[pt] IDENTIFICAÇÃO NÃO-LINEAR APLICADA A UM SISTEMA DE POSICIONAMENTO SUJEITO A ATRITO

[en] NONLINEAR IDENTIFICATION OF A POSITIONING SYSTEM SUBJECT TO FRICTION

[pt] ANTONIO WEILLER CORREA DO LAGO

[pt] MANIPULADORES ROBOTICOS

[pt] SERVOSSISTEMAS

[pt] MODELAGEM CAIXA-PRETA

[pt] MODELAGEM CAIXA-CINZA

[pt] IDENTIFICACAO DE SISTEMAS NAO-LINEARES

[pt] MODELOS DE ATRITO

[en] ROBOTIC MANIPULATORS

[en] SERVOSYSTEM

[en] BLACKBOX MODELING

[en] GREY-BOX MODELING

[en] SYSTEM IDENTIFICATION OF NON-LINEAR SYSTEMS

[en] FRICTION MODELS

[pt] A modelagem de sistemas servomecânicos é um dos principais desafios na areá de robôs manipuladores, devido a complexidade e não linearidade dos fenômenos envolvidos tornando sua modelagem de difícil concepção. Neste trabalho apresentamos uma bancada experimental original composta de um atuador linear e de um elo unidos por uma junta. Nesse contexto, por meio de medições experimentais, apresentamos duas abordagens de identificação para modelar o servossistema. A primeira abordagem, chamada de identificação de tipo caixa-cinza, busca otimizar os parâmetros do modelo dinâmico, focando principalmente na identificação dos parâmetros de diferentes modelos de atrito. No estudo utilizamos os modelos de Coulomb, Dahl e LuGre. O segundo método, de tipo caixa-preta, utiliza redes neurais artificiais (RNA) para estimar a posição e a velocidade angular futuras da bancada de testes. Os resultados indicam que os modelos de fricção que consideram o maior número de fenômenos tem as melhores performances e que as RNAs tem resultados melhores que o modelo caixa-cinza. Em particular, os modelos caixa-preta apresentaram uma melhora de 67% em termos de erro médio absoluto. Os resultados mostrados são importantes pois equivalentes digitais de sistemas mais acurados viabilizam simulações mais fidedignas em ambiente virtual.

[en] Modeling the dynamics of a servo mechanical system is one of the main challenges in robot manipulators, due to the the presence of complex and non-linear aspects of the phenomenons involved in it s modelling making it challenging to conceive an ideal representation. In this work we describe an original experimental bench composed of an electric actuator and a link joined by a joint. Using experimental measurements this projet has the objective of finding, through two different identification methods, a model that best represents the dynamics of the developed servosystem through experimental measurements. The first method consists in optimizing the parameters from different friction models using the grey-box type identification method. This work implements the Coulomb, Dahl and LuGre friction models. The blackbox method, utilizes artificial neural networks to predict the angular position and angular speed of the experimental bench. Analising the results, we observe that the models that considers the significant number of friction phenomena perform better. The results of the second method indicate a better performance than the grey-box method, showing a 67% reduction of the MAE error metric.

HELON VICENTE HULTMANN AYALA

LUCAS CASTRO SOUSA

2022-07-12

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=59934@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=59934@2

https://doi.org/10.17771/PUCRio.acad.59934