Escolar Documentos
Profissional Documentos
Cultura Documentos
Director de Tesis:
Dra. Ilse Cervantes Camacho
.
Mxico D.F. 2004
Agradecimientos
Norma euclidiana
Norma inducida
AT Transpuesto de A
max ( A ) Mximo valor propio de la matriz A
KD Ganancia derivativa
Kp Ganancia proporcional
KI Ganancia integral
M (q) Matriz de inercias del robot manipulador
C ( q , q& ) Matriz de Coriolis y fuerzas centrpetas
1 Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.1 Motivacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Objetivo Principal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 Objetivos Particulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Relevancia. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4 Resultado Principal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1 Planteamiento del Problema. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Antecedentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.3 Control PD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.4 Control PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46
6 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
1
Energy shaping plus damping injection
En el Captulo 2 se describe de manera extensiva en qu consiste el espacio de tarea y
cules son las opciones de representarlo (coordenadas cartesianas, visuales, etc.). Se explica
a detalle cada una de estas representaciones y se establecen sus respectivas ventajas y
desventajas. Se explica adems, cul de estas representaciones es ms conveniente en la
solucin del problema y su justificacin.
En el Captulo 6 se discuten los resultados obtenidos en esta tesis, es decir, cules son las
implicaciones de los resultados obtenidos, el impacto de stos, adems de detallar cul ha
sido la principal aportacin en el campo de control no lineal. En esta parte tambin se habla
del trabajo a futuro que se puede desarrollar a partir del trabajo de esta tesis.
Abstract
This thesis deals with the control problem of robots manipulators position and orientation
on task space. The application of robots manipulators is of the PID (Proportional Integral
Derivative) kind on generalized coordinates, because of its simplicity; however PID control
hadnt been applied yet until recent time. In fact, the principal motivation is to extend the
results from the control in generalized coordinates to the control in task space.
Finding a solution to the position and orientation problem, the Energy shaping plus
damping injection is used. It has been probed that the application of slow integral actio ns
helps to reduce the offset caused by uncertainties in the robot model.
Captulo 1
Introduccin
1.1 Motivacin
Por mucho tiempo ha prevalecido la idea de que el control PID es inadecuado para sistemas
altamente no-lineales debido a que su diseo est basado en argumentos de tipo local y
lineal. Sin embargo, existen trabajos como el reportado por (Arimoto y Miyazaki, 1984)
que pueden extenderse para obtener resultados no locales, aunque las primeras pruebas
explicitas fueron presentadas por (Ortega, et al., 1995) para el caso de retroalimentacin de
salida. En lo que se refiere al Control en espacio de tarea existen trabajos como el de (Jiang,
et al., 1994) en donde se aplica un control adaptivo de modos deslizantes, y el de (Kelly,
1999) en donde a partir de un modelado Energy shaping se aplica un controlador tipo PD,
sin embargo en lo que se refiere a la aplicacin de un controlador PID fue hasta poco
despus del inicio de esta tesis que apareci reportado en (Martnez, 2002) una aplicacin
especfica en visual servoing, que es un tipo especial de espacio de tarea. La motivacin de
esta tesis es entonces demostrar por mtodos de anlisis de control moderno, que es posible
el empleo de controladores PID en el espacio de tarea en una clase de sistemas robticos,
en especial en la regulacin de posicin y orientacin, que hasta el momento no se
encuentra reportado en la literatura, y dar un sustento terico.
8
1.2 Planteamiento del problema
Esta tesis est enfocada principalmente al estudio del control PID en espacio de tarea de un
robot manipulador rgido de n grados de libertad. En este caso se hace nfasis en el estudio
de control de posicin y orientacin del rgano terminal de dicho robot, analizndose
adems la forma ms conveniente de representar dicha posicin en el espacio de tarea.
El objetivo de esta tesis es demostrar que un robot manipulador de n grados de libertad bajo
la accin de control PID puede alcanzar cualquier posicin y orientacin no singular en un
conjunto acotado del espacio de tarea. Esto ltimo es debido a que existen posiciones y
orientaciones en las que se presentan singularidades.
9
1.4 Relevancia
10
Captulo 2
En este captulo se describe el espacio de tarea, que es de especial inters para determinar la
ubicacin del rgano terminal del robot. Es necesario describir los elementos que conforman el
espacio de tarea que son posicin y orientacin, los cuales pueden representarse de formas
diferentes. Se detalla cada una de los distintos tipos de representaciones que se pueden hallar en
la literatura, y se explica cules son sus ventajas y desventajas. As mismo se habla de una
forma visual para controlar la posicin del rgano terminal, conocido como visual servoing, y la
forma peculiar como puede ligarse con el espacio de tarea mediante el elemento cuaternin.
2.1 Motivacin
Un cuerpo rgido puede ser descrito completamente en el espacio tridimensional por medio
de su posicin y su orientacin con respecto a un marco de referencia. En el caso de los
robots manipuladores, la descripcin del movimiento del rgano terminal es la de principal
inters. Comnmente, el marco de referencia empleado se sita en la base del robot.
La posicin puede expresarse como la magnitud del vector entre el origen del marco de
referencia (en el cruce de los ejes) y un punto del rgano terminal. La orientacin es un
desplazamiento angular de un sistema coordenado con respecto a otro. Es conveniente
11
considerar un marco de referencia ortonormal ya que simplifica la descripcin de la
posicin. A partir de este punto de la tesis, se le conocer como sistema coordenado adjunto
al sistema coordenado situado convenientemente en el rgano terminal. La orientacin del
rgano terminal es el desplazamiento relativo entre el sistema coordenado de la base y el
adjunto. Al espacio donde se encuentran todas las posiciones y orientaciones del rgano
terminal se le conoce como espacio de tarea.
