35 L

INSTITUTO POLITCNICO NACIONAL
ESCUELA SUPERIOR DE INGENIERA MECNICA Y ELCTRICA

SECCIN DE ESTUDIOS DE POSGRADO E INVESTIGACIN
DISEO DE MECANISMOS UTILIZANDO ALGORITMOS

GENTICOS CON APLICACIN EN PRTESIS PARA
MIEMBRO. INFERIOR
TESIS
QUE PARA OBTENER EL GRADO DE:
DOCTOR EN CIENCIAS
CON LA ESPECIALIDAD EN
INGENIERA MECNICA
PRESENTA:
M. EN C. ESTHER LUGO GONZLEZ
DIRECTOR: DR. EMMANUEL ALEJANDRO MERCHN CRUZ

DIRECTOR: DR. LUIS HCTOR HERNNDEZ GMEZ
Mxico D.F. Junio 2010
Agradecimientos
Agradecimientos
Al:
Instituto Politcnico Nacional

Escuela Superior de Ingeniera Mecnica y Elctrica
Seccin de Estudios de Posgrado e Investigacin
Consejo Nacional de Ciencia y Tecnologa

A mis asesores y amigos
Dr. Guillermo Urriolagoita Caldern
Dr. Luis Hector Hernndez Gmez
Dr. Emmanuel A. Merchn Cruz
Dr. Guillermo Urriolagoita Sosa
Dr. Alexander Balankin
Dr. Samuel Alcntara Montes.
De manera especfica, a los apoyos derivados del Programa Institucional de
Formacin de Investigadores (PIFI), como Becario del programa y tesista en los proyectos:
SIP-20071298 Anlisis y sntesis de un mecanismo antropomrfico sub-actuado para el
desarrollo de una prtesis robtica, diseo y construccin del prototipo
SIP-20082296 Caracterizacin de la dinmica del cuerpo humano mediante un sistema
basado en acelermetros micro-electro-mecnicos (MEMS).
En particular, se agradece el apoyo otorgado por medio de los proyectos
SEP/CONACyT:
2005/49701 Robtica y Microtecnologa aplicada en la Ingeniera Biomecnica para el
Desarrollo de Prtesis y Equipo con Tecnologa Nacional
2007/1298 Anlisis y sntesis de un mecanismo antropomrfico subactuado para el desarrollo
de prtesis robtica, diseo y construccin del prototipo.
Apoyo para la formacin de Doctores en Ciencias en su modalidad a Tesis
Doctoral del CONACYT como becario doctoral con nmero de registro 204151 y
CVU 47822.
I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO
NDICE
NDICE GENERAL
ndice de figuras
ndice de tablas
Simbologa
Objetivo
Justificacin
Resumen
Abstract
Introduccin
iii
vi
viii
ix
ix
xi
xii
xiii
I. Estado del arte.

1.1 Generalidades
1.2 Mtodos para la sntesis de mecanismos.
1.3 Tcnicas de computacin inteligente.
1.3.1 Algoritmos genticos.
1.3.2 Lgica difusa.
1.3.3 Redes neuronales.
1.4 Optimizacin en la sntesis de mecanismos.
1.5 Mecanismos utilizados en prtesis para miembro inferior.
1.5.1 Prtesis inteligentes.
1.6 Planteamiento del problema.
1.7 Objetivos del proyecto y organizacin de la tesis
1.8 Sumario
1
2
2
4
5
7
8
9
10
14
19
21
23
II. Fundamentos tericos.

2.1 Generalidades.
2.2 Anlisis y Sntesis de mecanismo
2.3 Clasificacin de mecanismos
2.3.1 Mecanismos Planos
2.3.1.1 Mecanismo plano de 4 barras.
2.3.1.1.1 Grados de libertad
2.3.1.1.2 Ley de Grashof.
2.3.1.1.3 Anlisis de posicin, velocidad y aceleracin
2.3.1.1.4 Espaciamiento de Chebychev
2.3.1.1.5 Sntesis de mecanismos manivela oscilador
2.3.1.1.6 Mtodo de Newton Raphson para la solucin de funciones no lineales.
2.3.1.1.7 Sntesis analtica con algebra compleja.
2.3.1.1.8 Centro Instantneo de Rotacin en un mecanismo policntrico.
2.3.1.2 Implementacin de los mtodos en la sntesis de un mecanismo de 4
eslabones.
2.3.1.3 Mecanismos de seis barras.
2.3.2 Mecanismos espaciales.
2.4 Descripcin de Algoritmo Gentico.
2.5 Descripcin de un sistema lgico difuso.
2.6 Sumario
25
26
26
28
28
29
29
30
31
32
33
34
37
41
42
44
45
47
56
58
III. Simulacin y sntesis de mecanismos.

3.1 Generalidades de la sntesis de mecanismos
3.2 Sntesis de mecanismos con Algoritmos Genticos.
60
61
62
NDICE
3.3 Anlisis cinemtico de un mecanismo plano para generacin de trayectoria
3.3.1 Ejemplo de aplicacin, mecanismo de 4 barras.
3.3.1.1 Trayectoria lineal
3.3.1.2 Trayectoria de la marcha.
3.3.2 Sntesis de mecanismos de seis barras.
3.3.2.1 Sntesis analtica para un mecanismo tipo Watt-1
3.3.2.2 Sntesis analtica para un mecanismo tipo Stephenson-III.
3.3.2.3 Ejemplos de aplicacin, mecanismo tipo Watt-1.
3.3.2.4 Ejemplos de aplicacin, mecanismo tipo Stephenson-III.
3.4 Sumario.
72
72
73
78
82
82
86
88
92
96
IV. Optimizacin de mecanismos.

4.1 Introduccin a la optimizacin.
4.2 Optimizacin.
4.3 Ajuste en el rendimiento de los parmetros del AG.
4.4 Diseo ptimo en la sntesis de mecanismos.
4.4.1 Optimizacin del mecanismo de cuatro eslabones.
4.4.1.1 Trayectoria lineal con optimizacin de parmetros en el AG.
4.4.1.2 Trayectoria elptica con optimizacin de parmetros en el AG, 18 puntos de
precisin
4.4.2 Optimizacin de un mecanismo de seis eslabones.
4.4.2.1 Configuracin tipo Watt-I
4.4.1 Mecanismo de 6 eslabones para cubrir 18 puntos de precisin
4.5 Sumario
98
99
100
101
104
105
106
110
113
114
116
120
V. Anlisis de resultados.
5.1Prtesis policntricas
5.2. Rangos de movimiento de la rodilla
5.3 Caractersticas de mecanismos aplicados a prtesis policntrica.
122
123
123
125
5.3.1 Centro Instantneo de Rotacin (CIR) en una prtesis policntrica

5.3.2 Lnea de carga
5.4 Mecanismo policntrico de 4 barras
5.4.1 Sntesis de mecanismos policntricos para prtesis de 4 barras de control
voluntario.
5.6 Sumario
126
126
128
131
132
135
Conclusiones.
Trabajos futuros.
Referencias.
Anexos.
Publicaciones derivadas de este trabajo.
137
141
142
154
165
ii
NDICE
NDICE DE FIGURAS
Figura 1.1. Prtesis de eje simple. El TKO 1500 Ossur
Figura 1.2. Prtesis de rodilla con mecanismo de 4 barras
Figura 1.3. Mecanismo de 4 barras cruzado
Figura 1.4. Mecanismo de 4 barras con 2 barras intermedias y 3 topes
Figura 1.5. Mecanismo policntricos de OTTO BOCK 3R60
Figura 1.6. Centro instantneo de rotacin (CIR) y centro mecnico de rotacin
(CMR) o el eje anterodistal de la rodilla, con una fuerza de reaccin F aplicada al
suelo
Figura 1.7. Configuraciones de los mecanismos de 6 barras para prtesis de rodilla
Figura 1.8. Prtesis magnetoreolgica Rheo Knee
Figura 1.9. Prtesis inteligente Plus
Figura 1.10. OTTO BOCK 3R60
Figura 1.11. Prtesis policntrica GEOFLEX
Figura 1.12. Total Knee 2000
Figura 1.13. Prtesis Entegra SV Knee
Figura 1.14. Rodilla Hidrulica HOSMER
Figura 1.15. Rodilla de Nylon 802
Figura 1.16. Prtesis inteligente da Vinci Award Nominee
11
12
12
13
13
13
14
15
15
16
16
17
17
18
19
19
Figura 2.1. Partes de un mecanismo de 4 eslabones.

Figura 2.2. Tres inversiones del cuadriltero de Grashof
Figura 2.3. Ejemplo de Espaciamiento de Chebychev de 5 puntos de precisin.
Figura 2.4. Sntesis de un eslabonamiento de 4 barras
Figura 2.5. Modelo general del Mtodo de Newton Raphson.
Figura 2.6. Diagrama de flujo aplicando Newton Raphson en la Sntesis de
Mecanismos.
Figura 2.7. Mecanismo de cuatro barras.
Figura 2.8. Centros instantneos de rotacin en un mecanismo de 4 barras.
Figura 2.9. Mecanismo bsico de 6 barras: Tipo Watt y Tipo Stephenson
Figura 2.10. Plataforma Stewart
Figura 2.11. Representacin de un cromosoma binario
Figura 2.12. Diagrama de flujo de un algoritmo gentico
Figura 2.13. Representacin de la poblacin.
Figura 2.14. Seleccin por ruleta.
Figura 2.15. Cruzamiento y Mutacin.
30
31
33
34
34
36
Figura 3.1. Diagrama de flujo para la sntesis de mecanismos con algoritmos

genticos.
Figura 3.2. Estructura del cromosoma
Figura 3.3. Longitud del cromosoma
Figura 3.4. Poblacin de 1000 individuos generada aleatoriamente
Figura 3.5. Codificacin y decodificacin
Figura 3.6. Decodificacin.
Figura 3.7. Elitismo y herencia forzada
Figura 3.8. Mecanismo de 4 eslabones siguiendo una trayectoria lineal.
Figura 3.9 Diagrama de flujo aplicando Newton Raphson en sntesis de mecanismo de
4 eslabones
Figura 3.10. Diagrama de flujo para sntesis de mecanismo de 4 eslabones trayectoria
64
37
42
44
46
47
48
49
52
54
65
65
66
67
67
69
73
75
76
iii
NDICE
lineal
Figura. 3.11. Mecanismo de 4 barras obtenido por nmeros complejos.
Figura 3.12. Puntos de precisin en la marcha humana
Figura 3.13. Trayectoria de la rodilla durante la marcha
Figura 3.14. Estructura del cromosoma mecanismo de 4 eslabones
Figura 3.15. Procedimiento para la sntesis del mecanismo de 4 eslabones para la
trayectoria de la marcha humana
Figura 3.16. Seguimiento de trayectoria mecanismo cerrado con Algoritmos
Genticos
Figura 3.17. Mecanismo de seis barras tipo Watt-I
Figura 3.18. Diagrama de flujo aplicando Newton Raphson en sntesis de mecanismo
de 6eslabones tipo Watt-1
Figura 3.19. Mecanismo bsico de 6 barras: Tipo Stephenson-III
Figura 3.20. Diagrama de flujo por el mtodo de Newton Raphson para sintetizar un
mecanismo de 6 eslabones tipo Stephenson III
Figura 3.21. Diagrama de flujo de un algoritmo gentico para un mecanismo de 6
barras tipo watt-I
Figura 3.22. Diagrama de flujo del procedimiento para resolver un mecanismo de 6
barras tipo watt-I
Figura 3.23. Mecanismo de 6 barras tipo Watt-I para seguimiento de trayectoria
especifica con Algoritmos Genticos
Figura 3.24. Diagrama de flujo del algoritmo gentico para un mecanismos de 6
barras tipo Stephenson III
Figura 3.25. Diagrama de flujo del procedimiento de anlisis para un mecanismos de
6 barras tipo Stephenson III
Figura 3.26. Mecanismo de 6 barras tipo Stephenson-III para seguimiento de
trayectoria especfica con Algoritmos Genticos.
76
78
78
79
80
81
84
85
86
88
90
90
91
93
93
94
Figura 4.1. Modificacin de parmetros en una trayectoria lineal

Figura 4.2. Evolucin de un mecanismo de 4 eslabones.
Figura 4.3. Trayectoria elptica
Figura 4.4. Modificacin de parmetros en una trayectoria elptica
Figura 4.5. Ajuste de parmetros para una trayectoria curva
Figura 4.6. Trayectoria de 20 puntos para un mecanismo de 6 eslabones tipo Watt-1
Figura 4.7. Ajuste de parmetros para una trayectoria especfica
107
109
110
112
115
117
118
Figura 5.1. Movimientos de la rodilla, traslacin y rotacin

Figura 5.2 Movimientos de la rodilla
Figura 5.3 Centro Instantneo de Rotacin (CIR) para distintas configuraciones
Figura 5.4. Lnea de carga y rea para centros de la rodilla
Figura 5.5. Trayectoria del CIR de una rodilla policntrica d e4 barras
Figura 5.6. Trayectoria del CIR de una prtesis de control voluntario para una rodilla
de 4 barra
Figura 5.7. Diagrama de estabilidad para un mecanismo de 4 barras con CIR elevado
Figura 5.8. Diagrama de estabilidad de un cuadriltero articulado hiper-estabilizado
Figura 5.9. Diagrama de estabilidad de prtesis control voluntario
Figura 5.10. Trayectoria del mecanismo de 4 barras para prtesis policntrica.
Figura 5.11. Mecanismo policntrico simulado por programacin.
Figura 5.12. Mecanismo creado en un programa de Simulacin Dinmica
124
124
126
127
129
129
130
130
131
132
132
132
iv
NDICE
Figura 5.13. Configuraciones de mecanismos de 6 barras tipo Watt para prtesis

policntricas
Figura 5.14. Posicin de los CIR de la rodilla de la prtesis policntrica con
referencia a la lnea de carga a travs de la unin de la pantorrilla y el centro de
contacto del pie con la tierra en las diferentes fases de la caminata
Figura 5.15. Mecanismo tipo Watt para prtesis policntrica.
Figura 5.16. Mecanismo tipo Stephenson para prtesis policntrica
133
133
134
134
NDICE
NDICE DE TABLAS
Tabla 1.1. Sntesis de mecanismos ms comunes
Tabla 2.1. Clasificacin de Grashof para mecanismos de 4 barras

Tabla 2.2. Configuracin de mecanismos
31
40
Tabla 3.1. Variables para mecanismo de 4 eslabones una posicin

