3lc 32 θ 2 + θ 3 + I 2 θ12 + θ 2 2 + m3l2 2θ 2 2 − m3θ1θ 2 ( d1 + d 2 ) ( l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) )
1 1 1
2
2 2 2
( )
− m3lc 3 sen (θ 2 + θ 3 ) θ1θ 3 ( d1 + d 2 ) + I 3 θ1 + θ 2 + θ 3 ⎤ + m f θ12 ( l2 cos θ 2 + l3 cos (θ 2 + θ 3 ) )
1 ⎡ 2 1
2 2
⎢ ⎥
(3.2.93)
2 ⎣ ⎦ 2
1
( ) ( )
+ m f l32 θ 2 + θ3 + m f l2 l3 cos θ 3θ 2 θ 2 + θ 3 + m f l2 2θ 2 2 − m1 gh − m2 g ( h − lc 2 sen (θ 2 + φ ) )
1
2
2 2
− m f θ1θ 2 ( d1 + d 2 ) ( l2 sen θ 2 + l3 sen (θ 2 + θ3 ) ) − m f l3 sen (θ 2 + θ3 )θ1θ 3 ( d1 + d 2 )
∂θ1
+ I 2θ1 + m3θ1 ( l2 cos θ 2 + lc 3 cos (θ 2 + θ 3 ) ) + I 3θ1 − m3θ 2 ( d1 + d 2 ) ( l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) )
2
( (
− 2m3θ1 ( l2 cos θ 2 + lc 3 cos (θ 2 + θ 3 ) ) l2 sen θ 2θ 2 + lc 3 sen (θ 2 + θ 3 ) θ 2 + θ 3 )) + I θ 3 1 + I 2θ1
− m3 ( d1 + d 2 ) l2 sen θ 2θ 2 − m3 ( d1 + d 2 ) lc 3 sen (θ 2 + θ 3 )θ 2 − m3lc 3θ3 sen (θ 2 + θ 3 )( d1 + d 2 )
( )
− m3 ( d1 + d 2 ) l2 cos θ 2θ 2θ 2 − m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ 3 ) θ 2 + θ 3 θ 2 + m3 ( d1 + d 2 ) θ1
2
( )
− m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ3 ) θ 2 + θ 3 θ 3 + m f ( d1 + d 2 ) θ1 − m f ( d1 + d 2 ) l2 sen θ 2θ 2
2
( (
− 2m f θ1 ( l2 cos θ 2 + l3 cos (θ 2 + θ3 ) ) l2 sen θ 2θ 2 + l3 sen (θ 2 + θ 3 ) θ 2 + θ 3 ))
− m f ( d1 + d 2 ) l3 sen (θ 2 + θ 3 )θ 2 − m f l3θ 3 sen (θ 2 + θ 3 )( d1 + d 2 )
(
− m f ( d1 + d 2 ) l2 cos θ 2θ 2 2 − m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 ) θ 2 + θ3 θ 2 )
∂L
=0
∂θ1
- 31 -
Capítulo 3. Modelado Dinámico
∂F
= β1θ1
∂θ1
∂L
∂θ 2
( )
= m2 lc 2 2θ 2 + m2 dlc 2 sen (θ 2 + φ )θ1 + I 2θ 2 + m3lc 32 θ 2 + θ 3 + 2m3l2 lc 3 cos θ 3θ 2 + m3l2 lc 3 cos θ 3θ 3
( )
+ m3l2 2θ 2 + I 3 θ 2 + θ 3 − m3θ1 ( d1 + d 2 ) ( l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) ) + m f l32 θ 2 + θ 3( )
+ 2m f l2 l3 cos θ 3θ 2 + m f l2 l3 cos θ3θ 3 + m f l2 θ 2 − m f θ1 ( d1 + d 2 ) ( l2 sen θ 2 + l3 sen (θ 2 + θ3 ) )
2
d ⎛ ∂L ⎞
⎜ ⎟ = m2 lc 2 θ 2 + m2 dlc 2 sen (θ 2 + φ )θ1 + m2 dlc 2 cos (θ 2 + φ )θ1θ 2 + m3l2 θ 2 + m3lc 3 θ 2 + θ 3
dt ⎝ ∂θ 2
2 2 2
( )
⎠
+ 2m3l2 lc 3 cos θ3θ 2 − 2m3l2 lc 3 sen θ 3θ 2θ3 − m3 ( d1 + d 2 ) l2 cos θ 2θ1θ 2 + m3l2 lc 3 cos θ 3θ 3 + I 2θ 2
− m3l2 lc 3 sen θ3θ32 − m3 ( d1 + d 2 ) l2 sen θ 2θ1 − m3 ( d1 + d 2 ) lc 3 sen (θ 2 + θ 3 )θ1 + I 3 θ 2 + θ 3( )
( )
− m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ 3 ) θ1 θ 2 + θ 3 + 2m f l2 l3 cos θ 3θ 2 − 2m f l2 l3 sen θ 3θ 2θ 3 + m f l3 2
(θ 2 + θ3 )
+ m f l2 l3 cos θ 3θ 3 − m f l2 l3 sen θ3θ 3 + m f l2 θ 2 − m f ( d1 + d 2 ) l2 sen θ 2θ1 − m f ( d1 + d 2 ) l2 cos θ 2θ1θ 2
2 2
(
− m f ( d1 + d 2 ) l3 sen (θ 2 + θ 3 ) θ1 − m f ( d1 + d 2 ) l3 cos (θ 2 + θ3 )θ1 θ 2 + θ 3 )
∂L
= − m2 lc 2 2 cos (θ 2 + φ ) sen (θ 2 + φ )θ12 + m2 dlc 2 cos (θ 2 + φ )θ1θ 2 − m3 ( d1 + d 2 ) l2 cos θ 2θ1θ 2
∂θ 2
− m3θ12 ( l2 cos θ 2 + lc 3 cos (θ 2 + θ3 ) ) ( l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) ) − m f ( d1 + d 2 ) l2 cos θ 2θ1θ 2
− m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ3 )θ1θ 2 − m3lc 3 cos (θ 2 + θ 3 )( d1 + d 2 )θ1θ 3 + m2 glc 2 cos (θ 2 + φ )
− m f θ12 ( l2 cos θ 2 + l3 cos (θ 2 + θ 3 ) ) ( l2 sen θ 2 + l3 sen (θ 2 + θ 3 ) ) − m3 gl2 cos θ 2 − m f gl2 cos θ 2
− m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1θ 2 − m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1θ 3 − m3 glc 3 cos (θ 2 + θ 3 )
− m f gl3 cos (θ 2 + θ 3 )
∂F
= β 2θ 2
∂θ 2
∂L
∂θ 3
( )
= m3lc 32 θ 2 + θ 3 − m3 ( d1 + d 2 ) lc 3 sen (θ 2 + θ3 )θ1 + m3l2 lc 3 cos θ 3θ 2 + I 3 θ 2 + θ 3 ( )
( )
+ m f l32 θ 2 + θ3 + m f l2 l3 cos θ3θ 2 − m f ( d1 + d 2 ) l3 sen (θ 2 + θ 3 )θ1
d ⎛ ∂L ⎞
⎜
dt ⎝ ∂θ 3 ⎠
2
( )
⎟ = m3lc 3 θ 2 + θ 3 + m3l2 lc 3 cos θ 3θ 2 − m3l2 lc 3 sen θ 3θ 2θ 3 − m3 ( d1 + d 2 ) lc 3 sen (θ 2 + θ 3 )θ1
( ) ( ) ( )
− m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ3 )θ1 θ 2 + θ 3 + I 3 θ 2 + θ 3 + m f l32 θ 2 + θ 3 + m f l2 l3 cos θ 3θ 2
− m f l2 l3 sen θ 3θ 2θ 3 − m f ( d1 + d 2 ) l3 sen (θ 2 + θ 3 ) θ1 − m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1 θ 2 + θ 3( )
∂L
∂θ 3
(
= −m3θ12 ( l2 cos θ 2 + lc 3 cos (θ 2 + θ 3 ) ) ( lc 3 sen (θ 2 + θ 3 ) ) − m3l2 lc 3 sen θ 3θ 2 θ 2 + θ 3 )
− m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ 3 ) θ1θ 2 − m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ 3 )θ1θ 3 − m3 glc 3 cos (θ 2 + θ 3 )
(
− m f ( l2 cos θ 2 + l3 cos (θ 2 + θ 3 ) ) l3 sen (θ 2 + θ3 )θ12 − m f l2 l3 sen θ 3θ 2 θ 2 + θ 3 )
− m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1θ 2 − m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1θ 3 − m f gl3 cos (θ 2 + θ 3 )
∂F
= β3θ 3
∂θ3
- 32 -
Controladores de robots rígidos: un análisis comparativo
( )
m2 lc 2 2θ 2 + m2 dlc 2 sen (θ 2 + φ )θ1 + cos (θ 2 + φ )θ1θ 2 + m3l2 2θ 2 + I 2θ 2 + m3lc 32 θ 2 + θ 3 ( )
−2m3l2 lc 3 sen θ 3θ 2θ3 + m3l2 lc 3 cos θ3θ3 − m3l2 lc 3 sen θ3θ3 − m3 ( d1 + d 2 ) l2 sen θ 2θ1 + 2m f l2 l3 cos θ 3θ 2
2
( )
−m f ( d1 + d 2 ) l3 sen (θ 2 + θ 3 ) θ1 − m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1 θ 2 + θ 3 + 2m3l2 lc 3 cos θ 3θ 2 (3.2.96)
−m θ3 1
2
(l 2 cos θ 2 + lc 3 cos (θ 2 + θ 3 ) ) ( l2 sen θ 2 + lc 3 sen (θ 2 + θ 3 ) ) − m2 dlc 2 cos (θ 2 + φ )θ1θ 2
−m3θ1θ 2 ( d1 + d 2 ) ( l2 cos θ 2 + lc 3 cos (θ 2 + θ 3 ) ) + m3lc 3 cos (θ 2 + θ 3 )θ1θ 3 ( d1 + d 2 ) + m f gl2 cos θ 2
−m f θ12 ( l2 cos θ 2 + l3 cos (θ 2 + θ 3 ) ) ( l2 sen θ 2 + l3 sen (θ 2 + θ 3 ) ) − m2 glc 2 cos (θ 2 + φ )
−m f θ1θ 2 ( d1 + d 2 ) ( l2 cos θ 2 + l3 cos (θ 2 + θ 3 ) ) + m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1θ 3
+ m3 glc 3 cos (θ 2 + θ3 ) + m f gl3 cos (θ 2 + θ 3 ) + β 2θ 2 = τ 2
( ) ( )
m3lc 32 θ 2 + θ 3 + m3l2 lc 3 cos θ 3θ 2 − m3l2 lc 3 sen θ 3θ 2θ 3 + I 3 θ 2 + θ 3 − m3 ( d1 + d 2 ) lc 3 sen (θ 2 + θ 3 )θ1
( )
−m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ3 )θ1 θ 2 + θ3 + m f ( l2 cos θ 2 + l3 cos (θ 2 + θ 3 ) ) l3 sen (θ 2 + θ 3 )θ12
(
−m f ( d1 + d 2 ) l3 sen (θ 2 + θ3 )θ1 − m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1 θ 2 + θ 3 + m f l32 θ 2 + θ 3 ) ( )
+m θ3 1
2
(l 2 ( )
cos θ 2 + lc 3 cos (θ 2 + θ 3 ) ) ( lc 3 sen (θ 2 + θ 3 ) ) + m3l2 lc 3 sen θ 3θ 2 θ 2 + θ 3 + m f l2 l3 cos θ 3θ 2 (3.2.97)
