Sintonia do controle de configuração de robôs móveis multiarticulados via algoritmo genético

Texto

(1)´ UNIVERSIDADE FEDERAL DO ESPIRITO SANTO ´ CENTRO TECNOLOGICO ´ ˜ EM ENGENHARIA ELETRICA ´ PROGRAMA DE POS-GRADUAC ¸ AO. DIEGO NUNES BERTOLANI. ˜ DE SINTONIA DO CONTROLE DE CONFIGURAC ¸ AO ˆ MOVEIS ´ ROBOS MULTIARTICULADOS VIA ALGORITMO ´ GENETICO. ´ VITORIA - ES 2013.

(2) DIEGO NUNES BERTOLANI. ˜ DE SINTONIA DO CONTROLE DE CONFIGURAC ¸ AO ˆ MOVEIS ´ ROBOS MULTIARTICULADOS VIA ALGORITMO ´ GENETICO. Dissertaça˜ o apresentada ao Programa de Pós-Graduaça˜ o em Engenharia Elétrica do Centro Tecnológico da Universidade Federal do Esp´ırito Santo, como requisito parcial para obtença˜ o do Grau de Mestre em Engenharia Elétrica com eˆ nfase em Robótica e Automaça˜ o. Orientador: Prof. Dr. Ing. Edson de Paula Ferreira Co-orientador: Prof. Dr. Anselmo Frizera Neto. ´ VITORIA - ES 2013.

(3) DIEGO NUNES BERTOLANI ˜ DE SINTONIA DO CONTROLE DE CONFIGURAC ¸ AO ˆ MOVEIS ´ ROBOS MULTIARTICULADOS VIA ALGORITMO ´ GENETICO. Dissertaça˜ o submetida ao programa de Pós-Graduaça˜ o em Engenharia Elétrica do Centro Tecnológico da Universidade Federal do Esp´ırito Santo, como requisito parcial para a obtença˜ o do Grau de Mestre em Engenharia Elétrica.. Aprovada em 30 de outubro de 2013.. ˜ EXAMINADORA COMISSAO.

(4) ˜ ˜ (CIP) Dados Internacionais de Catalogaçao-na-publicac ¸ ao ´ (Biblioteca Setorial Tecnologica, Universidade Federal do Esp´ırito Santo, ES, Brasil). Bertolani, Diego Nunes, 1987B546s. ˜ de robos ˆ moveis ´ Sintonia do controle de configuraçao ´ multiarticulados via algoritmo genetico / Diego Nunes Bertolani. - 2013. 134 f. : il. Orientador: Edson de Paula Ferreira. Coorientador: Anselmo Frizera Neto. ˜ (Mestrado em Engenharia Eletrica) ´ Dissertaçao - Universidade ´ Federal do Esp´ırito Santo, Centro Tecnologico. ´ ˆ moveis. ´ ˆ - Sistemas 1. Algoritmos geneticos. 2. Robos 3. Robos de controle. 4. Sistemas inteligentes de controle. I. Ferreira, Edson de Paula. II. Frizera Neto, Anselmo. III. Universidade Federal do ´ Esp´ırito Santo. Centro Tecnologico. IV. T´ıtulo. CDU: 621.3.

(5) ”E´ preciso amar as pessoas como se não houvesse amanhã, porque se você parar para pensar, na verdade não há.”. (Renato Russo)..

(6) Agradecimentos Primeiramente gostaria de agradecer a Deus por tornar poss´ıvel este momento tão especial, sem ele nada disso faria sentido, nas horas mais dif´ıceis ele me iluminou e me deu forças para continuar firme e forte na batalha.. Não menos importantes são meus amados pais, Sebastião e Jacenéia que sempre apoiaram as minhas decisões, confiaram e acreditaram em mim. Serei eternamente grato pela educaça˜ o e compreensão em todos os momentos. Sou muito honrado por ser filho destas duas pessoas incr´ıveis. Meu respeito por vocês e´ enorme. Agradeço também aos meus irmãos, Rodrigo e Alynne, por dividirem comigo grandes experiências de vida.. Agradeço a minha namorada, Mayara Paes Santos, que nos momentos onde tudo parecia dar errado sempre me estimulou e confiou na minha capacidade, e também pelo amor e carinho de todos os dias. Agradeço também ao meu sogro Carlos, e a minha sogra Márcia, pela experiência e pelos conselhos.. Ao meu orientador, Edson de Paula Ferreira, pela paciência, sabedoria, pelos conselhos e ensinamentos, aprendi muito com você, professor. E ao meu coorientador, Anselmo Frizera Neto, por estar, na hora que mais precisei, apto e disposto a ajudar.. Aos meus amigos do Mestrado, principalmente ao incomparável João Coelho, por sempre estarem junto comigo, nos trabalhos, exerc´ıcios, brincadeiras, churrascos, festas, enfim, por toda convivência e amizade. Mesmo que a vida nos leve para caminhos diferentes, espero nunca deixar de ser amigo de todos que fizeram esta fase da minha vida valer tanto a pena.. Aos professores da Pós-Graduaça˜ o que me ensinaram muita coisa, passo por esta etapa mais sábio e forte e aos professores da banca, que aceitaram o convite de participar da avaliaça˜ o desta dissertaça˜ o. ` CAPES pelo apoio financeiro concedido, sem o qual esta pesquisa não teria sido A poss´ıvel. Diego Nunes Bertolani.

(7) Resumo. Este trabalho propõe uma estratégia para a sintonia de controladores lineares, via Algoritmos Genéticos, no espaço de configuraço˜ es de Robôs Móveis Multiarticulados, para o problema do controle de movimentos a` ré. Como em todo sistema não linear e complexo, o controle linear em malha fechada e´ necessário para prover robustez ao sistema com controladores não lineares ou inversas aproximadas a` esquerda da planta, em malha aberta. Para o problema em questão, os controladores não lineares propostos na literatura tem os ganhos dos controladores lineares ajustados empiricamente em valores constantes, para movimentos que percorrem uma ampla gama de valores dos aˆ ngulos de configuraça˜ o, sempre objetivando evitar a situaça˜ o de engavetamento ou jacknife da composiça˜ o. Esta abordagem tem conduzido a resultados em regime transitório ou estacionário pouco satisfatórios. Assim, neste trabalho e´ feito um estudo sistemático da sintonia de ganhos no entorno de partiço˜ es adequadas do espaço de configuraço˜ es, visando identificar a variabilidade dos ganhos em funça˜ o do melhor desempenho obtido em cada partiça˜ o. O estudo e´ sistematizado tendo como base experimental dois controladores não lineares propostos para um robô ou ve´ıculo multiarticulado em escala, composto de um elemento trator e dois trailers passivos ou sem motorizaça˜ o. A estratégia proposta tem como ferramenta básica de implementaça˜ o uma interface desenvolvida para possibilitar versatilidade na análise de diversas estruturas lineares a` múltiplos ganhos ajustáveis, diversas estruturas de controle não linear e diversas possibilidades de plantas realizadas via modelo anal´ıtico ou aproximaço˜ es numéricas, por exemplo, neurais e fuzzy. Além do escopo deste trabalho, a identificaça˜ o do vetor de ganhos para os estornos das diversas partiço˜ es do espaço de configuraço˜ es deve conduzir a` s´ıntese de mais um elemento em cascata na estrutura global de controle, sob a forma de um interpolador de ganhos, possivelmente fuzzy, que deverá proporcionar um desempenho satisfatório na execuça˜ o de manobras mais complexas, que demandam movimentos mais amplos, rápidos e precisos. Palavras - chave: Algoritmos Genéticos, Robôs Móveis Multiarticulados, Sintonia..

(8) Abstract. This work proposes a strategy for tuning linear controllers via genetic algorithms in the space of configurations of Multiarticulated Mobile Robots to the problem of backward motion control. As in any nonlinear system and complex, the linear closed-loop control is necessary to provide robustness to the system nonlinear controllers or approximate left inverse of the plant in open loop. For this problem, the nonlinear controllers proposed in the literature have gains of linear controllers empirically adjusted how constant values for movements that cover a wide range of values of the angle configuration, always aiming to avoid the situation of pileup or jacknife composition. This approach has led to results in transitional or stationary unsatisfactory. Thus, this work is done a systematic study of tuning gains in around appropriate partitions of the configuration space, to identify the variability of earnings due to the best performance obtained in each partition. The study is based on systematic experimental two nonlinear controllers proposed for a robot or multiarticulated vehicle scale, consisting of one element tractor and two trailers liabilities or without motorization. The proposed strategy has how the basic tool for implementing an developed interface to allow versatility in the analysis of various linear structures with multiple adjustable gains, various control structures, and various nonlinear plants made possible through the analytical model or numerical approximations, for example, neural, and fuzzy. Beyond the scope of this study, the identification of vector gains for several reversals of partitions configuration space should result in the synthesis of a further cascade element in the overall control in the form of an interpolation of gains, possibly fuzzy which should provide a satisfactory performance in the execution of more complex maneuvers that require larger movements, fast and accurate. Keywords: Genetic Algorithms, Multiarticulated Mobile Robots, Tuning..