Tabla 3.2. Restricciones para mecanismo plano, seguimiento de trayectoria lineal
Tabla 3.3. Comparacin de resultados por mtodo numrico y aproximado
Tabla 3.4. Restricciones para mecanismo de 4 barras trayectoria de la marcha
Tabla 3.5. Resultados por distintos mtodos de anlisis mecanismo de 4 barras para
6 puntos de precisin
Tabla 3.6. Resultados del GA en la generacin de trayectoria
Tabla 3.7. Restricciones para un mecanismo de 6 barras.
Tabla 3.8. Resultados por distintos mtodos de anlisis a un mecanismo tipo Watt-I
para 5 puntos de precisin.
Tabla 3.9. Resultados del GA en la generacin de trayectoria para mecanismo de 6
barras
Tabla 3.10. Resultados por distintos mtodos de anlisis a un mecanismo tipo
Stephenson-III para 5 puntos de precisin
Tabla 3.11. Resultados del AG en la generacin de trayectoria para un mecanismo
tipo Stephenson-III.
66
74
77
79
81
Tabla 4.1. Parmetros bsicos para desarrollar el algoritmo gentico para un

mecanismo de 4 eslabones.
Tabla 4.2. Parmetros de la Figura 4.1 trayectoria lineal
Tabla 4.3. optimizacin de parmetros par a un mecanismo de 4 barras trayectoria
lineal.
Tabla 4.1. Parmetros bsicos para desarrollar el algoritmo gentico para un
mecanismo de 4 eslabones.
Tabla 4.2. Parmetros de la Figura 4.1 trayectoria lineal
Tabla 4.3. optimizacin de parmetros par a un mecanismo de 4 barras trayectoria
lineal.
Tabla 4.4. Puntos de precisin de la trayectoria elptica deseada
106
Tabla 4.5. Modificacin de parmetros para una figura elptica generada por un
mecanismo de 4 eslabones
Tabla 4.6. Parmetros que definen dimensiones y ngulos para una trayectoria
elptica obtenida por varios autores.
Tabla4.7. Parmetros para sntesis de un mecanismo de 6 barras
Tabla 4.8. Ajuste de parmetros mecanismo de 6 barras trayectoria curva
Tabla 4.9. Comparacin de longitudes y ngulos de un mecanismo de 4 eslabones
trayectoria de la marcha
Tabla 4.10. Restricciones para un mecanismo de 6 barras.
Tabla 4.11. Ajuste de parmetros mecanismo de 6 barras trayectoria especfica.
112
116
118
Tabla 5.1. Parmetros para la construccin de una rodilla policntrica

Tabla 5.2. Restricciones para la sntesis de un mecanismo policntrico de 4
125
131
82
89
91
92
94
95
107
108
106
107
108
110
113
114
115
116
vi
NDICE
eslabones
Tabla 5.3 Restricciones para un mecanismo policntrico de 6 eslabones
135
vii
SIMBOLOGA
SIMBOLOGA
AG
Algoritmo gentico
Grados de libertad
Nmero de eslabones
j1
Nmero de pares de un solo grado de libertad
j2
Nmero de pares con dos grados de libertad
longitud del eslabn ms corto
longitud del eslabn ms corto
longitud del eslabn restante
longitud del eslabn restante

Posicin angular de cualquier eslabn
Cualquier relacin funcional deseada
xj
Puntos de precisin
Eslabones
longcr Longitud del cromosoma

nbits
Nmero de bits
pi
Poblacin inicial
Grado de adaptacin para la probabilidad de cruce
Pc
Probabilidad de cruce
Pm
Probabilidad de mutacin
Cdi
Conjunto de puntos especficos indicados por el diseador
Ci
Es una serie de posiciones de los acoplamientos

Puntos generados por el acoplador del mecanismo
x0
Puntos de origen en el eje x
y0
Puntos de origen en el eje y
xd
Puntos deseados en el eje x
yd
Puntos deseados en el eje y
ngulo de transmisin
Cada uno de los ngulos utilizados en la programacin del AG
CIR
Centro instantneo de rotacin
viii
OBJETIVO.
El objetivo general de esta tesis, es desarrollar herramientas de computacin evolutiva para la
sntesis de mecanismos policntricos con aplicacin en la biomecnica.
Derivados del objetivo general se plantean los siguientes objeticos especficos:
Plantear una funcin objetivo que resuelva un problema de sntesis de optimizacin de

mecanismos necesarios para evaluar varias cantidades de puntos y trayectorias.
Probar la viabilidad prctica de la estrategia planteada mediante la implementacin de los

algoritmos genticos capaz de resolver casos prcticos de sntesis.
Disear un mecanismo que cubra las especificaciones impuestas para generar el

movimiento de una rodilla humana.
JUSTIFICACIN.
La sntesis de mecanismos es la base para la construccin de cualquier mquina. Sus
aplicaciones son numerosas y cada una de ellas responde a ciertos requisitos concretos y
especficos que hacen que no sea posible crear pautas de diseo generales en las posibles
soluciones para un mismo problema de sntesis de mecanismos, ya que existen diversas
tipologas que pueden cambiar segn el caso. Esta falta de homogeneidad ha servido para la
creacin de varios mtodos para resolver problemas de sntesis, entre los que se encuentran los
mtodos de optimizacin.
La etapa de sntesis dimensional es la ms estudiada y existen numerosos mtodos de

resolucin, sin embargo y pese a que han existido varios planteamientos en los problemas,
ninguno ha sido concluyente porque todos presentan algn tipo de inconveniente. En el caso
de los mtodos exactos, se tienen problemas como la exigencia de cumplir con los requisitos,
que pueden ser los puntos de precisin con total exactitud. Sin embargo, esta exigencia no es
tan prctica porque no es posible reproducir exactamente los modelos diseados debido a
factores como las tolerancias de fabricacin, holguras en los pares cinemticos y
deformaciones de los elementos del mecanismo durante su funcionamiento. El nmero de
puntos de precisin es limitado y depende del tipo de mecanismo que se utilice.
ix
De aqu el surgimiento de los mtodos de sntesis aproximados que tiene dos objetivos
principales, dar al planteamiento una orientacin hacia la resolucin mediante herramientas de
programacin y plantear estrategias de bsqueda del ptimo global dentro del espacio de
diseo, tambin busca una solucin que usualmente no es nica y el nmero de requerimientos
de diseo no es una limitacin.
Por otro lado, durante aos se han diseado diversas configuraciones de mecanismos como los
de eje simple y eje policntrico para las prtesis para miembro inferior, pero han sido en su
mayora para gente con caractersticas antropomrficas distintas a las de este pas, lo que
motiva a disear una prtesis que asemeje los movimientos lo ms posible al cuerpo humano y
cubra las necesidades de la poblacin mexicana.
Por dicha problemtica, se plantea el desarrollo de una herramienta de optimizacin basados

en computacin inteligente y en la sntesis aproximada para realizar sntesis de mecanismos,
que consuman poco tiempo y empleen algn mtodo numrico para la evaluacin de la
funcin objetivo. En este trabajo se busca una solucin adecuada para tener una eficiencia
cinemtica en un mecanismo generador de trayectorias cumpliendo con las restricciones
impuestas y variables como la longitud de los eslabones, el ngulo de transmisin y los
ngulos que dan la movilidad al mecanismo para prtesis de miembro inferior, ya que
pequeas diferencias en las longitudes de los eslabones y en la posicin de las articulaciones
que los unen puede generar grandes cambios en el comportamiento cinemtico de los
mecanismos.
Sintetizando un mecanismo, el objetivo es controlar el movimiento realizado durante el

balanceo y la fase de reposo para dar un movimiento de cadencia ptimo, adems de ofrecer
una mayor estabilidad al caminar a travs de un mecanismo policntrico, el cual posee una
biomecnica de desplazamiento y cadencia de paso distinta de la marcha normal de un
individuo con sus extremidades naturales, pero que se tendr que mejorar para conseguir la
comodidad y funcionalidad en dicha prtesis.
RESUMEN
RESUMEN
Esta tesis presenta como herramienta principal, para el anlisis y la sntesis de mecanismos
planos, la tcnica de los algoritmos genticos, que por sus caractersticas, han sido utilizados
como mtodos de bsqueda y optimizacin, en el que basta con encontrar la representacin
adecuada para las soluciones y la funcin principal a optimizar. El objetivo de la investigacin
es encontrar las longitudes de los eslabones y la medida de los ngulos para un mecanismo
ptimo con el que se reproduzca el proceso de marcha humana como caso de aplicacin, pero
que tambin se pueda generar cualquier trayectoria especfica, indicando solo las restricciones
ms significativas.
|
La metodologa empleada comprende etapas como la cinemtica, el anlisis y la sntesis para
diversas configuraciones de mecanismos, mostrando los fundamentos tericos, el desarrollo
de los algoritmos genticos, la aplicacin de estos en la sntesis y la simulacin en algunos
programas especializados para desarrollar dicho fin.
Se presenta el diseo de un mecanismo policntrico especfico para cubrir la trayectoria

generada por el humano en la fase de postura y en la marcha. Para esto se tom como base la
antropometra de la poblacin mexicana y las caractersticas impuestas como las dimensiones
de los eslabones, los ngulos permitidos para el movimiento de los mecanismos y todas las
consideraciones de la marcha.
xi
ABSTRACT
ABSTRACT
This thesis presents such as main tool, for the analysis and the synthesis of planar
mechanisms, the genetic algorithms technique, that by their characteristics, have been used
like methods search and optimization, in which it is enough with finding the adapted
representation for the solutions and the fitness function to optimize. The objective of the
investigation is to find the lengths of the links and the measurement of the angles for an
optimal mechanism with which the process of human march reproduces as case of application,
but that also any trajectory can be generated specific, indicating single the most significant
restrictions.
The used methodology includes stages like the kinematics, the analysis and the synthesis for
diverse configurations of mechanisms, showing the theoretical foundations, the development
of the genetic algorithms, the application of these in the synthesis and the simulation in some
specialized programs to develop this aim.
The design of a specific polycentric mechanism appears to cover the trajectory generated by
the human in the phase with position and the march. For this it was taken as it bases the
anthropometry of the Mexican population and the characteristics imposed like the dimensions
of the links, the angles allowed for the movement of the mechanisms and all the
considerations of the march.
xii
INTRODUCCIN
INTRODUCCIN
Se han aplicado varios mtodos de optimizacin a la sntesis de mecanismos planares para la
generacin
de
trayectorias.
Algunas
de
las
tcnicas
usadas
fueron
difciles
computacionalmente costosas de aplicar, pero pese a esta problemtica, se ha demostrado con

un gran nmero de trabajos, que es posible sintetizar un mecanismo policntrico de varios
eslabones, con acoplamiento cinemtico, capaz de emular el movimiento de la rodilla,
teniendo como inconveniente no cubrir completamente las necesidades del usuario.
Este trabajo se enfoca al diseo de algoritmos computacionales, empleando herramientas

evolutivas, para resolver y optimizar la sntesis de mecanismos de cadena cinemtica cerrada.
Estas son una combinacin de tcnicas y estrategias de programacin capaz de ser integrados
para obtener la generacin de trayectorias de acuerdo a ciertas restricciones que cubrirn
tareas especficas segn la rama de la ingeniera en la que sean empleados. Para esta tesis, la
aplicacin es enfocada a la robtica, utilizando el anlisis cinemtico, dinmico y estructural
de mecanismos para generar el movimiento en una prtesis inteligente que reemplazar el
miembro inferior perdido.
Se presenta la metodologa empleada para la obtencin de mecanismos generadores de

trayectorias con base en sus parmetros y restricciones, la aplicacin de mtodos numricos
para la sntesis del mecanismo y la utilizacin de tcnicas como la lgica difusa y las redes
neuronales, en combinacin con los algoritmos genticos, para disear nuevas tcnicas de
programacin y optimizacin, en donde se establecer la minimizacin de una funcin
objetivo formulada como una expresin de la diferencia entre la trayectoria generada y la
deseada.
La necesidad de utilizar tcnicas computacionales surge por la complejidad que se crea en la

sntesis de mecanismos debido al gran nmero de variables que describen un espacio de
diseo, problemas en las uniones, flexibilidad de los cuerpos, tolerancias y manejo de los
ngulos de transmisin. Las ventajas que ofrecen estas tcnicas sobre los mtodos clsicos, es
que se pueden corregir y simplificar los inconvenientes antes referidos, resaltando que los
requerimientos de diseo no son tan grandes y que el error mnimo que genere est en funcin
de ellos.
xiii
INTRODUCCIN
Los mecanismos sintetizados sern aplicados al diseo de una prtesis policntrica, ya que
con base en la revisin del estado del arte, se ha identificado la existencia de problemas que
no permiten que se tenga un movimiento natural en la fase de marcha, esto debido a que solo
se estudia el movimiento en el plano sagital, que presenta un rango de movimiento mucho
mayor que en el resto de los planos, sin considerar que la rodilla tiene 6 grados de libertad que
incluyen movimientos de rotacin y traslacin. Otro punto importante a resolver es la
localizacin del centro instantneo de rotacin en extensin completa y en flexin.
Con base en los objetivos obtenidos por la revisin y anlisis del estado del arte, este trabajo
se ha organizado de la siguiente manera:
En el Captulo 1, Estado del Arte, se presentan los mtodos para la sntesis de mecanismos
ms utilizados durante los ltimos aos, las principales tcnicas de computacin inteligente,
entre las que destacan los algoritmos genticos, la lgica difusa y las redes neuronales.
Tambin se presenta la optimizacin en la sntesis de mecanismos utilizando estas tcnicas
para ser aplicados en las prtesis robticas inteligentes para miembro inferior, caso de
aplicacin de este trabajo. Se describe el planteamiento del problema y los objetivos
propuestos para resolver la problemtica existente en fase de marcha utilizando una prtesis.
En el Capitulo 2, Fundamentos Tericos, se da una introduccin a los aspectos tericoprcticos, se presentan los fundamentos tericos para el anlisis y la sntesis de mecanismos
indicando mtodos numricos y de optimizacin, para el caso de estudio se presenta el rango
de movimiento de la rodilla como base para la simulacin.
En el Capitulo 3, Simulacin y sntesis de mecanismos, se presenta la sntesis y el anlisis de

mecanismos planares para generar trayectorias predefinidas de mecanismos de 4 y 6 barras.
Para la sntesis de mecanismos se emplean los algoritmos genticos como mtodos de
optimizacin y bsqueda para las dimensiones de los eslabones y los ngulos de movimiento.
En el Captulo 4, Diseo de mecanismos, se presenta el anlisis de varias configuraciones de

mecanismos optimizados con algoritmos genticos y lgica difusa, y la aplicacin de estos en
el diseo de una prtesis policntrica.
xiv
INTRODUCCIN
En el Captulo 5, Anlisis y discusin de resultados, se presentan los resultados obtenidos al

aplicar algoritmos genticos a diversas configuraciones de mecanismos aplicados a una
prtesis para miembro inferior.
El aporte cientfico de este trabajo se ubica en la solucin de mecanismos policntricos de

cadena cerrada por medio de algoritmos genticos para cualquier nmero de eslabones,
corrigiendo posibles errores con lgica difusa, adems de aplicar esta sntesis a prtesis para
miembro inferior, diseada especficamente para poblacin mexicana.
xv
Captulo I
ESTADO DEL ARTE
En este captulo se describe la

evolucin de la sntesis de mecanismos
empleando tcnicas de computacin
inteligente
como
mtodos
de
optimizacin. Tambin se presenta una
breve descripcin de la aplicacin de
estos en prtesis inteligentes.
Captulo I
1.1 Generalidades.
La sntesis de mecanismos se refiere a la proyeccin y diseo de estos de acuerdo a
propiedades tales como la estructura cinemtica y dinmica para desarrollar una serie de
movimientos predefinidos. Para cubrir las restricciones y necesidades impuestas por el
diseador, se han desarrollado mtodos numricos y grficos que han resuelto hasta
cierto punto la problemtica de precisin y posicin, pero tienen como inconveniente
restringir el nmero de puntos de posicin para permitir la solucin por el sistema
matemtico, como consecuencia de esto, se han diseado mtodos para resolver la
sntesis de mltiples puntos de precisin y posicin, incluyendo propiedades como las
longitudes de los eslabones y los ngulos de transmisin de movimientos. El avance de
estos mtodos parte de los grficos y numricos, hasta llegar a los de optimizacin,
como los mtodos heursticos y las tcnicas de computacin inteligente o flexible, entre
las que se encuentran los algoritmos genticos, la lgica difusa y las redes neuronales y
que han mejorado la precisin de los resultados, la respuesta de convergencia y el error
que se genera en la funcin objetivo al obtener la distancia entre la trayectoria generada
y la deseada.
1.2 Mtodos para la sntesis de mecanismos.
La sntesis de mecanismos de acuerdo a Ruleaux en 1875 (Gmez-Cristbal, 2003) es el
proceso de transformacin de las exigencias en algunos mecanismos. sta abarca
problemas no estructurados de gran complejidad matemtica, donde es preciso alcanzar
un cierto grado de equilibrio entre los distintos objetivos, que son por lo general de
naturaleza diversa, llegando a una solucin que satisfaga suficientemente las exigencias
de diseo impuestas.
Por las condiciones requeridas en la sntesis de mecanismos, se han desarrollado