+ m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ 3 ) θ1θ 2 + m3 ( d1 + d 2 ) lc 3 cos (θ 2 + θ 3 )θ1θ 3 − m f l2 l3 sen θ 3θ 2θ 3
( )
+ m f l2 l3 sen θ 3θ 2 θ 2 + θ3 + m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 ) θ1θ 2 + m f ( d1 + d 2 ) l3 cos (θ 2 + θ 3 )θ1θ 3
+ m3 glc 3 cos (θ 2 + θ 3 ) + m f gl3 cos (θ 2 + θ 3 ) + β 3θ 3 = τ 3
Las ecuaciones (3.2.95), (3.2.96) y (3.2.97) forman el modelo dinámico del robot
manipulador PUMA, para escribir las ecuaciones anteriores en la forma matricial (3.2.50),
la definición de las matrices es la siguiente:
- 33 -
Capítulo 3. Modelado Dinámico
- 34 -
Controladores de robots rígidos: un análisis comparativo
B3 ( q ) = β 3 q3
B ( q ) = ⎡⎣ B1 ( q ) B2 ( q ) B3 ( q ) ⎤⎦
T
g1 ( q ) = 0
g 2 ( q ) = −m2 glc 2 cos ( q2 + φ ) + m3 g ( l2 cos q2 + lc 3 cos ( q2 + q3 ) ) + m f g ( l2 cos q2 + l3 cos ( q2 + q3 ) )
g3 ( q ) = m3 glc 3 cos ( q2 + q3 ) + m f gl3 cos ( q2 + q3 )
g ( q ) = ⎡⎣ g1 ( q ) g 2 ( q ) g3 ( q ) ⎤⎦
T
2
Tao1,Nm
0
Tao1,Nm
0
-5 -2
-10 -4
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
-15
x 10
20 4
2
10
Tao2,Nm
Tao2,Nm
0
0
-2
-10 -4
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
-15
10 x 10
2
5 1
Tao3,Nm
Tao3,Nm
0 0
-5 -1
-10 -2
0 20 40 60 80 100 120 140 160 180 200 0 20 40 60 80 100 120 140 160 180 200
Tiempo (seg) Tiempo (seg)
- 35 -
Capítulo 3. Modelado Dinámico
-21
-6
Torques articulares para seguir la trayectoria deseada x 10 Diferencia entre las respuestas de los modelos
x 10
0 2
-2 1
Tao1,Nm
Tao1,Nm
0
-4
-1
-6
-2
-8 0 20 40 60 80 100 120 140 160 180 200
0 20 40 60 80 100 120 140 160 180 200
-15
x 10
8 3
6 2
Tao2,Nm
Tao2,Nm
1
4
0
2
-1
0 0 20 40 60 80 100 120 140 160 180 200
0 20 40 60 80 100 120 140 160 180 200
-15
x 10
4 2
Tao3,Nm
2
Tao3,Nm
0
0
-1
-2 0 20 40 60 80 100 120 140 160 180 200
0 20 40 60 80 100 120 140 160 180 200
Tiempo (seg)
Tiempo (seg)
Para todo u, v, w ∈ n
, se tiene:
M ( q ) q + C ( q , q ) q + g ( g ) = Φ ( q , u , v, w ) θ + k ( q , u , v , w ) (3.5.2)
- 36 -
Controladores de robots rígidos: un análisis comparativo
Y ( q, q, q ) θ = M ( q ) q + C ( q, q ) q + g ( g ) = τ (3.5.3)
β ≥ n ⎡ max M ij ( q ) ⎤ (3.5.6)
⎢⎣ i , j ,q ⎥⎦
- 37 -
Capítulo 3. Modelado Dinámico
Propiedad 3.10. Existen constantes kC1 > 0 y kC2 > 0 tales que:
C ( x, z ) w − C ( y, v ) w ≤ kC1 z − v w + kC2 x − y w z (3.5.12)
n
Para todo vector v, x, y, z , w∈ .
- 38 -
Controladores de robots rígidos: un análisis comparativo
∫ g (q) qdt = u ( q (T ) ) − u ( q ( 0 ) )
T T
(3.5.14)
0
Para todo T ∈ + .
∫ g (q) qdt +u ( q ( 0 ) ) ≥ ku
T T
(3.5.15)
0
Además, k g satisface:
∂g ( q ) ⎧ ∂g ( q ) ⎫
kg ≥ ≥ λMax ⎨ ⎬ (3.5.18)
∂q ⎩ ∂q ⎭
- 39 -
Capítulo 3. Modelado Dinámico
( ) ( )
h q, q = ⎡⎣ M ( qd ) − M ( qd − q ) ⎤⎦ qd + ⎡⎣C ( qd , qd ) − C qd − q, qd − q ⎤⎦ qd
(3.5.20)
+ g ( qd ) − g ( qd − q )
Propiedad 3.16. Existen constantes kh1 , kh2 > 0 tales que la norma de la dinámica residual
cumple con:
( )
h q, q ≤ kh1 q + kh2 f ( q ) (3.5.21)
Para todo q, q ∈ n
, donde f ( q ) es la función tangente hiperbólica definida como:
⎡ tanh ( x1 ) ⎤
⎢ ⎥
f ( x) = ⎢ ⎥ (3.5.22)
⎢⎣ tanh ( xn ) ⎥⎦
Si se desea leer más sobre las propiedades del modelo dinámico de un robot
manipulador de articulacione rotatorias se puede consultar [Kelly 2003]
- 40 -
Controladores de robots rígidos: un análisis comparativo
Con la matriz anterior, se puede obtener el Hamiltoneano del robot SCORBOT ER-
V+ aplicando la ecuación (3.6.7). Con el Hamiltoneano del robot se desarrollan las
ecuaciones (3.6.4) y(3.6.5). Para escribir el modelo dinámico primero se redefinen los
siguientes elementos:
a1 = p2 m3 lc 32 + p2 m f l32 + p2 I 3 − p3 m3 lc 32 − p3 m3 l2 lc 3 cos ( q3 ) − p3 I 3 − p3 m f l32 − p3 m f l2 l3 cos ( q3 )
- 41 -
Capítulo 3. Modelado Dinámico
a2 = − p2 m3 lc 32 − p2 m3 l2 lc 3 cos ( q3 ) − p2 I 3 − p2 m f l3 2 − p2 m f l2 l3 cos ( q3 ) + p3 m2 lc 2 2 + p3 I 2
+ p3 m3 lc 32 + p3 m3 l2 2 + 2 p3 m3 l2 lc 3 cos ( q3 ) + p3 I 3 + p3 m f l3 2 + p3 m f l2 2 + 2 p3 m f l2 l3 cos ( q3 )
⎛ −2 m2 lc 2 2 cos ( q2 ) sin ( q2 ) − 2 m3 l2 lc 3 sin ( q2 ) cos ( q2 + q3 ) − 2 m3 l2 lc 3 cos ( q2 ) sin ( q2 + q3 ) ⎞
⎜ ⎟
a3 = p12 ⎜ −2 m3 lc 32 cos ( q2 + q3 ) sin ( q2 + q3 ) − 2 m3 l2 2 cos ( q2 ) sin ( q2 ) − 2 m f l2 l3 sin ( q2 ) cos ( q2 + q3 ) ⎟
⎜ ⎟
⎜ −2 m f l2 l3 cos ( q2 ) sin ( q2 + q3 ) − 2 m f l32 cos ( q2 + q3 ) sin ( q2 + q3 ) − 2 m f l2 2 cos ( q2 ) sin ( q2 ) ⎟
⎝ ⎠
⎛ −2 m3 l2 lc 3 cos ( q2 ) sin ( q2 + q3 ) − 2 m3 lc 32 cos ( q2 + q3 ) sin ( q2 + q3 ) ⎞
a4 = p12 ⎜
⎜ −2 m l l cos ( q ) sin ( q + q ) − 2 m l 2 cos ( q + q ) sin ( q + q ) ⎟⎟
⎝ f 2 3 2 2 3 f 3 2 3 2 3 ⎠
⎛ 2 m 2 l 2 l 2 cos ( q3 ) sin ( q3 ) + 2 m f 2 l2 2 l32 cos ( q3 ) sin ( q3 ) ⎞
a5 = p2 ( m3 lc 32 + m f l32 + I 3 ) ⎜ 3 2 2c 3 ⎟⎟
⎜ +4 m l l cos ( q ) m l sin ( q )
⎝ 3 2 c3 3 f 3 3 ⎠
a6 = p3 ( −m3 l2 lc 3 sin ( q3 ) − m f l2 l3 sin ( q3 ) )
⎛ m3 lc 32 + m3 l2 lc 3 cos ( q3 ) + I 3 + m f l32 ⎞ ⎛ 2 m32 l2 2 lc 32 cos ( q3 ) sin ( q3 ) + 2 m f 2 l2 2 l32 cos ( q3 ) sin ( q3 ) ⎞
a7 = p3 ⎜ ⎟⎜ ⎟⎟
⎜ + m l l cos ( q ) ⎟ ⎜ +4 m3 l2 2 lc 3 cos ( q3 ) m f l3 sin ( q3 )
⎝ f 2 3 3 ⎠⎝ ⎠
a8 = p2 ( −m3 l2 lc 3 sin ( q3 ) − m f l2 l3 sin ( q3 ) )
⎛ m3 lc 32 + m3 l2 lc 3 cos ( q3 ) + I 3 + m f l32 ⎞ ⎛ 2 m32 l2 2 lc 32 cos ( q3 ) sin ( q3 ) + 2 m f 2 l2 2 l32 cos ( q3 ) sin ( q3 ) ⎞
a9 = p2 ⎜ ⎟⎜ ⎟⎟
⎜ + m l l cos ( q ) ⎟ ⎜ +4 m3 l2 2 lc 3 cos ( q3 ) m f l3 sin ( q3 )
⎝ f 2 3 3 ⎠⎝ ⎠
a10 = p3 ( −2 m3 l2 lc 3 sin ( q3 ) − 2 m f l2 l3 sin ( q3 ) )
⎛ m2 lc 2 2 + I 2 + m3 lc 32 + m3 l2 2 ⎞
⎜ ⎟ ⎛ 2 m 2 l 2 l 2 cos ( q3 ) sin ( q3 ) + 2 m f 2 l2 2 l32 cos ( q3 ) sin ( q3 ) ⎞
a11 = p3 ⎜ +2 m3 l2 lc 3 cos ( q3 ) + I 3 + m f l3 ⎟ ⎜ 3 2 2c 3
2
⎟⎟
⎜
⎜ ⎟ ⎝ +4 m3 l2 lc 3 cos ( q3 ) m f l3 sin ( q3 ) ⎠
⎝ + m f l2 + 2 m f l2 l3 cos ( q3 )
2
⎠
b1 = I1 + m2 lc 2 2 ( cos ( q2 ) ) + 2 m3 l2 lc 3 cos ( q2 ) cos ( q2 + q3 ) + m3 lc 32 ( cos ( q2 + q3 ) ) + m3 l2 2 ( cos ( q2 ) )
2 2 2
Con los elementos definidos anteriormente se puede construir las ecuaciones del
modelo dinámico del robot SCORBOT ER-V+ por medio de la formulación de Hamilton.
