XXIII Congresso Nacional de Estudantes de Engenharia Mecânica – 08 a 12/08/2016 –

Teresina – PI

PROPOSIÇÃO DE UMA FUNÇÃO DE PROXIMIDADE PARA UM ROBÔ

MÓVEL

José Ilton de Oliveira Filho, Sérgio Augusto Dias Castro, José Maria P. de Menezes Júnior
Universidade Federal do Piauí - UFPI
Av. Universitária S/N, Bairro Ininga, Teresina –Piauí, CEP: 64049-550
ilton104@hotmail.com, sergiocastro9@hotmail.com, josemenezesjr@ufpi.edu.br.

RESUMO: Na robótica industrial é necessário que se tenha todos os aspectos de distância e de controle dentro de limites
pré-estabelecidos. Tais limites são importantes para aplicações que exigem um nível de exatidão elevada. Neste trabalho,
são expostos os resultados dos esforços para se controlar a distância que um robô móvel se posiciona em relação a um
objeto a sua frente através de sensores infravermelhos. Para esse estudo, foram coletados valores de níveis de tensão x
distâncias para em seguida estimar uma linha de tendência para os dados, resultando numa função potencial com 2
parâmetros que melhor explica a natureza do sensor infravermelho.

Palavras-Chave: Controle de distância, Robótica, Robotino

ABSTRACT: In the industrial robotics it is necessary to have all aspects of distance and control within preset limits.
These limits are important for applications that require a level of high accuracy. In this work are shown the results of
efforts to control the distance that a mobile robot is positioned in relation to an object in front of it by means of infrared
sensors. For this study were collected voltage levels of values x distances to then estimate a trend line for the data,
resulting in a potential function with 2 parameters that best explains the nature of the infrared sensor.

Keywords: Distance control, Robotics, Robotino

INTRODUÇÃO

O contexto de automação industrial surgiu a partir da segunda metade do século XX, onde surgiu a necessidade de
se melhorar os processos produtivos da época, tendo grande impulso das empresas automobilísticas (Souza, 2009).
Pode-se definir um robô como um dispositivo mecânico articulado reprogramável que consegue, de forma autônoma
e recorrendo à sua capacidade de processamento, obter informação do meio envolvente utilizando sensores; tomar
decisões sobre o que deve fazer com base nessa informação e em informação à priori; manipular objetos do meio
envolvente utilizando atuadores (Souza, 2005). Saindo da questão autônoma dos robôs, temos a definição dada pela Robot
Institute of America (1979), onde a instituição fixa o significado de que um robô é uma máquina reprogramável,
manipuladora multifuncional projetada para mover materiais, peças, ferramentas ou dispositivos especializados através
de movimentos variáveis programadas para o desempenho de uma variedade de tarefas.
A Japanese Industrial Robot Association (JIRA) define um robô que é instruído por sequências e posições na forma
de dados numéricos, robôs de precisão de máquinas (Branwyn, 2000). Esses robôs são muitas vezes usados para se fazer
uma determinada ação, que necessite que se desloque em um eixo cartesiano qualquer até uma determinada posição, tendo
um pequeno grau de erro considerado aceitável.
A grande motivação do desenvolvimento e análise de robôs móveis é em grande parte devido para a necessidade e
desejo de usar robôs que operam com e para as pessoas em ambiente diário - em escritórios, hospitais, museus, bibliotecas,
supermercados, esportes, salas de exposições, aeroportos, estações ferroviárias, universidades, escolas e, eventualmente,
também no uso doméstico (Festo, 2007). Todas essas necessidades e desejos necessitam de um controle posicional, sendo
esse controle de vital importância para qualquer atividade.
Em 2012, a Universidade Federal do Piauí adquiriu um robô inteligente, denominado Robotino, para ser usado em
pesquisas na área de controle de processos, automação e eletrônica (UFPI, 2012). Este robô, possui funções de
posicionamentos e distância de fábrica que não atendiam inúmeros anseios e exatidão no controle para determinadas
tarefas. Por esta razão, foi obtida uma equação que possibilitasse medir a distância entre o sensor infravermelho do robô
e um objeto estático através do sinal de tensão gerado pelo transdutor.

METODOLOGIA

O Robotino é um robô móvel desenvolvido e produzido exclusivamente para fins de formação profissional na área
de automação e tecnologia (Festo, 2007). Ele possui em seu sistema de direção omnidirecional, uma câmera ajustável,
nove sensores infravermelhos para a medição de distância montados com um ângulo de 40° um com o outro que permitem
o reconhecimento de algum objeto localizado entre 4 cm e 30 cm do sensor, um detector de colisão que envolve todo o
perímetro do robô três encoders incrementais, um em cada motor, duas baterias recarregáveis e um módulo de controle
central com comunicação WI-FI. A Figura 1 exibe os componentes do sistema Robotino.

