Em ambos os m´etodos utilizados nesse trabalho, a quantidade de tempo requerida para treinar a rede neural ou otimizar a distˆancia via algoritmo gen´etico foi longa. No melhor dos casos demorou cerca de 3 horas para realizar a minimiza¸c˜ao com algoritmo gen´etico usado no primeiro teste. J´a na rede neural utilizada para tentar solucionar o problema completo, foi necess´ario a utiliza¸c˜ao de 4 n´ucleos de um processador e levou cerca de 5 horas de treinamento. Portanto, n˜ao foi poss´ıvel implementar os m´etodos demonstrados neste trabalho em tempo real, durante a execu¸c˜ao da tarefa. Sendo assim, escolheu-se determinar os valores das vari´avel de juntas utilizadas nos dois m´etodos, salvar em um arquivo externo e movimentar o robˆo de forma offline.
A movimenta¸c˜ao offline do robˆo pode ser facilmente obtida pela utiliza¸c˜ao do pacote Ardui- noIO mencionado anteriormente. Um pequeno c´odigo escrito em Matlab consegue realizar essa tarefa. Esse c´odigo est´a mostrado no Apˆendice G.
5.9. Implementando os resultados no robˆo 57
Figura 5.13: Evolu¸c˜ao dos erros durante o rastreamento da trajet´oria usando algoritmo gen´etico no segundo teste.
Cap´ıtulo 6
Conclus˜oes e perspectivas
O presente trabalho teve como objetivo a resolu¸c˜ao da cinem´atica inversa de um manipulador rob´otico com 5 graus de liberdade utilizando redes neurais artificiais e algoritmos gen´eticos. A motiva¸c˜ao para tal estudo se deve `as dificuldades e aos problemas relacionados com os cl´assicos m´etodos alg´ebricos e geom´etricos. Para se atingir esse objetivo foi apresentada uma discuss˜ao te´orica envolvendo a cinem´atica de manipuladores, redes neurais artificiais e algoritmos gen´eticos. Ao fim dessa discuss˜ao, foi mostrado o robˆo estudado, o controle desse robˆo, como foi feita a aplica¸c˜ao das redes neurais e algoritmos gen´eticos e, por fim, foi mostrado os resultados obtidos.
Ao longo do desenvolvimento deste trabalho foram escritos e apresentados trˆes trabalhos em congressos e simp´osios. Primeiramente foi apresentado o trabalho Solving the inverse kinematics of a 5DOF Robotic Manipulator using Artificial Neural Networks no IV Simp´osio de Processamento de Sinais da Universidade de Campinas em 19 de setembro de 2013. Ap´os isso, o trabalho Utiliza¸c˜ao de redes neurais artificiais na resolu¸c˜ao da cinem´atica inversa de um manipulador rob´otico com 5 graus de liberdade foi apresentado na Mostra Nacional de Rob´otica 2013 na cidade de Fortaleza/CE durante os dias 16 e 17 de outubro de 2013. Por ´
ultimo, o trabalho Aplica¸c˜ao de Redes Neurais Artificiais e Algoritmos Gen´eticos na Resolu¸c˜ao da Cinem´atica Inversa de um Manipulador Rob´otico com 5 graus de liberdade foi apresentado no VI Congresso Tecnol´ogico Infobrasil na cidade de Fortaleza/CE no dia 23 de outubro de 2013. Esses trabalhos demonstram que o estudo realizado foi bastante produtivo.
Pelo m´etodo apresentado neste trabalho, as redes neurais conseguem resolver o problema de forma satisfat´oria nos casos mais simples, mas o tempo de treinamento tanto em casos simples quanto em complexos torna sua aplica¸c˜ao em tarefas que exijam tempo real proibitiva. Por outro lado, os algoritmos gen´eticos se mostraram satisfat´orios tanto na resolu¸c˜ao do problema simplificado quanto na resolu¸c˜ao do problema completo, mas, novamente, da forma em que foi implementado nesse trabalho, o tempo para determinar as melhores solu¸c˜oes ´e muito longo. Entretanto, em tarefas ou robˆos que n˜ao necessitem de c´alculos em tempo real, os algoritmos gen´eticos podem ser utilizados como um m´etodo offline para determina¸c˜ao dos valores das vari´aveis de juntas. Al´em disso, dependendo da complexidade do robˆo, ambas as ferramentas possuem resultados satisfat´orios para serem utilizadas na resolu¸c˜ao offline da cinem´atica inversa. Portanto, o principal objetivo do presente trabalho foi atingido.
O objetivo de implementar as solu¸c˜oes em um robˆo real foi atingido pela utiliza¸c˜ao do microcontrolador Arduino e do toolbox ArduinoIO. N˜ao obstante, a utiliza¸c˜ao de um robˆo
acionado por servomotores teve a vantagem da n˜ao utiliza¸c˜ao do controle dinˆamico do robˆo e, portanto, o trabalho pˆode ser centrado apenas no controle de posi¸c˜ao e cinem´atica inversa, o que economizou uma grande quantidade de tempo no desenvolvimento.
6.1
Contribui¸c˜oes
O trabalho apresenta diversas contribui¸c˜oes nas ´areas de Rob´otica e Engenharia. Foi apresentado uma forma de aplicar redes neurais e algoritmos gen´eticos na resolu¸c˜ao da cinem´atica inversa. Isso pode ajudar outros pesquisadores a melhorarem os m´etodos descritos neste trabalho e desenvolver seus pr´oprios m´etodos. Outra contribui¸c˜ao deste trabalho foi mostrar que ´e poss´ıvel resolver a cinem´atica inversa de um manipulador utilizando-se apenas das equa¸c˜oes da cinem´atica direta, sem necessidade de recorrer a invers˜oes de equa¸c˜oes, a jacobianos, a cinem´atica diferencial, etc.
O presente trabalho tamb´em apresenta contribui¸c˜oes na ´area de ensino de Rob´otica. Os materiais utilizados s˜ao relativamente baratos e f´aceis de serem encontrados, fazendo com que virtualmente qualquer escola, faculdade ou universidade possa obtˆe-los. Por exemplo, o custo dos materiais utilizados neste trabalho foi de 350 reais, muito mais barato do que um kit de rob´otica Lego Mindstorm. Al´em disso, o programa para o controle manual do robˆo pode ser usado para mostrar na pr´atica como a composi¸c˜ao do movimento de cada junta de um manipulador influˆencia na posi¸c˜ao e orienta¸c˜ao final da garra do manipulador. Portanto, este trabalho pode auxiliar diversos educadores no ensino da Cinem´atica.