p1
q1 =
b1
a
q2 = 1
b2
a2
q3 = (3.6.9)
b2
p1 = τ 1
1 a3
p2 = + τ 2 − m2 lc 2 g cos ( q2 ) − m3 g ( l2 cos ( q2 ) + lc 3 cos ( q2 + q3) ) − m f g ( l2 cos ( q2 ) + l3 cos ( q2 + q3 ) )
2 b12
1 a4 1 ⎛ a5 a6 a7 ⎞ 1 ⎛ a8 − a10 a9 − a11 ⎞
p3 = − ⎜− − + ⎟ p2 − ⎜ − + ⎟ p3 + τ 3
2 b12 2 ⎝ b12 b2 b2 2 ⎠ 2⎝ b2 b2 2 ⎠
− m3 glc 3 cos ( q2 + q3 ) − m f gl3 cos ( q2 + q3 )
- 42 -
Controladores de robots rígidos: un análisis comparativo
Debido a la complejidad que presenta el modelo dinámico del robot PUMA, al ser
obtenido por la formulación de Hamilton, no se detalla este modelo. Sin embargo, el
modelo es completamente equivalente al modelo de Euler-Lagrange.
3.6.2. Comparación del modelo dinámico del robot SCORBOT ER-V+ obtenido
por la metodología de Hamilton con el modelo dinámico obtenido por medio de
la metodología de Euler-Lagrange.
Para la comparación se observó la diferencia en la evolución de las posiciones y
velocidades articulares al tener como entrada:
τ = [ 0.01 0.1 0.1]
% Δθ2
0.05
% Δθ3
% Δθ (rad)
-0.05
-0.1
0 0.5 1 1.5 2 2.5 3 3.5 4
% Δθ´1
% Δθ´2
Diferencia en las velocidades articulares del robot SCORBOT ER-V+
0.05 % Δθ´3
% Δθ´ (rad/s)
-0.05
0 0.5 1 1.5 2 2.5 3 3.5 4
tiempo (s)
Figura 3.6. Diferencias en porcentajes que existen en la comparación entre los modelos obtenidos por
las metodologías de Euler-Lagrange y Hamilton
- 43 -
Capítulo 3. Modelado Dinámico
Hoja en Blanco
- 44 -
Controladores de robots rígidos: un análisis comparativo
Capítulo 4
Control de Movimiento
Al comienzo de este capítulo se presentan los diferentes objetivos que busca
alcanzar el control de robots manipuladores, después se estudian los fundamentos de la
teoría de Lyapunov.
4.1. Introducción
Los controladores de robots manipuladores pueden ser clasificados a partir del
objetivo de control que busquen alcanzar:
- 45 -
Capítulo 4. Control de Movimiento
- 46 -
Controladores de robots rígidos: un análisis comparativo
- 47 -
Capítulo 4. Control de Movimiento
• V ( t , x ) < 0, ∀t ≥ 0, ∀x ≠ 0 ∈ n
(4.2.9)
- 48 -
Controladores de robots rígidos: un análisis comparativo
Donde:
M (q) Es la matriz de inercias.
C ( q, q ) Es la matriz de fuerzas centrífugas y de Coriolis.
B (q) Es el vector de disipación.
g (q) Es el vector de fuerzas de gravedad.
τ Es el vector de pares articulares de entrada.
q = qd − q
q = qd − q
q = qd − q
- 49 -
Capítulo 4. Control de Movimiento
De las propiedades de las matrices simétricas y definidas positivas se prueba que los
dos primeros términos de la ecuación (4.2.20) satisfacen las siguientes desigualdades:
−qT ( kv − α M ) q ≤ − ⎡⎣λmin {kv } − αλmax {M }⎤⎦ q
2
(4.2.21)
−qT (α k p − ki ) q ≤ − ⎡⎣αλmin {k p } − λmax {ki }⎤⎦ q
2
(4.2.22)
- 50 -
Controladores de robots rígidos: un análisis comparativo
λmax {ki }
α> (4.2.27)
λmin {k p }
λmin {kv }
>α (4.2.28)
λmax {M } + kC1 q
Con lo que:
1 T⎛ 1 ⎞
( )
V q (0) , q ( 0) , y ( 0) > q ⎜ α k v + k P − ki ⎟ q − q T α M ( q ) q
2 ⎝ α ⎠
(4.2.33)
( ) 1
V q ( 0 ) , q ( 0 ) , y ( 0 ) > q T M ( q ) q − qT α M ( q ) q
2
(4.2.34)
Sacando la norma
1 2⎛ ⎞
( )
V q (0) , q ( 0) , y (0) >
2
q ⎜ αλmin { KV } + λmin { K P } − λmin { K I } ⎟ − αλmin {M ( q )} q q
⎝
1
α ⎠
(4.2.35)
( )
V q ( 0 ) , q ( 0 ) , y ( 0 ) > q λmin {M ( q )} − qT α M ( q ) q − αλmin {M ( q )} q q
1 2
2
(4.2.36)
- 51 -
Capítulo 4. Control de Movimiento
q ≤
min
(4.2.40)
λmin {M ( q )}
Con esta cota, se tienen las cotas de las señales de posición y velocidad y de la señal
de error.
- 52 -
Controladores de robots rígidos: un análisis comparativo
Con lo que:
(
V q (0) , q ( 0) > )1 T
2
q KP q (4.2.50)
( )1
V q ( 0 ) , q ( 0 ) > q T KV q
2
(4.2.51)
( )1 2
V q ( 0 ) , q ( 0 ) > q λmin { I }
2
(4.2.53)
- 53 -
Capítulo 4. Control de Movimiento
M ( q ) q + C ( q, q ) q + B ( q ) + g ( q ) = M 0 ( q ) a + C0 ( q, q ) q + B0 ( q ) + g 0 ( q ) (4.2.57)
Despejando la aceleración.
q = M (q)
−1
{M 0 ( q ) a + ⎡⎣C0 ( q, q ) − C ( q, q )⎤⎦ q + ⎡⎣ B0 ( q ) − B ( q )⎤⎦ ⎡⎣ g0 ( q ) − g ( q )⎤⎦} (4.2.58)
Definiendo:
C ( q, q ) = C0 ( q, q ) − C ( q, q ) (4.2.59)
B ( q ) = B0 ( q ) − B ( q ) (4.2.60)
g ( q ) = g0 ( q ) − g ( q ) (4.2.61)
⎦
(4.2.63)
Para el caso donde se presenta la incertidumbre, la ecuación dinámica del error es:
q + KV q + K P q = Δ a + η ( q , q , a ) (4.2.66)
- 54 -
Controladores de robots rígidos: un análisis comparativo
Para llevar a cabo el análisis de Lyapunov, se sabe que sólo existe una matriz P que
cumple con la ecuación de Lyapunov.
AT P + PA = −Q (4.2.70)
Con lo que se ve que el sistema es estable, sin embargo, no es posible concluir que
exista la estabilidad asintótica global.
- 55 -
Capítulo 4. Control de Movimiento
Con lo que:
(
V q (0) , q ( 0) >) 1 T
2
1 +
q Pq
1 T
2
q ( P2 + P3 ) q (4.2.80)
( ) 1 1
V q ( 0 ) , q ( 0 ) > qT P4 q + qT ( P2 + P3 ) q
2 2
(4.2.81)
( ) 1 2 1
V q ( 0 ) , q ( 0 ) > q λmin { P4 } + q q λmin { P2 + P3 }
2 2
(4.2.83)
- 56 -
Controladores de robots rígidos: un análisis comparativo
C ( q, q ) = Cˆ ( q, q ) − C ( q, q ) (4.2.92)
g ( q ) = gˆ ( q ) − g ( q ) (4.2.93)
θ = θˆ − θ (4.2.94)
Para llevar a cabo el análisis de Lyapunov, se sabe que sólo existe una matriz P que
cumple con la ecuación de Lyapunov (ecuación (4.2.70)). Proponiendo la función candidata
Lyapunov:
V ( x, θ ) = xT Px + θ T Γθ (4.2.101)
- 57 -
Capítulo 4. Control de Movimiento
Con lo que:
(
V q ( 0 ) , q ( 0 ) ,θ ( 0 ) > )
1 T
2
1 +
q Pq
1 T
2
q ( P2 + P3 ) q (4.2.106)
( )
1 1
V q ( 0 ) , q ( 0 ) ,θ ( 0 ) > qT P4 q + qT ( P2 + P3 ) q
2 2
(4.2.107)
( )
1 T
V q ( 0 ) , q ( 0 ) , θ ( 0 ) > θ Γθ
2
(4.2.108)
(
V q ( 0 ) , q ( 0 ) ,θ ( 0 ) ) 1 2 1
> q λmin { P4 } + q q λmin { P2 + P3 }
2 2
(4.2.110)
(
V q ( 0 ) , q ( 0 ) ,θ ( 0 ) ) 1 2
> θ λmin {Γ}
2
(4.2.111)
- 58 -
Controladores de robots rígidos: un análisis comparativo
Capítulo 5
- 59 -
Capítulo 5. Control de seguimiento de trayectoria
Para lograr que el sistema sea estable y que el error de seguimiento sea cero la
derivada de la ecuación de Lyapunov debe ser menor que cero, y para lograrlo se propone
− K S s = τ − Y ( q, q, qr , qr , qr ) θ , sustituyendo en la ecuación (5.2.7).
