Cinemática Inversa com Redes Neurais Aplicadas em Robôs Manipuladores

Gabriel Daltro Duarte

Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB) - Campus João Pessoa Brasil

Claudio Pereira Mego Quinteros

Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB) - Campus João Pessoa Brasil

Lincoln Machado Araújo

Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB) - Campus João Pessoa Brasil

Resumo

O mundo passa hoje pelo que alguns meios de comunicação estão denominando de quarta revolução industrial. Os robôs vêm ganhando cada vez mais espaço na indústria, onde o emprego de robôs está associado ao aumento da produção e da qualidade do produto. Para que um robô manipulador possa se movimentar com precisão, é necessário obter seu modelo cinemático inverso, porém a obtenção desse modelo requer a difícil solução de um conjunto de equações não lineares, não existindo um método de solução genérico. Diante desse problema, este trabalho tem como objetivo demonstrar a resolução do problema da cinemática inversa de um robô manipulador utilizando redes neurais artificiais sem a necessidade de modelar a cinemática direta do robô. Foram utilizadas duas metodologias de treinamento da rede neural, denominadas de treinamento offline e treinamento online. A diferença básica entre essas duas metodologias de treinamento é que, na metodologia offline, todos os pontos de treinamento são obtidos antes de ocorrer qualquer treinamento da rede neural, enquanto que, no treinamento online, o uso de um método de treinamento é recorrente. À medida que o robô se movimenta, novos pontos de treinamento são obtidos e os processos de treinamento com os novos pontos adquiridos são executados, permitindo um processo de aprendizagem da cinemática inversa contínuo. Para validar a metodologia proposta, foi desenvolvido um protótipo de um robô manipulado planar, com um grau de liberdade, e foram testadas várias arquiteturas de redes neurais, a fim de encontrar a arquitetura ótima. As redes neurais treinadas em modo offline, quando comparadas com as redes treinadas no modo online, apresentaram uma maior capacidade de generalização e um menor valor de erro de saída. O treinamento online só obteve resultados satisfatórios em arquiteturas de redes neurais com quantidades de neurônios muito maiores do que as quantidades utilizadas nas arquiteturas treinadas no modo offline.

Palavras-chave


Cinemática inversa; Robô manipulador; Redes neurais artificiais; Back Propagation


Texto completo:

Referências


CRAIG, J. J. Robótica. 3. ed. São Paulo: Pearson, 2012.

DAYA, B.; KHAWANDI, S.; CHAUVET, P. Neural network system for inverse kinematics problem in 3 DOF robotics. In: IEEE INTERNATIONAL CONFERENCE ON BIO-INSPIRED COMPUTING: THEORIES AND APPLICATIONS (BIC-TA), 5th., 2010, Changsha (China). Proceedings... Beijing: Institute of Electrical and Electronics Engineers, 2010. p. 1550-1557.

DENAVIT, J.; HARTENBERG, R. S. A kinematic notation for lower-pair mechanisms based on matrices. Journal of Applied Mechanics, v. 22, p. 215-221, 1955.

DUKA, A. V. Neural network based inverse kinematics solution for trajectory tracking of a robotic arm. Procedia Technology, v. 12, p. 20-27, 2014.

FACELI, K. et al. Inteligência artificial: uma abordagem de aprendizado de máquina. Rio de Janeiro: LTC, 2011.

HAYKIN, S. Redes neurais. 2. ed. Porto Alegre: Bookman, 2001.

JHA, P.; BISWAL, B. B. A neural network approach for inverse kinematic of a SCARA manipulator. International Journal of Robotics and Automation, v. 3, n. 1, p. 52-61, mar. 2014.

MONTGOMERY, E.; LUDWIG JR., O. Redes neurais: fundamentos e aplicações com programas em C. Rio de Janeiro: Ciência Moderna, 2007.

MUSTAFA, A.; TYAGI, C.; VERMA, N. K. Inverse kinematics evaluation for robotic manipulator using support vector regression and Kohonen self organizing map. In: INTERNATIONAL CONFERENCE INDUSTRIAL AND INFORMATION SYSTEMS (ICIIS), 11th, 2016, Roorkee (India). Proceedings... Piscataway, NJ: Institute of Electrical and Electronics Engineers, 2016. p. 375-380.

NIKU, S. B. Introdução à robótica: análise, controle, aplicações. 2. ed. Rio de Janeiro: LTC, 2014.

PERASSO, V. O que é a 4ª Revolução Industrial - e como ela deve afetar nossas vidas. BBC Brasil, 22 out. 2016. Disponível em: https://www.bbc.com/portuguese/geral-37658309. Acesso em: ago. 2017.

SHI, Q.; XIE J. A research on inverse kinematics solution of 6-DOF robot with offset-wrist based on Adaboost neural network. In: IEEE INTERNATIONAL CONFERENCE ON CYBERNETICS AND INTELLIGENT SYSTEMS (CIS) and IEEE CONFERENCE ON ROBOTICS, AUTOMATION AND MECHATRONICS (RAM), 2017, Ningbo (China). Proceedings.... Piscataway, NJ: Institute of Electrical and Electronics Engineers, 2017. p. 370-375.

VUOLO, J. H. Fundamentos da teoria dos erros. 2. ed. São Paulo: Edgar Blücher, 1996.

ZOU, Z.; HAN, J.; ZHOU, M. Research on the inverse kinematics solution of robot arm for watermelon picking. In: IEEE INFORMATION TECHNOLOGY, NETWORKING, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (ITNEC), 2nd, 2017, Chengdu (China). Proceedings... Piscataway, NJ: Institute of Electrical and Electronics Engineers, 2017. p. 1399-1402.


DOI: http://dx.doi.org/10.18265/1517-03062015v1n43p49-63

O arquivo PDF selecionado deve ser carregado no navegador caso tenha instalado um plugin de leitura de arquivos PDF (por exemplo, uma versão atual do Adobe Acrobat Reader).

Como alternativa, pode-se baixar o arquivo PDF para o computador, de onde poderá abrí-lo com o leitor PDF de sua preferência. Para baixar o PDF, clique no link abaixo.

Caso deseje mais informações sobre como imprimir, salvar e trabalhar com PDFs, a Highwire Press oferece uma página de Perguntas Frequentes sobre PDFs bastante útil.

Download do PDF
Imprimir artigo
Exibir metadados
Como citar este documento

Visitas a este artigo: 1888

Total de downloads do artigo: 2117