(9) Lista de Figuras 1.1. Exemplos de Ve´ıculos Multiarticulados . . . . . . . . . . . . . . . . . . .. 23. 1.2. Cadeia cinemática genérica de um RMMA. . . . . . . . . . . . . . . . . .. 24. 1.3. Sistema Completo de Navegaça˜ o de um RMMA. . . . . . . . . . . . . . .. 27. 1.4. Representaça˜ o do Algoritmo Genético na sintonia de controlador linear. . .. 30. 2.1. Truck-Trailer-Trailer antes do processo de instrumentaça˜ o. . . . . . . . . .. 32. 2.2. Automodelo Globe Liner, elemento trator. . . . . . . . . . . . . . . . . . .. 34. 2.3. VMA montado. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 35. 2.4. Placa devidamente montada. . . . . . . . . . . . . . . . . . . . . . . . . .. 36. 2.5. Representaça˜ o do sistema embarcado e dos subsistemas do protótipo. . . .. 37. 2.6. Local de instalaça˜ o do encoder, destaque para o fototransistor e o amplificador operacional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 39. 2.7. Controlador Eletrônico de Velocidade. . . . . . . . . . . . . . . . . . . . .. 40. 2.8. (a) Resposta inicial do sistema de direça˜ o (b) Primeira correça˜ o (c) Segunda correça˜ o (d) Resposta final do sistema corrigido. . . . . . . . . . . . . . . .. 42. Potenciômetro instalado na junta articulada. . . . . . . . . . . . . . . . . .. 43. 2.10 Fluxograma das principais rotinas do firmware. . . . . . . . . . . . . . . .. 45. 2.11 Arquitetura de processamento e comunicaça˜ o. . . . . . . . . . . . . . . . .. 47. 2.12 (a) Transceptor TRF 2.4Ghz (b) Layout da placa de circuito (c) Módulo de comunicaça˜ o montado. . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 48. 2.13 Datagrama de comunicaça˜ o. . . . . . . . . . . . . . . . . . . . . . . . . .. 48. 2.9. ix.

(10) 2.14 Placa USB conectada ao computador. . . . . . . . . . . . . . . . . . . . .. 50. 3.1. Representaça˜ o do ve´ıculo de testes - configuraça˜ o convexa. . . . . . . . . .. 54. 3.2. Representaça˜ o do ve´ıculo de testes - configuraça˜ o não convexa. . . . . . . .. 54. 3.3. Controlador Feedback. . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 56. 3.4. Controlador Feedforward. . . . . . . . . . . . . . . . . . . . . . . . . . . .. 57. 3.5. Parâmetros de desempenho utilizados neste trabalho. . . . . . . . . . . . .. 59. 3.6. Representaça˜ o de um PID básico. . . . . . . . . . . . . . . . . . . . . . .. 60. 4.1. Bloco Uniform Random Number. . . . . . . . . . . . . . . . . . . . . . . .. 65. 4.2. (a) ∆θ1 sem ru´ıdo de mediça˜ o expresso em radianos (b) ∆θ1 com ru´ıdo de mediça˜ o expresso em radianos - Manobra: [θ1 , θ2 ] = [11.57◦ , 18◦ ] → [13◦ ]. .. 66. (a) ∆θ2 sem ru´ıdo de mediça˜ o expresso em radianos (b) ∆θ2 com ru´ıdo de mediça˜ o expresso em radianos - Manobra: [θ1 , θ2 ] = [11.57◦ , 18◦ ] → [13◦ ]. .. 67. 4.4. Bloco Band-Limited White Noise. . . . . . . . . . . . . . . . . . . . . . .. 67. 4.5. Bloco Backlash. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 68. 4.6. Análise da influência das folgas em: (a) Comportamento real (b) Simulaça˜ o com a inclusão da folga (c) Simulaça˜ o sem a inclusão da folga - Manobra: [θ1 , θ2 ] = [0◦ , 0◦ ] → [−5◦ ]. . . . . . . . . . . . . . . . . . . . . . . . . . .. 69. 4.7. Bloco Transport Delay. . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 71. 4.8. Análise da influência do atraso de comunicaça˜ o em número de iteraço˜ es: (a) Comportamento real do protótipo (b) Modelo com atraso = 0 (c) Modelo com atraso = 2 (d) Modelo com atraso = 4 (e) Modelo com atraso = 6. Manobra: [θ1 , θ2 ] = [0◦ , 0◦ ] → [−5◦ ]. . . . . . . . . . . . . . . . . . . . .. 72. Mediça˜ o do atraso de configuraça˜ o existente entre θ1 e θ2 para as seguintes situaço˜ es: (a) Caso real (b) Caso simulado - Manobra: [θ1 , θ2 ] = [0◦ , 0◦ ] → [−5◦ ]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 73. 4.10 Estimaça˜ o do atraso de configuraça˜ o: (a) Dependente de θ2 inicial (b) Dependente de θ1 inicial. . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 74. 4.11 Bloco Variable Time Delay. . . . . . . . . . . . . . . . . . . . . . . . . . .. 75. 4.3. 4.9.

(11) 4.12 Bloco Saturation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 75. 4.13 Modelo cinemático: (a) Cálculo de θ1 (b) Cálculo de θ2 . . . . . . . . . . .. 76. 4.14 Modelo completo com inclusão de efeitos dinâmicos. . . . . . . . . . . . .. 77. 4.15 (a) Modelo cinemático (b) Comportamento real do protótipo (c) Modelo adequado utilizado para simulaça˜ o - Manobra: [θ1 , θ2 ] = [3.9◦ , 6◦ ] → [1◦ ]. . . .. 78. 4.16 (a) Modelo Cinemático (b) Comportamento real do protótipo (c) Modelo Adequado Utilizado para Simulaça˜ o - Manobra: [θ1 , θ2 ] = [7.77◦ , 12◦ ] → [7◦ ]. 79 4.17 (a) Modelo cinemático (b) Comportamento real do protótipo (c) Modelo adequado utilizado para simulaça˜ o - Manobra: [θ1 , θ2 ] = [11.57◦ , 18◦ ] → [13◦ ].. 80. 4.18 (a) Modelo Cinemático (b) Comportamento real do protótipo (c) Modelo adequado utilizado para simulaça˜ o - Manobra: [θ1 , θ2 ] = [15.28◦ , 24◦ ] → [19◦ ]. 81 4.19 (a) Modelo cinemático (b) Comportamento real do protótipo (c) Modelo adequado utilizado para simulaça˜ o - Manobra: [θ1 , θ2 ] = [11.57◦ , 18◦ ] → [23◦ ].. 82. 5.1. Fluxograma de funcionamento básico dos Algoritmos Genéticos. . . . . . .. 86. 5.2. Exemplo de implementaça˜ o da roleta como método de seleça˜ o. . . . . . . .. 88. 5.3. Exemplo de implementaça˜ o do torneio como método de seleça˜ o. . . . . . .. 88. 5.4. Distribuiça˜ o dos indiv´ıduos antes e depois do método de classificaça˜ o. . . .. 89. 5.5. Crossover entre dois cromossomos (indiv´ıduos). . . . . . . . . . . . . . . .. 90. 5.6. Processo biológico de mutaça˜ o em um cromossomo. . . . . . . . . . . . .. 91. 5.7. Tela inicial do software A4G. . . . . . . . . . . . . . . . . . . . . . . . . .. 92. 5.8. Identificaça˜ o de regiões na tela inicial do Software A4G. . . . . . . . . . .. 93. 5.9. Exemplo de funcionamento do software A4G. . . . . . . . . . . . . . . . .. 101. 6.1. Particionamento do espaço de configuraça˜ o na realizaça˜ o dos testes. . . . .. 103. 6.2. Manobra de fechamento. . . . . . . . . . . . . . . . . . . . . . . . . . . .. 103. 6.3. Manobra de abertura. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 104.