V ( s ) = − sT K S s (5.2.8)
Con lo que:
V ( s ( 0)) >
1 T
s M (q) s (5.2.11)
2
- 60 -
Controladores de robots rígidos: un análisis comparativo
Sacando la norma:
V ( s ( 0)) > s λmin {M ( q )}
1 2 (5.2.12)
2
- 61 -
Capítulo 5. Control de seguimiento de trayectoria
Definiendo:
M (q) = M0 (q) − M (q) (5.2.19)
C ( q, q ) = C0 ( q, q ) − C ( q, q ) (5.2.20)
g ( q ) = g0 ( q ) − g ( q ) (5.2.21)
θ = θ0 − θ (5.2.22)
Agrupando términos.
M ( q ) s + C ( q, q ) s = − K S s + ω + ⎡⎣( M 0 ( q ) − M ( q ) ) qr + ( C0 ( q, q ) − C ( q, q ) ) qr + ( g 0 ( q ) − g ( q ) ) ⎤⎦ (5.2.23)
M ( q ) s + C ( q , q ) s = − K S s + ω + Y ( q , q , q r , q r , qr ) θ (5.2.24)
ρ2 ε >0 (5.2.28)
sT Y ρ + ε
Para el caso cuando el segundo término de V ( s ) no sea cero, el sistema sigue siendo
estable, pero se necesita sT K S s ≥ ε , con lo que el error combinado de seguimiento tiene por
cota:
ε
s ≤ (5.2.29)
λmin { K S }
- 62 -
Controladores de robots rígidos: un análisis comparativo
- 63 -
Capítulo 5. Control de seguimiento de trayectoria
Los parámetros no varían o lo hacen muy lento, con lo que se considera θ = cte ,
θ = 0 , por consiguiente, la ecuación (4.2.103) se vuelve la ley de actualización de
parámetros que se muestra en la ecuación (5.2.43).
θˆ = −ΓY T ( q, q, qr , qr , qr ) s (5.2.43)
Con lo que:
( )
V s ( 0 ) ,θ ( 0 ) >
1 T
2
s M (q) s (5.2.46)
( )1
V q ( 0 ) , q ( 0 ) , θ ( 0 ) > θ T Γθ
2
(5.2.47)
( )1 2
V q ( 0 ) , q ( 0 ) , θ ( 0 ) > θ λmin {Γ}
2
(5.2.49)
Teniendo la cota del error combinado de seguimiento de trayectoria, se sabe que los
errores de posición y de velocidad están acotados y, como las señales qd y qd están
acotadas la posición y velocidad se encuentran acotadas.
- 64 -
Controladores de robots rígidos: un análisis comparativo
Donde:
⎡ 0 I 0 ⎤
⎢
A ( x, t ) = ⎢ 0 0 I ⎥ (5.2.56)
⎥
⎣⎢ M CK I M −1C − K P ⎦⎥
−i −i
M CK P − K I
⎡ 0 ⎤
B ( x, t ) = ⎢⎢ 0 ⎥⎥ (5.2.57)
⎢⎣ M −1 ⎥⎦
⎢
(5.2.58)
t →∞ ⎣ 0 ⎦⎥
1
La matriz de Lyapunov en V ( x, t ) = xT P ( x, t ) x tiene la siguiente forma [Choi
2
2001A]:
⎡ K I MK I + K I K P K K I MK P + K I K KI M ⎤
P ( x, t ) = ⎢⎢ K P MK I + K I K K P MK P + K P K K P M ⎥⎥ (5.2.59)
⎣⎢ MK I MK P M ⎦⎥
- 65 -
Capítulo 5. Control de seguimiento de trayectoria
⎡KI 2 K 0 0⎤
⎢ ⎥
Q ( x) = ⎢ 0 (K P
2
− 2K I ) K 0⎥ (5.2.61)
⎢ ⎥
⎢⎣ 0 0 K ⎥⎦
−1
⎛ 1 ⎞
R ( x) = ⎜ K + 2 I⎟ (5.2.62)
⎝ γ ⎠
Con la función HIJ, las matrices Q ( x ) y R ( x ) , el control PID inverso óptimo para
la ecuación de costo (5.2.58) se puede alcanzar en [Choi 2001A]. Para la prueba de
estabilidad, se obtiene la derivada de la ecuación de Lyapunov:
V = Vt + Vx Ax + Vx Bu + Vx Bw (5.2.63)
x ( P + AT P + PA ) x − xT PBR −1 BT Px + xT PBw
1 T
V= (5.2.64)
2
Con lo que:
V ( ∫ q ( 0) , q ( 0) , q ( 0) ) > 12 q P q + 12 q
T
5
T
( P6 + P8 ) q (5.2.69)
V ( ∫ q ( 0) , q ( 0) , q ( 0)) > q P q + q
1 1
T
9
T
( P6 + P8 ) q (5.2.70)
2 2
- 66 -
Controladores de robots rígidos: un análisis comparativo
( ∫ q ( 0) , q ( 0) , q ( 0) ) > 12 q λmin { P9 } +
1
q q λmin { P6 + P8 }
2
V (5.2.72)
2
- 67 -
Capítulo 5. Control de seguimiento de trayectoria
Hoja en Blanco
- 68 -
Controladores de robots rígidos: un análisis comparativo
Capítulo 6
6.1. Introducción
Generalmente por medio de la técnica de diseño de controladores de Lyapunov, al
asegurar la estabilidad del sistema en lazo cerrado se obtiene un acotamiento para los
valores de las constantes del controlador. Sin embargo, nos deja un margen muy amplio
para la selección de las constantes (por lo regular, que sean definidas positivas),
- 69 -
Capítulo 6. Sintonización de los controladores
permitiendo que la sintonización del controlador se haga de una forma trivial (selección de
constantes arbitraria).
Para evitar una selección arbitraria, se manejan dos posibilidades: la primera recurre
a la realización de un proceso iterativo de prueba y error, el cual se evalúa hasta encontrar
el comportamiento deseado por parte del sistema en lazo cerrado y la segunda trata de la
minimización de una función que sea medida del comportamiento del sistema (como los
índices de desempeño). Para encontrar el mínimo de una función se utilizan las técnicas de
optimización.
- 70 -
Controladores de robots rígidos: un análisis comparativo
Definición 6.1. Una bola abierta con centro en x∗ y radio θ > 0 es el conjunto
{
B ( x∗ , θ ) = x ∈ n
| x − x∗ < θ }
Definición 6.2. Un punto x* ∈ X es un mínimo local restringido si existe θ > 0 tal que
f ( y ) ≥ f ( x∗ ) , ∀y ∈ X ∩ B ( x∗ , θ ) (6.1.1)
De este modo, las funciones no diferenciables así como las funciones con múltiples
óptimos locales constituyen clases de problemas a los cuales se les puede aplicar
especialmente los algoritmos genéticos. Los algoritmos genéticos, además de realizar pocas
- 71 -
Capítulo 6. Sintonización de los controladores
suposiciones sobre el problema que está siendo resuelto, constituyen un método robusto y
muy general. Sin embargo, si existe un buen método de optimización especializado para un
problema concreto, entonces el algoritmo genético puede no ser la mejor herramienta de
optimización para dicha aplicación.
1- Los algoritmos genéticos trabajan con una codificación de las soluciones, en vez de
con las soluciones.
2- Realizan una búsqueda utilizando una población de posibles soluciones, en vez de
buscar una única solución. Así se obtiene, generalmente, un conjunto de soluciones
viables para el problema en estudio.
3- Utilizan una función objetivo (función de evaluación), en vez de utilizar gradientes
u otros datos suplementarios. Esto permite resolver problemas con poco
conocimiento específico.
4- Utilizan reglas probabilísticas de transición, en vez de reglas determinísticas. Los
operadores que actúan durante la ejecución de un algoritmo genético se aplican con
una determinada probabilidad.
La primera suposición que típicamente se suele hacer es que las variables que
representan parámetros pueden codificarse o representarse mediante cadenas de bits.
- 72 -
Controladores de robots rígidos: un análisis comparativo
Operador reproducción.
Reproducción es un operador que básicamente realiza copias de soluciones un
determinado número de veces de acuerdo con sus aptitudes. Así, a mayor valor de aptitud
son copiadas más veces.
Operador cruce.
Cuando se ha llevado a cabo el muestreo y la reproducción, la construcción de la
población intermedia está completa y se procede a realizar la mezcla de soluciones. Para
este proceso se aplica el operador cruce (crossover en la bibliografía) a parejas de
individuos seleccionadas con una probabilidad que puede denominarse pc.
Operador mutación.
Tras la aplicación del operador cruce, puede aplicarse un operador de mutación.
Para cada bit en la población, existe una determinada probabilidad (pm) de que sea mutado.
Todos los bits de todas las cadenas poseen la misma probabilidad de sufrir una
mutación.
- 73 -
Capítulo 6. Sintonización de los controladores
Una tasa de mutación elevada produce una búsqueda aleatoria en la que a partir de
unas determinadas soluciones se obtienen otras que surgen de la modificación de algunos
bits de las primeras.
Por estos motivos, es preciso calibrar de forma adecuada estos dos parámetros para
evitar que la convergencia hacia una solución sea excesivamente rápida (tasa de cruce
demasiado elevada) o que no converja (tasa de mutación excesivamente grande).
Durante los procesos de cruce y mutación, algunas cadenas son reemplazadas por
otras nuevas, ya que la población total suele permanecer constante a lo largo de las
generaciones. Por ello, debe de establecerse algún criterio de selección que determine las
cadenas que han de ser suprimidas.
