Академический Документы
Профессиональный Документы
Культура Документы
discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/267558540
Article
CITATIONS READS
0 165
4 authors, including:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Andres Vivas on 30 January 2015.
The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
MODELADO, IDENTIFICACIÓN PARAMÉTRICA Y CONTROL DEL
ROBOT SCORBOT-ER 5 PLUS
Alexander Constaín*, Karoll Torres*, Jaime Arango**, Andrés Vivas*
*
Departamento de Electrónica, Instrumentación y Control, Universidad del Cauca, Popayán (email:
avivas@unicauca.edu.co).
**
Departamento de Eléctrica, Electrónica y Computación, Universidad Nacional de Colombia, sede Manizales.
Abstract: El robot Scorbot-ER 5plus es un robot industrial diseñado para propósitos académicos.
Aunque dicho robot posee un control programado de fábrica, es de gran interés para la investigación
implementar en él otros tipos de controladores para probar algoritmos diferentes. Para esto es necesario
conocer su modelo matemático así como los parámetros dinámicos. Este estudio desarrolla el modelado
de dicho robot, identificando sus parámetros dinámicos por medio de la técnica de mínimos cuadrados.
Finalmente el modelo y la identificación son validados en simulación al implementarse un control clásico
tipo PID y un control basado en el modelo (control por par calculado). Trayectorias de tipo industrial son
utilizadas para evaluar el desempeño del controlador.
Keywords: Control de robots, control por par calculado, identificación paramétrica, identificación por
mínimos cuadrados.
0 0 0 0 0 ZZR1 0 MY1 0 0 0
Γ = A( q ) q + Q (1)
El parámetro θj hace referencia a la variable articular de cada
articulación rotoide; dj hace referencia a la longitud de cada Donde Г son las fuerzas o pares aplicados a las
brazo del robot; αj al ángulo entre los ejes zj; rj representa la articulaciones, A es la matriz de inercia la cual depende de las
distancia entres ejes xj; y σj determina el tipo de articulación posiciones articulares q y de la energía cinética del robot, y Q
(0 si es rotoide, 1 si es prismática). es el vector de gravedad conformado por los elementos de la
energía potencial del sistema. Las aceleraciones articulares
están representadas por q .
Por su parte el modelo dinámico directo (MDD) relaciona las Xˆ = W +Y (8)
aceleraciones articulares con los pares, posiciones y
velocidades articulares. Este modelo es muy útil ya que donde W+ es la seudoinversa de W. Suponiendo que el vector
permite realizar la simulación en computador del robot, de errores ρ está centrado, la varianza se puede definirse
utilizando alguna herramienta de simulación matemática (por como:
ejemplo el entorno Matlab/Simulink®). Su expresión se
deriva de la ecuación (1) al despejar las aceleraciones Y −W Xˆ
2
articulares: σp =
2
(9)
(r −c)
q= A ( Γ − Q )
−1
(2)
con r = número de medidas y c = número de parámetros a
Las expresiones completas de los modelos dinámicos directo estimar. La desviación estándar será entonces:
e inverso del robot Scorbot-ER 5plus pueden verse en
Constaín y Torres (2008). σ xjˆ
σ xjr
ˆ % = 100 (10)
Xˆ j
3. RESULTADOS
3.1 Identificación de parámetros dinámicos La aplicación del principio de mínimos cuadrados requiere
que el número de medidas o datos tomados de las trayectorias
Luego de determinar los parámetros inerciales de base del (Figura 3), sea mucho mayor que el de parámetros
Scorbot-ER 5plus y los respectivos modelos MDD y MDI, el (incógnitas). Del mismo modo la calidad del procedimiento
siguiente paso consiste en estimar el valor de dichos depende de qué tan rica sea la información en la matriz de
parámetros utilizando el método de Mínimos Cuadrados observación, lo cual se refleja en el comportamiento del error
(Ljung, 1999; Gautier, et al., 1995). El resultado de este ρ acorde con sus propiedades estadísticas (Bona and
procedimiento permitirá entonces completar los modelos para Curatella, 2005; Wernholt, 2004; Swevers, et al., 2000).
la posterior implementación de un controlador.
El principio de mínimos cuadrados (Least Squares
Estimation) resuelve el problema de estimar las incógnitas
del modelo (parámetros organizados en el vector X ),
utilizando para ello tanto los valores conocidos (entradas o
cuplas Г) como los observados (salidas o posiciones
articulares q ). La Ecuación (1) puede reescribirse como
(Khalil and Dombre, 2002):
Y =W ( q, q , q) X + ρ (3)
Las unidades para los elementos del tensor de inercia son Γ = K p (q − q ) + K v (q − q ) + K i ∫ (q − q ) dτ
d d d
(11)
Kg.m2, para el primer momento de inercia son Kg.m, y para
la inercia del accionador son Kg.m2. d d
Los términos q y q son respectivamente, la posición y
3.2 Control del robot Scorbot-ER 5plus velocidad deseadas, expresadas en unidades articulares. Los
Con el fin de validar el modelo identificado se elementos Kp, Kv y Ki son matrices diagonales y definidas
implementaron dos controladores, uno que no tiene en cuenta positivas, cuyos elementos son respectivamente las ganancias
el modelo (control PID), y otro basado en el modelo (control proporcional, integral y derivativa para cada articulación.
por par calculado). Estas dos clases de estrategias son Para la sintonización de las ganancias del PID se utilizó
ampliamente utilizadas en la industria para el control de como base el bloque “Signal Constraint” de
robots (Khalil and Dombre, 2002; Ollero, 2001; Sciavicco Matlab/Simulink®. La Figura 5 muestra el error cartesiano en
and Siciliano, 1996). el seguimiento de la trayectoria circular. Puede verse que el
El control PID se caracteriza por la facilidad de su error máximo es de menos de 120 micras, lo cual puede
implementación, la amplia teoría desarrollada al respecto y la considerarse como aceptable en un contexto de
baja carga computacional requerida en su funcionamiento. requerimientos industriales.