mtodos grficos y analticos (Freudenstein, 1954, Hartenberg & Denavit, 1964) como
la matriz de aproximaciones (Suh & Radcliffe, 1967), los mnimos cuadrados en la
sntesis finita de los mecanismos espaciales de cuatro barras (Levitskii & Shakvazian,
1960) o el modelo matemtico y de simulacin para la sntesis exacta de mecanismos
(Mallik et al., 1994, Tzong-Mou & Cha'o-Kuang, 2005) que han cubierto hasta cierto
punto las necesidades por las cuales fueron diseados los mecanismos, pero estos
mtodos tienen como inconveniente que restringen el nmero de puntos de posicin
para permitir la solucin por el sistema matemtico. Como consecuencia de esta
Captulo I
restriccin, se han diseado mtodos para resolver la sntesis de mltiples puntos de
precisin y posicin (Tabla 1.1), con tcnicas como la optimizacin no lineal, la
optimizacin de la sntesis con diversos mtodos (Sancibrian et al., 2004) y los
algoritmos genticos (Roston & Sturges, 1996, Michalewicz, 1999, Cabrera et al., 2002,
Laribi et al., 2004, Quintero-R et al., 2004), redes neuronales(Walczak, 2006, Vasiliu &
Yannou, 2001, Starosta, 2006), mtodos de Monte Carlo (Kalnas & Kota, 2001) o
mtodo de desviacin de control (R.-Bulatovic & S. R. Djordjevic, 2004). La mayor
parte de estos trabajos relacionados con la generacin de trayectorias y de posicin para
mecanismos de 4 eslabones.
Tabla 1.1. Sntesis de mecanismos ms comunes. (Gmez-Cristbal, 2003).
Tipo de sntesis
Grfica
Definicin
Usa elementos puramente grficos, est limitada a sistemas
simples, tiende a ser demasiado especfico y difcil de usar.
Es una sntesis aproximada que se realiza por tanteo con la
De tanteo grfico
ayuda de la superposicin de grficos. Como desventaja tiene
que su convergencia es mala en la mayora de las veces.
Por
grficos
de Se obtiene a travs de tablas o nomogramas a travs del
anlisis de otros sistemas del mismo tipo
diseo
Son puramente analticos, entre los ms conocidos estn los de
Analtica
Chebychev, el lgebra de nmeros complejos, Grashof, de
Bloch
Combinacin de mtodos analticos y grficos.
Grafoanaltica
Con base en tcnicas de programacin matemtica, en la que se
ptima
trata de optimizar el valor de una funcin objetivo cuyas
variables estn sujetas a una determinada restriccin.
Con base en algoritmos que pretenden alcanzar valores
Heurstica
satisfactorios para una funcin objetivo.
En una temprana fase de diseo establece el tipo de solucin
Conceptual
correspondiente a un problema en concreto a partir de un
mtodo sistemtico de generacin de conceptos
En (Dai & Kerr, 1991) se desarrolla una estrategia para minimizar los movimientos de
los centro instantneos aplicados a los mecanismos de 6 barras de tipo Watt. Mc Largan
investig un proceso analtico iterativo para la sntesis de mecanismos teniendo uniones
giratorias, para la generacin de funciones (McLarnan, 1963). Dingrha y Mani
desarrollaron estrategias computacionales para resolver la funcin de precisin de
posicin, trayectoria y generacin de movimientos para mecanismos de 6 barras
(Dhingra & Mani, 1993). Subban y Flugard investigaron el mtodo de la sntesis de la
Captulo I
triada de 5 puntos para la generacin de funciones de mecanismos de 6 barras (Subbian
& Flugrad Jr, 1993).
1.3 Tcnicas de Computacin Inteligente.

La computacin inteligente tiene su origen en la teora de la inteligencia artificial, esta
engloba un conjunto de tcnicas que tienen en comn la robustez en el manejo de
informacin imprecisa e incierta. En algunos casos estas tcnicas pueden ser
combinadas para aprovechar sus ventajas individuales, entre estas se encuentran la
lgica difusa, las redes neuronales y los algoritmos genticos.
En la dcada de los noventa aparecieron varios mtodos de bsqueda como los

Algoritmos de Metrpoli, Templado Simulado (Simulated Annealing SA), Bsqueda
Tab (TS), Colonia de Hormigas (ACO) y GRASP, Algoritmos Genticos (AG), que se
describen en base al trabajo de (Hincapi-Isaza et al., 2004) como sigue:
Algoritmo de Metrpolis.- Genera una secuencia de estados de un slido, o sea,

dado un slido en un estado i con energa Ei, se genera el estado siguiente j
mediante la aplicacin de un mecanismo que transforma al estado siguiente a
travs de un pequeo disturbio. La energa del prximo estado es Ej; si la
diferencia de energa (Ej - Ei) es menor o igual a cero, el estado j es aceptado.
Si ocurre lo contrario, el estado j se acepta con cierta probabilidad.
Templado simulado.- La metodologa de Templado simulado ( Simulated

Annealing SA ), fue definida al inicio de los aos 80, como una nueva
herramienta para ser empleada en la solucin de problemas combinatoriales de
gran complejidad. Surgi del campo de la termodinmica como consecuencia de
la comparacin de los problemas formulados en este campo con los de la
investigacin de operaciones. Es una metodologa simple y de gran
potencialidad para ser aplicada a una gran variedad de problemas.
Colonia de hormigas.- En este mtodo, las actividades de bsqueda son

distribuidas entre hormigas, esto es, agentes con capacidades simples, que
son similares al comportamiento de las hormigas verdaderas. Uno de los
problemas estudiados por los entomlogos es el de entender cmo unos insectos
Captulo I
casi ciegos como las hormigas pueden establecer las rutas ms cortas entre el
nido y una fuente de comida y viceversa.
Bsqueda TAB (TS).- Es un procedimiento metaheurstico utilizado para

manejar un algoritmo heurstico de bsqueda local y as evitar que el proceso se
detenga en un ptimo local. Por lo tanto, TS realiza una exploracin a travs del
espacio de configuraciones delimitando adecuadamente los ptimos locales.
Para evitar que el proceso regrese a los ptimos locales y entre en un ciclo
repetitivo, la bsqueda tab clasifica los movimientos ms recientes como
movimientos tab; estos prohben que una configuracin sea visitada
nuevamente.
GRASP.- Es una evolucin de los algoritmos heursticos constructivos,

especialmente de aquellos que usan indicadores de sensibilidad. Con estos
indicadores se calcula la variacin de la funcin objetivo con respecto a las
variables de inters del problema de optimizacin, y se usan para identificar los
tributos atractivos de tal problema. Emplea una propuesta intermedia entre
Simulated Annealing y Bsqueda Tab para realizar la fase de exploracin y ha
mostrado ser eficiente en la solucin de problemas complejos de optimizacin.
Algoritmos Genticos.- Son herramientas matemticas que imitan a la

naturaleza e intentan resolver problemas complejos empleando el concepto de la
evolucin. El algoritmo ejecuta una bsqueda simultnea en diferentes regiones
del espacio factible, realiza una intensificacin sobre algunas de ellas y explora
otros subespacios a travs de un intercambio de informacin entre
configuraciones.
1.3.1 Algoritmos genticos.

El trmino de algoritmo gentico (AG) fue introducido por John Holland y sus
estudiantes (Holland, 1975), e implementado por (Goldberg, 1989), quin menciona que
los AG son diferentes mtodos tradicionales de optimizacin por 6 cosas:
1. Trabajan con la codificacin de un conjunto de parmetros, y no con los

parmetros mismos.
Captulo I
2. Trabajan con una poblacin de puntos, no un simple punto.
3. Utilizan una funcin objetivo.
4. Usan reglas de transicin probabilstica, no deterministicos.
5. No necesitan conocimientos especficos sobre el problema a resolver.
6. Cuando se usan para problemas de optimizacin resultan menos afectados por
los mximos locales
Los AG usan una poblacin en la que los miembros son creados aleatoriamente, el
individuo de la poblacin tiene que desarrollarse buscando ser de los mejores
individuos, y esto se hace a travs de una seleccin natural, reproduccin, mutacin y
otros operadores genticos (Goldberg, 1989):
Reproduccin: Un individuo es copiado de acuerdo al valor de la funcin

objetivo, de tal forma que los individuos de mejor comportamiento o
funcionamiento tienen mayor probabilidad de pertenecer a la siguiente
generacin.
Cruzamiento: Algunos genes de un individuo de la nueva poblacin son

intercambiados con el gen de otro, generalmente con el ms fuerte. La
reciprocidad es aleatoria y el porcentaje de los genes intercambiados puede ser
un proceso aleatorio o fijo.
Mutacin: Es la variacin del valor de los genes de forma aleatoria.

Generalmente se define una operacin entre [-valor, valor] para cada gen con
una distribucin normal y de media igual a cero.
Este tipo de algoritmos genticos simples se caracteriza por tener un tamao de

poblacin fijo en todas las generaciones, una seleccin proporcional, mutacin uniforme
y seleccin no elitista.
Dado que un AG acta como un mtodo de bsqueda multidireccional sobre una

poblacin de posibles soluciones en cada generacin las soluciones relativamente
buenas que cubren las necesidades de la funcin objetivo se reproducen y las
relativamente malas mueren. Para distinguir las posibles soluciones se emplea una
funcin evaluadora llamada funcin de ajuste o funcin de aptitud y en el campo de la
Captulo I
optimizacin funcional, es la funcin objetivo del problema en cuestin; es decir, la
funcin a optimizar (Iglesias-Otero, 2005).
El algoritmo finaliza cuando se ha ejecutado un nmero determinado de iteraciones

prefijado de antemano, cuando se ha encontrado el valor ptimo o bien cuando se ha
obtenido en la poblacin un nivel de aptitud medio superior a un cierto nivel de control
(Buckles et al., 1992).
Existen una serie de puntos comunes a todos los algoritmos genticos que los
caracterizan (Iglesias-Otero, 2005):
La existencia de una representacin gentica de las posibles soluciones del

problema.
La creacin de una poblacin inicial de posibles soluciones.
El uso de una funcin evaluadora que es la encargada de medir la bondad de

las soluciones en trminos de su adaptacin al medio y permite seleccionar a los
mejores individuos.
El empleo de operadores genticos, que alteran la composicin de los

descendientes durante la reproduccin, mediante cruces, mutaciones o
inversiones.
La existencia de diversos parmetros como son el tamao de la poblacin o la

probabilidad de aplicar los operadores genticos.
1.3.2 Lgica difusa.

Fue Propuesto por Zadeh (1965) y utilizado por primera vez por Mamdani (1974), la
lgica difusa es una extensin de la lgica booleana que permite el proceso "de la
informacin vaga" o incierta (Merchn-Cruz, 2005). Los sistemas lgicos difusos son
sistemas basados en reglas que son expresadas como implicaciones lgicas, estas
reflejan la relacin que guarda un hecho derivado de otro. Una lgica consta de lo
siguiente(Russell & Norving, 1996):
Un sistema para describir lo que est sucediendo en un momento determinado y que

consta de:
La sintaxis del lenguaje que explica cmo construir oraciones.
Captulo I
La semntica del lenguaje a travs de la cual cada oracin expresa algo relacionado
con el mundo
Una teora de demostracin que agrupe un conjunto de reglas para deducir las
implicaciones
de un conjunto de oraciones
y que especifique los pasos de
razonamiento.
Los sistemas lgicos difusos estn en capacidad de simultneamente manejar

informacin numrica y conocimiento lingstico para efectuar una transformacin no
lineal del vector de entrada (caractersticas) a una salida escalar (consecuencias). Las
especificaciones de la transformacin no lineal las establece la teora de subconjuntos
difusos y la lgica difusas(Mendel, 1995).
1.3.3 Redes neuronales.

Las redes neuronales artificiales (RNA) son la implementacin en hardware y/o
software de modelos matemticos idealizados de las neuronas biolgicas, estas son
interconectadas unas a otras y son distribuidas en capas de tal forma que emulan en
forma simple la estructura neuronal del cerebro. Cada modelo de neuronas es capaz de
realizar algn tipo de procesamiento a partir de estmulos de entrada y ofrecer una
respuesta por lo que las RNA en conjunto funcionan como redes de computacin
paralelas y distribuidas similares a los sistemas cerebrales biolgicos (Del Ro &
Molina, 2002).
En trminos generales una red neuronal es un procesador masivo, distribuido

paralelamente, constituido de unidades de procesamiento, las cuales tiene la capacidad
para almacenar conocimiento experimental y tenerlo disponible para su uso. Esta emula
al cerebro en los siguientes aspectos:
El conocimiento es adquirido por la red desde su entorno a travs de un

proceso de aprendizaje.
Los pesos de las conexiones entre las neuronas, llamados pesos sinpticos,
son usados y modificados para almacenar conocimiento.
El poder de las redes neuronales radica bsicamente en la capacidad de su estructura

para el procesamiento en paralelo (procesamiento de datos en masa) y al mismo tiempo,
Captulo I
en la habilidad de aprender y generalizar. Esto se refiere a que la red neuronal es capaz
de generalizar reglas aprendidas de los casos en los que ha sido entrenada y
posteriormente aplicarlas a casos no aprendidos. Estas habilidades permiten a las redes
neuronales artificiales resolver problemas complejos de gran escala que actualmente
son inatacables (Bautista-Camino, 2008).
Las aplicaciones ms exitosas en la actualidad de las RNA son:
Procesamiento de imgenes y voz.
Reconocimiento de patrones.
Planeacin y estrategia.
Prediccin.
Control y optimizacin.
Procesamiento de seales.
Para la sntesis de mecanismos las redes neuronales se emplean como herramienta de

control que consisten en un conjunto estados de condicin lingstica que se deriva de
operadores humanos y los cuales representan un conocimiento experto sobre el sistema
a ser controlado u optimizado.
1.4 Optimizacin en la sntesis de mecanismos

La sntesis de mecanismos con algoritmos genticos se ha presentado en trabajos de
(Roston & Sturges, 1996), en los que se presentan tcnicas numricas para la sntesis de
mecanismos de 4 barras empleando algoritmos genticos como mtodo de bsqueda, en
donde estos sirvieron para eliminar las limitaciones para tener una exactitud en los
puntos de precisin delimitados por el diseador. En (Kunjur & Krishnamurty, 1997) se
muestra una tcnica en la que los algoritmos genticos se utilizan para hacer una sntesis
dimensional de mecanismos, con esta, se obtuvo una reduccin de tiempo
computacional y derivaciones de las ecuaciones obligatorias de la funcin objetivo.
(Cabrera et al., 2002) diseo un procedimiento en el cul se aplican los AG como
tcnicas evolutivas aplicadas a una funcin objetivo especfica. Utilizaba nmeros
reales, y en la funcin objetivo, modific el uso de un factor de correccin y operadores
genticos especiales para acelerar el proceso y mejorar la exactitud de la solucin final.
En (Pucheta & Cardona, 2003) se desarroll una herramienta computacional aplicada a
Captulo I
la metodologa de sntesis de tipo y dimensional de mecanismos partiendo de partes
descritas por el usuario.
(Quintero-R et al., 2004) present un procedimiento para realizar la sntesis de un

mecanismo que siguiera una trayectoria predeterminada para mltiples puntos de
precisin, encontrando la aplicacin para mecanismos de 4 y 6 barras. Por otro lado
(Laribi et al., 2004) dise una combinacin de un algoritmo gentico con un
controlador de lgica difusa. Este controlador tena como principal funcin el
monitorear la variacin de las variables de diseo durante el primer corrimiento de los
AG y modificar el lmite inicial de los intervalos al iniciar el segundo corrimiento. Una
aproximacin usando redes neuronales para la sntesis de mecanismos es la desarrollada
por (Vasiliu & Yannou, 2001, Walczak, 2006, Starosta, 2006), quienes utilizaron 9
variables para la sntesis de un mecanismos de 4 barras y entrenaron a la red neuronal
por medio de 3 etapas, en donde la primera consiste en la generacin de un nmero
enorme de valores aleatorios propuestos para la simulaciones cinemticas y obtener
valores al azar de las dimensiones y generar un proceso de aprendizaje de la red. En la
segunda etapa, la red obtuvo una solucin aproximada del problema de la sntesis, que
es una interpolacin de casos cercanos. Obteniendo con esto una buena calidad de las
soluciones sintetizadas, para un tamao minsculo de la red cuyas soluciones se pueden
utilizar como resultados iniciales para una optimizacin dimensional convencional.
1.5 Mecanismos utilizados en prtesis para miembro inferior.