Figura 1. (a) Robotino usado na pesquisa, (b) Periféricos do robô

O Robotino é equipado com 9 sensores infravermelhos da família GP2D120, esses sensores tem um alcance de 4 à
30 cm, com uma resposta típica de 39ms, uma demora de inicialização de 44ms e uma corrente típica de 33mA (Sharp,
2006). A Figura 2 apresenta a sua curva característica e o diagrama de blocos desse sensor.

Figura 2. (a) Curva característica e (b) Diagrama de blocos do GP2D120

Esse sensor usa técnica de triangulação e uma pequena matriz CCD linear para calcular a distância e / ou a presença
de objetos no campo de visão. A técnica se consiste em um pulso de luz IR emitida pelo emissor, esta luz viaja no campo
de visão e tanto atinge um objeto ou apenas mantém em curso. No caso de qualquer objeto, a luz não é refletida e a leitura
não mostra nenhum objeto. Se a luz é refletida por um objeto, ele retorna ao detector e cria um triângulo entre o ponto de
reflexão, o emissor e o detector (Acroname Robotics, 2013). A Figura 3 mostra como é feita a triangulação do sensor.
 Figura 3. Triangulação com GP2D120

A luz refletida incide no receptor e é transmitida a um pequeno dispositivo de carga acoplada (CCD) localizado
dentro do sensor, que tem como função determinar o ângulo de reflexão. Os ângulos formados no triângulo variam de
acordo com a distância que está o objeto. Assim, o sensor calcula a distância a partir desse ângulo de reflexão e emite
uma tensão no seu pino de saída correspondente à distância detectada (Alcântara et al., 2013).

Coleta dos dados

O Robotino foi posicionado a distâncias conhecidas de um corpo de prova. Com isso, através da interface Robotino®
View, foram aferidos os níveis de tensão para treze distâncias diferentes providos pelos sensores infravermelhos, com
graduação de 0.2V de alteração para saída dos sensores. Os dados de tensão e distância foram então coletados e seus
valores mostrados na Tabela 1.

Tabela 1. Valores de tensão e sua correspondente distância

Tensão (V) Distância (cm)

0.2 49.0
0.4 30.0
0.6 22.0
0.8 15.8
1.0 12.3
1.2 10.5
1.4 8.5
1.6 8.0
1.8 6.7
2.0 6.2
2.2 5.5
2.4 4.9
2.5 4.7

A partir dos dados da Tabela 1, foi criado o gráfico da Figura 4 que apresenta a dispersão dos dados de tensão x
distância do sensor infravermelho. Visualmente, percebe-se que a curva resultante, é próxima à curva característica
fornecida pelo datasheet do sensor.
 Figura 4. Tensão x Distância

Através da análise preliminar do gráfico de dispersão, obtido dos dados de tensão e distância, já é possível pressupor
que a natureza da relação talvez não seja linear e dessa forma a reta obtida por uma regressão linear não tenha boa
aderência aos dados.
Se fez necessário utilizar vários modelos de regressão e avaliado, método por método, o que mais se adequa aos dados
analisados. Para validação dos modelos é utilizado uma métrica que utiliza as distâncias verticais (desvios) dos pontos
observados em relação à reta. A métrica utilizada é o R-quadrado.
O R-quadrado (R²) é um parâmetro da regressão que mede a proporção da variabilidade em y que é explicada pela
Equação 1. A métrica segue a equação

R² = 1 – (∑(yi-yi^)²/( yi-yi_) ) (1)

onde yi é o valor observado, yi^ é o valor estimado pelo modelo de regressão e yi_ é a média dos valores observados.
R² é uma função direta da correlação entre as variáveis. O coeficiente de determinação R² varia entre 0 e 1 indicando
o quanto o modelo consegue explicar os valores observados. Quanto maior o R², mais explicativo é modelo, melhor ele
se ajusta à amostra (Bertolo, 2012).

RESULTADOS E DISCUSSÃO

A análise de regressão utilizou o Excel para estimação dos parâmetros do modelo. Esta ferramenta computacional
dispõe do comando “linha de tendência” dentro do ambiente de gráficos. A linha de tendência pode ser ajustada de forma
automática nos gráficos de barras horizontais, colunas, de linhas ou de dispersão xy.
Usando então análise de regressão, foi obtido as Equações (2), (3), (4), (5) e (6) para as técnicas de regressão linear,
exponencial, logarítmica, polinomial de grau 4 e de potência respectivamente.

Y = -0,0503x+2,1034 (2)

Y =2,5488e-0,058x (3)

Y =-1,02 ln(x)+3,8065 (4)

Y = 0,000008x4 -0,0009x3+0,0362x2-0,6248x+4,687 (5)

y=13,415x-1,047 (6)

Os parâmetros da regressão R² para cada uma dessas equações são dados na Tabela 2.

