Cinemática inversa de robot serial utilizando algoritmo genético basado en MCDS

Inverse kinematics of a serial robot using SDKM- based genetic algorithm

  • Juan Jairo Vaca González Universidad Nacional de Colombia
  • Cristhian Andrés Peña Caro Universidad Nacional de Colombia
  • Harold Vacca González Universidad Distrital Francisco José de Caldas

Resumen (es_ES)

Los robots manipuladores seriales son herramientas eficaces para realizar tareas repetitivas y de precisión en la industria, siempre que se comprenda la cinemática involucrada en el posicionamiento y orientación del efector final. Este artículo presenta una metodología para resolver el problema cinemático inverso de un robot serial (Melfa RV-2A) utilizando un algoritmo genético (AG) a partir del modelo cinemático directo Screws (MCDS). Para esto, se obtienen los parámetros Screw que modelan el robot, se calcula el espacio de trabajo asociado y se diseña el AG contemplando una función multi-objetivo de alcance de posición y orientación en que se sitúa el efector final, con respecto a una coordenada y orientación de un punto objetivo establecido. La validación del AG se realiza según la aptitud, el tiempo de convergencia y la cantidad de generaciones usadas por la función para alcanzar el objetivo. Por tanto, la implementación de un AG basado en un MCDS es una herramienta prometedora que podría utilizarse para calcular la cinemática inversa de robots seriales. Esta novedosa implementación permite establecer por primera vez la exposición matricial de un sistema cinemático directo para obtener la solución cinemática inversa de un robot serial. En consecuencia, se demuestra que esta es una metodología factible y eficiente para solucionar la cinemática inversa de cualquier tipo de robot manipulador.

Resumen (en_US)

Serial robotic manipulators are efficient tools to carry out repetitive and precision tasks in industry, as long as there is understanding of the involved kinematics in the positioning and orientation of the final effector. This article presents a methodology to the solution of an inverse kinematic serial robot (Melfa RV-2A) problem through genetic algorithm (GA) implementation using the Screws direct kinematic model (SDKM). In order to do this, the Screws parameters that model the main four robot joints are obtained, the related workspace is calculated and the GA is designed considering a multi objective function of position and orientation located in the final effector, with respect to a coordinate and orientation of an established target point. The GA validation is carried out according to aptitude, convergence time and number of generations used in order to reach the main objective. Therefore, the implementation of a SDKM-based AG is a promising tool that could be used to calculate the inverse kinematic of serial robots. This novel implementation allows to establishing for the first time the matrix exhibition of a direct kinematic system to obtain the inverse kinematic solution of a serial robot. In consequence, it is demonstrated that this methodology is feasible and efficient to solve the inverse kinematic of any manipulator robot.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Juan Jairo Vaca González, Universidad Nacional de Colombia
Ingeniero de Diseño y Automatización Electrónica, especialista en Diseño Mecatrónico PLM; magíster en Ingeniería Biomédica, estudiante de doctorado en Ingeniería – Ciencia y Tecnología de los Materiales, Universidad Nacional de Colombia, Bogotá.
Cristhian Andrés Peña Caro, Universidad Nacional de Colombia
Ingeniero de Diseño y Automatización Electrónica, especialista en Diseño Mecatrónico PLM, estudiante de maestría en Ingeniería Mecánica en la Universidad Nacional de Colombia, Bogotá.
Harold Vacca González, Universidad Distrital Francisco José de Caldas
Licenciado en matemáticas, magíster en Matemáticas Aplicadas, docente de la Universidad Distrital Francisco José de Caldas, Bogotá.

Referencias

Aguilar, O. A., & Huegel, J. C. (2011). Inverse Kinematics Solution for Robotic Manipulators Using a CUDA-Based Parallel Genetic Algorithm. In I. Batyrshin & G. Sidorov (Eds.), Advances in Artificial Intelligence (Vol. 7094, pp. 490-503): Springer Berlin Heidelberg.

Albert, F. Y. C.; Koh, S. P.; Chen, C. P.; Tiong, S. K., & Edwin, S. Y. S. (2011). S.Y.S. Paper presented at the International Conference on Computer Engineering and Applications, Singapore.

Araujo, L., y Cervigon, C. (2009). Algoritmos evolutivos: Un enfoque práctico (Vol. 1). Madrid: Ed. RaMa.

Barrientos, A.; Peñín, L. F.; Balaguer, C., & Santoja, R. A. (2007). Fundamentos de robótica (Vol. 2). Aravaca, Madrid: McGraw-Hill.

Bravo, S. Á. (2012). Evaluación de técnicas evolutivas en el cálculo de la cinemática inversa de robots manipuladores. Ingeniería Técnica en Electrónica, Universidad Carlos III de Madrid.

