CinemÃ¡tica inversa de un manipulador robÃ³tico con redes neuronales

More documents

Recommendations

Info

ENINVIE Encuentro de Investigación en IE, 4—5 Marzo, 2004 34 Haciendo uso del modelo teórico de cinemática directa, se obtienen 10 datos en donde se muestran los valores cartesianos así como sus respectivos ángulos de las articulaciones del MR Valores de entrada Cálculo cinemático teórico Respuesta de la RN X Y Z θ 1 θ 2 θ 3 θ 4 θ 1 θ 2 θ 3 θ 4 603.0000 0.0000 0 0 0 0 0 0.0324 0.1863 0.3241 0.0085 467.7941 82.4847 0 10 0 0 0 10.2678 -0.165 0.2455 0.0313 446.3639 162.4632 0 20 0 0 0 19.6288 0.2526 -0.295 -0.031 411.3712 237.5053 0 30 0 0 0 29.8397 0.0846 -0.180 -0.025 363.8792 305.3309 0 40 0 0 0 40.1658 -0.132 0.0910 0.0021 305.3309 363.8792 0 50 0 0 0 50.2318 -0.141 0.2029 0.0199 237.5053 411.3712 0 60 0 0 0 60.0394 0.0029 0.0964 0.0183 162.4632 446.3639 0 70 0 0 0 69.8402 0.1038 -0.097 -0.002 82.4847 467.7941 0 80 0 0 0 79.8914 0.055 -0.170 -0.021 0.0000 603.0000 0 90 0 0 0 90.0990 -0.060 0.1050 0.0075 Tabla 2.-Valores cinemáticos teóricos y respuesta de la red neuronal Figura 2- Gráfica del modelo cinemático y la respuesta de la RN para un arco. Usando la prueba de Chi cuadrada H 0 : Los datos de la RN se distribuyen de la misma forma que los datos del modelo cinemático. Ha : Los datos de la RN no se distribuyen de la misma forma que los datos del modelo cinemático. 34
ENINVIE Encuentro de Investigación en IE, 4—5 Marzo, 2004 35 Nivel de confianza utilizado: 0.95 Grados de libertad n-1: 9 Valor de tablas: 2.733 Calculando los valores de Chi cuadrada para cada ángulo se obtiene: Valor de Chi cuadrada para θ 1 : 0.0522 Valor de Chi cuadrada para θ 2 : 0.0219 Valor de Chi cuadrada para θ 3 : 0.0411 Valor de Chi cuadrada para θ 4 : 0.0005 Como el valor de Chi cuadrada para cada ángulo es inferior al de tablas se acepta H 0 . IV. CONCLUSIONES Y TRABAJO FUTURO Concluyendo, los datos de salida de la RN describen correctamente los planteados por el modelo cinemático. Se puede afirmar, que solo basta resolver el modelo cinemático directo del MR y aplicar una RN que resuelva el modelo teórico de cinemática inversa, sin necesidad de resolver el modelo analítico. RECONOCIMIENTOS Al Instituto Nacional de Investigaciones Nucleares por permitirnos la entrada y facilitarnos el manipulador robótico Scorbot ER-III. REFERENCIAS [1] P. J. Alsina, N. S. Gehlot “Direct and inverse kinematics of robotic manipulator based on modular neural networks ”, ICARCV 94, p. 1743-7, Vol. 3 [2] Manseur, R., Dot Keith “ A fast algorithm for reverse kinematics analysis of robot manipulator “ International Journal of Robotics Research, 7:3, 1998. [3] Bazerghi A., Goldenberg A. “ An exact kinematics model of PUMA 600 manipulator “ IEEE transaction on Systems, Man an Cybernetics, Vol. 14, No. 3 1984. [4] Zhuang, H., Roth Z. “ A complete and parametrically continuous kinematics model for robot manipulators “ , Vol. 8, No. 4, 1992 [5] S. Dreiseitl, T. Kobik “ Neural processed inverse kinematics of robot manipulators ”, ICARCV 94, pp. 1748-51, Vol. 3. [6] Gorinevsky D., Connoly T. “ Comparations of some neural network and scattered data aproximations : The inverse manipulator kinematics example “ Neural computation Vol. 6, Num. 3, pp. 521-542. [7] Xiao-Xuyu “ Efficient backpropagation learning rate and momentum “ Neural Networks, Vol. 10, No. 3 pp. 517-527, 1997. [8] Lee L. “ Trainning feedforward neural networks : An algorithm givin improved generalitation “ Neural Networks, Vol. 10, No. 1, pp. 61-68, 1997. [9] Magoulas D., G; Vrahatis N., M.; Androulakis S., G. “ Effective backpropagation training with variable stepsize “Neural Networks, Vol. 10, No. 1, pp. 69-82, 1997. [10] Schittenkopf C.; Deco G.; Brauner W. “ Two strategies to avoid overfitting in feedforward networks “Neural Networks, Vol. 10, No. 3, pp. 505-516, 1997. 35
Page 1 and 2: ENINVIE Encuentro de Investigación
Page 3: ENINVIE Encuentro de Investigación

CinemÃ¡tica inversa de un manipulador robÃ³tico con redes neuronales

Create successful ePaper yourself

Delete template?

Save as template?