Tabela 2. R² para cada regressão utilizada

Regressão R-Quadrado (R²)

Exponencial 0.9332
Linear 0.6946
Logarítmica 0.9290
Polinomial (grau 4) 𝟎. 𝟗𝟗𝟔𝟐
Potência 𝟎. 𝟗𝟗𝟒𝟔

Das equações de regressão, obtiveram-se os seguintes gráficos de linha de tendência nas Figura 5.
 Figura 5. Regressão (a) linear, (b) exponencial, (c) logarítmica, (d) polinomial e (e) potência obtidas

A análise visual das figuras de linha de tendência e da Tabela 2 indica que dois modelos de regressão obtiveram os
melhores valores do R², isto é, mais próximo de 1. Um primeiro foi o modelo de função polinomial de grau 4 e segundo
o modelo de função potência.
Contudo, a função polinomial possui mais parâmetros, tornando-se mais complexa, já a função potência é mais
simples, com apenas 2 parâmetros. Como a diferença de R² entre elas ficou em 0.0016, se mostrando então, uma diferença
pequena, podendo-se então escolher a função potência como a que melhor se adequa aos dados analisados.
A equação potência pode ser simplificada gerando uma equação mais simples ainda, como mostra a Eq. (7), facilitando
o entendimento da relação entre tensão e distância do sensor infravermelho.

y =13,415x^(-1,047)=13,415/x^1,047 ≅13,4/x (7)

Tensão (volts) ≅13,4/(Distância (cm)) (8)

 Para testar a função escolhida, foi criado um programa no Robotino ® View, como pode ser visto na Figura 6,
inserindo a equação potência. O Robotino se deslocou de uma posição inicial e percorreu um trajeto criado até o mesmo
se aproximar de um objeto a sua frente, parando a uma distância específica, no caso, 20 cm.

Figura 6. Programa usado para teste

CONCLUSÃO

A partir do modelo de regressão obtido, foi observado um melhor controle posicional do robô associado às malhas
de controle PID. Através da Eq. 6, tem-se uma maior facilidade de programação, pois foi gerado um bloco lógico que
funciona como uma caixa preta, o programa ou o próprio programador precisa apenas informar o parâmetro da distância
que se quer, sem a necessidade de ser ter que saber o valor de tensão proveniente do sensor infravermelho, achado
anteriormente através de sua curva característica informada pelo fabricante.
O bloco lógico criado, para implemento da função obtida nesse trabalho, possibilita a implementação das outras
equações encontradas durante este mesmo estudo. Ao serem implementadas as outras funções neste bloco, notou-se uma
maior lentidão na velocidade de execução do programa, uma vez que, possuindo mais variáveis e operações, acarretou-
se num aumento de ciclos de máquinas necessários para o mesmo propósito. Assim, além de ter um melhor valor de R²,
ela apresenta maior velocidade e simplicidade de processamento.
Tendo este trabalho sido desenvolvido para apenas um tipo de aplicação sensorial, a comprovação da viabilidade
desse processo para outros sensores pôde ser comprovada, devido a sua estabilidade nas mais diferentes rotinas. Graças
a isso, traz-se também a possibilidade de estudos similares para diferentes tipos de plataformas sensoriais.

AGRADECIMENTOS

Os autores agradecem a Universidade Federal do Piauí e o Departamento de Engenharia Elétrica pela disponibilidade
do robô utilizado neste trabalho.

REFERÊNCIAS

Acroname Robotics, 2013, “Sharp IR Rangers Information”. 15 Ago. 2015, < http://www.acroname.com/robotics/
info/articles/sharp/sharp.html>
Alcântara, C. A., Alves, F. A., Batista, L. M., Teixeira, P. M. K. N., Vanessa B., Passo, W., 2013, “Medição De Distância
Dos Obstáculos Utilizando Sensores De Infravermelho E Plataforma Arduino”. Departamento de Engenharia Elétrica,
Universidade Federal da Bahia.
Bertolo, L. A., 2012, “Um manual de estatística”. 10 Ago. 2015, < http://www.bertolo.pro.br/AdminFin/
StatFile/Manual_Estatistica.htm>
Branwyn , G., 2000, “Absolute Beginner’s Guide To Building Robots”. QUE. p.16.
Festo, 2007, Instructor Volume. Festo Didactic GmbH & Co. KG, 73770 Denkendorf.
Robot Institute of America, 1979, What is the definition of a 'robot'?. 13 Ago. 2015,
<http://www.cs.cmu.edu/~chuck/robotpg/robofaq/1.htm >
Sharp, 2006, “GP2D120 DATA-SHEET”. Sharp Corporation, 10p.
Souza, J. A. M. F., 2005, “Robótica. Cap. 2- Robótica, ciência e tecnologia”. Universidade da Beira Interior (UBI).
Souza, J. A. M. F., 2009, “Automação Industrial. Cap. 1- Automação e Robótica”. Universidade da Beira Interior
(UBI).
UFPI, 2012. “Curso de Engenharia Elétrica da UFPI recebe robô inteligente”. Universidade Federal do Piauí. 11 Ago.
2015, < http://www.ufpi.br/ultimas-noticias-ufpi/778-curso-de-engenharia-elétrica-da-ufpi-recebe-robê-inteligente>

DECLARAÇÃO DE RESPONSABILIDADE

Os autores são os únicos responsávelveis pelo material impresso contido neste artigo.