(12) 6.4. 6.5. 6.6. 6.7. (a) Teste real do sistema com comutaça˜ o de ganhos proporcionais (b) Comportamento simulado do sistema com comutaça˜ o de ganhos proporcionais Manobra de abertura: [θ1 , θ2 ] = [0, 00◦ , 0◦ ] → [36◦ ]. . . . . . . . . . . . . .. 119. (a) Teste real do sistema com comutaça˜ o de ganhos proporcionais (b) Comportamento simulado do sistema com comutaça˜ o de ganhos proporcionais Primeira manobra de abertura: [θ1 , θ2 ] = [0, 00◦ , 0◦ ] → [48◦ ]. . . . . . . . .. 120. (a) Teste real do sistema com comutaça˜ o de ganhos proporcionais (b) Comportamento simulado do sistema com comutaça˜ o de ganhos proporcionais Segunda manobra de abertura: [θ1 , θ2 ] = [0, 00◦ , 0◦ ] → [48◦ ]. . . . . . . . .. 121. (a) Primeiro teste real do sistema com comutaça˜ o de ganhos proporcionais (b) Segundo teste real do sistema com comutaça˜ o de ganhos proporcionais (c) Comportamento simulado do sistema com comutaça˜ o de ganhos proporcionais - Manobra de fechamento: [θ1 , θ2 ] = [22, 30◦ , 36◦ ] → [0◦ ]. . . . . .. 122.

(13) Lista de Tabelas 2.1. Caracter´ısticas do módulo de comunicaça˜ o. . . . . . . . . . . . . . . . . .. 49. 6.1. Respostas do sistema na sintonia adhoc para controlador Feedforward Não Linear em simulaça˜ o. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 106. Respostas do sistema na sintonia adhoc para controlador Feedback Não Linear em simulaça˜ o. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 107. 6.3. Bateria de testes para sintonia do controlador Feedforward. . . . . . . . . .. 112. 6.4. Bateria de testes para sintonia do controlador Feedback. . . . . . . . . . . .. 115. 6.2. xiii.

(14) Lista de S´ımbolos ξ - Coeficiente de amortecimento do sistema ∆θi - Variaça˜ o do i-ésimo aˆ ngulo de configuraça˜ o do robô [◦ ] ˆ γ - Angulo de configuraça˜ o responsável pelo direcionamento das rodas do elemento truck do robô [◦ ] ϑ - Termo referente ao deslocamento do robô a cada iteraça˜ o [m] ˆ θ1 - Angulo de configuraça˜ o entre o primeiro elemento passivo e o elemento truck do ◦ robô [ ] ˆ θ2 - Angulo de configuraça˜ o entre o segundo e o primeiro elemento passivo do robô [◦ ] ˆ θi - Angulo de configuraça˜ o entre o i-ésimo elemento e o elemento imediatamente anterior de uma cadeia articulada [◦ ] Ai - Distância entre eixos do i-ésimo elemento da cadeia articulada [m] Bi - Distância entre o eixo do i-ésimo elemento e o ponto de engate do próximo elemento em uma cadeia articulada [m] bps - Bits por segundo d - Distância [m] end - Índice do u´ ltimo elemento de um vetor Ghz - Gigahertz kbps - Kilobits por segundo Kd - Ganho derivativo Ki - Ganho integral K p - Ganho proporcional xiv.

(15) K p1 - Ganho proporcional aplicado ao controle do aˆ ngulo de configuraça˜ o θ1 maxkd - Valor máximo do ganho Kd maxki - Valor máximo do ganho Ki maxkp - Valor máximo do ganho K p maxkp1 - Valor máximo do ganho K p1 Mbps - Megabits por segundo M p - Sobrelevaça˜ o ou Overshoot [%] minkd - Valor m´ınimo do ganho Kd minki - Valor m´ınimo do ganho Ki minkp - Valor m´ınimo do ganho K p minkp1 - Valor m´ınimo do ganho K p1 mod() - Resto inteiro da divisão entre dois números N - Número de indiv´ıduos de uma populaça˜ o new f emale - Novo elemento fêmea de uma populaça˜ o newmale - Novo elemento macho de uma populaça˜ o p - Peso associado ao esforço de controle dos aˆ ngulos θ1 e θ2 rand() - Funça˜ o que gera números aleatórios REF θ2 - Referência para o aˆ ngulo θ2 [◦ ] round() - Funça˜ o de aproximaça˜ o a` um número inteiro R pot - Resistência nominal do potenciômetro [Ω] Rx - Resistência associada ao aˆ ngulo que se deseja medir [Ω] sgn - Sinal sum - Somatório T - Per´ıodo de amostragem [s] t - Tempo [s].

(16) td - Tempo de delay [s] tp - Tempo de pico [s] tr - Tempo de subida ou Rise Time [s] txmut - Taxa de mutaça˜ o escolhida pelo usuário do software A4G [%] v - Velocidade [m/s] Vin - Tensão de entrada ou alimentaça˜ o [V ] Vout - Tensão de sa´ıda [V ] wn - Frequência natural de oscilaça˜ o do sistema [rad/s].

(17) Glossário A4G - Nome do software baseado em Algoritmos Genéticos desenvolvido nesta dissertaça˜ o A/D - Analógico-Digital ASCII - American Standard Code for Information Interchange - Código Padrão Americano para o Intercâmbio de Informaça˜ o CC - Corrente Cont´ınua ´ CMOS - Complementary Metal-Oxide-Semiconductor - Semicondutor Metal-Oxido Complementar ESC - Eletronic Speed Controller - Controle de Velocidade Eletrônico ISMB - Industrial Scientific and Medical Band - Banda Médica e Cient´ıfica Industrial LAI - Laboratório de Automaça˜ o Inteligente NiMh - N´ıquel-Hidreto Metálico PI - Proporcional-Integral PID - Proporcional-Integral-Derivativo PW M - Pulse Width Modulation - Modulaça˜ o por Largura de Pulso RMA - Robô Móvel Articulado RMMA - Robô Móvel Multiarticulado SMD - Surface Mount Device - Componentes de Montagem em Superf´ıcie T RC - Transporte Rodoviário de Cargas UFES - Universidade Federal do Esp´ırito Santo USB - Universal Serial Bus - Barramento Série Universal V MA - Ve´ıculo Multiarticulado xvii.

(18) Sumário. 1. 2. Introduça˜ o. 20. 1.1. Motivaça˜ o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 22. 1.2. Descriça˜ o do Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 23. 1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 29. 1.4. Estrutura da Dissertaça˜ o . . . . . . . . . . . . . . . . . . . . . . . . . . .. 30. Plataforma Experimental. 32. 2.1. Introduça˜ o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 32. 2.2. O Automodelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 34. 2.3. Hardware Embarcado . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 35. 2.3.1. Subsistema de Odometria . . . . . . . . . . . . . . . . . . . . . .. 37. 2.3.2. Subsistema de Acionamento . . . . . . . . . . . . . . . . . . . . .. 39. 2.3.3. Subsistema de Acionamento - Controle de Direça˜ o . . . . . . . . .. 40. 2.3.4. Subsistema de Mediça˜ o Angular . . . . . . . . . . . . . . . . . . .. 42. 2.3.5. Firmware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 44. 2.4. Subsistema de Comunicaça˜ o . . . . . . . . . . . . . . . . . . . . . . . . .. 46. 2.5. MATLAB e Aplicativos . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 49. 2.6. Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 50. xviii.

(19) 3. 4. 5. Modelo Cinemático, Condiço˜ es de Giro, Controladores Não Lineares, Medidas de Desempenho e Controle PID 52 3.1. Modelo Cinemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 53. 3.2. Condiço˜ es Singulares de Giro . . . . . . . . . . . . . . . . . . . . . . . .. 55. 3.3. Controlador Feedback Não Linear . . . . . . . . . . . . . . . . . . . . . .. 55. 3.4. Controlador Feedforward Não Linear . . . . . . . . . . . . . . . . . . . .. 56. 3.5. Medidas de Desempenho . . . . . . . . . . . . . . . . . . . . . . . . . . .. 58. 3.6. Controle PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 59. 3.7. Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 61. Adequaça˜ o do Modelo Cinemático. 63. 4.1. Análise de Velocidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 64. 4.2. Análise da Leitura dos Potenciômetros . . . . . . . . . . . . . . . . . . . .. 65. 4.3. Análise das Folgas Mecânicas . . . . . . . . . . . . . . . . . . . . . . . .. 68. 4.4. Derrapagem das Rodas e Zona Morta do Motor . . . . . . . . . . . . . . .. 70. 4.5. Análise do Atraso de Comunicaça˜ o . . . . . . . . . . . . . . . . . . . . . .. 70. 4.6. Análise do Atraso de Configuraça˜ o . . . . . . . . . . . . . . . . . . . . . .. 72. 4.7. Análise da Saturaça˜ o . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 75. 4.8. Modelo Final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 76. 4.9. Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 83. Algoritomos Genéticos e Software A4G. 84. 5.1. Algoritmos Genéticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 84. 5.2. Software A4G . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 92. 5.2.1. Descriça˜ o do Layout . . . . . . . . . . . . . . . . . . . . . . . . .. 92. 5.2.2. Descriça˜ o do Funcionamento Interno . . . . . . . . . . . . . . . .. 95. Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 100. 5.3.