- 74 -
Controladores de robots rígidos: un análisis comparativo
• El Índice de la Integral del Error Cuadrático (ISE por sus siglas en inglés)
remueve las componentes negativas del error. El ISE discrimina entre sistemas
sobre amortiguados y sub-amortiguados. La ecuación que define al ISE es
[Griffin 2003]:
ISE = ∫ e 2 ( t ) dt
t
• El Índice de la Integral del Error Absoluto (IAE por sus siglas en inglés)
remueve las componentes negativas del error. El IAE es bueno para estudios de
simulación. La ecuación que define al IAE es [Griffin 2003]:
IAE = ∫ e ( t ) dt
t
• El Índice de la Integral del Esfuerzo de Control (CE por sus siglas en inglés). El
CE obtiene el total del esfuerzo realizado por el controlador para que el sistema
pueda alcanzar a la referencia. La ecuación que define al CE es:
1 t 2
n ∫0
CE = τ dt
- 75 -
Capítulo 6. Sintonización de los controladores
Posicion articular 2
1.2
0.8
Sint IAE
Sint ITAE
Sint ISE
0.6
Sint CE
θ2 (rad)
Sint ITAE-CE-0.5
Sint ITAE-CE-0.7
0.4
0.2
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
tiempo (s)
En la tabla 6.1 vemos que los conjuntos sintonizados para la minimización del error
(IAE, ISE, ITAE) presentan los mejores valores de los índices de error (en conjunto) pero
requieren un esfuerzo de control muy elevado, que en la práctica significa que se van a
estar exigiendo pares de control muy elevados a los motores del robot manipulador. Se
observa que la mejor combinación entre respuesta y esfuerzo de control se obtiene con la
minimización de índices combinados.
A partir de la figura 6.1 y de la tabla 6.1 se selecciono el índice 0.7 ITAE + 0.3 CE
para la sintonización de los controladores, debido a que se desea que la ley de control que
no requiera esfuerzos de control muy elevados. Se toma en cuenta el compromiso que
existe entre el error y el esfuerzo de control.
- 76 -
Controladores de robots rígidos: un análisis comparativo
- 77 -
Capítulo 6. Sintonización de los controladores
- 78 -
Controladores de robots rígidos: un análisis comparativo
Capítulo 7
Pruebas y resultados
En este capítulo encontramos la descripción de las pruebas realizadas al conjunto
controlador-robot. Se explican los objetivos que busca alcanzar cada prueba, así como
también se detalla el desarrollo de la prueba. En la parte final del capítulo se muestran los
resultados de las pruebas seleccionadas. Dentro de los resultados se muestran gráficas y el
detalle de los valores de los índices de error resultantes de cada prueba.
- 79 -
Capítulo 7. Pruebas y resultados
- 80 -
Controladores de robots rígidos: un análisis comparativo
0.8
0.6
θ2 (rad)
0.4
qd
PDP
RP
0.2
AP
PIDP
PDS
0
RS
AS
PIDS
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 81 -
Capítulo 7. Pruebas y resultados
Velocidad articular 2
5
q´d
PDP
RP
4 AP
PIDP
PDS
RS
3
AS
PIDS
θ2´ (rad/s)
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
τ articular 2
80
PDP
RP
70 AP
PIDP
60 PDS
RS
AS
50
PIDS
40
τ2 (Nm)
30
20
10
-10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
En la figura 7.2 se observa que el controlador que presenta el impulso más grande es el
controlador adaptable de seguimiento de trayectoria, el controlador adaptable de
movimiento presenta la señal con un tiempo de asentamiento más elevado.
- 82 -
Controladores de robots rígidos: un análisis comparativo
0.6
qtilde (rad)
0.4
0.2
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
-1
q´tilde (rad/s)
-2
PDP
-3
RP
AP
PIDP
-4 PDS
RS
AS
PIDS
-5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 83 -
Capítulo 7. Pruebas y resultados
Prueba 2
La tabla siguiente nos muestra los valores de los índices de desempeño presentados
por cada controlador durante la prueba 2.
En la figura 7.6 vemos que los controladores PID para el control de posición y el
control de seguimiento de trayectoria presentan la peor respuesta, en cambio todos los
demás controladores presentan una respuesta muy similar y cercana a la referencia.
Coordenada articular 2
5
qd
PDP
RP
4
AP
PIDP
PDS
3
RS
AS
PIDS
2
θ2 (rad)
-1
-2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
Los datos en la tabla 7.2 confirman lo que se ve en la gráfica, los controladores PID
(de posición y de seguimiento de trayectoria), los demás controladores presentan índices de
error muy pequeños, destacándose los controladores adaptable y robusto de seguimiento. El
menor esfuerzo de control lo presenta el control PD por dinámica inversa y el mejor
desempeño global lo presenta el controlador PD de seguimiento.
En la figura 7.7, se nota fácilmente que el controlador que presenta una velocidad
mucho más lejana que la deseada es el controlador PID de posición, seguido por el
controlar PID de seguimiento de trayectoria.
- 84 -
Controladores de robots rígidos: un análisis comparativo
Velocidad articular 2
25
q´d
PDP
20 RP
AP
15 PIDP
PDS
RS
10
AS
PIDS
5
θ2´ (rad/s)
-5
-10
-15
-20
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
En la figura 7.8 se ve que todos los controladores generan señales de control muy
similares, es de destacar que el controlador PID de posición presenta un retraso
considerable, comparándolo con los demás controladores.
τ articular 2
30
PDP
RP
AP
20 PIDP
PDS
RS
AS
10
PIDS
τ2 (Nm)
-10
-20
-30
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 85 -
Capítulo 7. Pruebas y resultados
0.5
qtilde (rad)
-0.5
-1
-1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
10
5
q´tilde (rad/s)
PDP
-5
RP
AP
PIDP
-10 PDS
RS
AS
PIDS
-15
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
Prueba 3
Esta prueba es similar a la prueba uno al buscar alcanzar una posición constante,
pero para esta prueba se considera una incertidumbre del 25% en el valor de los parámetros.
La figura 7.9 nos muestra la evolución de la coordenada articular 2, a partir de la operación
bajo cada uno de los controladores. La tabla 7.3 nos muestra los valores de los índices de
desempeño para cada controlador.
- 86 -
Controladores de robots rígidos: un análisis comparativo
A partir de los datos que se muestran en la tabla anterior se observa claramente que
los controladores robusto y adaptable de seguimiento de trayectoria son los que presentan
un error más pequeño. Además, el controlador adaptable de seguimiento de trayectoria es el
controlador que presenta el menor esfuerzo de control.
En la figura 7.11 se observa que los controladores PID y adaptable de posición son
los que tienen la respuesta más retardada ante la entrada escalón. Además se ve que los
controladores PD y robusto de posición son los que se pierden mucho.
Coordenada articular 2
1.2
0.8
0.6
θ2 (rad)
0.4
qd
PDP
RP
0.2
AP
PIDP
PDS
0
RS
AS
PIDS
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 87 -
Capítulo 7. Pruebas y resultados
Velocidad articular 2
6
q´d
PDP
5 RP
AP
PIDP
4 PDS
RS
AS
3
PIDS
θ2´ (rad/s)
-1
-2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
40
τ2 (Nm)
20
-20
-40
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 88 -
Controladores de robots rígidos: un análisis comparativo
0.6
qtilde (rad)
0.4
0.2
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
-1
q´tilde (rad/s)
-2
-3 PDP
RP
AP
-4
PIDP
PDS
-5 RS
AS
PIDS
-6
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 89 -
Capítulo 7. Pruebas y resultados
Prueba 4
Como se detalló anteriormente esta prueba consiste en seguir una posición deseada
variante en el tiempo y se consideró una incertidumbre de 25% en el valor de los
parámetros. La tabla 7.4 muestra los valores de los índices de desempeño presentados por
cada controlador durante la prueba 4.
Tabla 7.4. Índices de desempeño presentados por cada controlador en la prueba 4
Controlador \ Índice IAE ITAE ISE CE
PD por dinámica inversa 10.9896 28.7784 18.3306 1591.1821
Robusto de posición 12.5721 32.9004 22.4274 1584.4939
Adaptable de posición 17.4917 53.3577 42.1542 1168.0896
PID de posición 8.2381 22.9578 10.2035 3174.8750
PD de seguimiento 1.9174 4.9479 0.5147 2526.7905
Robusto de seguimiento 0.0398 0.0146 0.0014 5957.7290
Adaptable de seguimiento 0.0666 0.0390 0.0021 2889.0795
PID de seguimiento 2.1667 5.7921 0.6716 3077.9425
Analizando los datos mostrados en la tabla 7.4 se observa que todos los
controladores de posición presentan errores bastante elevados. Los controladores de
seguimiento de trayectoria presentan índices de error más pequeños. Se destaca el
controlador adaptable de seguimiento de trayectoria pues presenta índices de error muy
pequeños con un esfuerzo de control de mediana magnitud.
1
θ2 (rad)
0
qd
PDP
-1
RP
AP
-2 PIDP
PDS
RS
-3
AS
PIDS
-4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 90 -
Controladores de robots rígidos: un análisis comparativo
15 PIDP
PDS
RS
10
AS
PIDS
5
θ2´ (rad/s)
-5
-10
-15
-20
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
En la siguiente figura, se muestran los pares de control de los controladores son muy
similares. Se destaca la forma del par de control del controlador robusto de seguimiento de
trayectoria el cual presenta oscilaciones elevadas a lo largo del tiempo.
τ articular 2
80
PDP
RP
60 AP
PIDP
PDS
40 RS
AS
PIDS
20
τ2 (Nm)
-20
-40
-60
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 91 -
Capítulo 7. Pruebas y resultados
En las figuras siguientes se confirma lo que se mostró en las figuras 7.16 y 7.17, los
controladores que se pueden sobreponer al incremento en la incertidumbre en los
parámetros, son los controladores adaptable y robusto de seguimiento de trayectoria, los
cuales logran el seguimiento de la posición y velocidad deseadas.
Error de posición articular 2
4
PDP
RP
3 AP
PIDP
PDS
2
RS
AS
PIDS
1
qtilde (rad)
-1
-2
-3
-4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
-5
-10
-15
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
A lo largo de las pruebas vemos que los controladores de seguimiento presentan una
mejor respuesta a las dos posiciones deseadas (escalón unitario y posición variante en el
tiempo). El controlador que mejor responde al cambio en los parámetros el controlador
- 92 -
Controladores de robots rígidos: un análisis comparativo
adaptable de seguimiento, pues sus índices de error son pequeños y realiza el menor
esfuerzo de control.
Prueba A.
En esta prueba se realizan cambios en la trayectoria a seguir. El caso nominal es el
seguimiento de una señal escalón y se considera un conocimiento perfecto del valor de los
parámetros. Las señales a seguir durante esta prueba se muestran en el apéndice E.
