Planificación de movimiento mediante algoritmo de campos potenciales con optimizacion de parametros aplicado a un manipulador antropomorfico de 6 GLD

Tecnia Pub Date : 2021-06-01 DOI:10.21754/tecnia.v21i2.848
Sandro Manuel Alcántara Tacora, Erwin Daniel López Zapata, Jesús Peralta Toribio, Ricardo Raúl Rodríguez Bustinza
{"title":"Planificación de movimiento mediante algoritmo de campos potenciales con optimizacion de parametros aplicado a un manipulador antropomorfico de 6 GLD","authors":"Sandro Manuel Alcántara Tacora, Erwin Daniel López Zapata, Jesús Peralta Toribio, Ricardo Raúl Rodríguez Bustinza","doi":"10.21754/tecnia.v21i2.848","DOIUrl":null,"url":null,"abstract":"En este trabajo se desarrolla una variación del algoritmo de campos potenciales para la planificación de trayectorias que evita obstáculos aplicado a un manipulador antropomórfico de 6 grados de libertad. En primera instancia se generó el modelo de cinemática inversa basada en un proceso de control iterativo multivariable, luego se modificó el modelo agregando un vector de rotación obtenido por las fuerzas repulsivas entre el obstáculo y las seis articulaciones del robot de manera que el manipulador pueda encontrar una ruta que evite el obstáculo y alcance una posición objetivo. Este modelo final de cinemática inversa con campos potenciales genera trayectorias que dependen del parámetro de velocidad de optimización y de los coeficientes de campos vectoriales. Con el objetivo de optimizar las trayectorias se generó una base de datos con los puntos iniciales, finales y de obstáculos de diferentes trayectorias con sus respectivos parámetros optimizados para entrenar una red neuronal supervisada. Los resultados muestran que la red neuronal debe entrenarse con una mayor cantidad de datos debido a que se calculan parámetros erróneos para ciertas posiciones iniciales y finales. Finalmente, la simulación del manipulador de 6 grados de libertad que sigue la trayectoria generada por el modelo de cinemática inversa y campos potenciales con los parámetros optimizados calculados empíricamente resultan en un modelo con un comportamiento adecuado logrando evitar los obstáculos.","PeriodicalId":31729,"journal":{"name":"Tecnia","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2021-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Tecnia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21754/tecnia.v21i2.848","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

En este trabajo se desarrolla una variación del algoritmo de campos potenciales para la planificación de trayectorias que evita obstáculos aplicado a un manipulador antropomórfico de 6 grados de libertad. En primera instancia se generó el modelo de cinemática inversa basada en un proceso de control iterativo multivariable, luego se modificó el modelo agregando un vector de rotación obtenido por las fuerzas repulsivas entre el obstáculo y las seis articulaciones del robot de manera que el manipulador pueda encontrar una ruta que evite el obstáculo y alcance una posición objetivo. Este modelo final de cinemática inversa con campos potenciales genera trayectorias que dependen del parámetro de velocidad de optimización y de los coeficientes de campos vectoriales. Con el objetivo de optimizar las trayectorias se generó una base de datos con los puntos iniciales, finales y de obstáculos de diferentes trayectorias con sus respectivos parámetros optimizados para entrenar una red neuronal supervisada. Los resultados muestran que la red neuronal debe entrenarse con una mayor cantidad de datos debido a que se calculan parámetros erróneos para ciertas posiciones iniciales y finales. Finalmente, la simulación del manipulador de 6 grados de libertad que sigue la trayectoria generada por el modelo de cinemática inversa y campos potenciales con los parámetros optimizados calculados empíricamente resultan en un modelo con un comportamiento adecuado logrando evitar los obstáculos.
参数优化势场算法在6 GLD拟人机械手运动规划中的应用
本文提出了一种基于势场算法的六自由度人格化机械手路径规划避免障碍算法的变体。首先逆向生成动画模型基于多变量控制迭代过程,然后添加一个旋转向量模型进行了修正,取得令人厌恶的部队之间的障碍,而六关节机器人的机械手能够找到一条地尽量避免障碍和实现一个目标位置。这个最终的势场逆运动学模型产生的轨迹依赖于优化速度参数和矢量场系数。为了优化路径,我们生成了一个数据库,其中包含不同路径的起始点、终点点和障碍点,并对各自的参数进行了优化,以训练一个有监督的神经网络。结果表明,由于某些初始和最终位置的参数计算错误,神经网络必须用更多的数据进行训练。最后,对6自由度机械手进行了仿真,仿真遵循逆运动学模型和势场生成的路径,并通过经验计算出优化参数,得到了具有适当行为的模型,实现了避障。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
10
审稿时长
16 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信