En esta seccin se hace una resea de distintos tipos de coordenadas (Grossman, 1994) que
pueden ser utilizadas para la representacin de la posicin del rgano terminal de un robot.
Este tipo de coordenadas fue introducido por primera vez por Rene Descartes (de donde se
derivo el nombre de cartesianas), y lo expres mediante dos ejes perpendiculares entre s,
denominados X y Y, el primero horizontal, y el segundo vertical, los cuales se encuentran
divididos en unidades. Un punto sobre el plano se expresa mediante sus respectivas
posiciones sobre los ejes X y Y, mediante proyecciones perpendiculares a dichos ejes,
conformando un par ordenado de nmeros reales. Posteriormente se llev este tipo de
representacin al espacio tridimensional (al cual denominaremos como R 3 ), mediante la
adicin de un nuevo eje, perpendicular al plano XY, y que se de nomina como eje Z. Para
representar un punto en el espacio se comienza por elegir un punto en R 3 , al cual se le
llama punto origen, y al dibujar las tres rectas perpendiculares entre s, su interseccin ser
en este punto. El tipo de representacin ms usado, y que emplearemos a lo largo de esta
tesis es el denominado sistema derecho; en el cual, si viramos el plano XY de frente,
entonces la parte positiva del eje Z se dirigira hacia nosotros. En la figura 2.1 se muestra
cmo es representado este tipo de sistema.
12
Figura 2.1 Sistema Cartesiano
Los tres ejes del sistema determinan tres planos coordenados, que se llaman plano XY,
plano XZ, y plano YZ.
Los robots con una geometra cartesiana consisten en tres juntas prismticas, en donde cada
grado de movilidad corresponde a un grado de libertad en el espacio cartesiano. Por esta
razn en este tipo de geometra es fcil obtener mediciones de salida para determinar la
posicin del rgano terminal.
13
Figura 2.2 Robot de geometra cartesiana
14
Figura 2.3 Sistema Cilndrico
15
2.2.3 Coordenadas Generalizadas
El emplear las coordenadas generalizadas nos permite describir otras geometras distintas,
como son la SCARA, y la antropomrfica.
16
Figura 2.6 Robot SCARA
17
Z'
X'
Y'
Una de las formas de expresar la orientacin es por medio de una matriz de rotacin. La
matriz de rotacin consiste en tres vectores unitarios (de dimensin 3) que relacionan los
ngulos de desplazamiento de cada uno de los ejes coordenados.
Por ejemplo considere la Figura 2.8 en donde se muestran dos ejes coordenados, uno se
localiza en el rgano terminal (A) y otro en la base del robot (A). El primer vector de la
matriz de rotacin est conformado por los ngulos que existen entre x y x, x y y, x y z. El
segundo vector est formado por y y x, y y y, y y z., y el tercero est formado por z y x,
z y y, z y z, como se muestra en la Ecuacin (2.1).
18
x' x x
T
y' T x z ' T
R = a1 a2 a 3 = x' T y y 'T y z 'T y (2.1)
x'T z T
y' z z 'T z
Note que los vectores columna que conforman R ( a1 , a 2 , a3 ) son mutuamente ortogonales,
la demostracin puede hacerse utilizando argumentos geomtricos. Al notar que las
entradas del sistema son parte de una base ortonormal (Sciavicco y Siciliano, 2000). R es
una matriz ortogonal lo que significa que:
RT R = I 3 (2.2)
Es necesario hacer notar que la matriz de rotacin presenta el problema de proporcionar una
descrip cin redundante de la orientacin del marco adjunto al objeto, esto se debe a que los
nueve elementos que la componen no son independientes entre s, sino que se encuentran
relacionadas por seis restricciones debidas a las condiciones de ortogonalidad dadas en
(2.2). El hecho de manejar tantos elementos provocan la desventaja de que todas las
operaciones que involucran este tipo de representacin se vuelven laboriosas y existe
redundancia en los clculos.
19
Una representacin mnima puede ser obtenida usando un conjunto de tres ngulos, que son
conocidos como ngulos de Euler.
= [ ]
T
Existen varias representaciones por medio de los ngulos de Euler (12 en total), pero una de
las ms usadas es la XYZ o conocida como (Pitch, Roll, Yaw). Esta representacin se
obtiene como sigue:
Este tipo de representacin, tiene la ventaja de que se trabaja con muy pocos elementos, lo
cual facilita su trabajo en los clculos requeridos por el algoritmo de control, pero tiene el
problema de presentar mltiples soluciones. Este hecho afecta seriamente el problema de
20
control como veremos posteriormente en esta tesis. Esto es , dos orientaciones diferentes
pueden tener ngulos de Euler iguales.
Existen otros tipos de representacin que son no-mnimas, los que pueden ser ventajosos en
el problema de planeo de trayectorias. Una de ellas se obtiene haciendo un reordenamiento
en cuatro parmetros que expresan la rotacin de un ngulo dado alrededor de un eje (o
vector) en el espacio.
[
Sea k = k x ky kz ]
T
el vector unitario de un eje de rotacin con respecto al marco de
k x2 (1 c ) + c k x k y (1 c ) + k z s k x k z (1 c ) + k y s
R ( , k ) = k x k y (1 c ) + k z s k 2y (1 c ) + c k y k z (1 c ) + k x s (2.3)
k x k z (1 c ) + k y s k y k z (1 c ) + k x s k z2 (1 c ) + c
r + r + r 1
= cos 1 11 22 33
2
(2.4)
21
r32 r23
1
k= r13 r31
2 sen
r21 r12
r31 r32 r33
Por otro lado tenemos que si = 0 , entonces R es la matriz identidad y el eje de rotacin
no est bien definido. Por lo tanto presenta la misma desventaja que los ngulos de Euler.
