Sistema de controle para um Andador Robótico inteligente

• Autor(a) principal: Cavalcanti, Samuel
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/50464
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA; Aprendizado de máquina; Robô de acionamento diferencial; Controlador cinemático; Machine learning; Differential wheeled robot; Kinematic control

O principal objetivo deste trabalho é criar um sistema de controle para um andador robótico inteligente de acionamento diferencial. O sistema deverá ser capaz de mover o robô para uma posição desejada em um ambiente livre de obstáculos. Este trabalho também visa estudar e avaliar algoritmos de aprendizado de máquina na elaboração de um sistema de controle cinemático. Primeiro foi feito um levantamento literário sobre a utilização de aprendizado de máquina para criação de controladores cinemáticos em robôs moveis de acionamento diferencial. Segundo foi construído uma versão do robô no simulador Coppeliasim. Terceiro foi projetado um controlador cinemático, onde dois modelos cinemáticos foram obtidos através dos treinamentos de duas redes neurais artificiais. A quantidade de nós e funções de ativação das redes neurais foram obtidas através das equações que limitam o movimento cinemático do robô. Um modelo faz uma regressão não linear dos parâmetros das equações, já outro modelo realiza uma regressão linear. Os dados utilizados para o treinamento da rede são obtidos através da criação de algoritmos de coleta de dados e pré-processamento. Já o controlador utiliza uma abordagem clássica que possui dois controladores Proporcionais, integrais, derivativos (P.I.D), onde ambos os parâmetros dos P.I.Ds foram obtidos empiricamente. Para avaliar os modelos cinemáticos foi calculado o modelo analítico e mensurado o erro quadrático médio de todos os modelos em um conjunto de testes. Para avaliar todo o sistema foi posicionado um alvo e observado o robô no seu trabalho em chegar até alvo mensurando a distância do robô até o alvo e o seu angulo ao longo do tempo. Os resultados do erro quadrático médio e os gráficos de distância e angulo sobre o tempo mostraram que os dois modelos cinemáticos são equivalentes ao modelo analítico. Comparando os parâmetros do modelo que realiza a regressão não linear com o modelo analítico, percebe-se os parâmetros como os raios das rodas e a distância entre as rodas se aproximaram da solução analítica. No entanto os modelos encontraram um par de ângulos das rodas diferente da solução analítica. Foi concluído durante o levantamento literário que utilizar a abordagem clássica para criar um controlador é melhor do que utilizar aprendizado de máquina no contexto deste trabalho. Aprendizado de máquia usa mais de memória e processamento e possui resultados equiparáveis a abordagem clássica. Foi concluído que encontrar o modelo cinemático de forma analítica é mais simples do que usando algoritmos de aprendizado de máquina, no entanto aplicar a modelagem de sistemas para encontrar os números de camadas e funções de ativação de uma rede neural artificial resultou em um modelo equivalente a solução analítica.