(20) 6. 7. Resultados e Discussões. 102. 6.1. Sintonia Experimental . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 106. 6.2. Sintonia via A4G . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 110. 6.3. Controle por Comutaça˜ o de Ganhos Proporcionais . . . . . . . . . . . . . .. 118. 6.4. Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 123. Conclusões e Trabalhos Futuros. 124. 7.1. Conclusões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 124. 7.2. Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 125. Referências. 127.

(21) Cap´ıtulo 1 Introduça˜ o Não e´ uma tarefa simples pensar como seria o mundo atual sem a presença dos robôs. Estas estruturas mecânicas se fazem mais presentes na vida das pessoas a cada dia, e sua contribuiça˜ o para o desenvolvimento global e para o bem-estar social e´ inegável. A busca incessante do homem, em melhorar os processos produtivos, proporcionou, a partir da segunda metade do século XX, o desenvolvimento da automatizaça˜ o destes processos. Esta caracter´ıstica, capaz de transformar máquinas em ferramentas que desenvolvem alguma atividade de forma automática, ou seja, com pouca, ou nenhuma contribuiça˜ o humana, foi imprescind´ıvel para que se chegasse ao cenário atual de desenvolvimento tecnológico vivido por boa parcela da populaça˜ o ao redor do globo. Este cenário tecnológico atual se baseia na utilizaça˜ o de robôs em diversas a´ reas e funço˜ es, como, por exemplo: na indústria, no uso doméstico, na ajuda médica em hospitais, no uso em zonas que apresentem algum tipo de risco a vida humana e em tarefas, cuja realizaça˜ o, seja até mesmo imposs´ıvel ao homem, como a exploraça˜ o no fundo do mar e no espaço. Esta crescente demanda por automaça˜ o fomenta pesquisas cujos objetivos são a criaça˜ o e/ou aperfeiçoamento de dispositivos, tecnologias e teorias a fim de que se consiga criar máquinas dotadas de inteligência para que, desta forma, elas possam melhor auxiliar o homem. Os robôs e máquinas inteligentes, além de auxiliarem o homem em trabalhos diários, destacam-se também por apresentarem algumas caracter´ısticas que justificam sua empregabilidade em diversos setores produtivos, dentre as quais podem ser destacadas: per´ıodo integral de trabalho, sem pausas; melhor qualidade; menor probabilidade de apresentarem algum tipo de erro; maior velocidade e eficiência que o homem; execuça˜ o de trabalhos repetitivos e exaustivos, dentre outras vantagens facilmente observáveis..

(22) ˜ 1. Introduçao. 21. A perspectiva de automaça˜ o na ciência também traz uma série de questões que precisam ser consideradas a medida que estas tecnologias forem disponibilizadas e adotadas em larga escala, ou seja, como determinar o que se deve automatizar, o que deve ser deixado para o homem, e como esta nova pesquisa automatizada irá afetar os resultados e o processo cient´ıfico. De qualquer forma e´ incontestável a importância da pesquisa nesta a´ rea do conhecimento, principalmente quando as inovaço˜ es visam a melhoria da qualidade de vida dos humanos. Não existe, na literatura, uma classificaça˜ o padronizada e unicamente considerada para os diversos tipos de robôs existentes. As classes podem ser definidas segundo vários critérios, tais como: autonomia do sistema de controle, mobilidade da base, estrutura cinemática, forma de acionamento, graus de liberdade, geometria do espaço de trabalho, tamanho, pelo material de que são constitu´ıdos, pela forma como são montados, pelos atuadores que usam, pelos tipos de sensores que possuem, pela forma de locomoça˜ o, pelo ambiente em que atuam, pelo sistema de processamento que utilizam, pela funça˜ o que exercem e outros. Nesta dissertaça˜ o, visando abordar de forma resumida esta problemática de classificaça˜ o, aceita-se, de acordo com (Estévez, 1989), que os robôs podem ser divididos em três grandes classes: robôs industriais, médicos e móveis. O foco deste trabalho está no estudo dos robôs móveis. Segundo (Secchi, 2008), robôs móveis podem ser definidos como plataformas mecânicas automatizadas munidas de um sistema de locomoça˜ o capazes de navegar através de um determinado ambiente de trabalho, dotados de um certo n´ıvel de autonomia para sua navegaça˜ o. Esta pesquisa trabalhou com robôs móveis terrestres a rodas de uma estrutura espec´ıfica, composta por três elementos sequencialmente conectados, sendo um deles ativo e os demais passivos. Esta estrutura, na literatura, e´ denominada Truck-Trailer-Trailer e, e´ geralmente, composta por um robô do tipo carro ao qual são conectados dois trailers em sequência. Tal composiça˜ o e´ também chamada Robô Móvel Articulado (RMA), quando usa apenas um trailer ou Robô Móvel MultiArticulado (RMMA), quando usa dois ou mais trailers (Pandolfi, 2012). Vale ressaltar que os RMMAs possuem inúmeras caracter´ısticas semelhantes as dos Ve´ıculos Multiarticulados (VMAs), sobretudo no que tange a cinemática, e que, por esta razão, embora grande parte das pesquisas encontradas na literatura façam referência apenas a` robôs, a maioria destes resultados são facilmente adaptáveis para uso em ve´ıculos. A utilizaça˜ o de cadeias de elementos passivos cria um problema complexo no que diz respeito a manobras em movimentos a` ré da composiça˜ o. Diversos trabalhos já foram elaborados, com foco na obtença˜ o de controladores capazes de resolver os principais problemas associados a cinemática e dinâmica de tal estrutura, mas ainda existem muitas questões a serem exploradas e estudadas..

(23) ˜ 1. Introduçao. 22. Este trabalho visa, também, contribuir para que a navegaça˜ o de VMAs e RMMAs se torne uma tarefa mais simples, fazendo parte de uma pesquisa ampla, cujo escopo, e´ a obtença˜ o de um sistema completo de navegaça˜ o para execuça˜ o de manobras automáticas ou assistidas, em a´ reas restritas.. 1.1. Motivaça˜ o. A principal motivaça˜ o deste trabalho está em poder contribuir para o desenvolvimento de ferramentas que auxiliem o homem em tarefas complexas, como neste caso, em particular, na navegaça˜ o robótica, mais precisamente em RMMAs ou VMAs em movimentos a` ré. Progressos neste campo poderiam contribuir para reduça˜ o de custos e melhoria de eficiência no setor industrial e na cadeia log´ıstica brasileira. Os VMAs tem grande aplicabilidade, principalmente no Brasil, cujo transporte rodoviário de cargas (TRC) e´ responsável por mais de 60% do volume de mercadorias movimentadas no Brasil, com o seu custo representando cerca de 6% do Produto Interno Bruto do pa´ıs. Para as empresas, o deslocamento de carga pelas estradas nacionais equivale a mais da metade da sua receita l´ıquida, chegando a mais de 60% da receita na agroindústria (62%) e entre as indústrias de alimentos (65, 5%). Nada mais natural, portanto, que o crescente interesse das companhias por novas soluço˜ es log´ısticas e por um estudo mais aprofundado do setor no Brasil (Araújo, 2011). Observa-se que objetivando a reduça˜ o de custo por tonelada transportada, e´ comum o carregamento de caminhões além da sua capacidade normal de carga. Esta prática ilegal, em médio prazo aumenta os custos com manutença˜ o do ve´ıculo, além de provocar o desgaste prematuro das rodovias, prejudicando o transporte terrestre em geral. Como soluça˜ o para este problema, o uso de VMAs, ou seja, caminhões com um ou mais semirreboques, e´ cada vez mais frequente no transporte de cargas. A utilizaça˜ o desse tipo de ve´ıculo reduz o peso por eixo transportado, diminuindo a degradaça˜ o das estradas e os custos com manutença˜ o e, dessa forma, aumentando a rentabilidade por tonelada transportada (Pinheiro, 2004). A Figura 1.1 mostra exemplos de VMAs executando funço˜ es de transporte rodoviário de cargas, mas existem aplicaço˜ es destas máquinas em diferentes setores, como por exemplo na agricultura, no pátio de aeroportos e portos, em hospitais e em grandes armazéns. Diante da vasta aplicabilidade destes ve´ıculos, se faz necessária uma reflexão sobre a complexidade de realizar manobras com estas estruturas, principalmente em movimentos a` ré. Este trabalho tem como objetivo principal, propôr algumas melhorias de soluço˜ es de controle já existentes na literatura, para o problema de manobrar a` ré uma cadeia articulada.