2.3.4 Cuaterniones
[ ] [
QT = T = x y z ] (2.5)
Considrese dos sistemas coordenados F0 y F1 , que estn separados por una rotacin de
22
= cos ; = sin k (2.6)
2 2
[ ]
ntese que s T es el cuaternin que representa la rotacin del sistema coordenado F1
[ ]
con respecto a un sistema coordenado F0 , entonces n T representa la orientacin de
F0 con relacin a F1
2 + 2x + 2y + 2z = 1 (2.7)
23
( )
R = 2 2 1 I 3 + 2 T + 2 S ( ) (2.8)
0 z y
S ( ) = z 0 x (2.9)
y x 0
1
= 1 + r11 + r22 + r33
2
(2.10)
sgn (r32 r23 ) r11 r22 r33 +1
1
= sgn (r13 r31 ) r22 r11 r33 + 1
2
sgn (r21 r12 ) r33 r11 r22 + 1
Una variacin a este mtodo lo podemos encontrar en (Klump, 1976) que se describe a
continuacin:
24
1
= 1 + r11 + r22 + r33
2
(2.11)
r32 r23
=
1 r r
2 1 + r11 + r22 + r33
13 31
r21 r12
Otra opcin considera que si la traza de la matriz de rotacin es igual o menor a cero, se
deber observar cual elemento de la diagonal de la matriz de rotacin es mayor a cero.
Si r11 > r22 y r11 > r33 Si r22 > r11 y r22 > r33 Si r33 > r11 y r33 > r22
Otro tipo de representacin del espacio de tarea es visual servoing que se explica en el
Apndice A.
25
Considere dos sistemas coordenados (sistema 0 y sistema 1) y un punto en el espacio P,
cuyas coordenadas con respecto a cada uno de los sistemas las expresamos por p 0 y p 1
respectivamente. Sea d10 el vector que denota la ubicacin del origen del sistema 1 respecto
al sistema 0, y sea R10 la matriz de rotacin que representa la orientacin del sistema 1 con
respecto al sistema 0. Por lo tanto, basndose en geometra simple, es posible determinar la
posicin p 0 del punto P, si conocemos p 1 , aplicando la siguiente regla de transformacin:
La relacin anterior puede representarse de una forma ms compacta, para ello es necesario
definir la representacin homognea ~
p de p, esto es
p
p=
~ (2.14)
1
R 0 d10
A10 = 1T (2.15)
0 1
~
p 0 = A10 ~
p1 (2.16)
26
La transformacin homognea es til para describir los problemas de cinemtica directa y
cinemtica inversa primeramente, y posteriormente en esta tesis se emplear en el cambio
de coordenadas.
Rb d eb
Teb = Te
0 1
27
Conclusiones del captulo
En este captulo se dieron a conocer los tipos de coordenadas que aplicaremos al describir
la posicin del rgano terminal, y los medios para conocer su orientacin. Tambin
conocimos distintos tipos de geometras para los robots. El uso de coordenadas
generalizadas y la descripcin del espacio de tarea nos ayudarn a formular el problema de
control y para la descripcin dinmica del sistema en el siguiente captulo.
28
Captulo 3
Modelo Dinmico
Resumen
Al inicio de este captulo se describe cmo se obtiene el modelo dinmico para robots
manipuladores por medio de las ecuaciones de Euler-Lagrange y empleando la definicin de
coordenadas generalizadas. Posteriormente se mencionan las propiedades del modelo obtenido,
las cuales son tiles en la derivacin de los resultados de estabilidad.
29
Las ecuaciones Euler-Lagrange, de forma general (Hauser, 1967) adoptan la siguiente
forma:
d K K
= Q + (3.1)
qk
k
dt
qk
P
QK = + k
qk
d K K P
= + k (3.2)
dt
qk qk
qk
donde P es la energa potencial del sistema. La ecuacin (3.2) puede ser escrita de forma
ms compacta si introducimos una funcin L, conocida como la funcin Lagrangiana, tal
que:
L=K P (3.3)
L K L K P
= y = (3.4)
qk
qk qk qk qk
30
Lo que conlleva que las ecuaciones de Lagrange, puede ser rescrita de la siguiente forma:
d L L
= k + (3.5)
dt q& k qk
donde k son las fuerzas generalizadas no conservativas, que se aplican desde el exterior.
L( q, q ) q L( q, q ) = U T (3.7)
dt q
donde q R n son las coordenadas generalizadas y U R n los pares debidos a las fuerzas
externas. Mientras () representa el gradiente, un vector rengln que se define como
def
k () = () / k , y () T denota transposicin. Retomando la ecuacin (3.3) de la forma:
L (q, q) = K (q, q) P ( q)
T
1
K ( q, q) = q M ( q) q (3.8)
2
31
Los pares debidos a las fuerzas externas U R n consisten en acciones de control R n ,
fuerzas disipativas (friccin), y fuerzas no disipativas que toman en cuenta la interaccin
del sistema con el ambiente.
Dado que las fuerzas disipativas del sistema contribuyen al amortiguamiento requerido para
la estabilizacin del sistema, entonces en esta tesis se considera el caso crtico en que la
suma de dichas fuerzas es nula. Por otra parte puede considerarse que la interaccin con el
medio ambiente es irrelevante y la podemos eliminar.
donde :
g ( q) = q U ( q) (3.10)
32
La ecuacin de movimiento Euler-Lagrange incluye a sistemas mecnicos y mecatrnicos
(De Luca y Manes, 1994). Esta formulacin tambin ha sido empleada para modelar la
dinmica del cuerpo humano (Van der Kooij, et al, 1999) (Sanner y Cosa, 1999).
