Introdu - PowerPoint PPT Presentation

1 / 55
About This Presentation
Title:

Introdu

Description:

Title: Slide sem t tulo Author: PPGEE Last modified by: DCA Created Date: 1/19/1999 12:20:43 PM Document presentation format: Apresenta o na tela – PowerPoint PPT presentation

Number of Views:36
Avg rating:3.0/5.0
Slides: 56
Provided by: PPGEE
Category:

less

Transcript and Presenter's Notes

Title: Introdu


1
Introdução ao controle de robôs
  • Luiz Marcos

2
Cinemática x Dinâmica
Dinâmica x Atraso
Contínuo x Discreto
3
Tipos de Sistemas de Controle
  • Malha aberta
  • Malha fechada

4
Malha aberta
  • A entrada define o comportamento do controlador,
    cérebro do sistema, e este responde agindo no
    ambiente, sem verificar depois se o nível da
    grandeza física corresponde de fato à entrada
  • Não há sensor para observar algum eventual
    desvio, nem realimentação, para corrigi-lo.

5
Exemplo
  • Uma fonte de alimentação regulada com transistor
    é, na realidade, um sistema de controle de malha
    aberta
  • Se a corrente da carga variar, a tensão na saída
    pode variar até algumas dezenas de mV, devido à
    variação na tensão Vbe.

6
Transistor
7
Diagrama de blocos (Malha Aberta)
  • A entrada é o nível desejado da grandeza
    controlada (comando ou programação). O
    controlador avalia este sinal e envia um sinal
    (que pode ser elétrico ou mecânico, conforme o
    sistema) ao atuador, que é o elemento que age no
    ambiente de modo a alterar a grandeza.
  • Sistema de Malha Aberta
  • Grandeza não Automático

8
Diagrama de blocos (M. Aberta)
Sistema de Malha Aberta Grandeza não Automático
9
Aplicações
  • Os SC em malha aberta são usados onde a
    freqüência ou a conseqüência dos desvios não
    justificam a complexidade e o custo maior dos em
    malha fechada.
  • Não são aplicados em robótica (a não ser em casos
    onde não é necessário checar o erro).

10
Malha fechada
  • É verificada a ocorrência de desvios
  • Sensor monitora saída, fornecendo um sinal que
    retorna à entrada, formando uma malha de
    realimentação.
  • A entrada e esta realimentação se juntam num
    comparador, que combina ambos e fornece um sinal
    de erro, diferença entre os sinais, que orienta o
    controlador.

11
Exemplo simples
  • O operador de um reservatório verifica se o nível
    máximo foi atingido através de uma régua de
    nível, que é o sensor.
  • Sinal de erro, a diferença entre o nível máximo
    (saída desejada) e o nível atual (saída real), é
    analisado para abrir ou fechar o registro.
  • Operador é ao mesmo tempo o comparador, o
    controlador e o atuador neste sistema elementar.

12
Diagrama blocos (Malha Fechada)
  • Adicionar sensor ao SC de m. aberta
  • Enviar sinal de erro ao bloco somador que fornece
    um sinal efetivo ao controlador.
  • Este sinal é a entrada do controlador, que o
    avalia e tenta corrigir o desvio captado pelo
    sensor, através de um novo comando ao atuador.

13
Diagrama de blocos (M. Fechada)
Sistema de Malha Fechada Grandeza Automática
14
Aplicações
  • SC em malha fechada são mais precisos, pois
    detectam e corrigem os desvios.
  • A maioria dos sistemas atuais, analógicos ou
    digitais, é deste tipo.
  • Sistemas controle para robótica são
    necessariamente desta categoria.

15
Controle
  • Sistema robótico mede o seu próprio estado e age
    (decisões autônomas)
  • Feedback Control originou-se na Grécia antiga.
  • Relógios de água um grande tanque, um orifício
    pequeno para medir a vazão, uma válvula para
    regular a quantidade de água no tanque (mantendo
    o nível, a pressão é constante).

