Escolar Documentos
Profissional Documentos
Cultura Documentos
Figura 1: BRAID – Binary Robotic Articulated Figura 2: Distinção entre o espaço de trabalho
Intelligent Device; design básico do elemento contínuo e o binário de um robô
Este trabalho descreve a utilização de um
A noção de espaço de trabalho para robôs com
algoritmo genético para a obtenção da cinemática
atuação binária possui sutis diferenças [7]. Para
inversa de um manipulador binário com muitos
um sistema binário, o espaço de trabalho não é um
graus de liberdade (50 DOF – Degree of
volume contínuo, mas uma gama finita de pontos
freedom). Como o objetivo do trabalho é verificar
no espaço (ver Figura 2(b)). Para cada ponto
a eficácia do algoritmo neste tipo de aplicação,
existe uma orientação associada da extremidade,
será utilizado um modelo 2D de uma junta
indicada pelas setas originadas de cada ponto da
flexível com o atuador binário. Sistemas robóticos
Figura 2(b). A densidade dos pontos em um
do tipo apresentado já estão sendo desenvolvidos
espaço binário aumenta de acordo o número de
[4]. A comprovação da eficiência deste tipo de
atuadores no sistema. Cada atuador adicional
algoritmo para o controle desses sistemas se
dobra a quantidade de pontos no espaço de
caracterizará como um método potencial para a
trabalho. Sendo assim, a hiper-redundância no
otimização e análise de espaços de trabalho
caso de robôs binários se faz necessária, fazendo
(workspaces), cinemáticas inversa e direta e
com que o número de pontos no espaço de
planejamento de trajetória de sistemas robóticos
trabalho aumente, aproximando o espaço do
binários.
sistema cada vez mais para um espaço contínuo.
Na Figura 3 é apresentado o modelo 2D do
O trabalho está dividido da seguinte forma: a
manipulador usado no trabalho.
Seção 2 faz uma análise sobre o workspace do
modelo proposto. A Seção 3 apresenta a
cinemática direta do manipulador. A Seção 4
relata o problema referente à cinemática inversa.
A Seção 5 mostra os parâmetros e técnicas
empregadas no algoritmo genético. A Seção 6
apresenta os resultados obtidos com o algoritmo
utilizado.
Em se tratando de elementos binários de natureza onde d é a distância entre o centro de massa dos
discreta, cada termo da transformação links pertencentes a um elo. Além disso, é
intermediária Ai-1,i só pode ter um número finito possível obter o valor do ângulo α, dado por:
de valores possíveis. Se cada elo possui somente
poucos graus de liberdade binários, todos os
valores dos termos Ai-1,i podem ser facilmente l1 − l 0
α = arctan (3)
enumerados. No modelo proposto, por exemplo, d
cada elo pode assumir 22 ou 4 possíveis valores
para Ai-1,i (indicados por Ai-1,i(1), Ai-1,i(2), Ai-1,i(3), As matrizes homogêneas que transformam o
Ai-1,i(4)). A solução da cinemática do elo pode sistema de coordenadas i para o sistema de
requerer matemática trigonométrica ou até mais coordenadas i-1, de acordo com a configuração do
complexa, porém, basta que seja resolvido elo, são:
somente uma vez, podendo ser feita fora da
programação, reduzindo a carga computacional
exigida.
1 0 0 l0 1 0 0 l1
0 1 0 0 0 1 0 0
Considerando o modelo 2D proposto, a
(4) (5)
matemática requerida para a solução da
0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1
Configuração 00 Configuração 11 maiores. Neste trabalho, um método usando
algoritmos genéticos é estudado.
l1 + l 0
cos α − sin α 0
2 V. ALGORITMO GENÉTICO DE BUSCA
sin α cos α 0 0 (6) Foi utilizado um algoritmo genético tradicional,
implementado no programa Matlab. O
0 0 1 0
cromossomo consistia numa palavra binária de 50
bits, codificando um número real. Cada par de bits
0 0 0 1
do cromossomo correspondia a uma configuração
Configuração 01 do elo. Sendo assim, o sistema (no caso, um
manipulador robótico) possuía 25 elos ligados em
l1 + l 0 série.
cos α sin α 0
2
x
− sin α cos α 0 0 (7) = f (10 011001...00
0 {{{{ { 01{) (8)
0 1 0
y 0 1 2 3 23 24
A1 A2 A3 A4 A24 A25
0 0 0 1
Configuração 10
A avaliação do cromossomo é feita através de
Com isso, é possível saber a posição da uma função custo, representando a distância entre
extremidade de qualquer sistema, com n graus de o ponto desejado (xd,yd) e o ponto real (xr,yr) da
liberdade. A posição da extremidade do sistema é extremidade do manipulador:
dada pelos elementos A(1,4) em x e A(2,4) em y,
na matriz Ai0 . Custo = ( x d − x r ) 2 + ( y d − y r ) 2 (9)
Figura 5: Geração 1
Por estarmos lidando com um problema no
universo discreto, não se pode garantir que os
pontos desejados irão fazer parte do espaço de
trabalho do manipulador. Contudo, em se tratando
de um sistema hiper-redundante, com muitos
graus de liberdade, a aproximação do espaço de
trabalho discreto para um contínuo é bastante
aceitável, uma vez que pode-se conseguir erros
menores ajustando os parâmetros adequadamente
e empregando técnicas mais aprimoradas. A
Figura 12 apresenta a evolução do erro gerado na
posição da extremidade referente ao melhor
cromossomo gerado em cada geração.
Figura 9: Geração 150
O manipulador conseguiu alcançar o ponto ótimo Os resultados obtidos com esse experimento se
em 31,2 segundos, apresentando um erro de mostraram muito bons, uma vez que o algoritmo
0,1064. A linha traçada nas Figuras 5 a 10 conseguiu convergir para um ponto ótimo, com
representa a evolução do melhor cromossomo nas um erro muito pequeno e num curto espaço de
gerações correspondentes. Na Figura 11 são tempo, levando em consideração a simplicidade
mostradas as curvas de desempenho do algoritmo. do algoritmo utilizado com relação aos operadores
A curva mais acima (Figura 11) refere-se à e técnicas empregadas.
evolução do melhor cromossomo e, a mais abaixo,
à evolução da média das aptidões dos
cromossomos de cada geração.
VII. CONCLUSÕES
VIII. BIBLIOGRAFIA