En esta seccin se describen las propiedades de la ecuacin dinmica del robot (3.9) en el
caso de que slo posea juntas rotacionales. Los elementos que conforman la ecuacin
cumplen con algunas propiedades que son tiles para simplificar las pruebas de estabilidad
obtenidas en el desarrollo de esta tesis.
P.2 Es acotada superior e inferiormente. Es decir que existen 1 y 2 , que son dos
escalares1 tales que
1 I < M ( q) < 2 I
1
Para el clculo de las constantes 1 y 2 se requiere del uso de los valores propios mximo y mnimo de la
matriz de inercia. A pesar de que esto puede ser complicado, debido a que se requiere de la solucin de
ecuaciones no lineales, existen programas como matlab y maple que pueden ayudar a realizar los clculos ms
rpidamente.
33
3.2.2 Propiedades del vector de Coriolis y fuerzas centrpetas
El vector de fuerzas centrpetas y de Coriolis, junto con la matriz de inercia cumple con las
siguientes propiedades:
P.4 La matriz M& ( q) 2C ( q, q) es antisimtrica
k g > Dg (q)
g ( q)
donde Dg ( q) =
q
es decir que la derivada del vector de pares gravitacionales con respecto a las coordenadas
generalizadas del robot se encuentra acotada por arriba.
34
Captulo 4
Resultado Principal
Resumen
El objetivo de control es el de disear una ley de retroalimentacin de estados = ( q, q )
tal que el rgano terminal del robot manipulador alcance una posicin pd y una orientacin
lim p(t ) = pd
t
(4.1)
lim R (t ) = Rd
t
35
donde: p (t ) R 3 es la posicin y R (t ) R 33 la matriz de orientacin del rgano terminal
lim p(t ) = p d
t
(t ) d (4.2)
lim
t (t )
=
d
lim ~
y =0 (4.3)
t
~p
donde ~y es el error de salida y se define de la forma: ~y = y y d =
e
36
def
y ~
p = p d p(q ) es el error de posicin y e es el error de orientacin y est dado por:
e = ( q) d d ( q) + S ( ) d (4.4)
Tal definicin del error de orientacin ha sido empleada antes en (Caccavale et al., 1999), y
su propsito es el que el error de orientacin quede expresado en R 3 en vez de R 4 . Las
velocidades lineal p R 3 y angular R 3 de un punto P0 estn dadas por:
p& J p ( q)
= J (q) q& = J G (q )q&
o
(4.5)
A partir de la ecuacin (4.2) se puede mostrar que la derivada respecto al tiempo del error
de orientacin (4.4) de acuerdo con el objetivo de regulacin est dada por:
~y = Q( , e) J (q )q& (4.6)
e G
con:
I 0
Q ( e , e) = 1 1
0 e I + S (e)
2 2
37
4.2 Antecedentes
= q U a ( q, yd , ~
y (q)) F ( q& ) (4.7)
q
donde: U a ( q, y d , ~
y (q )) : R n R m R m R es la energa potencial artificial y es una
Se supone que la estructura de control compensa los efectos del par gravitacional (3.10). En
tal caso, sin prdida de generalidad, la energa potencial artificial puede considerarse como:
U a ( q, y d , ~
y (q )) = U T ( y d , ~y ( q)) U (q) (4.8)
38
Donde U T ( yd , ~y ( q)) es la energa potencial total y U (q ) es la energa potencial debido a la
gravedad.
d q
q&
= 1
dt q& M ( q) q U T ( y d , y ( q)) + q F (q& ) + C ( q, q& ) q&
~ (4.9)
Como se puede observar el sistema a lazo cerrado obtenido involucra dos funciones
potenciales: la energa potencial debida a la gravedad, y la energa potencial artificial
inducida por el controlador.
Observacin 1:
Considrese las siguientes elecciones, encontrada en (Kelly, 1995), para la energa
potencial artificial y la funcin de disipacin:
1 T ~
U a ( q, y d , ~
y (q )) = ~y K p y U ( q)
2 (4.10)
1
F ( q& ) = q& T K D q&
2
y = h (q ) (4.11)
39
donde h : R n R m es una funcin continuamente diferenciable, y se supone que m n . Al
mapa de salida h (q ) se le denomina funcin de tarea, la cual fue introducida por primera
vez por (Samson, et al., 1991).
Por medio de una seleccin adecuada del mapa h (q ) se puede caracterizar la posicin y la
orientacin con respecto a un marco adjunto o base de referencia determinado tal como la
funcin de cinemtica directa. Considrese yd R n como una posicin u orientacin
deseada de la terminal del robot, entonces, el problema de control puede ser formulado
como el diseo de una ley de control que permite al rgano terminal del robot alcanzar y d
en el espacio de tarea.
donde:
def
q d = h 1 ( y d )
qU a ( q, y d , ~y ( q)) = q ~
y T K p ~y qU (q ) (4.12)
h
q ~y = q y = = J ( q)
q
40
Suposicin 2: La matriz Jacobiana J ( q) R n n tiene rango completo en N q , es decir, que
q Nq
qU a ( q, y d , ~
y (q )) = J T ( q) K p ~y qU ( q)
q U a ( q, y d , ~
y (q )) = J T ( q) K p ~
y g (q ) (4.13)
Al sustituir (4.13) y (4.14) en (4.7) se obtiene el siguiente caso del control PD con
Jacobiano transpuesto y compensacin de gravedad exacta.