(24) 23. ˜ 1. Introduçao. (a) Ve´ıculo com 2 trailers. (b) Ve´ıculo com 4 trailers. Figura 1.1: Exemplos de Ve´ıculos Multiarticulados com dois trailers passivos reais, sendo esta uma das configuraço˜ es multiarticuladas mais utilizadas em transporte de cargas nas rodovias.. 1.2. Descriça˜ o do Problema. Um RMMA e´ caracterizado por sua cadeia mecânica articulada, em geral, com o primeiro elemento motorizado (truck ou trator), cuja direça˜ o e´ controlada pelas rodas dianteiras, e a traça˜ o podendo ser pelas rodas traseiras ou dianteiras, acoplado a elementos passivos articulados (trailers), sem motorizaça˜ o ou controle local, com ligaça˜ o (hitching) on-axle1 ou off-axle2 . A Figura 1.2 mostra uma cadeia articulada genérica, ilustrando o aˆ ngulo da direça˜ o (γ) e os de configuraça˜ o (θ1 ,...,θn ), bem como os parâmetros geométricos da cadeia mecânica articulada, Ai e Bi , onde para Bi 6= 0, temos uma ligaça˜ o off-axle. A complexidade maior do controle de manobras e navegaça˜ o de RMMAs está ligada aos movimentos a` ré. Nesta situaça˜ o, o sistema comporta-se como um pêndulo invertido múltiplo horizontal. Uma vez que os engates permitem a livre rotaça˜ o, os aˆ ngulos entre os trailers (em um ou mais engates da composiça˜ o) podem aumentar para valores inadequados evoluindo para uma situaça˜ o de jackknife (engavetamento). Na representaça˜ o de um RMMA, o vetor de configuraça˜ o tem como componentes os sucessivos aˆ ngulos, θi , entre os respectivos elementos da cadeia mecânica articulada. A direça˜ o das rodas dianteiras e´ caracterizada pelo aˆ ngulo γ. Com o objetivo de tornar o problema menos complexo, muitos trabalhos abordam somente o caso em que a cadeia articulada possui apenas 1 trailer, conforme verifica-se em (Michalek, 2009), (Ichihashi, 1993), (Petrov, 2010) e (Yang e Yu, 2006). 1 Engate 2 Engate. entre dois trailers feito sobre o eixo das rodas entre dois trailers feito fora do eixo das rodas.

(25) 24. ˜ 1. Introduçao. Figura 1.2: Cadeia cinemática genérica de um RMMA.. Outro fator determinante para tornar a problemática mais simples e´ realizar a navegaça˜ o somente via simulaça˜ o, mesmo com uma estrutura composta por mais reboques, como em (Michalek, 2011) e (Matsushita, 2006). Alguns trabalhos não seguem este padrão de simplificaça˜ o do problema e optam por considerar estruturas mais complexas de cadeia articulada, com dois ou mais reboques, e utilizando robôs reais, como em (Park et al., 2004) e em (Stahn e Stopp, 2007). O controle da cadeia articulada em movimentos a` frente também e´ alvo de muitos estudos, pois esta estrutura possui uma dinâmica complexa e várias caracter´ısticas do comportamento em navegaça˜ o ainda não são bem conhecidas. Em (Mart´ınez et al., 2008) e (Morales et al., 2009) estuda-se o efeito da limitaça˜ o do aˆ ngulo do volante na manobrabilidade do ve´ıculo, e em (Martini, 2003) propõe-se um controle lateral da estrutura, considerando os deslizamentos laterais da cadeia em manobras curvas, bem como em (Weyand e Zobel, 2011) que também estuda o ve´ıculo nestas configuraço˜ es. Outra grande dificuldade encontrada no estudo destes ve´ıculos e´ a definiça˜ o de um modelo cinemático genérico e representativo para configuraço˜ es com inúmeros trailers, haja vista que existem muitas variáveis associadas a` s caracter´ısticas destes robôs, como o tamanho dos reboques, a distância entre eixos, a forma de engate, número de rodas que possuem traça˜ o, se o truck possui traça˜ o traseira, dianteira ou integral, entre outros parâmetros intr´ınsecos de cada plataforma utilizada. Um modelo cinemático completo genérico para RMMAs foi desenvolvido em (Pandolfi, 2012) e um resumo deste modelo com algumas aplicaço˜ es em controle podem ser visualizadas em (Ferreira e Pandolfi, 2011). Diante da complexidade associada ao problema, muitos trabalhos utilizam técnicas de controle moderno, como as baseadas em redes neurais e na lógica fuzzy, para realizar o controle da cadeia articulada em movimentos a` ré. A utilizaça˜ o destas técnicas se justifica pelo.

(26) ˜ 1. Introduçao. 25. fato da planta de controle, o RMMA, possuir comportamento não-linear, inviabilizando assim o uso isolado de técnicas comumente utilizadas em controle linear. Em (Gem e Willshire, 1992) propõe-se o uso de apenas um neurônio para controle de posicionamento do ve´ıculo, já em (Nguyen, 1989) faz-se uso de redes neurais tanto para realizaça˜ o do controle, quanto para simulaça˜ o da cinemática do ve´ıculo (preditor). Em (Kong, 1992) as redes neurais funcionam de forma adaptativa, alterando as regras fuzzy do sistema, evidenciando uma interaça˜ o neuro-fuzzy para realizaça˜ o do controle do RMMA. Outros estudos são feitos aplicando-se as técnicas fuzzy no controle da cadeia, como em (Tanaka, 1994), (Chen, 1997), (Tsourdos et al., 2003) e (Ren et al., 2012). Uma abordagem muito interessante e´ feita em (Riid e Rüstern, 2007) e (Riid e Rüstern, 2006), no qual utilizam-se regras fuzzy para realizar o controle de cada junta da cadeia de forma independente, portanto, existem um conjunto de regras diferente para cada articulaça˜ o do robô, realizando um controle em cascata, assim como proposto em (Kulitz, 2003) e implementado em (Oliveira, 2010). Para que seja poss´ıvel a utilizaça˜ o de técnicas lineares de controle validadas na literatura, e´ amplamente utilizado o artif´ıcio de linearizaça˜ o do sistema em uma determinada faixa de operaça˜ o, como ocorre em (Altafini, 2001) e (Altafini e Wahlberh, 2001). Outra estratégia muito utilizada e´ o controle por imagem, geralmente combinada com outras técnicas de controle, como em (Tanaka, 1997), utilizando fuzzy, e em (Koga e Yamakawa, 2006) considerando também a heur´ıstica evolutiva. Alguns trabalhos se baseiam somente nas informaço˜ es visuais para realizaça˜ o do controle, como em (Rampinelli, 2008), (Tanaka e Wang, 2002) e (Tanaka et al., 2009). Apesar de não ser foco deste trabalho, e´ notório, a aplicabilidade de técnicas de controle para RMMAs com o objetivo de fazer a cadeia realizar o seguimento de trajetórias previamente definidas (Pradalier, 2007), (Astolfi e Locatelli, 2004), (Divelbiss, 1994), (Bolzern et al., 1998), (Mendoza e Bricaire, 2011) e (Nakamura et al., 2000). Ainda mais refinado se mostra o controle da cadeia articulada ao realizar desvios de obstáculos em movimentos a` ré, como em (Woodley, 2004), (Lamiraux, 1998) e em movimentos a` frente, como em (Ren et al., 2010). Não e´ dif´ıcil perceber que este trabalho está inserido em uma a´ rea de pesquisa amplamente explorada, mas que ainda carece de uma soluça˜ o definitiva para o problema de manobrar estruturas articuladas genéricas. Diante disto, deve-se entender melhor como se caracteriza todo o sistema de navegaça˜ o global, responsável por prover ao ve´ıculo total capacidade de monitoramento e controle na execuça˜ o dos movimentos, para que seja poss´ıvel mensurar a contribuiça˜ o desta pesquisa no sentido de se obter tal sistema..