Desde que se disearon las prtesis se han manejado dos tipos de mecanismos, las de un
solo eje y las policntricas. En las de un solo eje de rotacin se encuentran las de bisagra
sencilla, que son la opcin ms econmica, duradera y ligera. Como limitaciones
presentan poca estabilidad mecnica no es posible tener buena postura, aqu debe
hacerse uso de la fuerza muscular para mantenerla lo ms estable posible. Normalmente
se le agrega un control de friccin constante y un bloqueo manual, ya que la friccin no
permite que la pierna avance con rapidez al dar el siguiente paso. Se han utilizado desde
1970, pero los problemas con este diseo fueron: infeccin, aflojamiento, detritus
metlicos, rotura de vstagos femorales o tibiales, volumen excesivo de los implantes o
descementacin, teniendo malos resultados del 80% a los 10 aos de seguimiento (San
Juan-Cerver et al., 2005). Las prtesis de un solo centro, o tipo bisagra (Fig.1.1) se
reemplazaron principalmente por el aflojamiento asptico, debido a la falta de rotacin
10
Captulo I
de estas. Para resolver los problemas mencionados anteriormente se desarrollaron las
rodillas policntricas.
Fig.1.1. Prtesis de eje simple. El TKO 1500 Ossur (Dupes, 2004).
Las rodillas policntricas poseen un centro de rotacin que vara con el ngulo de
flexin de la rodilla (Oberg & Kamwendo, 1988). Pueden ser mecanismos de cuatro o
seis barras principalmente (Fig. 1.2). Son muy estables durante la fase de apoyo, al
momento de flexionar o al sentarse. Son ideales para los amputados que no pueden
andar de forma segura con otro tipo de rodillas, para los que tienen una desarticulacin
de la rodilla, amputacin bilateral o para los que tienen muones largos. Como
limitaciones tiene que la amplitud de rodilla puede quedar limitada a un cierto grado.
El tipo de prtesis que emplea estos mecanismos cuenta con dos ventajas: mayor
estabilidad en la fase de postura (Radcliffe, 1970, Radcliffe, 1977, Radcliffe, 1994) y
flexin de rodilla(Greene, 1983, Oberg & Kamwendo, 1988, Blumentritt & WernerScherer, 1997). Sin embargo, como desventaja tiene que el rango de movimiento sobre
la rodilla puede ser restringido a algunos grados, tambin el incremento en el peso
debido al mayor nmero de piezas y el mantenimiento de la misma, que es mayor si se
compara con un mecanismo de una barra.
En(Rovetta et al., 2001), los ligamentos cruzados son sustituidos por cuatro barras
(Fig.1.3) que estn dirigidas a dos estructuras que simulan el fmur y la tibia. Este
mecanismo que sustituye a la rodilla consiste en un sistema articulado con un
cuadriltero cruzado.
11
Captulo I
Fig.1.2. Prtesis de rodilla con mecanismo de 4 barras (Gard et al., 1996).
Fig.1.3 Mecanismo de 4 barras cruzado(Rovetta et al., 2001).
Los proyectos de (Kazutoshi et al., 2004) presentan un mecanismo de 4 barras, con un

par de stas intermedias, e incluye microprocesadores, sensores, cilindros neumticos e
hidrulicos, como principales componentes para el control de la prtesis, que ayudan a
examinar los parmetros biomecnicos de su prototipo, tales como la duracin de la
postura, el ngulo mximo de la flexin de la rodilla en postura y la oscilacin, el
ngulo mximo de la flexin de la cadera y de los momentos mximos de la extensin
de la cadera, que permiten mantener a la rodilla en una posicin cerrada y prevn que la
rodilla se colapse (Fig. 1.4).
En (Blumentritt & Werner-Scherer, 1997) se analiza la prtesis OTTO BOCK 3R60,

que es una rodilla policntrica de cinco barras, con dos grados de libertad. Tiene dos
centros mecnicos de rotacin: el centro instantneo de rotacin (ICR), que se presenta
durante fase de oscilacin, y el eje anterodistal, que es el centro de la fase de la postura
en la rotacin (Fig. 1.5 y 1.6).
12
Captulo I
Fig.1.4 Mecanismo de 4 barras con 2 barras intermedias y 3 topes (Kazutoshi et al., 2004).
Fig.1.5. Mecanismo policntricos de OTTO BOCK 3R60 (Blumentritt & Werner-Scherer, 1997).
Fig.1.6. Centro instantneo de rotacin (CIR) y centro mecnico de rotacin (CMR) o el eje anterodistal
de la rodilla, con una fuerza de reaccin F aplicada al suelo (Blumentritt & Werner-Scherer, 1997).
Por otro lado los mecanismos de 6 barras (Fig. 1.7) tambin han sido utilizado en
uniones de rodillas, como la Total Knee y 3R60 Knee fabricadas por Otto Bock
Company(Patil & Chakraborty, 1991, Van de Veen, 1994). Chakraborty dise un
mecanismo pierna-rodilla de 6 barras para ofrecer un movimiento de coordinacin entre
la unin de pierna rodilla durante la fase de avance y postura.
13
Captulo I
Fig.1.7. Configuraciones de los mecanismos de 6 barras para prtesis de rodilla. (Dewen et al., 2003).
1.5.1 Prtesis inteligentes.

Actualmente en el mercado existen varios diseos de prtesis inteligentes, siendo de las
ms representativas en cuanto al diseo y fabricacin de estas, de las empresas
Endolite's, Intelligent Plus, Otto Bock's C-Leg, Ossur y Seattle's Power Knee
entre otras.
Ossur (Ossur, 1991) dise una de las prtesis comerciales de tipo magnetoreolgicas
en 1991, la Rheo Knee (Fig.1.8). sta se cre en colaboracin con el laboratorio del
Instituto
de
Tecnologa
de
Massachussets
(MIT).
Utilizaba
actuadores
magnetoreolgicos (MR), adems de una dinmica para aprender los movimientos del
humano a travs de matrices de algoritmos (DLMA). Su funcin principal era dominar
los movimientos realizados durante el balanceo y la fase de reposo. Los ajustaba en la
prtesis para dar un movimiento de cadencia ptimo, adems de mayor estabilidad al
caminar.
(Zahedi, 1993) menciona que las primeras prtesis inteligentes fueron las Prtesis
Plus, Fig. (1.9), fabricadas por Chas A. Blatchford en 1993. stas contaban con un
microprocesador que controlaba localmente los mecanismos. Se cre con el objetivo de
disminuir el esfuerzo realizado por el paciente al realizar cualquier actividad como
caminar, correr, saltar, etc. y tena la ventaja de que no se limitaba a una sola velocidad
al caminar. Cuando sta detectaba que haba un cambio de velocidad, el pistn
neumtico se ajustaba para controlar la rodilla, permitiendo a la pierna un movimiento
ms libre al caminar.
14
Captulo I
Fig.1.8. Prtesis magnetoreolgica Rheo Knee (Ossur, 1991).
Fig.1.9. Prtesis inteligente Plus (Zahedi, 1993).
En las publicaciones de (Blumentritt & Werner-Scherer, 1997) se describe el diseo de

una prtesis inteligente creada en 1994. sta se llam Otto Bock 3R60 (Fig.1.10), y
posea estabilidad mecnica por el movimiento de los centros instantneos de rotacin.
Se consider como una rodilla policntrica de 5 barras con 2 grados de libertad, con dos
centros mecnicos de rotacin. Se invent para incrementar la estabilidad en la flexin
de la rodilla en la fase de postura previa (o inicio de la marcha), ya que permita que la
persona caminara con un movimiento cinemtico ms normal.
Para 1999 se haba creado la prtesis GEOFLEX (Fig.1.11), por Motion Technology
for Life(White, 1999), con base en mecanismos policntricos, su control era por
friccin. Su objetivo era evitar que algn tropiezo provocara una cada.
15
Captulo I
Fig.1.10. OTTO BOCK 3R60 (Blumentritt & Werner-Scherer, 1997)
Fig.1.11. Prtesis policntrica GEOFLEX (White, 1999)
Otro modelo creado en este ao fue el C-LEG (Michael, 1999) en el que el uso de
microprocesadores combinados con cilindros hidrulicos, marcaron grandes avances
tecnolgicos. Tambin se agregaron sensores para adquirir datos como peso, cargas
verticales, movimientos en el plano sagital y movimientos en las uniones de la rodilla;
logrando as mejor control en la etapa de marcha. En el 2000 se cre la rodilla
policntrica Total Knee 2000 (Fig.1.12), de Ossur (Dupes, 2004), que tena un
diseo de 7 ejes para un mejor movimiento; se compona de cojinetes de aguja, anillos
de retencin, sistema de bloqueo geomtrico, sistema hidrulico de 3 fases para cambios
de velocidad suave y flexin de apoyo. Para el 2002 Fillauer-Hosmer (Wiest, 2002)
ofreca muchas rodillas de eje sencillo con diferentes caractersticas, incluyendo ajustes
de friccin y de estabilizacin, frenos activados mediante peso y ajustes por desgaste
(Fig.1.13).
16
Captulo I
Fig.1.12. Total Knee 2000 (Dupes, 2004).
Fig.1.13. Prtesis Entegra SV Knee (Wiest, 2002).
En este mismo ao, el Grupo de la Compaa Otto Bock mejor su articulacin de

rodilla modular de eje sencillo 3R80, que se controlaba mediante fluido y era activada
por peso, presentando ms estabilidad en el apoyo. Por otra parte Jim Smith Sales, Inc.,
ofreca la Ultimate, una rodilla hidrulica activada por peso que era ligera y durable, y
con mnimo entrenamiento, una persona amputada poda utilizarla como una de bloqueo
manual o una rodilla que cede a la fase de soporte. Tambin en este contexto Blatchford
Endolite mostraba la unidad Stance Flex ESK de 4 barras, que tena como
caracterstica principal un alineamiento central con friccin para seguridad adicional
(Wiest, 2002). sta controlaba la fase de apoyo con una opcin de bloqueo manual;
contaba con mecanismos activados por peso y una amplia variedad de opciones para el
control de la fase de oscilacin.
17
Captulo I
Ossur tena la TKO 1500, una rodilla que permita al usuario iniciar la flexin
mientras el pie estaba todava sobre el terreno. Estos diseos se apoyaban en un diseo
geomtrico, con un sistema de bloqueo, que simulaba el movimiento de stas y tena
una variedad de caractersticas para diferentes actividades y niveles de movilidad,
incluyendo una caracterstica de posicin en flexin. Posteriormente Lord Corp (Corp,
2003) cre una rodilla policntrica que poda girar casi en cualquier direccin
(Fig.1.14). sta supone la emulacin natural de la pierna, tambin puede trabajar bien
con personas con amputaciones transfemorales o por encima de la rodilla. El sistema
hidrulico con el que cuenta este diseo es ajustable, para cuando las partes bajas de la
pierna se adelantan.
En el 2006, se dise la prtesis 802 Nylon Knee (Aulie Devices, 2006) que usaba
una combinacin de cilindros con mecanismos de tipo sujecin para el manejo de la
extensin y flexin de la pierna, as como un control de friccin (Fig.1.15).
Otro diseo de prtesis creado en este ao fue el da Vinci Award Nominee (Fig.1.16),
por C-Leg (Pahl & Sedlmeier, 2006), que tena un control remoto para los cambios de
velocidad si se queran dar al momento de caminar o hasta correr, tambin poda
manipularse el momento de oscilacin al empezar a dar el paso. sta manejaba sistemas
hidrulicos controlados electrnicamente. Los materiales de construccin eran aluminio
y carbn, hacindola ms ligera. Al microprocesador que gobierna la prtesis le llegan
las seales de todos los sensores utilizados para el control de velocidad, posicin,
esfuerzos, etc.
Fig.1.14. Rodilla Hidrulica HOSMER (Corp, 2003).
18
Captulo I
Fig.1.15. Rodilla de Nylon 802 (Aulie Devices, 2006).
Fig.1.16. Prtesis inteligente da Vinci Award Nominee (Pahl & Sedlmeier, 2006).
Actualmente, en el mbito nacional, se tienen propuestas de prtesis para miembro

inferior, como las desarrolladas por alumnos de la Unidad Profesional Interdisciplinaria
de Ingeniera y Tecnologa Avanzada (UPIITA): Construccin de un Mecanismo de
Rodilla tipo Policntrica para personas con Amputacin Femoral (Moreno-Romero,
2003) y Prtesis de rodilla con pistn magnetoreolgico (Alonso-Areguin, 2005),
entre otras; tambin hay diseos de prtesis para miembro superior, como el reportado
en
Caracterizacin
cinemtica
implementacin
de
una
mano
robtica
multiarticulada (Velzquez-Snchez, 2008). En la Universidad Autnoma de Mxico

se han desarrollado trabajos como Prtesis Inteligentes (Dorador-Gonzlez, 2005) y
Diseo de un socket ajustable para prtesis de miembro inferior (Farah-Simn et al.,
2006).
1.6 Planteamiento del problema.