= J ( q) T K p ~y K D q& + g ( q) (4.15)
41
Combinando la ecuacin (3.9) con (4.15), se obtiene la siguiente representacin del sistema
a lazo cerrado:
d q q&
=
[ ]
dt q& M ( q) J (q ) K p y (C (q, q& ) + K D )q&
1 T ~ (4.16)
4.3 Control PD
= J ( q)T K p ~
y K D q& + g ( q) (4.17)
42
Por otro lado, para eliminar el sesgo, rescribimos (4.17):
[ ]
= J ( q) T K p ~y + I , d K D q& + g (q ) (4.18)
Combinando (4.18) con (3.9) obtenemos la siguiente representacin del sistema a lazo
cerrado:
d q q&
= 1
[ T
]
dt q& M ( q) J ( q) (K p ~y + I ,d ) (C( q, q& ) + K D )q& g (q )
(4.19)
J ( q) T K p ~
y = g (q ) + I (4.20a)
q d = h 1 ( y d )
g (q ) = g ( ~y )
43
Por lo que podemos rescribir la ecuacin esttica de la siguiente forma:
J ( q) T K p ~
y = g ( ~
y) + I
donde la solucin es la siguiente:
y ) T [ g( ~
~y = K 1 J ( ~
p y) + I ] (4.20b)
Para probar que existe una nica solucin de (4.20b) es necesario aplicar la teora de
contraccin de mapas. Esto es, que se necesita probar que la norma del gradiente de la parte
derecha de (4.20b) es acotado. Esto es:
K P J ( ~y ) T [g ( ~
y )+ I ] <1
1
(4.20c)
toda K P > K Pmin la ecuacin (4.20c) tiene una nica solucin y si en particular I = I ,d ,
esta solucin coincide con la posicin y la orientacin deseada. Sin embargo en la prctica
no contamos con una variable I para compensar los efectos gravitacionales, pero en su
lugar se agrega una accin integral. La ley de control (4.18) se modifica de la siguiente
forma:
= J T K P ~y K D q& + g (q ) J T K I ~y ( ) d (4.21)
44
Como se puede observar en (4.21) el Jacobiano transpuesto J T (q ) afecta al trmino
integral, esto es porque la accin integral se utiliza para remover el sesgo, lo cual debe ser
a lo largo de la misma direccin del movimiento del rgano terminal definido por J T (q) .
[ ]
y + K I ~y + K D q& = 0 n
M ( q)q&& + C ( q, q& )q& + g( q) + J T K P ~ (4.22)
Teorema 1 Considrese el sistema (3.9) bajo la accin del controlador (4.21) con
K I = K I , donde > 0 y K I > 0 es una matriz simtrica y definida positiva. Entonces
para un valor suficientemente grande de min ( K p ) existe una constante positiva tal que
para todo 0 < < max el sistema Euler-Lagrange controlado es internamente estable y
lim t ~y (t ) = 0 .
Prueba:
Para un mejor manejo de la ecuacin (4.22), es til definir x = [x1 , x2 ]T = [q, q& ]T y
def
def
z = K I ~y
45
Lo que nos permite rescribir el sistema a lazo cerrado (4.22) de la siguiente forma:
x1 x2
d 1
[ T
]
x 2 = M ( x1 ) ( C ( x1 , x2 ) K D )x2 g ( x1 ) J (K P y + z )
~
(4.23)
dt
z K I ~y
x2 = 0 (4.24a)
g ( x1 ) J T ( x1 )( K P ~y + z) = 0 (4.24b)
K I ~
y =0 (4.24c)
Para solucionar el sistema de ecuaciones puede tomarse primero por la ecuacin (4.24c), y
~y = 0 es decir y = y
d
g( x1 ) J T ( x1 ) z = 0
lo que lleva a:
z = J T ( x1 ) g ( x1 ) (4.25)
46
Como lo que se espera es llegar a una posicin deseada q d , a la que se puede expresar por
def
su equivalente x1 d = qd , rescribimos (4.25) como:
def
z d = J T ( x1d )g ( x1d ) = I ,d
Para poder hallar con facilidad la solucin de (4.23) se traslada el punto de equilibrio al
origen. Para este fin se considera el siguiente cambio de variables:
x = [~x1 , ~
~ [
x 2 ] = x1 q* , x2
T
]T
(4.26)
~
z = z I ,d
q * = P( z ) = P( I )
~ P P ~
x& 1 = x&1 q& * = x&1 z& = x&1 KI y
z z
~
x& 2 = x& 2 z& = z&
~
47
De esta forma se puede rescribir (4.23) de la siguiente manera:
~x P K ~
~ x1 2
z
I y
d ~ 1 ~ ~[
x 2 = M ( x1 ) ( C ( x1 , x 2 ) K D )x 2 g( x1 ) J (K P y + z + I , d )
~ ~ ~ T ~ ~ ] (4.27)
dt ~
z K I ~y
x = [~x1
~ x2 ]
~ T
~
x2
= 1 ~ 1
[ ~ ~ ~ T ~ ]
M ( x1 ) [ C ( x1, x2 ) K D ]x 2 g ( x1 ) J (K P y + z + I , d )
~
T
dP
B = KI 0n
dz
~x& ( ~
x , ~z , ~
y ) B~y
=
~& (4.28)
z K I ~y
Si = 0
x& = ( ~
~ x , ~z , ~
y) (4.29)
48
Para realizar un anlisis de la componente ms lenta del sistema (4.27), es necesario
realizar un cambio en escala de tiempo = t , por lo que tambin es necesario definir las
def def
variables ( ) = ~x ( / ) y ( ) = ~z ( / ) , cuyas derivadas pueden definirse como
x def d
d~
=
dt d
d~
z def d
=
dt d
que conlleva a que el sistema (4.28) se rescriba de la forma:
P ~
1 2 + KI y
z
1
[( )
T
]
2 = M (1 ) C (1 , 2 ) K D 2 J (K p ~y + + I ,d ) g (1 )
d
dt
KI ~y
S = 0 se tiene que:
d
= K I ~y (4.30)
d
1
V ( ) = T K I
1
Que es positiva definida a partir del hecho que K 1 es positiva definida. La derivada en
tiempo de V ( ) es:
V& ( ) = 2 T ~
y (4.31)
49
La ecuacin (4.31)es una funcin definida negativa. Esto es:
De aqu se puede concluir que el sistema (4.30) es exponencialmente estable. De esta forma
la estabilidad asinttica de (4.23) se asegura al cumplirse las condiciones de (Hoppensteadt,
1974). Es decir que se garantiza que existe una constante max > 0 tal que para todo
A partir del anlisis de estabilidad se puede concluir que la presencia del trmino integral
en la ley de control garantiza que el error de regulacin ~y (t ) 0 cuando t con lo que
prueba que el sistema retroalimentado es asintticamente estable. Con esto se concluye la
prueba del Teorema 1.