(27) ˜ 1. Introduçao. 26. Em navegaça˜ o robótica, a caracterizaça˜ o das tarefas pode incluir restriço˜ es, obstáculos ou incertezas diversas. Todos estes aspectos podem ser levados em conta na formulaça˜ o do problema de navegaça˜ o no espaço de tarefas. Este espaço compreende todo o ambiente externo ao robô, considerando a movimentaça˜ o e o posicionamento da cadeia articulada como um todo. Na automaça˜ o flex´ıvel, visando uma maior generalidade das soluço˜ es, processos complexos ou serviços demandam que as aço˜ es de controle ou de prediça˜ o sejam implementadas no espaço de configuraça˜ o de cada máquina ou subsistema, de modo desacoplado das aço˜ es definidas no espaço de tarefas. Portanto, define-se o espaço de configuraça˜ o como sendo o espaço restrito somente a movimentaça˜ o dos aˆ ngulos internos do robô. Deste modo, no n´ıvel de configuraça˜ o, os problemas de controle ou prediça˜ o teriam referências, critérios e soluço˜ es caracterizadas neste u´ nico espaço, evitando que o controlador opere impl´ıcitas inversões geométricas, o que pode conter singularidades. Estas premissas são válidas para robôs manipuladores e também para RMMAs. Esta transposiça˜ o entre os espaços de tarefas e de configuraço˜ es e´ denominada “Coordenaça˜ o de Movimentos”. A coordenaça˜ o de movimentos e´ estabelecida, juntamente com outras aço˜ es necessárias, em um “Sistema Completo de Navegaça˜ o”. Assim, no n´ıvel de coordenaça˜ o, as tarefas seriam transformadas em aço˜ es de referência para um n´ıvel inferior de controle ou prediça˜ o no espaço de configuraço˜ es. O n´ıvel de coordenaça˜ o seria implementado através de modelos inversos geométricos e/ou cinemáticos, obtidos na presença de restriço˜ es, segundo critérios pré-definidos. Alguns autores propõem soluço˜ es diretamente no espaço de tarefas, porém carecem de generalidade, por exemplo, (Yoo, 2010). Contudo ela e´ muito restrita, pois e´ desenvolvida para uma configuraça˜ o em que o elemento trator encontra-se em posiça˜ o inversa a` comumente utilizada, isto visando facilitar o controle da cadeia articulada e em (Morales et al., 2013) em que se utiliza o artif´ıcio de virtualizar o aˆ ngulo de direça˜ o para o u´ ltimo trailer, assumindo assim que a composiça˜ o em movimentos a` ré se comporte como em movimentos a` frente. Observa-se que no sistema completo de navegaça˜ o, a coordenaça˜ o de movimentos via modelos e´ necessária para o caso de manobras automáticas, onde as referências no espaço de tarefas são caracterizadas por um operador humano, como em (Morales et al., 2012). De fato, o sistema supervisório pode ser constru´ıdo segundo duas abordagens distintas: manobras assistidas e manobras automáticas. Na primeira delas, o sistema auxilia o usuário prevendo o movimento para trás, isto permite ao usuário saber qual será o comportamento dos aˆ ngulos das articulaço˜ es, caso a composiça˜ o se movimente para trás, a partir da configuraça˜ o atual e de certa orientaça˜ o das rodas dianteiras do truck. Este sistema tem a funcionalidade de um preditor. Sob o ponto de vista teórico, um preditor e´ um modelo direto do robô articulado. Os.

(28) 27. ˜ 1. Introduçao. preditores são necessários não só para operaça˜ o assistida, mas também para servir de núcleo em simuladores na análise e s´ıntese de estratégias de navegaça˜ o e na geraça˜ o e validaça˜ o de controladores. Na outra abordagem, ou seja, em manobras automáticas, o sistema e´ responsável pela realizaça˜ o da manobra. Neste caso, o usuário informa a trajetória no espaço de tarefas e o sistema supervisório fornece para o controlador de configuraça˜ o as referências adequadas neste n´ıvel. Ressalta-se que praticamente toda tecnologia desenvolvida para RMMAs pode ser adaptada para a navegaça˜ o ou controle, na execuça˜ o otimizada de manobras automáticas ou assistidas de ve´ıculos articulados, contribuindo assim para a melhoria na qualidade de vida das pessoas que realizam manobras em caminhões de grande porte, por exemplo. O desenvolvimento de preditores ou controladores geralmente e´ feito através de abordagens model free, sendo que a partir de dados de movimentos pode-se desenvolver soluço˜ es neurais (redes estáticas), a horizonte fixo, para preditores ou controladores no espaço de configuraço˜ es, como em (Miranda, 2011) ou fuzzy, como em (Kulitz, 2003). Toda a estratégia de monitoramento e controle de manobras de um RMMA está resumida e representada na Figura 1.3.. Figura 1.3: Sistema Completo de Navegaça˜ o de um RMMA.. Uma grande vertente dos trabalhos com RMMAs e´ a obtença˜ o de um sistema de assistência ao motorista do ve´ıculo, que possibilite através de diversos sensores acoplados ao robô, a percepça˜ o ambiental e com isso facilite o processo de manobra de toda a cadeia, principalmente objetivando o estacionamento do robô em um espaço pré-determinado. Alguns trabalhos merecem destaque nesta a´ rea, dentre eles, podem ser citados (Sklyarenko e Schumacher, 2013) que utilizam ve´ıculos reais e articulados para fins de navegaça˜ o, e (Chiu e Liu, 2005) que fazem uso de um robô não articulado e de técnicas fuzzy com o objetivo.

(29) ˜ 1. Introduçao. 28. principal de realizar manobras de estacionamento do ve´ıculo, bem como (Lee et al., 1999), um dos pioneiros nesta a´ rea de pesquisa. Alguns autores ainda consideram o problema de assistência ao motorista apenas em ambientes de simulaça˜ o, que apesar de serem representativos, ainda necessitam de aplicaça˜ o prática, haja vista que o objetivo principal destes sistemas e´ a utilizaça˜ o em ve´ıculos reais. Dentre estes trabalhos podem ser citados (Sharafi e Nikpoor, 2010) que utiliza regras fuzzy para controlar o robô não articulado em movimentos a` ré em ambientes com obstáculos fixos e móveis, e o robô com um reboque acoplado na presença de obstáculos fixos. Já (Khoshnejad, 2005) utiliza a interaça˜ o neuro-fuzzy para realizar o controle de um ve´ıculo sem reboques. Mais recente e´ o trabalho de (Zhang e Geimer, 2011), que em movimentos a` frente controla um sistema com forte restriça˜ o f´ısica, dificultando a realizaça˜ o de manobras do ve´ıculo. Vale ressaltar que quase toda bibliografia estudada neste trabalho apresenta poucas manobras que exemplifiquem o funcionamento do sistema, e na maioria das pesquisas os testes apresentados são simplesmente de colocar a cadeia articulada em posiça˜ o retil´ınea ou de executar movimentos que não exigem muito esforço de controle. Também verifica-se, que várias vezes, são feitas consideraço˜ es errôneas sobre os limites dos aˆ ngulos, haja vista que a maioria dos testes são realizados em ambientes de simulaça˜ o, desprendendo-se assim de todas as não linearidades e restriço˜ es f´ısicas presentes em plataformas reais. Diante disto, percebe-se que muitos autores utilizam a estrutura particular de cadeia articulada, simplesmente para desenvolver e testar estruturas de controle e de prediça˜ o sem a devida preocupaça˜ o sobre o comportamento real do sistema, como exemplo, pode-se citar a definiça˜ o de jacknife, que quando raramente apresentada, aparece como a situaça˜ o em que o aˆ ngulo entre dois elementos da composiça˜ o e´ de 90◦ . Isto e´ errado, já que não se leva em conta restriço˜ es reais dependentes dos formatos dos trailers da composiça˜ o, nem as restriço˜ es de manobrabilidade impostas pelo aˆ ngulo limite de direça˜ o. Este também, quase sempre considerado, como de excursão livre, facilitando imensamente a realizaça˜ o de manobras simplesmente imposs´ıveis de serem realizadas em ve´ıculos reais. Esta pesquisa, devido a` diversos trabalhos já realizados com esta plataforma, como em (Rampinelli e Oliveira, 2008), (Oliveira e Ferreira, 2008), (Oliveira e Pandolfi, 2009), (Ferreira e Oliveira, 2009), (Ferreira e Oliveira, 2010) e (Ferreira, 2011), apresenta uma visão muito mais realista do comportamento de um RMMA. Este trabalho e´ baseado em um técnica consolidada de otimizaça˜ o (Algoritmo Genético) para realizar a sintonia de ganhos lineares presentes em estruturas de controle não lineares previamente testadas. Todas as restriço˜ es f´ısicas foram respeitadas, haja vista que os experimentos foram realizados em plataforma real, aproximando muito mais esta pesquisa de uma poss´ıvel aplicaça˜ o prática em ve´ıculos..