La sntesis de mecanismos es la base para la construccin de cualquier mquina. Sus
aplicaciones son numerosas y cada una de ellas responde a ciertos requisitos concretos y
especficos que hacen que no sea posible crear pautas de diseo generales en las
posibles soluciones para un mismo problema de sntesis de mecanismos, ya que existen
19
Captulo I
diversas tipologas que pueden cambiar segn el caso. Esta falta de homogeneidad ha
servido para la creacin de varios mtodos para resolver problemas de sntesis, entre los
que se encuentran los mtodos de optimizacin.
La etapa de sntesis dimensional es la ms estudiada y existen numerosos mtodos de

resolucin, sin embargo y pese a que han existido varios planteamientos en los
problemas, ninguno ha sido concluyente porque todos presentan algn tipo de
inconveniente. En el caso de los mtodos exactos, se tienen problemas como la
exigencia de cumplir con los requisitos, que pueden ser los puntos de precisin con total
exactitud. Sin embargo, esta exigencia no es tan prctica porque no es posible
reproducir exactamente los modelos diseados debido a factores como las tolerancias de
fabricacin, holguras en los pares cinemticos y deformaciones de los elementos del
mecanismo durante su funcionamiento. El nmero de puntos de precisin es limitado y
depende del tipo de mecanismo que se utilice.
De aqu el surgimiento de los mtodos de sntesis aproximados que tiene dos objetivos
principales: dar al planteamiento una orientacin hacia la resolucin mediante
herramientas de programacin y plantear estrategias de bsqueda del ptimo global
dentro del espacio de diseo, tambin busca una solucin que usualmente no es nica y
el nmero de requerimientos de diseo no es una limitacin.
Por otro lado, durante aos se han diseado diversas configuraciones de mecanismos
como los de eje simple y eje policntrico para las prtesis para miembro inferior, pero
han sido en su mayora para gente con caractersticas antropomrficas distintas a las de
este pas, lo que motiva a disear una prtesis que asemeje los movimientos lo ms
posible al cuerpo humano y cubra las necesidades de la poblacin mexicana.
Por dicha problemtica, se plantea el desarrollo de una herramienta de optimizacin

basada en computacin inteligente y en la sntesis aproximada de mecanismos,
buscando consumir poco tiempo de cmputo y desarrollar la funcin objetivo ptima.
En este trabajo se busca una solucin adecuada para tener una eficiencia cinemtica en
un mecanismo generador de trayectorias cumpliendo con las restricciones impuestas y
variables como la longitud de los eslabones, el ngulo de transmisin y los ngulos que
dan la movilidad al mecanismo para prtesis de miembro inferior, ya que pequeas
20
Captulo I
diferencias en las longitudes de los eslabones y en la posicin de las articulaciones que
los unen puede generar grandes cambios en el comportamiento cinemtico de los
mecanismos.
Sintetizando un mecanismo, el objetivo es controlar el movimiento realizado durante el

balanceo y la fase de reposo para dar un movimiento de cadencia ptimo, adems de
ofrecer una mayor estabilidad al caminar a travs de un mecanismo policntrico, el cual
posee una biomecnica de desplazamiento y cadencia de paso distinta de la marcha
normal de un individuo con sus extremidades naturales, pero que se tendr que mejorar
para conseguir la comodidad y funcionalidad en dicha prtesis.
Este trabajo en conjunto con estudiantes de licenciatura, maestra y doctorado

participantes
del
proyecto
CONACYT,
proyecto
2005/49701
Robtica
Microtecnologa aplicada en la Ingeniera Biomecnica para el Desarrollo de Prtesis y

Equipo con Tecnologa Nacional y los proyectos Anlisis y sntesis de un mecanismo
antropomrfico subactuado para el desarrollo de prtesis robtica, diseo y
construccin del prototipo con nmero de registro 20071298 y Caracterizacin de la
dinmica del cuerpo humano mediante un sistema basado en acelermetros microelectro-mecnicos (MEMS) con nmero de registro SIP20082296 , proyectos PIFI del
IPN, se crear una prtesis inteligente para miembro inferior, que tiene como principal
objetivo cubrir necesidades como flexin, extensin, control en el balance, y
seguimiento de trayectorias predefinidas por el movimiento natural de la pierna. El
diseo est dirigido para que sea fabricado con materiales de buena calidad y de ms
fcil acceso en el mercado nacional, sencillo uso del dispositivo y sobre todo viable
econmicamente, lo que permite considerar el impacto que habr en la reduccin de
costos al fabricar prtesis ortopdicas con tecnologa nacional.
1.7 Objetivos del proyecto y organizacin de la tesis.

El objetivo general de esta tesis, es desarrollar herramientas de computacin evolutiva
para la sntesis de mecanismos policntricos con aplicacin en la biomecnica.
Derivados del objetivo general y el anlisis del estado del arte, se plantean los siguientes
objeticos especficos:
21
Captulo I
Plantear una funcin objetivo que resuelva un problema de sntesis de optimizacin

de mecanismos necesarios para evaluar varias cantidades de puntos y trayectorias.
Disear un mecanismo que cubra las especificaciones impuestas para generar el

movimiento de una rodilla humana.
Probar la viabilidad prctica de la estrategia planteada mediante la implementacin

de los algoritmos genticos capaz de resolver casos prcticos de sntesis.
Con base en los objetivos planteados, este trabajo se ha organizado de la siguiente

manera:
En el Captulo 1, Estado del Arte, se presentan los mtodos para la sntesis de

mecanismos ms utilizados durante los ltimos aos, las principales tcnicas de
computacin inteligente, entre las que destacan los algoritmos genticos, la lgica
difusa y las redes neuronales. Tambin se presenta la optimizacin en la sntesis de
mecanismos utilizando estas tcnicas para ser aplicados en las prtesis robticas
inteligentes para miembro inferior, caso de aplicacin de este trabajo. Se describe el
planteamiento del problema y los objetivos propuestos para resolver la problemtica
existente en fase de marcha utilizando una prtesis.
En el Capitulo 2, Fundamentos Tericos, se da una introduccin a los aspectos tericoprcticos, se presentan los fundamentos tericos para el anlisis y la sntesis de
mecanismos indicando mtodos numricos y de optimizacin, para el caso de estudio se
presenta el rango de movimiento de la rodilla como base para la simulacin.
En el Capitulo 3, Simulacin y sntesis de mecanismos, se presenta la sntesis y el

anlisis de mecanismos planares para generar trayectorias predefinidas de mecanismos
de 4 y 6 barras. Para la sntesis de mecanismos se emplean los algoritmos genticos
como mtodos de optimizacin y bsqueda para las dimensiones de los eslabones y los
ngulos de movimiento.
En el Captulo 4, Diseo de mecanismos, se presenta el anlisis de varias

configuraciones de mecanismos optimizados con algoritmos genticos, y la aplicacin
de estos en el diseo de una prtesis policntrica.
22
Captulo I
En el Captulo 5, Anlisis y discusin de resultados, se presentan los resultados
obtenidos al aplicar algoritmos genticos a diversas configuraciones de mecanismos
aplicados a una prtesis para miembro inferior.
1.8 Sumario.
En este captulo se presentaron los avances que han existido en la sntesis de
mecanismos. Se enumeraron los mtodos ms utilizados y las mejoras que han aportado
en esta rama de la mecnica. Se hizo un nfasis en la aportacin que han tenido las
herramientas computacionales y las tcnicas de computacin inteligente como los
algoritmos genticos y la lgica difusa, en la optimizacin de estos mecanismos para
obtener respuestas ms viables y ptimas en cuanto a las diversas necesidades de los
usuarios, resaltando los algoritmos genticos como mtodo de bsqueda.
Se describi la importancia de los algoritmos genticos para mejorar la sntesis de

mecanismos, ya que principalmente sirven para eliminar las limitaciones y ayudan a
tener una exactitud en los puntos de precisin delimitados por el diseador, con lo que
se obtiene una reduccin de tiempo computacional y derivaciones de las ecuaciones
obligatorias de una funcin objetivo especfico. Tambin se mostro que puede haber
combinacin de los algoritmos genticos con un controlador de lgica difusa para
monitorear el comportamiento de las variables de diseo durante el corrimiento de los
AG y poder modificar los resultados para una mejor optimizacin.
Por otro lado se mencionaron los tipos de mecanismos que se utilizan actualmente en la
fabricacin de prtesis inteligentes, lo que sirve de base para determinar que
configuracin de mecanismos se puede utilizar para mejorar el rendimiento de la
prtesis y asi poder cubrir las necesidades del usuario.
Por ltimo se present una resea historia de las prtesis inteligentes que han existido y
la forma como han mejorado para lograr un movimiento ms cercano al del miembro
inferior perdido.
En el siguiente captulo se presentarn los fundamentos tericos para resolver la sntesis

de mecanismos con mtodos numricos y algoritmos genticos, la clasificacin de estos.
23
Captulo II
FUNDAMENTOS TERICOS
En este captulo se presentan los

fundamentos tericos para el anlisis y
la sntesis de mecanismos, indicando
mtodos numricos y de optimizacin
como los algoritmos genticos y la
lgica difusa. Para el caso de estudio se
presenta el rango de movimiento de la
rodilla como base para la simulacin.
25
Captulo II
2.1 Generalidades.
Para estudiar un mecanismo se tiene que hacer un anlisis estructural, cinemtico y dinmico, con el
cual se desarrollar la fase analtica, la construccin geomtrica, las dimensiones significativas de
los eslabones y la posicin inicial en la que el mecanismo debe trabajar para cubrir las necesidades
impuestas. El anlisis cinemtico se apoya en los requerimientos de movimientos relativos de los
eslabones y se expresa en trminos de desplazamientos lineales, velocidades y aceleraciones. El
anlisis dinmico est formado por la fuerza y el movimiento aplicado a las articulaciones del
mecanismo, considerndolo como un cuerpo rgido, partiendo del hecho que se conocen los
movimientos. El anlisis estructural es en el que se determinan los esfuerzos y deformaciones que se
presentan en los mecanismos, en esta parte se establecer el factor de seguridad que relaciona la
resistencia considerando las cargas y los materiales. Este captulo se enfocar al anlisis cinemtico,
en el cul, para plantear y dar solucin al modelo, es necesario establecer una relacin geomtrica
entre los elementos que conforman la cadena cinemtica, proponiendo algunos mtodos de solucin
como son Newton Raphson, Algebra Compleja y Algoritmos Genticos para las diferentes
configuraciones de los mecanismos.

Para desarrollar la sntesis de un mecanismos se tiene que realizar el anlisis cinemtico, dinmico y
estructural (Erdman & Sandor, 1998):
Cinemtica:
Generacin de funcin: Es la que determina la coordinacin de posicin, velocidad y/o

aceleracin de entrada/salida.
Conduccin de cuerpo rgido: Es la generacin del movimiento.
Generacin de trayectoria: Es la generacin de la curva acopladora, aqu se analiza la

posicin, velocidad y/o aceleracin en puntos a lo largo de una trayectoria puntual.
Fuerzas estticas: Se analiza el ngulo de transmisin y las ventajas mecnicas.
26
Captulo II
Dinmica:
Balanceo: Son las fuerzas y/o momento de sacudidas inerciales.
Fuerza de inercia: Son las fuerzas de inercia, dinmica de mquinas o anlisis

cinetoesttico.
Respuesta movimiento-tiempo: Est el balanceo entrada-par de torsin o la sntesis fuerzasistema.
Efectos de holguras y tolerancias.
Dinmica de cuerpo elstico: Eslabn flexible y cinetoelastodinmica.
Para describir la relacin de rotacin y traslacin entre los elementos de una cadena cinemtica,
(Denavit & Hartenberg, 1955) propusieron, un mtodo matricial para establecer de forma
sistemtica, un sistema de coordenadas ligado al cuerpo para cada elemento de la cadena articulada.
La convencin propuesta por (Denavit & Hartenberg, 1955) llevada al rea de manipuladores
robticos considera cuatro parmetros importantes:
1. Se lleva al manipulador a una posicin inicial, que servir de referencia para medir los
desplazamientos del sistema.
2. Se numeran los eslabones del sistema, comenzando por 0 para la base del robot, hasta n para
el efector final.
3. Se numeran las articulaciones del sistema, comenzando por 1 para la primer articulacin y n
para la ltima; donde n= nmero de grados de libertad.
4. Los sistemas de coordenadas se asignarn en donde se interceptan el eslabn i-1 con la
articulacin i con base en lo siguiente:
Un eslabn puede ser considerado como un cuerpo rgido, el cul es descrito por dos parmetros, la
longitud del eslabn y el giro de ste. Estos parmetros definen la localizacin relativa de los ejes de
articulaciones vecinas en el espacio. Estas tambin son descritas por dos parmetros, el
descentramiento del eslabn (la distancia de un eslabn a otro prximo a lo largo del eje de la
articulacin) y el ngulo de la articulacin, que es la rotacin de un eslabn con respecto al
prximo, alrededor del eje de la articulacin (Merchn, 2000, Velzquez, 2003).
27
Captulo II
Para dar solucin al modelo dinmico se tienen que tomar en cuenta el movimiento de rotacin y el
de traslacin para poder determinar las fuerzas que acten sobre los eslabones al estar el mecanismo
en movimiento.
2.3 Clasificacin de mecanismos.

Los mecanismos por sus similitudes y diferencias pueden ser planos, esfricos y espaciales (Shigley,
1988). En los planos todas las partculas describen curvas planas en el espacio y se encuentran en
planos paralelos, esto hace posible que el lugar geomtrico de cualquier punto seleccionado se
represente con su verdadero tamao y forma real en un solo dibujo. El movimiento plano requiere
tambin que los ejes de todos los pares prismticos y todos los ejes de revolucin sean normales al
plano de movimiento. En los mecanismos esfricos cada eslabn tiene algn punto que se mantiene
permanente conforme el eslabonamiento se mueve y los puntos estacionarios de todos ellos estn en
una ubicacin comn. En el caso de este eslabonamiento, los ejes de todos los pares de revolucin
se deben intersectar en algn punto. Los mecanismos espaciales no incluyen restricciones en los
movimientos relativos de las partculas. Debido a las caractersticas del objeto de estudio, lo ms
adecuado es trabajar con mecanismos planos y posteriormente mecanismos espaciales.

Se le llama as cuando las trayectorias de los puntos mviles del mecanismo se encuentran en un
solo plano o en planos paralelos. Las posiciones sucesivas de un punto en movimiento definen una
recta o una curva, que representa las posiciones sucesivas de ste, conocido como trayectoria del
punto en movimiento en el sistema de coordenadas de referencia. En problemas en el plano,
conviene expresar un vector especificando su magnitud y direccin en notacin polar. El lugar
geomtrico de cualquier punto de un mecanismo plano se representa con su verdadero tamao y
forma real, en un solo dibujo o figura. La transformacin del movimiento de cualquier mecanismo
de esta ndole se llama coplanar (Shigley, 1988).
Los mecanismos que slo utilizan pares cinemticos inferiores (eslabonamiento plano) nicamente
pueden incluir articulaciones de revolucin y pares prismticos.
28
Captulo II
Para el anlisis cinemtico de un mecanismo plano de cuatro barras, se tienen que determinar ciertas
restricciones (Shigley, 1988):
Determinacin del nmero de grados de libertad: ste se puede calcular a partir del nmero
de coordenadas dependientes y del nmero de ecuaciones de restriccin independientes.
El problema de posicin inicial: Consiste en calcular la posicin inicial del sistema

(coordenadas dependientes) a partir de los valores de los grados de libertad (coordenadas
independientes) y de las dimensiones de los distintos elementos. El problema del anlisis de
posicin es determinar los valores de todas las variables (posiciones de todos los puntos y
articulaciones) dadas las dimensiones de cada eslabn, y el valor o valores de las variables
independientes, es decir aquellas que se escogen para representar los grados de libertad del
mecanismo.
El Problema de los desplazamientos finitos: sirve para calcular una nueva posicin del
sistema a partir de unos incrementos finitos de las coordenadas independientes.
Anlisis de velocidades: Calcula las velocidades dependientes a partir de las independientes.
Anlisis de aceleraciones: Calcula las aceleraciones dependientes a partir de todas las

velocidades y de las aceleraciones independientes.
2.3.1.1.1 Grados de libertad.

