[pt] IDENTIFICAÇÃO NÃO LINEAR DE UM ATUADOR ROBÓTICO COM JUNTA FLEXÍVEL USANDO DADOS PROPRIOCEPTIVOS E DE VÍDEO

[en] NONLINEAR IDENTIFICATION OF A FLEXIBLE JOINT ROBOTIC ACTUATOR USING PROPRIOCEPTIVE AND VIDEO DATA

[pt] ANTONIO WEILLER CORREA DO LAGO

[pt] VISAO COMPUTACIONAL

[pt] ATUADOR ROBOTICO

[pt] APRENDIZADO DE MAQUINA

[pt] ATUADOR ELASTICO EM SERIE

[pt] IDENTIFICACAO DE SISTEMAS

[en] COMPUTER VISION

[en] ROBOTIC ACTUATOR

[en] MACHINE LEARNING

[en] SERIES ELASTIC ACTUATOR

[en] SYSTEM IDENTIFICATION

[pt] No contexto de robos colaborativos, há um crescente interesse em Atuadores Elásticos em Série impulsionado pela necessidade de garantir segurança e funcionalidade. No entanto, as não linearidades inerentes a esses atuadores, como atrito, folga nas engrenagens e ruído, aumentam significativamente o desafio de controlar e modelar tais dispositivos. Além disso, um elemento elástico adiciona uma nova não linearidade. Visando essas características, este trabalho propõe um extenso trabalho de identificação do sistema para obter um modelo para um atuador elástico em série baseado em elastômero de baixo custo e original. As metodologias propostas investigam diferentes características do sistema. A primeira se concentra em modelar as não linearidades da junta elástica por meio de um modelo híbrido. A segunda contribuição visa examinar a precisão de redes neurais informadas por física para identificação de caixa cinza de parâmetros de atrito. Por último, é proposto uma metodologia para obter os estados da montagem usando vídeo. A partir dessas estimativas, é proposta uma identificação de caixa cinza usando vídeo. Todos os três estudos utilizam os dados da montagem do atuador. As duas primeiras contribuições obtiveram resultados importantes indicando a eficiência das metodologias propostas. A terceira contribuição mostrou o potencial da nova abordagem de identificação baseada em vídeo.

[en] In the context of human interactive robotics, there is a growing interest in Series Elastic Actuators (SEA), driven by the critical need to ensure safety and functionality. Moreover, a precise model is required to obtain optimal control. However, the inherent nonlinearities of those actuators, such as friction, gear backlash, and noise, greatly increase the challenge of controlling and modeling such devices. Furthermore, a compliant element adds a new nonlinearity, making the modeling task more challenging. Aiming to tackle these issues, this work proposes extensive system identification to obtain mathematical models characterizing the dynamics of an original low-cost elastomer-based SEA. The proposed methodologies investigate different characteristics of the system. The first focuses on modeling the elastic joint s nonlinearities through a hybrid model. The second contribution aims to examine the accuracy of physics-informed neural networks for gray-box identification of friction parameters. Lastly, a framework to obtain the states of the assembly using video is proposed. From these estimations, a gray-box identification using video is proposed. All three studies use the data from the actuator assembly. The first two contributions obtained important results indicating the efficiency of the proposed methodologies. The third contribution showed the potential of the novel video-based identification approach.

IGOR BRAGA DE PAULA

HELON VICENTE HULTMANN AYALA

MARCO ANTONIO MEGGIOLARO

IGOR BRAGA DE PAULA

HELON VICENTE HULTMANN AYALA

DANIEL HENRIQUE BRAZ DE SOUSA

2024-11-21

2024-10-04

[pt] TEXTO

application/pdf

INGLÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68650@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68650@2

https://doi.org/10.17771/PUCRio.acad.68650