Sin embargo las características propias de un manipulador 3.2.2 Control por par calculado (CTC)
(no linealidad, dinámicas acopladas), representan su mayor
obstáculo y hacen que su desempeño no sea el más adecuado El control por par calculado pretende involucrar el modelo de
frente a cargas o velocidades elevadas. la planta en la propia estrategia de control, lográndose
cancelar las no-linealidades del modelo dinámico del robot,
Por otra parte el control por par calculado (Computed Torque lo que tiene especial importancia cuando se requiere gran
Control – CTC) tiene la ventaja de utilizar un modelo velocidad de trabajo o se pretende mejorar el desempeño del
matemático de la planta, lo cual le permite trabajar con un lazo de control.
u(t ) = K p (q − q ) − K v q
-4 d
1.2
x 10
(14)
0.8
Error cartesiano (m)
X
d Kp Desacoplamiento y
0.6 qd
compensación no lineal q
u Γ
0.4 MGI Kv Aˆ(q) Robot
q
0.2 q
Hˆ(q,q)
0
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Tiempo (ms) Control lineal
6
tomando el vector de control u como una función del estado
del manipulador:
5
Γ = Aˆ ( q ) u(t ) + Qˆ ( q ) (12) 4
Error cartesiano (m)
Los parámetros identificados permitieron completar el Ljung, L. (1999). System identification: theory for the user.
modelo dinámico del manipulador, el cual fue probado en New Jersey: Prentice Hall.
simulación con dos estrategias de control: el clásico PID y un Ollero, A. (2001) Robotica: manipuladores y robots móviles.
controlador basado en el modelo (control por par calculado). Madrid: Marcombo.
Se utilizó como consigna industrial un círculo de reducido
diámetro. Los resultados mostraron errores bastante bajos en Paul, R.C. (1981). Robot manipulators: mathematics,
el seguimiento de la trayectoria. Como era de esperarse el programming and control. Cambridge: MIT Press.
control por par calculado, dado que involucra el modelo
matemático de la planta, obtuvo mejores resultados en el Richalet J. (1998). Practique de l’identification. Paris: Hermès
seguimiento de la consigna deseada. Science Publications.
Posteriores trabajos buscarán la implementación real de Sciavicco, L. and Siciliano, B. (1996). Modeling and control of
controladores basados en el modelo sobre el robot Scorbot- robot manipulators. London: McGraw Hill.
ER 5plus, con el fin de validar de manera experimental la
Swevers, J., Ganseman, C., Chenut, X. and Samin, J.C. (2000).
identificación realizada y probar otras estrategias de control
Experimental identification of robot dynamics for control. In
avanzadas sobre él.
Proceedings of the IEEE International Conference on
Robotics and Automation, San Francisco, USA, pp. 241-246.
REFERENCIAS
Syd, C. (2000). Scorbot ER-Vplus y Scorbot ER-IX. Informe
Bona, B. and Curatella, A. (2005). Identification of industrial
interno IACI00-01 de Universidad Nacional de Quilmes,
robot parameters for advanced model-based controllers
Argentina.
design. In Proceedings of the IEEE International
Conference on Robotics and Automation, Barcelona, Spain, Vivas, A. and Mosquera, V. (2005). Predictive functional
pp. 1681-1686. control for a PUMA robot. In Proceedings of the
International Conference on Automatic Control and System
Constaín, A., y Torres, K. (2008). Modelado, identificación
Engineering, ACSE 2005, El Cairo, Egypt, pp. 35-40.
paramétrica y control de un robot de cinco grados de
libertad. Tesis de pregrado. Facultad de Ingeniería Vivas, A. (2004). Contribution à l'identification et à la
Electrónica y Telecomunicaciones, Universidad del Cauca, commande des robots parallèles. Doctoral Thesis, Universite
Popayán, Colombia. Montpellier II, France.
Eshed Robotec (1998). Scorbot-ER 5plus, User´s Manual. Vivas, A. (2006). Control predictivo de un robot tipo SCARA.
Revista Chilena de Ingeniería, Vol. 14, No. 2, pp. 137-147.
Gautier, M., Khalil, W. and Restrepo, P. (1995). Identification
of the dynamic parameters of a closed loop robot. In Wernholt, E. (2004). On multivariable and nonlinear
Proceedings of the IEEE International Conference on identification of industrial robots. Licentiate Thesis,
Robotics and Automation, Nagoya, Japan, pp. 3045-3050. Linköping University, Sweden.
Guegan, S. (2003). Contribution a la modelisation et à
l'identification dynamique des robots parallèles. Doctoral
Thesis, Ecole Centrale de Nantes, France.
Intelitek (2008). http://www.intelitek.com/. Consultado mayo
2008.
Janot, A., Bidard, C., Gosselin, F., Gautier, M., Keller, D., and
Perrot, Y. (2007). Modeling and identification of a 3 DOF
haptic interface. In Proceedings of the IEEE International
Conference on Robotics and Automation, Rome, Italy, pp.
4949-4955.
Khalil, W. and Creusot, D. (1997). SYMORO+: a system for
the symbolic modelling of robots. Robotica, Vol. 15, pp. 153-
161.