16
Redescobrindo os controladores
  • 1600 Controle da temperatura num fogão
  • Variação do volume de mercúrio fecha e abre a
    entrada de ar
  • 1700 mesmo sistema utilizado para chocar ovos
  • Final do século 16 mecanismo melhorado com
    melhor sensibilidade. Primeiro controlador
    comercial...

17
Sistema de Controle
Sinal de erro
Energia de entrada
Estado desejado
Sinal de feedback
Amplificador
Soma
E(t)
e(t)
s(t)
y(t)
Robô ou dispositivo
y(t)
Estado medido ou real
18
Exemplo seguidor de paredes
  • Material um robo móvel equipado com sensor
    infra-vermelho
  • Void calibrate(int goal) /Calibra o sensor
    definindo uma distância da parede/
  • void main()
  • calibrate(goal) left(100) right(100)
  • while (1)
  • int wall analog(LEFT_WALL)
  • if(wallltgoal) left(100) right(0)
  • else right(100) left(0)

19
Gráficos (distância x tempo)
D40
20
Distância x tempo
D30
21
Virando mais suave
  • void main()
  • calibrate(goal) left(100) right(100)
  • while (1)
  • int wall analog(LEFT_WALL)
  • if(wallltgoal) left(100) right(50)
  • else right(100) left(50)

22
Distância x tempo
D40
23
Sistema de Controle
?(t)
u(t)
e(t)
s(t)
y(t)
y(t)
24
Motores
25
Controladores
  • Liga-Desliga (on-off)
  • Proporcional (P)
  • Proporcional Integral (PI)
  • Proporcional Derivativo (PD)
  • Proporcional Integral Derivativo (PID)

26
Controle liga-desliga
27
Mecanismo (roda)
0
Roda (massa grande)
Engrenagens
Sensor (encoder)
Motor
28
Proporcional
  • Ganho é proporcional ao erro medido
  • Exemplo controlar a posição de um motor
  • void main()
  • int posit_goal0
  • encoder_posit100 /Var. compartilhada/
  • while (1)
  • power posit_goal - encoder_posit
  • motor(power)

29
Posição e potência x tempo
100
0
-100
30
Melhorando o Proporcional
  • Introdução de um fator multiplicativo faz ir mais
    rápido ao ponto desejado
  • void main()
  • int posit_goal100
  • encoder_posit0
  • while (1)
  • powerp_gain(posit_goal- encoder_posit)
  • motor(power)
  • Problema com ganhos altos over-shoot,
    oscilações. Potência total é desejada se longe do
    objetivo. Ganho alto pode causar potência alta
    mesmo estando próximo.

31
Posição e potência x tempo
  • Ganho 10

100
0
-100
32
Posição e potência x tempo
  • Ganho 20

100
0
-100
33
Posição e potência x tempo
  • Ganho 50

100
0
-100
34
Proporcional derivativo
  • Problema momento faz ir além do ponto, mesmo
    desligando o motor
  • Momento massa x velocidade (diretamente
    proporcional a velocidade)
  • Dobra velocidade gt dobra momento).
  • Termo derivativo resolve overshooting e
    oscilações

35
Proporcional derivativo
  • Introdução do term d_gain (velocidade)
  • void main()
  • int posit_goal0
  • encoder_posit100
  • while (1)
  • powerp_gain(posit_goal- encoder_posit)
  • d_gainencoder_velocity
  • motor(power)

36
Posição e potência x tempo
100
0
-100
37
Integral
  • Usa um integrador como controlador (um circuito
    que executa a operação matemática da integração).
  • Soma produtos dos valores instantâneos de entrada
    por intervalos de tempo t.
  • Desde o instante inicial até o final (período de
    integração).
  • Isto corresponde à área entre a curva da grandeza
    e o eixo do tempo, num gráfico.