50
Figura 4.1 Comportamiento del controlador PID
En este captulo se establece el principal objetivo de control, que es disear una ley de
control que permita alcanzar una posicin y una orientacin deseada para el rgano
terminal de un robot manipulador tomando en cuenta la existencia de incertidumbres en el
vector de pares gravitacionales. Posteriormente, se presenta el diseo del controlador junto
con un anlisis de estabilidad. Las leyes de control presentes en este captulo presentan
algunas ventajas tales como slo requerir de un estimado de los pares gravitacionales y de
no necesitar de la cinemtica inversa ni del Jacobiano inverso.
51
Captulo 5
Simulaciones Numricas
Para llevar a cabo la implementacin prctica de las leyes de control (4.17) y (4.21) es
necesario conocer la matriz del Jacobiano transpuesto J T (q) , la cual se obtiene a partir del
modelo de la mueca esfrica descrito en el Apndice B, y que es la siguiente:
j t 11 j t12 j t13 jt 14
J ( q) = j t 21
T
j t 22 j t 23 j t 24
j t 31 j t 32 jt 33 j t 34
Donde:
52
1 r11 r22 sgn( s 2) r11 r22
j t 11 = + j t 13 = +
4 sq1 q1 q1 4 sq3 q1 q1
sgn( s1) r11 r22 sgn( s4) r11 r22
j t 12 = j t 14 =
4 sq2 q1 q1 4 sq4 q1 q1
con:
r11
= sin( q1 ) cos( q 2 )
q1
r11
= cos( q1 ) sin( q 2 )
q2
r22
= cos( q1 ) sin( q 2 ) sin( q3 ) sin( q1 ) cos( q 2 )
q1
r22
= sin( q1 ) cos( q 2 ) sin( q3 )
q2
r22
= sin( q1 ) sin( q 2 ) cos( q3 ) cos( q1 ) sin( q 2 )
q3
53
r33
= sin( q2 ) cos( q3 )
q 2
r33
= cos( q 2 ) sin( q3 )
q3
Primero se realizaron simulaciones con la ley de control PD (4.17) con un vector de pares
gravitacionales estimado g ( q ) . Posteriormente se realizaron las simulaciones
correspondientes al aplicar a ley de control PID (4.21) con distintas ganancias
proporcionales.
54
5.2.1 Controlador PD
[
= J ( q) T K p ~ ]
y K D q& + g ( q)
2 0 0 0
0 1 0 0
2 0 0
KP = K D = 0 1 0
0 0 2 0
0 0 1
0 0 0 2
55
La Figura 5.3 muestra el comportamiento del error de salida de la mueca esfrica bajo la
accin de la ley de control PD.
Ntese que la salida del sistema a lazo cerrado est expresada en cuaterniones, por lo tanto
cada una de las curvas de las grficas mostradas en esta seccin corresponde a uno de los
elementos del cuaternin.
De la Figura 5.3 se puede observar que el error de salida de cada uno de los elementos del
cuaternin nunca llega a cero, es decir que el objetivo de regulacin no es alcanzado, esto
debido a que no existe una compensaci n exacta de los pares gravitacionales. De aqu que
se haga necesario introducir una accin integral en la ley de control.
56
5.2.2 Controlador PID
En esta seccin se considera la ley de control PID (4.21) expresada como sigue:
= J T K P ~y K D q& + g (q ) J T K I ~y d
Para este controlador se realizaron varias pruebas con distintos ganancias proporcionales,
para observar como afectan su desempeo a lo largo del tiempo. En la figura 5.4 se muestra
el diagrama a bloques del siguiente correspondiente a este controlador
57
Como primer caso se aplican las siguientes ganancias al controlador PID:
5 0 0 0 0 . 2 0 0 0
0 0.5 0 0
5 0 0 0 0 .2 0 0
KP = K D = 0 0.5 0
KI =
0 0 5 0 0 0 0 .2 0
0 0 0.5
0 0 0 5 0 0 0 0 .2
El comportamiento de esta ley de control con estas ganancias se observa en la Figura 5.4
5 0 0 0 0 . 6 0 0 0
0 0.5 0 0
5 0 0 0 0 .6 0 0
KP = K D = 0 0.5 0
KI =
0 0 5 0 0 0 0.6 0
0 0 0.5
0 0 0 5 0 0 0 0 .6
58
En la figura 5.5 se observa el desempeo de la ley de control PID con las ganancias
inmediatamente mencionadas.