Carvalho, L., & Gaspar, E. (1991). The solution of the inverse kinematic problem of robot arm with neural networks. Paper presented at the IX Brazilian Congress on Mechanical Engineering, Brasil.

Denavit, J., & Hartenberg, R. S. (1955). A kinematic notation for lower-pair mechanisms based on matrices. Journal of Applied Mechanics, 22, 215-221.

Duffy, J., & Crane, C. (1980). A displacement analysis of the general spatial 7-link, 7R mechanism. Mechanism and Machine Theory, 15(3), 153-169.

Gibbs, J. (1996). Easy inverse kinematics using genetic programming. Paper presented at the GP-96 Conference.

Giraldo, L.; Delgado, E., y Castellanos, G. (2006). Cinemática Inversa de un Brazo Robot Utilizando Algoritmos Genéticos. Revista Avances en Sistemas e Informática, 3(1), 29-34.

Gonzálvez, B. A., e Iglesias, J. I. C. (2002). Identificación de parámetros cinemáticos de un robot industrial mediante un sistema de rastreo láser. PhD, Universidad Politécnica de Valencia.

Guez, A., & Ahmad, Z. (1988). Solution to the inverse kinematics problem in robotics by neural networks. Paper presented at the International Conference on Neural Networks, San Diego, Ca.

Jamshidi, M., S., C. d.; Krohling, A. R., & Fleming, J. P. (2005). Robust Control systems with genetic algorithms. International Journal of Robust and Nonlinear Control, 15(7), 210.

Kalra, P., & Prakash, N. R. (2003). A Neuro-genetic Algorithm Approach for solving the inverse kinematics of Robotic Manipulators. Systems, Man and Cybernetics, 2003. IEEE International Conference, 2, 1979-1984.

Khalil, W., & Dombre, E. (2004). Chapter 6 - Inverse kinematic model of serial robots. In W. Khalil & E. Dombre (Eds.), Modeling, Identification and Control of Robots (pp. 117-144). Oxford: Butterworth-Heinemann.

Khwaja, A. A.; Rahman, M. O., & Wagner, M. G. (1998). Inverse Kinematics of Arbitrary Robotic Manipulators Using Genetic Algorithms. In J. Lenarčič & M. Husty (Eds.), Advances in Robot Kinematics: Analysis and Control (pp. 375-382): Springer Netherlands.

Köker, R. (2013). A genetic algorithm approach to a neural-network-based inverse kinematics solution of robotic manipulators based on error minimization. Information Sciences, 222, 528-543.

Lee, C., & Ziegler, M. (1984). Geometric approach in solving inverse kinematics of puma robots. IEEE Transactions on Aerospace and Electronic Systems, 20(5), 1-27.

Murray, R. M.; Li, Z., & Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation (Vol. 2): CRC Press.

Oyama, E.; Chong, N.; Agah, A.; Maeda, T., & Tachi, S. (2001). Inverse kinematics learning by modular architectore neural networks with performance perdiction networks. Paper presented at the International Conference on Robotics and Automation.

Parker, J.; Khoogar, A., & Goldberg, D. (1989). Inverse kinematics of redundant robots using genetic algorithms. Paper presented at the International Conference on Robotics and Automation.

Pieper, L. D. (1968). The kinematics of manipulators under computer control. PhD, Stanford University (457).

Primrose, E. J. F. (1986). On the input-output equation of the general 7R-mechanism. Mechanism and Machine Theory, 21(6), 509-510.

Siciliano, B.; Sciavicco, L.; Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control (Vol. 1). London: Springer-Verlag.

Tabandeh, S.; Clark, C., & Melek, W. (2006). A Genetic Algorithm Approach to solve for Multiple Solutions of Inverse Kinematics using Adaptive Niching and Clustering. Paper presented at the IEEE Congress on Evolutionary Computation, Sheraton Vancouver Wall Centre Hotel, Vancouver, BC, Canada.

Tsai, L. W. (1999). Robot Analysis: The Mechanics of Serial and Parallel Manipulators (Vol. 1). New York: John Wiley & Sons, Inc.

Zomaya, A. (1994). Transputer Ensembles for Embedded Robotics Computations. Transputer Communications, 2, 151-170.

Cómo citar
Vaca González, J. J., Peña Caro, C. A., & Vacca González, H. (2015). Cinemática inversa de robot serial utilizando algoritmo genético basado en MCDS. Tecnura, 19(44), 33-46. https://doi.org/10.14483/udistrital.jour.tecnura.2015.2.a02
Publicado: 2015-04-01
Sección
Investigación