38
Integral (cont.)
  • Ex. Se grandeza G (const), integral entre
    t1 0 e t2j será igual a G t2 (ou Gj) área,
    no gráfico da grandeza, de um retângulo naquele
    intervalo de tempo.
  • Um gráfico da integral de t1 a t2 é uma reta
    desde 0 até Gj, pois a área (ou o somatório)
    aumenta à medida que o tempo passa.

39
Integral (cont)
  • Integrador torna o sistema lento
  • Resposta depende da acumulação do erro na
    entrada
  • Leva a um erro de regime nulo (não é necessário
    um sinal de entrada para haver saída do
    controlador)
  • Acionamento do atuador após o período
    transitório.
  • Assim o controle é muito preciso, embora mais
    lento.

40
Posição e potência x tempo
100
0
-100
41
Hierarquia de controle (robô móvel)
Sensor interno
Sensor interno
42
Níveis de controle
  • 3 níveis de controle
  • controlador de velocidade dos motores
  • controlador de ângulo e velocidade linear do
    robô
  • desvio de obstáculos e busca pelo alvo.

43
Controlador dos motores
44
Controlador de ângulo e velocidade linear
45
Desvio de obstáculos
teta180/piatan((S1sin(pi/4)-S3sin(pi/4))/(S2S
1cos(pi/4)S3cos(pi/4)))
46
Busca do alvo
47
Posição (integração dos enconders)
48
Controle de alto nível (Comportamento)
  • O relacionamento funcional dos estímulos
    sensoriais com as ações efetuadas sobre os
    atuadores do robô
  • Ações devem ser executadas a partir de um plano
    de ação e de um modelo interno do ambiente

49
Tipos de controle
  • 1) Reactive control
  • 2) Deliberative control
  • 3) Hybrid control
  • 4) Behavior based control (sub-sumption)

50
Controle reativo
  • Não pense, reaja!
  • Ambiente imprevisível cheio de obstáculos
    estáticos e dinâmicos
  • Restrição de tempo de execução da tarefa
  • Desenvolvimento de sistemas onde as ações dos
    robôs móveis sãodeterminadas pelas situações
    imediatas do ambiente, detectadas porseus
    sensores.

51
Controle reativo (cont.)
  • Facilmente implementável
  • Não requer intermédio do cérebro
  • Apenas um mapeamento de sensores a ações
  • Construir um conjunto de regras
  • Exige pouco processamento on-line
  • Alta velocidade
  • Similar a reflexos em seres humanos
  • Muito usado em seres inferiores (siris)

52
Exemplo visto
  • Robô com emissores/sensores IR na frente e duas
    rodas laterais
  • Nenhum sensor satura em frente
  • Satura direito vire à esquerda
  • Satura esquerdo vire à direita
  • Satura os dois vire aleatoriamente para um dos
    lados

53
Controle deliberativo
  • Planeje e pense bastante, então execute ação!
  • Certas tarefas permitem uma melhor análise do
    ambiente e planejamento baseado em informações
    adquiridas via sensores e dados conhecidos
  • Pode levar o robô a encontrar uma boa solução
    para sua tarefa, mesmo perdendo tempo de
    processamento para tomar a decisão

54
Controle híbrido
  • Seja eficiente! Pense se der tempo!
  • Comportamento deliberativo pode comprometer o
    tempo de resposta de um robô
  • Idéia unir os comportamentos
  • Caso seja necessário (e dê tempo para) pensar,
    faça, caso contrário, execute uma ação de forma
    reativa.

55
Arquitetura subsumption (MIT)
  • Baseado em comportamentos básicos
  • Comportamentos de mais alto nível são definidos
    por vários de mais baixo nível
  • Processo markoviano (definir ação de alto nível
    em função do estado perceptual atual de um robô).
  • Uso de aprendizado ou de heurísticas para definir
    políticas (Q-Learning, NN).
Write a Comment
User Comments (0)
About PowerShow.com