(30) ˜ 1. Introduçao. 29. Assim, através de uma boa sintonia de ganhos, este trabalho busca contribuir de forma significativa, na consolidaça˜ o de uma estratégia capaz de prover ao ve´ıculo o melhor controle poss´ıvel de configuraça˜ o da cadeia articulada em movimentos a` ré.. 1.3. Objetivos. Diante deste cenário de pesquisa com RMMAs, este trabalho se enquadra basicamente no espaço de configuraça˜ o da cadeia articulada, ou seja, restringe-se ao controle dos aˆ ngulos internos do ve´ıculo. As duas estruturas de controle que são alvo de estudo neste projeto são as propostas por (Ferraz, 2013), denominada Controlador Feedforward Não Linear, e a proposta pelo próprio autor, em (Bertolani, 2011), denominada Controlador Feedback Não Linear. Ambas estruturas de controle baseiam-se nas condiço˜ es de giro do ve´ıculo, sendo que no controlador Feedforward, a informaça˜ o destes aˆ ngulos e´ obtida através do valor de referência, e o controlador Feedback obtém tais informaço˜ es de giro considerando os aˆ ngulos correntes apresentados pelo ve´ıculo no decorrer da manobra. Nestes controladores existem ganhos lineares que carecem de sintonia, esta tarefa se mostra muito complexa, por não existir na literatura, sistemática bem definida para resoluça˜ o deste problema em plantas não lineares. Visando minimizar o esforço humano em testes repetitivos para obtença˜ o dos melhores ganhos, optou-se por tentar utilizar uma teoria capaz de realizar a otimizaça˜ o de ganhos destes controladores. Assim, adotou-se a teoria dos Algoritmos Genéticos como ferramenta de otimizaça˜ o de ganhos, esta mesma teoria e´ utilizada em (Kinjo e Yamamoto, 2000), (Ho et al., 2003) e (Kiyuna et al., 2003) para realizar adaptaça˜ o dos pesos de redes neurais responsáveis pelo controle do robô. Também e´ comum na literatura o uso de Algoritmos Genéticos para adaptaça˜ o de regras em controladores PID fuzzy, como em (Meza e Arriaga, 2009), (Chakraborty e Patranabis, 2001), (Kermiche, 2008), (Ko et al., 2006), (Wang, 1992), (Wong, 2000), (Nahapetian e Analoui, 2009) e (Homaifar, 1995). Neste trabalho, conforme mencionado, a ferramenta de otimizaça˜ o foi utilizada na sintonia dos ganhos lineares presentes em controladores já consolidados na literatura. Pode-se resumir a ideia principal deste trabalho através da análise da representaça˜ o da malha de controle, conforme Figura 1.4. Portanto, considera-se que, o principal objetivo deste trabalho e´ o desenvolvimento de um software baseado na teoria de Algoritmo Genético, capaz de prover uma sistemática.

(31) 30. ˜ 1. Introduçao. Figura 1.4: Representaça˜ o do Algoritmo Genético na sintonia de controlador linear.. confiável de ajuste de ganhos, de controladores lineares presentes em estruturas de controle não lineares, já consolidadas na literatura. Este software visa minimizar o esforço com testes diretamente na plataforma experimental e refinar o processo de sintonia dos controladores, bem como proporcionar um melhor entendimento de todo o funcionamento do sistema. Para alcançar tal objetivo, necessitou-se um grande esforço na criaça˜ o de um ambiente de simulaça˜ o, capaz de reproduzir o real comportamento da plataforma de testes utilizada nesta pesquisa, haja vista que os ganhos obtidos pelo processo de otimizaça˜ o do programa, deveriam ser testados na prática com o robô. Este processo se mostrou complexo, pois somente as equaço˜ es cinemáticas diferiam muito do comportamento real do ve´ıculo. Portanto, diante de tal esforço, esta adequaça˜ o do modelo cinemático se tornou um objetivo espec´ıfico desta pesquisa, pois possibilitou a criaça˜ o de modelos bem representativos do funcionamento do RMMA de testes do LAI3 da UFES4 . Outros objetivos espec´ıficos podem ser destacados, como um melhor entendimento do comportamento do sistema para diversas sintonias consideradas, bem como a obtença˜ o de um padrão de ajuste de ganhos capaz de prover ao ve´ıculo capacidade de realizar manobras de forma satisfatória para diversas configuraço˜ es desejadas.. 1.4. Estrutura da Dissertaça˜ o. Para melhor organizaça˜ o das teorias utilizadas, os diferentes estudos de caso, resultados e conclusões este documento foi dividido em 7 cap´ıtulos. Uma breve descriça˜ o do tema abordado em cada um dos cap´ıtulos e´ apresentada abaixo. • Cap´ıtulo 2: Plataforma Experimental 3 Laborat´ orio. de Automaça˜ o Inteligente Federal do Esp´ırito Santo. 4 Universidade.

(32) ˜ 1. Introduçao. 31. Este cap´ıtulo apresenta uma descriça˜ o detalhada de como funciona o protótipo, especificando as ferramentas computacionais e eletrônicas utilizadas no projeto. Um resumo do hardware mostra as principais particularidades desta plataforma de testes, com o objetivo de proporcionar um melhor entendimento das funcionalidades do robô. • Cap´ıtulo 3: Modelo Cinemático, Condiço˜ es de Giro, Controladores Não Lineares, Medidas de Desempenho e Controle PID Apresenta-se, neste cap´ıtulo, o modelo cinemático genérico e as condiço˜ es de giro para RMMAs, estas u´ ltimas são a base dos controladores não lineares que serão utilizados no processo de otimizaça˜ o de ganhos. As medidas de desempenho associadas a resposta do sistema, servirão para quantificar o comportamento do sistema com os ganhos obtidos pelo software que implementa os Algoritmos Genéticos. • Cap´ıtulo 4: Adequaça˜ o do Modelo Cinemático Este cap´ıtulo apresenta de forma detalhada, todo o processo de adequaça˜ o do modelo cinemático genérico a` s condiço˜ es de funcionamento real da plataforma experimental. Este processo foi realizado por inspeça˜ o do comportamento do robô em determinadas manobras e condiço˜ es de uso. Um modelo bem representativo do ve´ıculo real e´ obtido ao fim do processo de adequaça˜ o. • Cap´ıtulo 5: Algoritmos Genéticos e Software A4G Uma breve teoria dos Algoritmos Genéticos e´ mostrada, bem como sua implementaça˜ o no programa desenvolvido. Este software e´ detalhadamente descrito, suas principais funço˜ es e particularidades são explicitadas. A metodologia de utilizaça˜ o do programa e´ discutida e uma descriça˜ o do layout ilustra todo o ambiente de testes utilizado no processo de otimizaça˜ o dos ganhos dos controladores lineares. • Cap´ıtulo 6: Resultados e Discussões Apresenta alguns testes que justificam o emprego do software como ferramenta u´ til para otimizaça˜ o dos ganhos dos controladores lineares. Faz-se uma comparaça˜ o com o trabalho desenvolvido por (Ferraz, 2013), que realizou a sintonia dos ganhos do controlador de forma adhoc, ou por tentativa e erro. Uma nova abordagem do controle com comutaça˜ o de ganhos, de acordo com a faixa de operaça˜ o do sistema e´ proposto. • Cap´ıtulo 7: Conclusões e Trabalhos Futuros Finaliza a dissertaça˜ o com uma discussão geral do trabalho realizado, as principais contribuiço˜ es, consideraço˜ es finais e, além disso, traz uma série de sugestões para futuras pesquisas..

(33) Cap´ıtulo 2 Plataforma Experimental 2.1. Introduça˜ o. Este cap´ıtulo do projeto e´ destinado a` descriça˜ o do processo de instrumentaça˜ o da plataforma experimental de testes. A estrutura básica de hardware, denominada Truck-TrailerTrailer, antes do processo de modificaça˜ o pode ser visualizado na Figura 2.1.. Figura 2.1: Truck-Trailer-Trailer antes do processo de instrumentaça˜ o.. Todo processo de instrumentaça˜ o foi realizado por Tiago Reinan Barreto de Oliveira. O protótipo foi mais precisamente descrito pelo autor em (Oliveira, 2010). Assim, esta dissertaça˜ o não contribui com nenhuma melhoria ou alteraça˜ o estrutural no robô, faz-se necessária a inclusão deste cap´ıtulo a fim de mostrar algumas particularidades da plataforma de testes. No estudo dos movimentos, sobretudo a` ré, de VMAs ou RMMAs, a existência de uma plataforma experimental e´ de grande importância. Isto facilita o entendimento da.