3 8
Porcentaje (%/100)
Porcentaje (%/100)
2.5
6
2
PDp
1.5 4
Rp
1
Ap 2
0.5 PIDp
0 PDs 0
Escalon Senoidal Polinomial Kelly LSPB Escalon Senoidal Polinomial Kelly LSPB
Señal Rs Señal
As
Índice ISE PIDs Índice CE
10 40
35
8
30
Porcentaje (%/100)
Porcentaje (%/100)
6 25
20
4 15
10
2
5
0 0
Escalon Senoidal Polinomial Kelly LSPB Escalon Senoidal Polinomial Kelly LSPB
Señal Señal
Figura 7.21. Relación de cambio en los valores de los índices de desempeño presentados por los
controladores en la prueba A
Al variar las señales de referencia a seguir, y en función a los cambios que existen
en los índices de error se observa que la señal polinomial, es la señal que más se les
complica a los controladores. A partir de los cambios en el índice CE se ve que la señal de
Kelly requiere un esfuerzo de control más elevado para poder seguirla.
- 93 -
Capítulo 7. Pruebas y resultados
Prueba B.
En esta prueba se realizan cambios en el nivel de la incertidumbre para probar como
se modifica la respuesta de los controladores. Esta prueba tiene como objetivo observar que
controlador tiene la posibilidad de ser robusto a los cambios en los parámetros del robot
manipulador.
5
20
Porcentaje (%/100)
Porcentaje (%/100)
4
15
3
PDp 10
2 Rp
Ap 5
1
PIDp
0 PDs 0
0% 10% 25% 0% 10% 25%
Prcentaje de incertidumbre Rs Prcentaje de incertidumbre
As
Índice ISE PIDs Índice CE
700
12
600
10
Porcentaje (%/100)
Porcentaje (%/100)
500
8
400
6
300
4
200
2 100
0 0
0% 10% 25% 0% 10% 25%
Prcentaje de incertidumbre Prcentaje de incertidumbre
Figura 7.22. Relación de cambio en los valores de los índices de desempeño presentados por los
controladores en la prueba B
Prueba C.
En esta prueba se realizan cambios en la ubicación de la incertidumbre, con el fin de
distinguir que conjunto de parámetros tiene un mayor efecto en el comportamiento del
sistema. Los parámetros están divididos en el conjunto de masas y el conjunto de inercias.
En ambos conjuntos se maneja un nivel de incertidumbre del 25%. Como en las pruebas
anteriores, se compara el comportamiento de cada caso contra el caso de prueba nominal.
- 94 -
Controladores de robots rígidos: un análisis comparativo
5
20
Porcentaje (%/100)
Porcentaje (%/100)
4
15
3
PDp 10
2 Rp
Ap 5
1
PIDp
0 PDs 0
0% Masas Inercias 0% Masas Inercias
Ubicación de la Incertidumbre Rs Ubicación de la Incertidumbre
As
Índice ISE PIDs Índice CE
10
12
10 8
Porcentaje (%/100)
Porcentaje (%/100)
8 6
6
4
4
2
2
0 0
0% Masas Inercias 0% Masas Inercias
Ubicación de la Incertidumbre Ubicación de la Incertidumbre
Figura 7.23. Relación de cambio en los valores de los índices de desempeño presentados por los
controladores en la prueba C
Prueba D.
Para esta prueba, se realizan cambios en la masa de carga. Esta prueba surge a partir
del uso del robot manipulador para el transporte de piezas, donde su masa de carga va a
estar variando constantemente hasta el grado de llegar a desaparecer.
En la figura 7.24 se observa que es mayor el efecto de duplicar la carga que el efecto
de eliminar la carga. Para algunos controladores es benéfico y se tiene un mejor control del
sistema. Los controladores que se ven gravemente afectados por los cambios en la masa de
carga son los controladores PD, robusto y adaptable de seguimiento de trayectoria.
- 95 -
Capítulo 7. Pruebas y resultados
Porcentaje (%/100)
4 15
3
10
PDp
2 Rp
Ap 5
1
PIDp
0 PDs 0
Nominal Duplicada Sin Carga Nominal Duplicada Sin Carga
Carga Rs Carga
As
Índice ISE PIDs Índice CE
9
10 8
7
8
Porcentaje (%/100)
Porcentaje (%/100)
6
6 5
4
4
3
2
2
1
0 0
Nominal Duplicada Sin Carga Nominal Duplicada Sin Carga
Carga Carga
Figura 7.23. Relación de cambio en los valores de los índices de desempeño presentados por los
controladores en la prueba D
- 96 -
Controladores de robots rígidos: un análisis comparativo
Capítulo 8
Conclusiones y comentarios
En este capítulo se presentan las conclusiones y comentarios finales del presente
proyecto de investigación, se desarrollan las conclusiones de una forma particular, y a final
se muestra una conclusión global del proyecto.
8.1. Aportaciones
A continuación se listan las principales aportaciones de este tema de investigación:
- 97 -
Capítulo 8. Conclusiones y comentarios
Se van a poder utilizar los modelos creados en SIMULINK® para probar otros
controladores, pues dichos modelos van a ser generales con la capacidad de cambiar sus
parámetros.
Se obtuvieron los momentos de inercia para cada uno de los eslabones del robot
SCORBOT ER-V+, así como la ubicación del centro de masa para cada eslabón.
Se muestra una guía para realizar el diseño de un controlador no lineal por medio de
la metodología de Lyapunov.
8.2. Conclusiones
Las conclusiones que se obtienen del proyecto de investigación son las siguientes:
1. Modelado Cinemático.
a. La utilidad del modelado cinemático radica en la conversión de un
sistema cartesiano a un sistema articular, puesto que las tareas que se
realizan con el robot manipulador son especificadas dentro de un sistema
cartesiano y el diseño de los controladores aquí presentado se realiza con
un espacio articular.
2. Modelado Dinámico.
a. Ante la variedad de metodologías para el desarrollo de un modelo
dinámico de robots, la elección de una metodología en especial radica en
la complejidad del procedimiento a realizar, puesto que las
representaciones son equivalentes. La metodología de Euler-Lagrange es
la más utilizada debido a su sencillez, al gran conocimiento que se tiene
de esta metodología y a la representación dinámica obtenida, la cual es
de utilidad puesto que presenta propiedades útiles para el diseño de
controladores por medio de la metodología de Lyapunov.
- 98 -
Controladores de robots rígidos: un análisis comparativo
3. Diseño de controladores
a. Las técnicas de diseño y rediseño de controladores de Lyapunov
presentan una opción fácil de entender y desarrollar, los conceptos son
claros y sencillos.
- 99 -
Capítulo 8. Conclusiones y comentarios
b. Es mucho más crítico el conocer los valores exactos de las masas de los
eslabones que los valores de los momentos de inercia de los eslabones.
- 100 -
Controladores de robots rígidos: un análisis comparativo
- 101 -
Capítulo 8. Conclusiones y comentarios
Hoja en Blanco
- 102 -
Controladores de robots rígidos: un análisis comparativo
Bibliografía
[Abdala 2003] Salomón Abdala Castillo y Raúl Ñeco Caberta. “Caracterización de
un robot manipulador articulado”, Coordinación de Mecatrónica,
CENIDET, México, Junio del 2003.
[Arimoto 1981] Takegaki, Morikazu and Arimoto, Suguru “A New Feedback Method
for Dynamic Control of Manipulator,” Journal of Dynamic Systems,
Measurement and Control, June 1981.
[Bäck 1992] Bäck, T. and H.P. Schwefel, “Evolutionary Algorithms: Some Very
Old Strategies for Optimization and Adaptation”, Proceedings of the
2nd International Workshop on Software Engineering, Artificial
Intelligence and Expert Systems for High Energy and Nuclear
Physics, La Londe-Les-Maures, Francia, Enero de 1992.
[Barrientos 1999] Antonio Barrientos, Luis Felipe Peñín, Carlos Balaguer, Rafael
Aracil. “Fundamentos de Robótica”, McGrawHill, España, 1999.
[Erlic 1991] Mile Erlic and W.S. Lu, “A Comparative Evaluation of Adaptive,
Robust and Classical Feedback Controllers used in Unconstrained
Trajectory Tracking for Robot Manipulators”, University of
Victoria, 1991.
[Griffin 2003] Ian Griffin, “On - line PID Controller Tuning using Genetic
Algorithms”, PhD Thesis, Universidad de la ciudad de Dublin. 2003.
[Iñigo 2004] Rafael Iñigo Madrigay, Enric Vidal Idiarte. “Robots Industriales
Manipuladores”, Alfaomega, España, 2004.
- 103 -
Capítulo 8. Conclusiones y comentarios
[Loizidis 1995] Ianais Loizidis and Zoe Doulgeri, “Performance of two kinds of non-
linear Robust Controllers for robot manipulators-a comparative
study”, Proceedings of the IEEE International Symposium on
Industrial Electronics, Atenas, Grecia, Julio de 1995
[Lu 1989] Lu, W.-S and Erlic, M., “Robust Motion Control of Manipulators:
Design and Experimental Evaluation,” Canadian Conference on
Electrical & Computer Engineering, Montreal, PQ, September, 1989
- 104 -
Controladores de robots rígidos: un análisis comparativo
Apéndice A
- 105 -
Apéndice A. Características de los robots manipuladores
- 106 -
Controladores de robots rígidos: un análisis comparativo
En la figura A.3 se muestra al robot PUMA. El robot PUMA cuenta con los
siguientes parámetros estructurales:
- 107 -
Apéndice A. Características de los robots manipuladores
- 108 -
Controladores de robots rígidos: un análisis comparativo
Apéndice B
Algoritmo de Denavit-Hartenberg
Este algoritmo se usa para obtener los parámetros que definen la transformaciones
de sistemas de regencia que existen a lo largo de una cadena cinemática. El algoritmo de
Denavit-Hartenberg de 14 pasos, los cuales son:
- 109 -
Apéndice B. Algoritmo de Denavit-Hartenberg
6. Para i de 1 a n-1, situar el sistema {Si } en la intersección del eje zi con la línea
normal común a zi −1 y zi . Si ambos se cortasen se situaría {Si } en el punto de corte.
Si fuesen paralelos {Si } se situaría en la articulación i+1.
7. Situar xi en la línea normal común a zi −1 y zi .
8. Situar yi de modo que forme un sistema dextrógiro con xi y zi .
9. Situar el sistema {Sn } en el extremo del robot de modo que zn coincida con la
dirección de zn −1 y xn sea normal a zn −1 y zn .
10. Obtener θ i como el ángulo que hay que girar en torno a zi −1 para que xi −1 y xi
queden paralelos.