En un sistema, los grados de libertad (GDL) son el nmero de parmetros independientes (medidas)
que se necesitan para definir unvocamente su posicin en el espacio en cualquier instante. Para
determinar los GDL totales de un mecanismo se debe tener en cuenta el nmero de eslabones y
articulaciones, as como las interacciones entre ellos. De acuerdo a la condicin de Kutzbach
(Shigley, 1988), un eslabn cualquiera en un plano tiene 3 GDL antes de conectarse entre s, cuando
se mueven en relacin al eslabn fijo. Sin contar este ltimo, un mecanismo de n eslabones posee
3(n-1) grados de libertad antes de conectar cualquiera de las articulaciones. Cuando las restricciones
de todas las articulaciones se restan del total de grados de libertad de los eslabones no conectados,
se encuentra la movilidad resultante del mecanismo conectado. Este razonamiento conduce a la
ecuacin de Kutzbach:
m= 3(n-1)-2j1-j2
(2.1)
29
Captulo II
En donde:
m = Grados de libertad, n = Nmero de eslabones, j1= Numero de pares de un solo grado de
libertad, j2= Nmero de pares con dos grados de libertad.
Para un mecanismo de 4 barras, los grados de libertad son:
m= 3(4-1)-2(2)-0=1
(2.2)
Para un mecanismo de 6 barras los grados de libertad son:

m= 3(6-1)-2(7)-0=1
(2.3)
Si este criterio da m > 0, el mecanismo posee m grados de libertad. Si m=1, este se puede impulsar
con un solo movimiento de entrada, si m=2, se necesitan dos movimientos de entrada separados
para producir un movimiento restringido del mecanismo. Si m=0 el movimiento es imposible y
forma una estructura.
Esta ley afirma que para un eslabonamiento plano de cuatro barras (Figura 2.1), la suma de las
longitudes ms corta y ms larga de los eslabones no puede ser mayor que la suma de las longitudes
de los eslabones restantes (Figura 2.2), si se desea que exista una rotacin relativa continua entre
dos elementos (Tabla 2.1). Para el tipo de problema a resolver, el mecanismo con cambio de punto
es el ms adecuado.
Figura 2.1 Partes de un mecanismo de 4 eslabones.
30
Captulo II
Tabla 2.1 Clasificacin de Grashof para mecanismos de 4 barras (Martin et al., 2007).
Tipo de mecanismos
Barra
ms Relacin entre la
corta
longitud de las barras
Manivela
del
s+l< p+q
Eje
inestable
balancn
Friccin
en
el
acoplamiento
Doble balancn
Cambio de punto
Triple eje de balancn
Tierra
s+l< p+q
Acoplamiento
Cualquiera
Cualquiera
s+l< p+q
s+l= p+q
s+l> p+q
Siendo s=longitud del eslabn ms corto, l=longitud del eslabn ms largo, p=longitud del eslabn
restante y q=longitud del eslabn restante.
Figura 2.2. Tres inversiones del cuadriltero de Grashof (Martin et al., 2007).
Esta ley aplica principalmente para mecanismos de cuatro eslabones, pero si se quiere analizar uno
de seis, como el tipo Watt, se puede considerar como dos eslabonamientos de cuatro barras
conectados en serie y que tienen dos eslabones en comn. El tipo Stephenson puede considerarse
como dos eslabonamientos de cuatro barras conectados en paralelo y que tienen dos eslabones en
comn.
2.3.1.1.3 Anlisis de posicin, velocidad y aceleracin.
Una meta del anlisis cinemtico consiste en determinar las aceleraciones de todas las partes
mviles del conjunto. Se necesitan conocer las fuerzas dinmicas con el fin de calcular los esfuerzos
en los componentes. Para calcular los esfuerzos se necesitan conocer las fuerzas estticas y
dinmicas en las partes, y con el fin de determinar tales fuerzas dinmicas es necesario conocer las
aceleraciones. Para calcular stas, debemos hallar primero las posiciones de todos los eslabones del
mecanismo para cada incremento en el movimiento de entrada y luego derivar las ecuaciones de
31
Captulo II
posicin con respecto al tiempo para obtener velocidades; se derivan luego stas con el fin de tener
las expresiones de aceleracin (Norton, 1999).
Si 2 es la posicin angular del eslabn 2, en un eslabonamiento de cuatro barras, y 4 es la posicin
angular del eslabn 4, entonces uno de los problemas de la sntesis cinemtica es encontrar las
dimensiones del eslabonamiento de tal manera que
en donde f es cualquier relacin
funcional deseada. Aunque el problema no sea resuelto, es posible especificar hasta 5 valores para
2 llamados puntos de precisin y encontrar un eslabonamiento que satisfaga la relacin deseada

para la funcin y luego seleccionar de 2 a 5 puntos de precisin a partir de la grfica para utilizarlos
en la sntesis (Freudenstein & Sandor, 1964). Si el proceso tiene xito, la relacin funcional se
satisface para estos puntos; pero ocurrirn desviaciones en otros. Uno de los principales problemas
de diseo de eslabonamiento consiste en seleccionar un conjunto de puntos de precisin para
utilizarlos en la sntesis, de tal modo que se minimice el error estructural o los puntos que se
presentan en las desviaciones.
Como primera aproximacin, el mejor espaciamiento es el de Chebychev. Para n puntos en un
intervalo
,el espaciamiento segn (Freudenstein & Sandor, 1964, Shigley, 1988) es:
donde j=1,2,n y xj son los puntos de precisin.
Estos puntos se obtienen grficamente construyendo primero un crculo cuyo dimetro es el

intervalo x dado por la ecuacin:
(2.4)
En este crculo se traza un polgono inscrito regular de n lados y se bajan perpendiculares en cada
vrtice que intersectarn a x en los puntos de precisin como se muestra en la Figura 2.2. Este
espaciamiento se considera la aproximacin inicial dependiendo de la necesidad de exactitud del
problema. Si se requiere de mayor exactitud entonces, mediante una curva del error estructural
32
Captulo II
contra x, se pueden determinar visualmente los ajustes que se deben hacer en los puntos de precisin
para la aproximacin siguiente. Ejemplo:
1
2
1
2
2
2
5
1
0.5 1
0.5
cos
2 1 1
2 5
1.0489
Figura 2.3 Ejemplo de Espaciamiento de Chebychev de 5 puntos de precisin.

Las posiciones lmites del oscilador en un mecanismos de manivela oscilador estn identificadas
con A1, B1 y A2, B2 (Figura 2.4). En ste, la manivela y el acoplador quedan en una sola posicin
en cada posicin extrema. En este caso, la manivela recorre el oscilador recorre y en el
retroceso, la manivela recorre 360- el oscilador recorre (Shigley, 1988).Este mecanismo se
emplea en algunas ocasiones para definir una lnea recta por el acoplador o biela. El eslabonamiento
de Watt es un mecanismo de cuatro barras que desarrolla una lnea aproximadamente recta como
parte de la curva del acoplador. Aunque no describe una recta exacta, se logra una aproximacin
aceptable sobre una distancia de recorrido considerable.
33
Captulo II
Figura 2.4 Sntesis de un eslabonamiento de 4 barras (Shigley, 1988).

Es un mtodo iterativo que se emplea para la obtencin de races de una funcin. Este mtodo no
trabaja sobre un intervalo especfico, sino que basa su formulacin en un proceso iterativo
(Velzquez-Snchez, 2008). El Mtodo de Newton-Raphson asume que la funcin f (x) es derivable
sobre un intervalo cerrado [a,b]. Entonces f (x) tiene una pendiente definida y una lnea tangente
nica en cada punto dentro del intervalo [a,b]. La tangente en (x0, f (x0)) es una aproximacin a la
curva de f (x) cerca del punto (x0, f (x0)). En consecuencia, el cero de la lnea tangente es una
aproximacin del cero de f (x) o denominada raz de f(x) (Figura 2.5).
Figura 2.5 Modelo general del Mtodo de Newton Raphson.
Para el anlisis de convergencia: sean x0, x1, x2,..., xn, xn+1 las aproximaciones en sucesivas
iteraciones, r el verdadero valor de la raz. Si se toma como error en la n-esima iteracin a en
entonces el error en estar dado por: en =xn r y en consecuencia en+1=xn +1r que es conocido
34
Captulo II
como la diferencia de Newton (Trejo-Aguirre, 2008) y representa la cantidad de correccin a la
solucin aproximada en la n-sima iteracin. El modelo matemtico de este mtodo es el
siguiente(Norton, 1995, Merchn-Cruz, 2005):
Para un conjunto de funciones no lineales se tiene:

1, 2, 3,
0,
1,2, ,
(2.5)
Donde fi es una funcin no lineal de las xj. Teniendo una estimacin inicial de la solucin, sta se
puede escribir como:
Donde
es la estimacin inicial y
(2.6)
es una correccin desconocida. Si se expande la ecuacin
2.6 para obtener un polinomio de Taylor truncado de primer orden alrededor de
se obtiene:
(2.7)
Donde las derivadas parciales se evalan con las condiciones iniciales. Escribiendo la ecuacin
como matriz:
(2.8)
Donde J es la matriz jacobiana dada por:

(2.9)
,
,
,
,
,
,
(2.10)
,.
,.
,.
(2.11)
Las derivadas parciales pueden evaluarse con una aproximacin de diferencia:

,.,
,.,
(2.12)
35
Captulo II
Donde
es un valor pequeo elegido arbitrariamente.
Generalizando el mtodo se tiene:

(2.13)
Siendo k el valor de la incgnita que indicara el numero de iteraciones para obtener el mejor valor a
la aproximacin de la curva f(x).
La sntesis del mtodo se presenta en la Figura 2.6.
Figura 2.6 Diagrama de flujo aplicando Newton Raphson en la Sntesis de Mecanismos.
36
Captulo II
La posicin de un punto en el plano se define mediante un vector de posicin. La eleccin de ejes de
referencia es arbitraria y se puede expresar en forma polar para proporcionar la magnitud y la
direccin del vector o en forma cartesiana para aportar los componentes X y Y del mismo (Norton,
1995). La utilidad real de los nmeros complejos en el anlisis en el plano se debe a la facilidad con
que se pueden pasar a la forma polar, si se usa la notacin compleja rectangular para un vector R se
puede describir:
/
cos
sin
(2.14)
Y si se emplea Euler se tiene:

(2.15)
El cul tambin se puede escribir en la forma polar compleja como:

(2.16)
Utilizando estas ecuaciones se obtiene el movimiento complejo en un vector, el cul es la suma de

los componentes de traslacin y rotacin. (Bloch, 1940) desarroll un mtodo para la sntesis de
mecanismos de 4 barras utilizando algebra compleja, para esto, reemplazan cada uno de los
elementos del mecanismo por un vector de posicin, presentado en notacin compleja polar.
Empleando este mtodo para la Figura 2.7, cada vector que define a los eslabones se presenta de la
siguiente forma (Norton, 1995):
Figura2.7. Mecanismo de cuatro barras.
37
Captulo II
Siendo xd y yd los valores del punto deseado, x0 y y0 los puntos para el origen, r2 la manivela, rcx y
rcy los eslabones que tocan el punto de precisin. Con base en la Figura 2.7 se tiene:
(2.17)
Al aplicar la notacin polar:
(2.18)
Si se sabe que por Euler se tiene:
(2.19)
Al desarrollar (2.18) en forma cartesiana, aplicando Euler se tiene:
(2.20)
De (2.20) se puede agrupar la parte real y la parte imaginaria para formar ecuaciones simultneas y
obtener las incgnitas de los ngulos
, que se desarrollaran ms adelante.
(2.21)
Real:
(2.22)
Imaginaria:
Reacomodando estas ecuaciones para despejar
y asumiendo que
0y
es un valor de
entrada que se puede manipular se obtiene:
(2.23)
(2.24)
Sumando y elevando al cuadrado ambas ecuaciones para simplificar se tiene:
2
cos
(2.25)
Esta ecuacin debe normalizarse para reducir su complejidad, y para esto se utilizan las constantes
K1, K2 y K3 en trminos de las longitudes de los eslabones:
,
(2.26)
2
38
Captulo II
Por lo tanto en notacin simplificada la ecuacin (2.27), conocida tambin como la ecuacin de
(Freudenstein, 1956) se puede expresar como sigue:
cos
(2.27)
Para reducir ms esta ecuacin se emplean las identidades trigonomtricas del ngulo mitad, que
y
convertirn los trminos en
en trminos de tan :
2
1
(2.29)
Conocida
(2.28)
, de (2.27) se agrupan nuevamente las variables, tenindose:

(2.30)
2
(2.31)
(2.32)
1
2
(2.33)
Utilizando la ecuacin cuadrtica para obtener los valores de los ngulos se tiene:
(2.34)
Como se observa, (2.34) tiene soluciones que pueden ser reales iguales, reales distintas y complejas
conjugadas. Si estas son complejas conjugadas, los eslabones con esas longitudes no se conectan (no
forman una cadena cinemtica cerrada) para el valor de
Para calcular el ngulo
seleccionado (Moreno-Prez, 2006).
, se realiza un procedimiento similar al clculo de
(2.21 y 2.22) despejando ahora
. Hay que regresar a
, resultando:
(2.35)
(2.36)
Elevando al cuadrado y sumando para eliminar
se obtiene la ecuacin:
39
Captulo II
cos
La constante
cos
(2.37)
, K4 y K5 son:
es la misma que para
(2.38)
y
Reduciendo a la forma cuadrtica:
2
(2.39)
Donde:
(2.40)
(2.41)
(2.42)
2
1
Y la solucin es:
,
Igual que para
E
2D
4DF
(2.43)
, hay dos soluciones correspondientes a las ramas cruzadas y abiertas del
eslabonamiento, que de acuerdo a la configuracin para este mecanismo, deben elegirse los signos
de acuerdo a la Tabla 2.2:
Tabla 2.2. Configuracin de mecanismos (Moreno-Prez, 2006).
Configuracin
Abierta
Cruzada
+
-
-
+
La posicin de un punto P sobre el eslabn acoplante (como el mostrado en la figura 2.7) se puede
calcular una vez que se tienen los ngulos
dado que el marco de referencia se encuentra
localizado en xo y yo:
(2.44)
40
Captulo II
Una ventaja de utilizar la notacin de nmeros complejos para representar vectores planos (o en el
plano) proviene de la identidad de Euler y sirve para desarrollar y deducir las ecuaciones para la
posicin, la velocidad y la aceleracin del eslabonamiento(Norton, 1995).
El centro instantneo es la ubicacin instantnea de un par de puntos coincidentes de dos cuerpos
rgidos diferentes para los que las velocidades absolutas de los dos puntos son iguales. Tambin se
puede definir como la ubicacin de un par de puntos coincidentes de dos cuerpos rgidos diferentes
para los que la velocidad aparente de uno de los puntos es cero, tal y como la percibe un observador
situado en el otro cuerpo. En general, el centro instantneo entre dos cuerpos no es un punto
estacionario, sino que su ubicacin cambia en relacin con ambos cuerpos, conforme se desarrolla el
movimiento y describe una trayectoria o lugar geomtrico sobre cada unin de ellos. Estas
trayectorias son llamadas centrodas. ste sirve para obtener la sntesis del mecanismo respecto a su
posicin, velocidad y aceleracin. En las prtesis policntricas, ste varia con el ngulo de flexin
de la rodilla y determina el control mecnico de sta (Oberg & Kamwendo, 1988).
Para un mecanismo de 4 barras, los centros instantneos de rotacin se muestran en la Figura 2.8,
los puntos P2.4,P2.3, P2.1, P3.1, P1.4 y P3.4, muestran la unin de los centros instantneos, estos
son los que se pueden determinar a simple vista, aunque existe una frmula para establecerlos ,
adems del Teorema de Aronhold-Kennedy (Norton, 1995). La combinacin para n objetos tomados
r en cada vez, es:
1
2
!
(2.45)
Aplicando esta ecuacin, para un mecanismo de 4 barras se tienen 6 CI, para uno de 6 barras 15 CI
y para uno de 8, 28 CI.
41
Captulo II
Figura 2.8 Centros instantneos de rotacin en un mecanismo de 4 barras.
2.3.1.2 Implementacin de los mtodos en la sntesis de un mecanismo de 4 eslabones.