5 0 0 0 2 0 0 0
0 0.5 0 0
5 0 0 0 2 0 0
KP = K D = 0 0.5 0
KI =
0 0 5 0 0 0 2 0
0 0 0.5
0 0 0 5 0 0 0 2
La Figura 5.6 muestra el desempeo en el tiempo de este controlador con las ganancias
arriba mencionadas.
59
Figura 5.6 Desempeo del controlador PID con K I=diag{2,2,2,2}
En la Figura 5.4 puede observarse que para el controlador PID con las ganancias integrales
K I=diag{0.2,0.2,0.2,0.2} el error de salida logra hacerse cero, aunque se observa que lo
hace muy lentamente, pero en cambio observamos que es muy estable. En la Figura 5.5 se
observa que el error de salida tambin logra hacerse cero, si las ganancias integrales son
K I=diag{0.6,0.6,0.6,0.6} pero lo hace notablemente ms rpido que en el caso anterior. En
el caso de la Figura 5.6, donde las ganancias proporcionales son KI=diag{2,2,2,2} el error
de salida tambin logra hacerse cero mucho ms rpido, pero a la vez se observa que el
desempeo del controlador es menos estable que en los casos anteriores.
60
5.3 Control de Posicin
5.3.1 Control PD
En la Figura 5.2 se muestra el comportamiento del brazo robtico con controlador PD con
ganancias K p =diag{2.0, 2.0} y K d=diag {5.0, 5.0}
B
C
1.8
1.6
1.4
Error de salida
1.2
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
0 20 40
tiempo
61
5.3.1 Control PID
En la figura 5.3 se muestra el comportamiento del robot con la ley de control PID con
compensacin de gravedad inexacta con ganancias K p=diag{2.0, 2.0}, K d=diag {5.0, 5.0} y
K p =diag{0.5, 0.5}.
2.0
1.5
Error de salida
1.0
0.5
0.0
0 20 40
tiempo
62
De los experimentos realizados se observa que el controlador PID es una buena alternativa
para eliminar los efectos producidos por el conocimiento parcial del vector de pares
gravitacionales.
63
Captulo 6
Conclusiones
Antes del desarrollo de las leyes de control, fue necesario introducir los fundamentos de la
descripcin del espacio de tarea del robot en el captulo 2, en donde se describi las
coordenadas empleadas en la descripcin de la posicin y la representacin de la
orientacin. En el captulo 3, a partir de la metodologa de Euler-Lagrange se mostr cmo
es posible obtener el modelo dinmico del robot, e introducir sus propiedades, tiles en la
derivacin del resultado principal, cuyo desarrollo se mostr en el captulo 4.
64
Primero se analiz el caso del control PD donde se determin que es imposible obtener una
cancelacin exacta de los efectos gravitacionales, debido a las incertidumbres paramtricas
del robot, lo que provoca que exista un sesgo (offset) del estado estacionario. Para la
eliminacin de este sesgo se utiliz el control PID, donde la accin integral acta como un
estimador de incertidumbres de tipo estructural, debido al desconocimiento de la forma y
los parmetros de los trminos gravitacionales, demostrndose que es posible eliminar el
sesgo, de una forma muy eficiente.
65
6.1 Trabajo futuro
De la presente tesis se pueden derivar varias lneas de investigacin que se pueden realizar
a mediano y corto plazo:
Llevar los experimentos dentro del campo de Visual servoing, en donde la orientacin
se determinara de forma visual.
66
Apndice A
Visual Servoing
Para este tipo de estrategia de control existen dos tipos de configuraciones de la cmara que
pueden ser: cmara en mano o cmara fija. En el modo cmara fija, un sistema de visin se
coloca en un marco coordenado desde donde captura imagenes del robot y su entorno. En
este sistema el objetivo principal es alcanzar un blanco deseado. En cambio en la
configuracin cmara en mano, una cmara es montada en el robot, proporcionando
informacin del entorno. En esta otra configuracin el objetivo es mover el efector final de
tal forma que la proyeccin de un objeto est siempre en una posicin deseada en la imagen
dada por la cmara.
67
calibracin de la cmara. En visual servoing se emplean las coordenadas de un punto de
cierta caracterstica de la imagen, que comnmente es el centroide de una regin para
realizar el posicionamiento del efector final.
Al emplear informacin visual para el control del efector final de un robot es necesario
entender algunos aspectos de la geometra del procesamiento de imgenes. La cmara
contiene una lente que realiza una proyeccin en 2D de la escena sobre el plano imagen,
que es el lugar donde se localiza el sensor de la cmara. Esta proyeccin provoca la prdida
de informacin de profundidad.