11. Obtener di como la distancia medida a lo largo de zi −1 que habría que desplazar
{Si −1} para que xi −1 y xi quedasen alineados.
12. Obtener ai como la distancia medida a lo largo de xi que habría que desplazar el
nuevo {Si −1} para que su origen coincidiese con {Si } .
13. Obtener α i como el ángulo que haría que girar en torno a xi para que el nuevo {Si −1}
para que su origen coincidiese totalmente con {Si } .
Figura B.1.- Parámetros de Denavit-Hartenberg para una articulación rotatoria [Barrientos 1999]
- 110 -
Controladores de robots rígidos: un análisis comparativo
Apéndice C
Señales de referencia
En este apéndice se muestra el conjunto de señales (posiciones, velocidades y
aceleraciones) que se utilizan como referencia para las pruebas que se aplican a los
controladores.
- 111 -
Apéndice C. Señales de referencia
1.6
1.4
1.2
Posición (rad)
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
0.6
0.4
0.2
Velocidad (rad/s)
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
Figura C.2.- Velocidad articular a seguir de la señal escalón
- 112 -
Controladores de robots rígidos: un análisis comparativo
0.6
0.4
0.2
Aceleración (rad/s 2)
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
0.6
0.4
0.2
Posición (rad)
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 113 -
Apéndice C. Señales de referencia
0.6
0.4
0.2
Velocidad (rad/s)
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
0.8
0.6
0.4
0.2
Aceleración (rad/s 2)
-0.2
-0.4
-0.6
q´´1
-0.8
q´´2
q´´3
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 114 -
Controladores de robots rígidos: un análisis comparativo
Las señales a seguir se muestran en las figuras C.10 (posición), C.11 (velocidad) y
C.12 (aceleración).
Posición articular de la señal Polinomial
4
1
Posición (rad)
-1
-2
-3
-4 q1
q2
q3
-5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
0.8
Velocidad (rad/s)
0.6
0.4
0.2
-0.2
-0.4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 115 -
Apéndice C. Señales de referencia
3
Aceleración (rad/s 2)
-1
q´´1
q´´2
q´´3
-2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
⎢⎣ 90 3 ⎝ ⎠ 36 ⎝ ⎠ ⎥⎦
⎡ 3 ( −2t 3 ) 2 1 ( −2t 3 ) 5 ⎛ ( −2t 3 ) ⎞ cos 15t ⎤
⎢ 2 π e t + π e sen (15 t ) t 2
+ π ⎜ 1 − e ⎟ ( ) ⎥
3 6 ⎝ ⎠
⎢ ⎥
⎢ 9 ( −1.8t 3 ) 2 15 ( −1.8t 3 ) 125 ⎛ ( −1.8t 3 ) ⎞ ⎥
q (t ) = π e t + πe sen ( 5t ) t +
2
π ⎜1 − e ⎟ cos ( 5t ) ⎥
⎢5 4 36 ⎝ ⎠
⎢ ⎥
⎢ 9 π e( − )t 2 + 15 π e( ) sen 5t t 2 + 125 π ⎛1 − e( −1.8t 3 ) ⎞ cos 5t ⎥
−
( ) ( )⎥
3 3
1.8 t 1.8 t
⎜ ⎟
⎢⎣ 5 4 36 ⎝ ⎠ ⎦
- 116 -
Controladores de robots rígidos: un análisis comparativo
⎡ ⎤
⎢⎛ −9π e −2t t 4 − 2π e( ) sen (15t ) t 4 + 10π t 2 e( ) cos (15t ) + 3π e( )t... ⎞ ⎥
3 −2 t 3 −2 t 3 −2 t 3
⎢⎜ ⎟⎥
⎜
⎢ + 2 π e( −2t ) sen 15t t − 25 π ⎛ 1 − e( −2t ) ⎞ sin 15t ⎟⎥
( ) ( )
3 3
⎜
⎢⎝ 3 ⎜ ⎟ ⎟⎥
2 ⎝ ⎠ ⎠
⎢ ⎥
⎢ ⎛ − 243 π e −1.8t 3 t 4 − 81 π e( −1.8t 3 ) sen 5t t 4 + 75 π t 2e( −1.8t 3 ) cos 5t ... ⎞ ⎥
⎢ ⎜ 25 ( ) ( ) ⎟ ⎥
q (t ) = ⎢ ⎜
4 2
⎟ ⎥
⎢ ⎜ + 18 π e( −1.8t )t + 15 π e( −2t ) sen ( 5t ) t − 625 π ⎜⎛1 − e( −2t ) ⎟⎞ sin ( 5t ) ⎟ ⎥
3 3 3
⎢ ⎝⎜ 5 2 36 ⎝ ⎠
⎟
⎠ ⎥
⎢ ⎥
⎢ ⎛ − 243 π e −1.8t 3 t 4 − 81 π e( −1.8t ) sen ( 5t ) t 4 + 75 π t 2e( −1.8t ) cos ( 5t ) ... ⎞ ⎥
3 3
⎢ ⎜ 25 4 2 ⎟ ⎥
⎢ ⎜ ⎟ ⎥
⎜ 18 ( −1.8t 3 ) 15 ( −2 t 3 )
sen ( 5t ) t −
625 ⎛ ( −2 t 3 ) ⎞ ⎟
⎢ ⎜+ πe t + πe π ⎜1 − e ⎟ sin ( 5t ) ⎟ ⎥
⎣⎢ ⎝ 5 2 36 ⎝ ⎠ ⎠ ⎦⎥
Las señales a seguir se muestran en las figuras C.13 (posición), C.14 (velocidad) y
C.15 (aceleración).
Posición articular de la señal Compuesta
3.5
q1
q2
3
q3
2.5
1.5
Posición (rad)
0.5
-0.5
-1
-1.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 117 -
Apéndice C. Señales de referencia
10
5
Velocidad (rad/s)
-5
-10
q´1
q´2
q´3
-15
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
40
20
Aceleración (rad/s 2)
-20
-40
q´´1
q´´2
q´´3
-60
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 118 -
Controladores de robots rígidos: un análisis comparativo
⎧ a
⎪ q0 + sgn t 2 t ≤τ
2
⎪
⎪ q − sgn v + sgn vt τ < t ≤ T −τ
⎪
q (t ) = ⎨
0
2a
⎪ ⎛ aT 2 a ⎞
⎪q1 + sgn ⎜ + aTt − t 2 ⎟ T − τ < t ≤ T
⎪ ⎝ 2 2 ⎠
⎪ t >T
⎩ q1
⎧ at t ≤τ
⎪ τ < t ≤ T −τ
⎪ v
q (t ) = ⎨
⎪v − a ( t − T + τ ) T − τ < t ≤ T
⎪⎩ 0 t >T
⎧a t ≤τ
⎪ 0 τ < t ≤ T −τ
⎪
q (t ) = ⎨
⎪−a T − τ < t ≤ T
⎪⎩ 0 t >T
Las señales a seguir se muestran en las figuras C.16 (posición), C.17 (velocidad) y
C.18 (aceleración).
Posición articular de la señal LSPB
1
0.9
0.8
0.7
0.6
Posición (rad)
0.5
0.4
0.3
0.2
q1
0.1
q2
q3
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 119 -
Apéndice C. Señales de referencia
0.7 q´3
0.6
0.5
Velocidad (rad/s)
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
0.6 q´´3
0.4
0.2
Aceleración (rad/s 2)
-0.2
-0.4
-0.6
-0.8
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 120 -
Controladores de robots rígidos: un análisis comparativo
Apéndice D
- 121 -
Apéndice E. Resultados de las pruebas del robot PUMA
Coordenada articular 2
1.2
0.8
0.6
θ2 (rad)
0.4
qd
PDP
0.2 RP
AP
PIDP
PDS
0
RS
AS
PIDS
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
A partir de los datos mostrados en la tabla D.1 se destaca que los controladores PD,
robusto y adaptable de seguimiento de trayectoria presentan los índices de error más
pequeños. Además, el controlador PD de seguimiento de trayectoria presenta el esfuerzo de
control más elevado. De forma global se ve que los controladores de seguimiento presentan
una mejor respuesta.
En la figura D.2 se observa que el controlador que presenta el impulso más grande
es el controlador PID de seguimiento de trayectoria, el controlador adaptable de
movimiento presenta la señal con un tiempo de asentamiento más elevado.
- 122 -
Controladores de robots rígidos: un análisis comparativo
Velocidad articular 2
3
q´d
PDP
RP
2.5
AP
PIDP
PDS
2 RS
AS
PIDS
1.5
θ2´ (rad/s)
0.5
-0.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
τ articular 2
30
PDP
RP
AP
PIDP
25
PDS
RS
AS
20 PIDS
τ2 (Nm)
15
10
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 123 -
Apéndice E. Resultados de las pruebas del robot PUMA
0.6
qtilde (rad)
0.4
0.2
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
-0.5
-1
q´tilde (rad/s)
-1.5
PDP
-2 RP
AP
PIDP
PDS
-2.5
RS
AS
PIDS
-3
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
Prueba 2
La tabla D.2 muestra los valores de los índices de desempeño presentados por cada
controlador durante la prueba 2.
- 124 -
Controladores de robots rígidos: un análisis comparativo
Coordenada articular 2
4
qd
PDP
RP
3 AP
PIDP
PDS
RS
2 AS
PIDS
θ2 (rad)
-1
-2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
Los datos en la tabla D.2 confirman lo que se ve en la gráfica, los controladores PID
de posición y adaptable de movimiento presentan el mayor error, los demás controladores
presentan índices de error muy pequeños.
En la figura D.7, se nota fácilmente que el controlador que presenta una velocidad
mucho más lejana que la deseada es el controlador PID de posición.
En la figura D.8 se ve que todos los controladores generan señales de control muy
similares en la forma de la señal, la señal del controlador adaptable de movimiento es la
que más se aleja del conjunto de pares de control de los demás controladores.
- 125 -
Apéndice E. Resultados de las pruebas del robot PUMA
Velocidad articular 2
20
q´d
PDP
RP
15
AP
PIDP
PDS
10 RS
AS
PIDS
5
θ2´ (rad/s)
-5
-10
-15
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
τ articular 2
10
PDP
RP
8 AP
PIDP
PDS
6
RS
AS
4 PIDS
2
τ2 (Nm)
-2
-4
-6
-8
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 126 -
Controladores de robots rígidos: un análisis comparativo
0.4 AS
PIDS
0.2
qtilde (rad)
-0.2
-0.4
-0.6
-0.8
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
2
q´tilde (rad/s)
-2
PDP
-4 RP
AP
-6 PIDP
PDS
RS
-8
AS
PIDS
-10
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
Prueba 3
La figura D.11 muestra la evolución de la coordenada articular 2, a partir de la
operación bajo cada uno de los controladores. La tabla D.3 nos muestra los valores de los
índices de desempeño para cada controlador.