Se tiene un mecanismo plano de 4 eslabones, como el mostrado en la Figura 2.7, en el cul se
requiere obtener la longitud de todos los eslabones y el valor de los ngulos de la biela y el seguidor,
aplicando el mtodo de Newton Raphson, algebra compleja y los centro instantneos de rotacin.
Para hacer el anlisis cinemtico, se parte de obtener la ecuacin que refleja el orden particular de
los vectores para formar una cadena cinemtica cerrada y una cadena abierta , para esto se aplican
las ecuaciones 2.21 y 2.2.2, que son la base para obtener la Funcin de Freudenstain, que es la
relacin entrada-salida del sistema, para cadena cerrada:
(2.46)
Y para la cadena cinemtica abierta del mecanismo antes referido se tiene:

(2.47)
Si se toma la funcin correspondiente a la cadena abierta, como primer ejemplo, considerando como
variables, para este caso xo, r2, yo, rcx y rcy, y el nmero de puntos de precisin (5 por ejemplo), el
jacobiano respectivo es:
42
Captulo II
1
(2.48)
Si se substituyen los valores propuestos para las variables correspondientes, los valores deseados
impuestos en la trayectoria para x y y, adems del ngulo de entrada
, adems de substituir estos
en la ecuacin 2.48, se obtendrn la primer aproximacin de las races para la obtencin de la curva
para cada variable.
Substituyendo los valores obtenidos de las variables en la funcin de posicin correspondiente a los
puntos generados se tienen:
/2
(2.49)
/2
(2.50)
Para saber en qu momento debe terminar esta serie de iteraciones, es necesario definir una
restriccin, para este caso se plantea la distancia euclidiana entre el valor deseado y el generado,
presentado por la ecuacin 2.51:
(2.51)
Dos situaciones en las que el Mtodo de Newton no funciona adecuadamente: (a) el Mtodo no
alcanza la convergencia y (b) el Mtodo converge hacia un punto que no es un cero de la ecuacin
(Luthe et al., 1982).
Con los valores de las dimensiones obtenidos para los eslabones y los ngulos
se
desarrollan las ecuaciones para algebra compleja, que para este ejemplo se representan por:
(2.52)
(2.53)
43
Captulo II
(2.54)
(2.55)
(2.56)
(2.57)
(2.58)
(2.59)
Y por ltimo los centros instantneos de rotacin vienen dados por:

4 4
1
2
(2.60)

En ocasiones, en las que se halla una buena solucin a un problema de sntesis de eslabonamiento,
que satisface las restricciones de generacin de trayectoria, pero sta tiene los pivotes fijos en
localizaciones impropias para la unin al plano o al armazn de fijacin disponible, se presentan los
mecanismos cognados. Este trmino fue empleado por (Denavit & Hartenberg, 1955) para describir
un eslabonamiento de distinta configuracin, que genera la misma curva que el acoplador.
De acuerdo al teorema de Roberts-Chebychev (Shigley, 1988), tres eslabonamientos planos de

cuatro barras articuladas, describirn curvas del acoplador idnticas. Al hacer arreglos entre los
mecanismos cognados de cuatro barras, se obtienen las configuraciones fundamentales de
mecanismos de 6 barras, el tipo Watt y el tipo Stephenson, como los mostrados en la Figura 2.9.
Figura 2.9. Mecanismo bsico de 6 barras: Tipo Watt y Tipo Stephenson.(Dewen et al., 2003).
44
Captulo II
Dicha clasificacin depende de los eslabones ternarios (miembros con tres articulaciones
de
revolucin). En la cadena Watt, los eslabones ternarios son adyacentes; en la cadena Stephenson, los
eslabones ternarios estn separados por eslabones binarios.
La sntesis de mecanismos de 6 barras es estudiada para cubrir ciertas exigencias que no se pueden
cubrir con los mecanismos de 4 barras. Estos se emplean cuando se tienen requerimientos que
producen una detencin (que es cuando existe un periodo inmvil del acoplamiento de la salida para
el movimiento diferente a cero del acoplamiento de la entrada), en el acoplamiento de la salida
durante los periodos predefinidos del movimiento del acoplamiento de la entrada (Norton, 1999).
Aplicados a la prtesis de miembro inferior, ofrecen movimientos con mejor coordinacin en la fase
de postura y avance.
En la sntesis de mecanismos de 6 barras, la optimizacin se formula generalmente como la

minimizacin del error en ngulos correlacionados de la entrada y la salida. Es decir, la posicin del
error que se presenta entre la trayectoria obtenida y la trayectoria deseada.
A estos mecanismos tambin se les puede hacer la sntesis por medio del mtodo de Newtn
Raphson y por algebra compleja siguiendo el mismo principio que para un mecanismo de cuatro
barras, ya que los de 6 eslabones se forman por la unin de 2 mecanismos de esta configuracin.

El problema de la sntesis de mecanismos espaciales se puede dividir en brazos manipuladores,
mecanismos paralelos y mecanismos esfricos. Los mecanismos de cadena abierta, conocidos como
robots manipuladores estn constituidos por una serie de barras dispuestas en serie y conectadas
mediante pares que en conjunto proporcionan una gran movilidad a un actuador final (SanchzMarn, 2000). Estos tienen como principal inconveniente el hecho de que debido a su configuracin,
acumulan el error de posicionamiento de los diferentes pares cinemticos desde la base hasta el
actuador final, creciendo este error con la fuerza aplicada en dicho actuador. La sntesis de este tipo
de mecanismos se centra en la eleccin de los pares y la determinacin de la longitud de las barras
de forma que se obtenga una movilidad y precisin ptima. En los mecanismos paralelos los
45
Captulo II
eslabones y pares forman parte de dos o ms cadenas cinemticas que estn diseadas para
funcionar en paralelo. De stas existen muchas posibles configuraciones, siendo la ms conocida la
plataforma de Stewart (Sanchz-Marn, 2000). Sus seis grados de libertad le proporcionan una gran
movilidad y precisin (Figura 2.10). La sntesis se centra fundamentalmente en la bsqueda de
nuevas configuraciones o sntesis de tipo y en el dimensionamiento de los eslabones para el
cumplimiento de una serie de requisitos de movilidad.
Figura 2.10 Plataforma Stewart. (Sanchz-Marn, 2000)
Los mecanismos esfricos se caracterizan porque generalmente poseen nicamente pares inferiores
y estos pares se mueven dentro de una superficie esfrica (Sanchz-Marn, 2000). La sntesis de
estos tiene caractersticas similares a la sntesis de mecanismos planos con pares inferiores en lo
referente a tipologa, objetivos y requisitos.
En los mecanismos espaciales de un grado de libertad existe una Configuracin de Insensitividad de

Posicin (CIP) que se aplica cuando hay una configuracin del mecanismo tal que, aunque se
introduzca un movimiento con una velocidad cualquiera en el eslabn de entrada, el eslabn de
salida permanezca inmvil. De manera anloga, habr una configuracin de incertidumbre de
posicin (CIN) cuando el eslabn de salida pueda realizar determinados movimientos estando
inmvil el eslabn de entrada (Zabalza-Villava, 1999). Para algunos mecanismos espaciales de un
grado de libertad, con base en el cuadriltero articulado, algunos autores (Freudenstein & Kiss,
1969, Freudenstein & Primrose, 1976, Gupta & Radcliffe, 1971, Sylemez & Freudenstein, 1982,
Tinubu & Gupta, 1984, Willians & Reinholtz, 1987, Rastegar & Tu, 1992, Zabalza-Villava, 1999)
46
Captulo II
han estudiado, los lmites de su espacio de trabajo, que son posiciones de los mecanismos en las que
se producen las CIP. En los mecanismos planos o espaciales de varios grados de libertad, se
presentar una CIP cuando el eslabn de salida permanezca inmvil para una velocidad cualquiera
de uno o varios eslabones de entrada. Del mismo modo, se tendr una CIN cuando el eslabn de
salida tenga algn movimiento estando inmviles todos los eslabones de entrada.
En mecanismos de varios grados de libertad, un determinado punto del brazo del robot describe una
superficie que suele ser, de alguna manera, lmite del espacio de trabajo. Mientras ese punto
determinado se encuentre en la superficie lmite puede permanecer inmvil independientemente del
movimiento de algn actuador, perdiendo el robot algn grado de libertad. A estas configuraciones,
normalmente las denominan como "configuraciones singulares" y las estudian como lmites
negativos del espacio de trabajo, no habiendo ningn estudio que se conozca en el que las
consideren ventajosas: de manera formal, una singularidad tiene lugar cuando el inverso del
jacobiano del manipulador se indefine, esto es la velocidad de alguna articulacin tiende
sbitamente al infinito (Craig, 1989).

Un algoritmo gentico tpico inicia con una poblacin generada aleatoriamente. Los caracteres en la
cadena de solucin son llamados genes. El valor y la posicin en la cadena de un gen son llamados
lugar geomtrico y alele respectivamente. Cada solucin de la cadena es llamada cromosoma. El
cdigo de las variables se llama genotipo, y las variables mismas se llaman fenotipo (Figura 2.11).
Figura 2.11 Representacin de un cromosoma binario
47
Captulo II
Los individuos son seleccionados probabilsticamente para ser evaluados por la funcin objetivo
(Chen, 2004). La poblacin evolucionar, a lo largo de las generaciones sucesivas, de tal manera
que la adaptacin media extendida a todos los individuos de la poblacin, as como la adaptacin
del mejor individuo se irn incrementando hacia la ptima global. A medida que el nmero de
generaciones aumenta, es ms probable que la adaptacin media se aproxime a la del mejor
individuo. De esta forma un gen ha convergido cuando al menos un 95% de los individuos de la
poblacin comparten el mismo valor para dicho gen. Se dice entonces que la poblacin converge
cuando todos los genes han convergido. Los pasos para hacer un algoritmo gentico segn se
establece en (Goldberg, 1989) se presentan en el diagrama de la Figura 2.12:
Figura 2.12 Diagrama de flujo de un algoritmo gentico
Describiendo cada punto se tiene:
48
Captulo II
Poblacin inicial: Se crea aleatoriamente y es codificada dentro del cromosoma de un arreglo con
longitud variable (Figura 2.13). La codificacin puede hacerse en una representacin
binaria(Goldberg, 1989, Merchn-Cruz, 2005), en base al dominio de cada variable, para la sntesis
de mecanismos, la longitud de los eslabones y los ngulos de movimiento, se calcula el nmero de
bits y la longitud del cromosoma con (2.52) y (2.53) respectivamente, siendo p el nmero de dgitos
de precisin despus del punto (Michalewicz, 1999). Para poder hacer la evaluacin se tiene que
hacer la decodificacin y obtener valores reales, por ejemplo para los ngulos de transmisin:
nbitsi =
log (ri max ri min ) 10 p

log(2 )
(2.61)
Donde
nbits Es el nmero de bits por variable
rmx Lmite mximo de la variable.
rmin Lmite mnimo de la variable.
p Precisin en decimales.
longcr =
(2.62)
nbits i
i =1
Figura 2.13 Representacin de la poblacin.
El tamao de una poblacin ni de cromosomas de longitud longcr, con una codificacin binaria,
compuesta por una serie de genes y aleles, debe ser suficiente para garantizar la diversidad de las
soluciones creadas por una notacin mediante cadenas compuestas por 0 y 1, si se escoge una
representacin binaria.
49
Captulo II
s nilongcr
b1,1 Kb1,longcr
=
M
b Kb
ni ,longcr
ni,1
(2.63)
La poblacin debe evaluarse decodificando los genes del cromosoma, para convertirse en una serie
de soluciones factibles al problema:
xi = i min
nbitsi
i i max i min
+
b i 2
j =0

2longcr 1
(2.64)
x La variable decodificada.
bi Bit de la cadena.
Evaluacin: Durante sta, se decodifica el gen, convirtindose en una serie de parmetros de un

problema. Se halla la solucin de ste a partir de esos parmetros, y se le da una puntuacin a esa
solucin (llamada fitness) en funcin de lo cerca que est del mejor resultado. sta debe reflejar el
valor del individuo de una manera real, pero en muchos problemas de optimizacin combinatoria,
donde existe una gran cantidad de restricciones, buena parte de los puntos del espacio de bsqueda
representan individuos no vlidos.
fi = fitness( xi ) = funcin aptitud
j
Fpop =
(2.65)
(2.66)
i =1
Para resolver el gran nmero de restricciones se han propuesto soluciones como:
Absolutista: Los individuos que no verifican las restricciones, no son considerados como
tales y se siguen efectuando cruces y mutaciones hasta obtener individuos vlidos, o bien de
dichos individuos se les asigna una funcin objetivo igual a cero.
Regenerador: Es un operador que reconstruye aquellos individuos que no verifican las

restricciones.
50
Captulo II
Penalizacin de la funcin objetivo: Consiste en dividir la funcin objetivo del individuo por
una cantidad (la penalizacin) que guarda relacin con las restricciones que dicho individuo
viola. Esta cantidad puede tener en cuenta el nmero de restricciones violadas o el costo
esperado de reconstruccin, que es un coste asociado a la conversin de dicho individuo en
otro que no viole ninguna restriccin.
Evaluacin aproximada de la funcin objetivo: La obtencin de n funciones objetivo

aproximada puede resultar mejor que la evaluacin exacta de una nica funcin.
Seleccin: El proceso consiste en elegir individuos de acuerdo a su contribucin de aptitud con

respecto al total de la poblacin, existen varias tcnicas, pero la ms utilizada es la funcin de
seleccin proporcional a la funcin objetivo, con sta, cada individuo tiene una probabilidad de ser
seleccionado como padre, que es proporcional al valor evaluado mediante la funcin objetivo.
(Baker, 1987) introdujo el muestreo universal estocstico, el cul utiliza un nico giro de ruleta,
siendo los sectores circulares proporcionales a la funcin objetivo. Los individuos son seleccionados
a partir de marcadores igualmente espaciados y con comienzo aleatorio. En este mtodo, si se
determina una poblacin de tamao N de generacin t, de un algoritmo, donde existen k individuos
del esquema H y que f1, f2 fk son los valores de la funcin de adaptacin. Si se selecciona
aleatoriamente un miembro de la poblacin usando el mecanismo de la ruleta, la probabilidad de
que este sea el i-simo representante del esquema H es:
pi =
fi
(2.67)
f
j =1
Con esta frmula se calcula la poblacin inicial, pero sta slo es vlida para el tipo de seleccin
proporcional o de ruleta.
51
Captulo II
Para la seleccin de la ruleta se necesita conocer el grado de adaptacin de alguno de los individuos
Fi, y la suma de la poblacin calificada de los individuos adaptados
F y la circunferencia Ci, la
i =1
frmula de la ruleta ser ( 2.68 y 2.69) y se representa por la Figura 2.14:
wi =
fi
F pop
(2.68)
p 1
Lp =
+ wp
(2.69)
k =0
Figura 2.14 Seleccin por ruleta.
Algunas otras tcnicas para la seleccin son las presentadas en los trabajos de (Holland, 1975,
Goldberg & Deb, 1991, Deb, 2004, Fleming & Purshouse, 2001, Whitley, 1994), algunas de estas
son:
Tipos de seleccin:
Seleccin Proporcional: Seleccionado proporcionalmente a su valor de aptitud.
Seleccin de Estado Uniforme. Algunos individuos menos aptos son reemplazados.
Sobrante Estocstico. Es determinista con la parte entera de valores esperados y

proporcionales para la parte fraccionaria de cada individuo.
Universal Estocstico. Distribucin de los individuos en funcin de sus valores esperados.
Muestreo Determinstico. Basado en el sobrante estocstico y un algoritmo de ordenacin.
52
Captulo II
Escalamiento Sigma. Est en funcin de su aptitud, la media y la desviacin estndar.
Seleccin por Jerarquas. Clasifica a los individuos con base en su rango.
Seleccin de Boltzmann. Se basa en el proceso del recocido simulado para seleccionar.
Seleccin por torneos. Posibilidades de ganar en una competencia por comparaciones

directas de los individuos, ya sea en forma determinista o probabilstica.
Seleccin por truncamiento. Complejo en el tiempo y no se basa en la aptitud.
La seleccin de rango lineal. Lineamiento de acuerdo a su rango y valores de aptitud.
Seleccin de rango exponencial. Ponderacin exponencial de probabilidades en los

individuos.
Brecha Generacional. Los padres de una poblacin no compiten contra sus hijos.
Seleccin Disruptiva. Normaliza las aptitudes con respecto a un cierto valor moderado.
Seleccin Competitiva. Es a travs de las interacciones con miembros de la poblacin, o con

otros miembros de una poblacin separada que evoluciona concurrentemente.
Cruzamiento: La idea principal del cruce se basa en que, si se toman dos individuos correctamente
adaptados al medio y se obtiene una descendencia que comparta genes de ambos, existe la
posibilidad de que los genes heredados sean precisamente los causantes de la bondad de los padres.
Al compartir las caractersticas buenas de dos individuos, la descendencia, o al menos parte de ella,
debera tener una bondad mayor que cada uno de los padres por separado. Si el cruce no agrupa las
mejores caractersticas en uno de los hijos y la descendencia tiene un peor ajuste que los padres no
significan que se est dando un paso atrs. Optando por una estrategia de cruce no destructiva
garantizamos que pasen a la siguiente generacin los mejores individuos (Gestal-Pose, 2006) .
Si se aplica un cruzamiento con una probabilidad pc sobre los individuos seleccionados
previamente, algunas de las cadenas H se cruzaran con otras, de forma tal que la cadena resultante
ya no sera representante de la cadena original, es decir (Kuri-Morales & Galaviz-Casas, 2002):
m(H , t + sel + cru ) m(H , t )
f (H )
(1 pc pr )
f
(2.70)
Donde:
53
Captulo II
m(H , t ) = k: Es el nmero de individuos del esquema en la poblacin de generacin t.