En visual servoing se involucra el anlisis de imgenes del espacio de trabajo del robot,
debido a esto es necesario establecer un modelo que describa la proyeccin 3D al plano 2D,
en ste deber tomarse en cuenta la geometra de proyeccin que determine donde un punto
del espacio real ser proyectado en el plano de la imagen.
las coordenadas 3D del mismo objeto en el sistema coordenado de la cmara, que est
centrado en el punto Oc que es el centro ptico de la cmara, el cual est normalmente
68
Yc Yi Y
Pi
Zc Z
Oc Oi
hi h
Xc Xi X
Figura A.1
Empleando la ley:
1 1 1
+ = (A.1)
h hi
imagen k i = [xi , yi ] estn relacionadas con las coordenadas k = [x, y, z]T de la siguiente
T
forma:
xi x
y = s y (A.2)
i
s= (A.3)
h
69
Yi
r Pi
ri
rd Pd
xi
oi
Figura A.2
Las distorsiones tangenciales ocurren por un incorrecto valor del radio, pero son
generalmente menos significantes que las distorsiones radiales. Estas ltimas son
modeladas por polinomios de la siguiente forma:
r = k1 ri 3 + k 2 ri 5 + k3 ri 7 + ... + k n ri n +2 (A.4)
70
donde ri es la distancia entre el punto imagen y el origen del plano imagen, y el valor de
El valor correcto del radio desde el origen al punto en la imagen debido a la distorsin
geomtrica radial est dada por:
rd = ri r (A.5)
71
A.5 Error de posicionamiento de imagen
~
x S = x *S xS (A.6)
Entonces, esto conduce a que el objetivo de control en visual servoing consista en hacer que
el error de posicionamiento de imagen sea cero, es decir que ~
xS = 0
72
Apndice B
x& = f ( x, z , ) (B.1)
z& = g ( x, z , ) (B.2)
0 = g ( x , z, 0 ) (B.3)
Se dice que el modelo (A.1)-(A.2) est en la forma estndar si (B.3) tiene k 1 races
reales aisladas
73
Para obtener el modelo reducido, se sustituye (B.4) dentro de (B.1), en = 0 , para obtener:
def
z = h(x )
y = z h(x ) (B.6)
h
y& = z& x& (B.7)
x
En vista del cambio de variables el modelo completo (B.1)-(B.2) toma la siguiente forma:
h
y& = g ( x, y + h( x), ) f ( x, y + h( x), ) (B.9)
x
74
Para analizar (B.9) es necesario que y& permanezca finito, an cuando tienda a cero y y&
tienda a infinito. Por lo tanto es conveniente el siguiente cambio de variables:
dy dy d 1
= ; entonces, =
dt d dt
dy h
= g ( x, y + h( x), ) f ( x, y + h( x), ) (B.10)
d x
dy
= g( x, y + h( x),0) (B.11)
d
A (B.11) se le conoce como sistema de capa lmite y representa a la respuesta rpida del
sistema completo.
75
Apndice C
M 11 M 12 M 13
M ( q) = M 21 M 22 M 22
M 31 M 32 M 33
donde:
C11 C12 C 13
C ( q, q& ) = C 21 C 22 C 22
C 31 C 32 C 33
donde:
76
C13 ( q, q& ) = 0.00309q& 2 sin (q 2 )
C 21 (q, q& ) = 0.01662q&1 sin (2q2 ) + 0.00309q& 3 sin (q2 )
C 22 ( q, q& ) = 0
C 23 ( q, q& ) = 0.00309q& 2 sin (q 2 )
C 31 ( q, q& ) = 0.00309q& 2 sin (q 2 )
C 31 ( q, q& ) = 0.00309q&1 sin (q2 )
C 22 ( q, q& ) = 0
g1
g ( q) = g 2
g 3
77
Apndice D
78
Figura D.2 Submodelo Robot
79
Figura D.3 Submodelo controlador
80
Bibliografa
Alvarez-Ramirez, J., Cervantes I., Kelly R., PID regulation of robot manipulators: stability
and performance, System and Control Letters, vol. 41, pp. 73-83 (2000)
Caccavale F., Siciliano B., Villani L., The Role of Euler Parameters in Robot Control,
Asian J. of Control, vol. 1, no. 1, pp. 25-34 (1999)
De Luca A., Manes C., Modeling of robots in contact with a dynamic enviroment, IEEE
Trans. Rob. Autom, vol. 10, pp. 542-548 (1994)
Grossman S. I., Elementary linear algebra with applications, Saunders College Publishing,
NY (1994)
Jiang Y. A., Park J. S., Clements D. J., Hesketh T., Adaptive Control of Robot
Manipulators in Task Space, pp 147-151, (1994)
Kelly R., Regulation of manipulators in Generic Task Space: An Energy Shaping plus
Damping Injection Approach, IEEE Trans. Rob. Autom, vol. 11, No. 5, pp. 766-770.
(1999)
81
Klumpp A.R., Singularity-free extraction of a quaternion from a directional cosine
matrix, J Spacecraft, vol. 13, pp. 754-755 (1976).
Lenz R.K., Tsai R.Y., Techniques for calibration of the scale factor and image center for
high accuracy 3-D machine vision metrology, IEEE Trans. Pattern Anal. Machine Intell.,
vol 10, no. 5, pp. 713-720, (1988).
Martinez A., Control Visual de robots utilizando controladores PID . (Tesis de maestra).
Departamento de Control Automtico, CINVESTAV-IPN, (2002)
Miyazaki F., Arimoto S., Sensory feedback for robots manipulators, J. Robot Syst., vol.
2, no. 1, pp. 53-71 (1985)
Ortega R., Kelly R., Loria A, A Cass of Output Feedback Globally Stabilizing Controllers
for flexible Joints Robots, IEEE Trans. Rob. Autom, vol. 11, No. 5, pp. 766-770. (1995)
Ortega R., Kelly R., Loria A, A semiglobally stable output feedback PI2 D regulator for
robot manipulators, IEEE Trans Automat. Contr. vol. 40, pp 1432-1436. (1995)
Sciavicco L., Siciliano B., Modeling and Control of Robots Manipulators, Springer-Verlag,
London (2000).
Van Der Kooij H., Jacobs R., Koopman B., Grootenboer H., Biol. Cybern., vol. 80, pp 299,
(1999).
82