- 127 -
Apéndice E. Resultados de las pruebas del robot PUMA
A partir de los datos que se muestran en la tabla anterior se observa claramente que
los controladores robusto y adaptable de seguimiento de trayectoria son los que presentan
un error más pequeño. Además, el controlador adaptable de seguimiento de trayectoria es el
controlador que presenta el menor esfuerzo de control.
En la figura D.11 se observa que los controladores de posición son los que presentan
la peor respuesta.
Coordenada articular 2
1.6
qd
PDP
1.4 RP
AP
PIDP
1.2
PDS
RS
1 AS
PIDS
0.8
θ2 (rad)
0.6
0.4
0.2
-0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 128 -
Controladores de robots rígidos: un análisis comparativo
Velocidad articular 2
3.5
q´d
PDP
3 RP
AP
PIDP
2.5
PDS
RS
2 AS
PIDS
1.5
θ2´ (rad/s)
0.5
-0.5
-1
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
τ articular 2
30
PDP
RP
AP
25
PIDP
PDS
RS
20 AS
PIDS
15
τ2 (Nm)
10
-5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 129 -
Apéndice E. Resultados de las pruebas del robot PUMA
0.4
qtilde (rad)
0.2
-0.2
-0.4
-0.6
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
0.5
-0.5
-1
q´tilde (rad/s)
-1.5
-2 PDP
RP
AP
-2.5
PIDP
PDS
-3 RS
AS
PIDS
-3.5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
Prueba 4
La tabla D.4 muestra los valores de los índices de desempeño presentados por cada
controlador durante la prueba 4.
- 130 -
Controladores de robots rígidos: un análisis comparativo
Analizando los datos mostrados en la tabla D.4 se observa que todos los
controladores de posición presentan errores bastante elevados, donde el controlador
adaptable de posición presenta el mayor error durante la prueba. El controlador adaptable
de seguimiento presenta el esfuerzo de control más pequeño.
5 RS
AS
PIDS
4
θ2 (rad)
-1
-2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
- 131 -
Apéndice E. Resultados de las pruebas del robot PUMA
Velocidad articular 2
25
q´d
PDP
20 RP
AP
15 PIDP
PDS
10 RS
AS
PIDS
5
θ2´ (rad/s)
-5
-10
-15
-20
-25
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
En la figura D.18, se muestran los pares de control de los controladores son muy
similares. Se destaca la forma del par de control del controlador robusto de seguimiento de
trayectoria el cual presenta oscilaciones elevadas a lo largo del tiempo.
τ articular 2
100
80
60
40
20
τ2 (Nm)
-20 PDP
RP
AP
-40
PIDP
PDS
-60 RS
AS
PIDS
-80
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
En las figuras siguientes se confirma lo que se mostró en las figuras D.16 y D.17,
los controladores que se pueden sobreponer al incremento en la incertidumbre en los
- 132 -
Controladores de robots rígidos: un análisis comparativo
-1
qtilde (rad)
-2
PDP
-3 RP
AP
PIDP
PDS
-4
RS
AS
PIDS
-5
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
10
5
q´tilde (rad/s)
-5 PDP
RP
AP
PIDP
-10 PDS
RS
AS
PIDS
-15
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Tiempo (s)
A lo largo de las pruebas vemos que los controladores de seguimiento presentan una
mejor respuesta a las dos posiciones deseadas (escalón unitario y posición variante en el
tiempo). El controlador que mejor responde al cambio en los parámetros el controlador
adaptable de seguimiento, pues sus índices de error son pequeños y realiza el menor
esfuerzo de control.
- 133 -
Apéndice E. Resultados de las pruebas del robot PUMA
3 15
Porcentaje (%/100)
Porcentaje (%/100)
2.5
2 10
PDp
1.5
Rp
1 5
Ap
0.5 PIDp
0 PDs 0
Escalon Senoidal Polinomial Kelly LSPB Escalon Senoidal Polinomial Kelly LSPB
Señal Rs Señal
As
Índice ISE PIDs Índice CE
10 40
35
8
30
Porcentaje (%/100)
Porcentaje (%/100)
6 25
20
4 15
10
2
5
0 0
Escalon Senoidal Polinomial Kelly LSPB Escalon Senoidal Polinomial Kelly LSPB
Señal Señal
Figura D.21. Relación de cambio en los valores de los índices de desempeño presentados por los
controladores en la prueba A
Al variar las señales de referencia a seguir, y en función a los cambios que existen
en los índices de error se observa que la señal polinomial, es la señal que más se les
complica a los controladores. A partir de los cambios en el índice CE se ve que la señal de
Kelly requiere un esfuerzo recontrol más elevado para poder seguirla.
Prueba B.
En esta prueba se realizan cambios en el nivel de la incertidumbre para probar como
se modifica la respuesta de los controladores. Esta prueba tiene como objetivo observar que
controlador tiene la posibilidad de ser robusto a los cambios en los parámetros del robot
manipulador.
- 134 -
Controladores de robots rígidos: un análisis comparativo
5
20
Porcentaje (%/100)
Porcentaje (%/100)
4
15
3
PDp 10
2 Rp
Ap 5
1
PIDp
0 PDs 0
0% 10% 25% 0% 10% 25%
Prcentaje de incertidumbre Rs Prcentaje de incertidumbre
As
Índice ISE PIDs Índice CE
12 50
10
40
Porcentaje (%/100)
Porcentaje (%/100)
8
30
6
20
4
2 10
0 0
0% 10% 25% 0% 10% 25%
Prcentaje de incertidumbre Prcentaje de incertidumbre
Figura D.22. Relación de cambio en los valores de los índices de desempeño presentados por los
controladores en la prueba B
Prueba C.
En esta prueba se realizan cambios en la ubicación de la incertidumbre, con el fin de
distinguir que conjunto de parámetros tiene un mayor efecto en el comportamiento del
sistema. Los parámetros están divididos en el conjunto de masas y el conjunto de inercias.
En ambos conjuntos se maneja un nivel de incertidumbre del 25%. Como en las pruebas
anteriores, se compara el comportamiento de cada caso contra el caso de prueba nominal.
- 135 -
Apéndice E. Resultados de las pruebas del robot PUMA
5
20
Porcentaje (%/100)
Porcentaje (%/100)
4
15
3
PDp 10
2 Rp
Ap 5
1
PIDp
0 PDs 0
0% Masas Inercias 0% Masas Inercias
Ubicación de la Incertidumbre Rs Ubicación de la Incertidumbre
As
Índice ISE PIDs Índice CE
10
12
10 8
Porcentaje (%/100)
Porcentaje (%/100)
8 6
6
4
4
2
2
0 0
0% Masas Inercias 0% Masas Inercias
Ubicación de la Incertidumbre Ubicación de la Incertidumbre
Figura D.23. Relación de cambio en los valores de los índices de desempeño presentados por los
controladores en la prueba C
Prueba D.
Para esta prueba, se realizan cambios en la masa de carga. Esta prueba surge a partir
del uso del robot manipulador para el transporte de piezas, donde su masa de carga va a
estar variando constantemente hasta el grado de llegar a desaparecer.
- 136 -
Controladores de robots rígidos: un análisis comparativo
Porcentaje (%/100)
Porcentaje (%/100)
120
20
100
15 80
PDp
10 60
Rp
Ap 40
5
PIDp 20
0 PDs 0
Nominal Duplicada Sin Carga Nominal Duplicada Sin Carga
Carga Rs Carga
As
Índice ISE PIDs Índice CE
20
12
15 10
Porcentaje (%/100)
Porcentaje (%/100)
8
10
6
4
5
2
0 0
Nominal Duplicada Sin Carga Nominal Duplicada Sin Carga
Carga Carga
Figura D.24. Relación de cambio en los valores de los índices de desempeño presentados por los
controladores en la prueba D
- 137 -
Apéndice E. Resultados de las pruebas del robot PUMA
Hoja en Blanco
- 138 -
Controladores de robots rígidos: un análisis comparativo
Apéndice E
Cinemática Cinemática
Directa Inversa
Figura E.1.- Menú principal del modelo de simulación de la cinemática
- 139 -
Apéndice F. Uso de los modelos de simulación
Según la cinemática seleccionada se va a abrir una ventana con otro menú para
seleccionar el robot manipulador, como se muestra en la figura E.2.
Cinematica Cinematica
Directa del Directa Cinematica Cinematica
SCORBOT ER-V+ del PUMA Inversa del Inversa del
SCORBOT ER-V+ PUMA
0.066342543105869
50
Theta 1 Theta 1 Px
0.079063964088255
100 Theta 2 Punto
Theta 2 Theta 3 Py
Figura E.3.- Modelo de simulación de la cinemática directa del robot SCORBOT ER-V+
Figura E.4.- Ventana de introducción de parámetros para la simulación de la cinemática directa del
robot SCORBOT ER-V+
Para la introducción de los parámetros del robot, se debe dar doble click en el
subsistema del modelo y se abre la ventana de introducción de parámetros (figura E.4).
- 140 -
Controladores de robots rígidos: un análisis comparativo
Estos modelos tienen la capacidad de obtener la ubicación del efector final para un punto, o
para un conjunto de valores variantes en el tiempo.
50
50
0.066342543105869 50
Px
Px
Codo Abajo
Las coordenadas en metros
Figura E.5.- Modelo de simulación de la cinemática inversa del robot SCORBOT ER-V+
Para su uso es necesario introducir en el bloque, los pares articulares que generan
los motores del robot manipulador, y a la salida se obtiene la evolución que presentan las
posiciones y velocidades articulares. En la figura E.6 se muestra la forma de conexión del
modelo de simulación.
De una forma muy similar a los modelos de la cinemática, para cambiar los
parámetros del robot manipulador es necesario darle doble click al bloque de simulación y
se accede a la venta de introducción de parámetros (figura E.7).
- 141 -
Apéndice F. Uso de los modelos de simulación
Tao1 q1,q1_punto
Tao1 q1
q1_punto
q2
Tao2
q2_punto
q3
Tao2 Tao3 q3_punto q2,q2_punto
Dinamica
Scorbot
Tao3
q3,q3_punto
Figura E.7.- Ventana de introducción de parámetros para la simulación de la dinámica del robot
SCORBOT ER-V+
- 142 -