(34) 2. Plataforma Experimental. 33. dinâmica do sistema proporcionando a geraça˜ o do conhecimento especialista necessário para a implementaça˜ o de algumas técnicas de controle, como as baseadas na teoria fuzzy. Além disto, uma plataforma permite o desenvolvimento, a validaça˜ o e a análise de desempenho de soluço˜ es de controle, que podem ser obtidas por diferentes métodos e estratégias. Uma caracter´ıstica u´ til de experimentos com protótipos reais e´ que eles incorporam ao teste interferências e distúrbios externos, como por exemplo, ru´ıdos, atritos, deslizamentos e imperfeiço˜ es mecânicas, que nem sempre são considerados em modelos teóricos. Isto faz dos experimentos em protótipos reais uma ferramenta muito importante na avaliaça˜ o de aspectos relacionados a` robustez e desempenho das soluço˜ es propostas antes da sua implementaça˜ o em escala real ou aplicaça˜ o final. Em trabalho anterior (Silva, 2003), algumas tentativas de construça˜ o de um suporte experimental foram realizadas. Contudo, tais tentativas não obtiveram eˆ xito, principalmente devido a` s dificuldades relacionadas ao projeto mecânico e pela cr´ıtica tarefa de fabricaça˜ o de peças. Uma soluça˜ o encontrada para estes problemas foi a de utilizar um automodelo industrializado como base para a plataforma experimental. Desta forma, a plataforma foi desenvolvida em um automodelo do tipo Truck-TrailerTrailer, que possui uma configuraça˜ o t´ıpica de ve´ıculos multiarticulados utilizados no transporte de cargas (Widmer, 2002). Ao mesmo tempo, esta configuraça˜ o contendo três elementos e´ suficiente para manter a generalidade do problema de manobras. Além disto, um maior número de elementos passivos poderia inviabilizar testes em ambientes espacialmente restritos, como acontece em experimentos baseados em visão computacional, onde o alcance da câmera e´ o limitador da a´ rea de movimentaça˜ o do ve´ıculo, conforme descrito em (Rampinelli, 2008). Uma vez que o automodelo adquirido era desprovido de funço˜ es de acionamento, sensoriamento e comunicaça˜ o de dados, iniciou-se o planejamento e o desenvolvimento dos mecanismos e circuitos eletrônicos necessários para dotar o ve´ıculo de tais funço˜ es. Na Seça˜ o 2.2 serão detalhadas as especificaço˜ es do automodelo utilizado. Na Seça˜ o 2.3 são descritas as principais caracter´ısticas da eletrônica embarcada, como atuadores e sensores proprioceptivos, e finalmente na Seça˜ o 2.4 e´ apresentado o subsistema de comunicaça˜ o sem fio desenvolvido, responsável pela comunicaça˜ o de dados entre o computador remoto e a plataforma experimental. O modo como o hardware está desenvolvido e´ de fundamental importância para entender melhor o funcionamento do sistema, mostrando assim as particularidades do protótipo. Este serviu de grande contribuiça˜ o para diversos trabalhos desenvolvidos no LAI, e durante sua utilizaça˜ o permitiu aquisiça˜ o de conhecimento em diversas a´ reas, podendo citar eletrônica, programaça˜ o, robótica, entre outras..

(35) 2. Plataforma Experimental. 2.2. 34. O Automodelo. Conforme dito anteriormente, o automodelo multiarticulado e´ constitu´ıdo pelo elemento trator e por dois semi-reboques, medindo no total 1, 73 m quando alinhado. Fabricado pela R empresa Tamiya , o automodelo e´ uma réplica na escala de 1 : 14 do caminhão Globe Liner. O elemento trator e´ dotado de um sistema de transferência de traça˜ o do tipo diferencial traseira e de suspensão independente com feixe de molas e amortecedores, o que facilita o transporte extra de peso sem prejudicar sua movimentaça˜ o, sobretudo em pisos irregulares. A Figura 2.2 mostra o elemento trator do automodelo utilizado.. Figura 2.2: Automodelo Globe Liner, elemento trator.. A traça˜ o do ve´ıculo e´ do tipo 6X4, ou seja, quatro das seis rodas são tracionadas e e´ suprida por um motor elétrico CC (Corrente Cont´ınua) da série 540. Acoplado ao motor, existe uma caixa de reduça˜ o, ou câmbio, que possibilita a escolha da relaça˜ o de engrenagens entre os valores de 1 : 32, 4, 1 : 17, 7 e 1 : 10, 6, representando a primeira, segunda e terceira marchas, respectivamente. Para maior praticidade no manuseio e melhor acomodaça˜ o do hardware embarcado, a carenagem do elemento trator foi removida. A Figura 2.3 mostra o ve´ıculo completamente montado..

(36) 35. 2. Plataforma Experimental. Figura 2.3: VMA montado.. 2.3. Hardware Embarcado. Para o acionamento do mecanismo de direça˜ o, controle de velocidade, seleça˜ o de marcha do câmbio, conversão de sinais analógicos em digitais, comunicaça˜ o, temporizaça˜ o de eventos e armazenamento de dados, foi desenvolvido um circuito eletrônico microcontrolado. Neste ponto e´ importante ressaltar que o hardware embarcado desenvolvido não possui a finalidade de comportar algoritmos de controle de manobras do ve´ıculo. Desta forma, as poss´ıveis soluço˜ es de controle não estariam restringidas a` capacidade de memória, precisão e velocidade de processamento desse hardware embarcado. O controle de alto n´ıvel e´ realizado de modo off-board, ou seja, todo o processamento mais complexo destinado ao controle de manobras e determinaça˜ o de trajetórias pode ser convenientemente executado por um computador de maior desempenho e melhores recursos, que ao final, transmite a aça˜ o de controle ao circuito de acionamento no ve´ıculo. Esta abordagem apresenta um problema básico em robótica que e´ a falta de eficiência da comunicaça˜ o entre robô e plataforma de processamento, haja vista que podem ocorrer falhas, atraso e até a perca de comunicaça˜ o, comprometendo assim o desempenho do sistema. O fato do processamento ser off-board cria um gargalo de desempenho do sistema, haja vista que se for considerado o tempo médio de uma iteraça˜ o do sistema em malha fechada e´ poss´ıvel perceber que o tempo gasto na comunicaça˜ o representa mais de 50% do tempo total da iteraça˜ o. R O microcontrolador utilizado no projeto foi o Atmega32 do fabricante Atmel (Atmel, 2011). De modo geral, os critérios de escolha dos componentes eletrônicos foram baseados no desempenho, baixo consumo, baixo custo e facilidade de obtença˜ o, sendo consequentemente, de fácil reposiça˜ o.. O processamento e a armazenagem on-board dos dados, além de ser mais rápida, permitindo a obtença˜ o de uma taxa de amostragem maior, e´ mais segura, pois evita a necessidade da transferência dos dados coletados para o computador remoto durante o experimento..

(37) 2. Plataforma Experimental. 36. A Figura 2.4 exibe a versão montada da placa de controle do RMMA com a indicaça˜ o dos principais componentes.. Figura 2.4: Placa devidamente montada. Toda a energia elétrica do sistema e´ provida por uma bateria recarregável de NiMh (N´ıquel-Hidreto Metálico) com tensão nominal de 7, 2volts e capacidade de 2.500mAh, conferindo uma autonomia média de 25 minutos de operaça˜ o ao ve´ıculo. Esta particularidade do robô representa um problema, pois existe um comprometimento do desempenho do sistema em relaça˜ o ao n´ıvel de carga da bateria. Para se fazer uso dos benef´ıcios deste esquema de alimentaça˜ o, algumas precauço˜ es foram tomadas, como a instalaça˜ o de filtros capacitivos e isoladores o´ pticos. Sem estas medidas, os ru´ıdos elétricos gerados pelo funcionamento e acionamento do motor, que e´ realizado por PWM (Pulse Width Modulation), poderiam comprometer o correto funcionamento de todo o circuito eletrônico. Pode-se definir então, de forma resumida, que o robô possui um sistema embarcado ou on-board de captaça˜ o de sinais e atuaça˜ o e um sistema off-board de processamento. O subsistema de comunicaça˜ o interliga estas duas partes principais de funcionamento do protótipo. Alguns subsistemas também podem ser definidos de forma a simplificar o entendimento.

(38) 2. Plataforma Experimental. 37. sobre o funcionamento da plataforma, tais como o subsistema de odometria, responsável pela leitura do encoder e posiça˜ o global do robô, o subsistema de mediça˜ o angular, responsável pela leitura dos potenciômetros que definem o aˆ ngulo de posicionamento dos trailers do ve´ıculo, o subsistema de acionamento, responsável pelo controle de velocidade e movimentaça˜ o do robô e o subsistema central, que acopla todas estas funcionalidades ao microcontrolador embarcado, bem como o subsistema de comunicaça˜ o. A Figura 2.5 mostra um esquema geral do sistema embarcado e dos subsistemas do protótipo.. Figura 2.5: Representaça˜ o do sistema embarcado e dos subsistemas do protótipo.. 2.3.1. Subsistema de Odometria. A odometria e´ muito utilizada na robótica móvel para a estimaça˜ o da posiça˜ o do robô (Borenstein e Feng, 1996). Seu princ´ıpio de funcionamento baseia-se na aquisiça˜ o e processamento de pulsos elétricos gerados por encoders. Estes por sua vez, são elementos eletromecânicos, capazes de detectar movimentos no eixos de rotaça˜ o onde estão instalados, convertendo-os em pulsos elétricos. Uma das grandezas que caracterizam o encoder e´ a relaça˜ o pulsos/volta, quanto maior a relaça˜ o, melhor e´ a resoluça˜ o do encoder. Através do encoder e´ poss´ıvel se determinar a relaça˜ o entre pulsos elétricos e voltas no eixo de rotaça˜ o, e assim, pode-se obter a distância percorrida pelo robô móvel e conse-.