pr= Probabilidad de ruptura del esquema H bajo el tipo de cruzamiento que est siendo utilizado.
Tipos de cruzamiento.
Ya que se tienen seleccionados los mejores individuos, el siguiente paso es hacer el cruce de estos
individuos, que puede ser por un punto, dos puntos o uniforme.
Estos se utilizan dependiendo del esquema que se analice, los cruzamientos ms utilizados son,
segn, (Kuri-Morales & J., 2002):
Cruzamiento de punto: Se elige un punto de corte y se intercambian los segmentos anlogos

de las dos cadenas.
Cruzamiento de dos puntos: Se eligen dos puntos de corte y se intercambian los segmentos
medios de ambas cadenas, se considera a los extremos de la cadena como sitios contiguos,
como un anillo.
Cruzamiento uniforme: Para cada posicin de bit de una cadena a generar se elige
aleatoriamente el bit de la misma posicin de alguna de las cadenas generadoras.
Mutacin: Es un operador que se aplica con probabilidad pm y que tiene el efecto de invertir un bit
utilizando una probabilidad de mutacin del bit l-1, siendo l la longitud de la cadena del cromosoma
(Figura 2.15). En esta hay una variacin del valor de los genes en forma aleatoria, generalmente se
da en valores muy pequeos, ya que no es tan significativo como el cruce (Goldberg, 1989).
Figura2.15 Cruzamiento y Mutacin.
El cruzamiento y la mutacin son representados por:
54
Captulo II
Pc= 1-(lgcr-1)*Rand
(2.71)
Pm = 1-(1-(lgcr-1))*Rand
(2.72)
Donde Pc es la probabilidad de cruce, Pm la probabilidad de mutacin, lgcr, la longitud del

cromosoma y Rand, es una serie de nmeros aleatorios.
(De Jong, 1975) recomienda el uso de una probabilidad de mutacin del bit l-1, siendo l la longitud
de la cadena del cromosoma, aunque algunos autores(Michalewicz, 1999, Laribi et al., 2004,
Merchn-Cruz, 2005, Cabrera et al., 2007, Erkaya & Uzmay, 2008) han obtenido mejores resultados
experimentales modificando la probabilidad de mutacin a medida que aumenta el nmero de
iteraciones. Posteriormente se hace una nueva evaluacin para comprobar que se cumple la solucin
ms ptima. Tambin existen varios tipos de mutacin, entre los que se encuentran:
Tipos de mutacin
Mutacin por Permutaciones. tiles en problemas de optimizacin combinatoria.
Mutacin por Insercin. Se selecciona el valor de un individuo en forma aleatoria y se le

inserta en una posicin arbitraria.
Mutacin por Desplazamiento. Cambian de posicin en la cadena varios valores a la vez.
Mutacin por Intercambio Recproco. Se seleccionan dos puntos al azar y se intercambian

estos valores de posicin.
Mutacin por factor mltiple. Este incorpora dentro del a mutacin un factor de
perturbacin, un valor porcentual de qu numero de alelos en un cromosoma sern afectados
de manera aleatoria, permitiendo generar una mutacin de un alelo o ms de uno. Esta
modificacin se observa claramente cuando el algoritmo gentico tiene una convergencia
prematura, potencializando la exploracin del espacio factible de bsqueda, sin embargo una
taza lata en el factor puede degenerar la solucin.
La mutacin es necesaria porque permite de algn modo actualizar valores que se pudieron haber
perdido en la bsqueda de la mejor solucin.
55
Captulo II
Condiciones de paro: Son las que van a determinar el nmero de iteraciones y generaciones que se
tendrn que crear en el proceso de anlisis del algoritmo gentico para encontrar el valor optimo que
resuelva la problemtica presente o condiciones como repeticiones de buenos resultados, valor
mnimo de error, entre otros.

Un sistema lgico difuso (SLD), es un mapeo no lineal de un vector de datos de entrada con una
salida escalar, es decir mapea nmeros con nmeros (Mathworks, 1999). ste se forma de conjuntos
difusos, un conjunto difuso A en el universo del discurso U se puede definir como un conjunto de
pares ordenados:
A=
y estando,
{( x,
( x )) x U }
(2.73)
0,1
Siendo A ( x ) la funcin de membresa, es decir el grado de pertenencia de x en A. Estando el

espacio de la membresa M en el universo [0,1]. El propsito de un conjunto difuso es representar la
ambigedad e imprecisin que las cosas tienen en el mundo real, tratando de eliminar las fronteras
cerradas que separan a los miembros y no miembros de un grupo o conjunto. Un problema que se
presenta en los conjuntos difusos es la asignacin de las funciones de membresa que los
representan, ya que depende del criterio del diseador y de la naturaleza del problema. Una de las
soluciones que actualmente se proponen a este problema es la utilizacin de las redes neuronales
para aproximar estas funciones.
Algunas de las operaciones que se realizan entre conjuntos difusos son las siguientes:
Complemento: El complemento A de un elemento de un conjunto difuso A est dado por la

diferencia entre la unidad y su grado de membresa correspondiente A ( x) , siendo definido como:
( x) = 1 A ( x)
x U
(2.74)
56
Captulo II
Interseccin: La interseccin entre dos conjuntos difusos A y B, se denota como:
A B AB ( x) = mn [ A ( x), B ( x)] = A ( x) B ( x)
x U
(2.75)
x U
(2.76)
Unin: La unin de los conjuntos difusos A y B se define como:
A B AB ( x) = mx [ A ( x), B ( x)] = A ( x) B ( x)
Igualdad: Dos conjuntos difusos A y B son iguales s:
A = B A ( x) = B ( x)
x U
(2.77)
Subconjunto: A es un subconjunto de B, si y slo si:
A B A ( x ) B ( x ) x U
(2.78)
Producto cartesiano: El producto cartesiano de A1, A2 ,..., An es un conjunto difuso en el espacio del
producto U1 U2 ...Un , siendo las funciones de membresa:
A A ...A ( x1, x2 ,..., xn ) = mn A ( x1 ) , A ( x2 ) ,..., A ( xn )

1
x1 U1, x2 U2 ,..., xn Un
(2.79)
Suma algebraica: La suma A+B de dos conjuntos difusos est dada por:
A+ B ( x ) = A ( x ) + B ( X ) A ( x ) B ( X )
(2.80)
Producto algebraico: El producto algebraico A B se define como:
AB ( x ) = A ( x ) B ( x )
(2.81)
Con esta serie de ecuaciones se puede disear un control difuso con el cual se evita la compleja
tarea de realizar un modelado dinmico del proceso, que en la mayora de los casos resulta muy
laborioso y difcil.
57
Captulo II
2.6. Sumario
Este captulo present los fundamentos necesarios para realizar el anlisis y la sntesis de
mecanismos, iniciando por conocer las caractersticas y los tipos ms usuales para cubrir las
necesidades especificas del cliente.
Se mostr una descripcin de las ecuaciones y mtodos para obtener la sntesis de mecanismos
planos para disear el nmero y tipo de eslabonamiento, los grados de libertad de movimiento y el
anlisis de posicin para generar la trayectoria. El desarrollo de stas se enfoc a un mecanismo de
4 barras, configuracin base para poder disear posteriormente mecanismos con un mayor nmero
de eslabones y grados de libertad. Dentro del anlisis dinmico, se describi el manejo de los
centros instantneos de rotacin para calcular velocidades y aceleraciones.
Se desarroll el mtodo de Newton Raphson para optimizar las funciones de Freudenstain para
cadena abierta y cerrada, derivadas de la sntesis de mecanismos, este mtodo por sus caractersticas
se emplear como mtodo numrico para validar y comparar resultados del mtodo metaheuristico
a emplear, como son los algoritmos genticos. Tambin se desarroll un ejemplo ilustrando la forma
de combinar y aplicar este mtodo con el algebra compleja, que se aplica en este tipo de anlisis
para determinar las posiciones de los eslabones, que son una de las principales variables de los
mecanismos cuando se disean para el seguimiento de trayectorias. Tambin es importante resaltar
que Newton-Raphson es un mtodo que converge cuadrticamente, es decir, que el nmero de cifras
decimales correctos se duplica aproximadamente en cada iteracin, o el error es aproximadamente
proporcional al cuadrado del error anterior, por lo que puede llegar a tener algunas desventajas,
como las presentadas en la teora, pero que pueden ser mejoradas si se aplica en combinacin de
otros mtodos.
De los algoritmos genticos se hizo una descripcin de las etapas de que estn formados, aqu se
demostr que la programacin gentica transforma iterativamente la poblacin en una nueva
generacin de poblacin por aplicacin anloga de operaciones genticas que ocurren naturalmente.
Estas operaciones son aplicadas a individuos seleccionados desde la poblacin. Se describi etapa
por etapa , sealando los tipos de acciones que hay para cada una y la forma en que se relacionan
58
Captulo II
con la naturaleza, tambin se presento un grfico que busca el facilitar el entendimiento del orden
que deben seguir cada una de las etapas para llegar al fin especifico, que es encontrar de un conjunto
de posibles soluciones, como es la poblacin , el optimo resultado para cumplir con el problema en
especfico, para este caso de estudio la sntesis de mecanismos, teniendo como principales variables
la longitud de cada eslabn y el valor de ngulos que generaran el mejor movimiento llegando a un
optimo local.
Otro mtodo de optimizacin descrito es el de la lgica difusa que en forma general sirve para
representar la ambigedad y la imprecisin que las cosas tienen en el mundo real.
Los fundamentos tericos presentados en este captulo servirn como base para el desarrollo del
captulo tres, en el cual se describir la simulacin y la sntesis de mecanismos de 4 y seis eslabones.
Esto se realizara empleando los mtodos matemticos y los metaheuristicos, como son Newton
Raphson, Algebra compleja y Algoritmos genticos, para poder observar y analizar el desempeo
que tienen cada uno de estos con un mismo problema y as determinar cul es la herramienta ms
viable para desarrollar y disear una prtesis policntrica para miembro inferior.
59
Captulo II
FUNDAMENTOS
TERICOS
En este captulo se presentan los

fundamentos tericos para el anlisis y
la sntesis de mecanismos, indicando
mtodos numricos y de optimizacin
como los algoritmos genticos y la
lgica difusa. Para el caso de estudio se
presenta el rango de movimiento de la
rodilla como base para la simulacin.
25
Captulo II
2.1 Generalidades.
Para estudiar un mecanismo se tiene que hacer un anlisis estructural, cinemtico y dinmico,
con el cual se desarrollar la fase analtica, la construccin geomtrica, las dimensiones
significativas de los eslabones y la posicin inicial en la que el mecanismo debe trabajar para
cubrir las necesidades impuestas. El anlisis cinemtico se apoya en los requerimientos de
movimientos relativos de los eslabones y se expresa en trminos de desplazamientos lineales,
velocidades y aceleraciones. El anlisis dinmico est formado por la fuerza y el movimiento
aplicado a las articulaciones del mecanismo, considerndolo como un cuerpo rgido, partiendo
del hecho que se conocen los movimientos. El anlisis estructural es en el que se determinan los
esfuerzos y deformaciones que se presentan en los mecanismos, en esta parte se establecer el
factor de seguridad que relaciona la resistencia considerando las cargas y los materiales. Este
captulo se enfocar al anlisis cinemtico, en el cul, para plantear y dar solucin al modelo, es
necesario establecer una relacin geomtrica entre los elementos que conforman la cadena
cinemtica, proponiendo algunos mtodos de solucin como son Newton Raphson, Algebra
Compleja y Algoritmos Genticos para las diferentes configuraciones de los mecanismos.

Para desarrollar la sntesis de un mecanismos se tiene que realizar el anlisis cinemtico,
dinmico y estructural (Erdman & Sandor, 1998):
Cinemtica:
Generacin de funcin: Es la que determina la coordinacin de posicin, velocidad y/o

aceleracin de entrada/salida.
Conduccin de cuerpo rgido: Es la generacin del movimiento.
Generacin de trayectoria: Es la generacin de la curva acopladora, aqu se analiza la

posicin, velocidad y/o aceleracin en puntos a lo largo de una trayectoria puntual.
Fuerzas estticas: Se analiza el ngulo de transmisin y las ventajas mecnicas.
Dinmica:
26
Captulo II
Balanceo: Son las fuerzas y/o momento de sacudidas inerciales.
Fuerza de inercia: Son las fuerzas de inercia, dinmica de mquinas o anlisis

cinetoesttico.
Respuesta movimiento-tiempo: Est el balanceo entrada-par de torsin o la sntesis

fuerza-sistema.
Efectos de holguras y tolerancias.
Dinmica de cuerpo elstico: Eslabn flexible y cinetoelastodinmica.
Para describir la relacin de rotacin y traslacin entre los elementos de una cadena cinemtica,
(Denavit & Hartenberg, 1955) propusieron, un mtodo matricial para establecer de forma
sistemtica, un sistema de coordenadas ligado al cuerpo para cada elemento de la cadena
articulada.
La convencin propuesta por (Denavit & Hartenberg, 1955) llevada al rea de manipuladores
robticos considera cuatro parmetros importantes:
1. Se lleva al manipulador a una posicin inicial, que servir de referencia para medir los
desplazamientos del sistema.
2. Se numeran los eslabones del sistema, comenzando por 0 para la base del robot, hasta n
para el efector final.
3. Se numeran las articulaciones del sistema, comenzando por 1 para la primer articulacin
y n para la ltima; donde n= nmero de grados de libertad.
4. Los sistemas de coordenadas se asignarn en donde se interceptan el eslabn i-1 con la
articulacin i con base en lo siguiente:
Un eslabn puede ser considerado como un cuerpo rgido, el cul es descrito por dos parmetros,
la longitud del eslabn y el giro de ste. Estos parmetros definen la localizacin relativa de los
ejes de articulaciones vecinas en el espacio. Estas tambin son descritas por dos parmetros, el
descentramiento del eslabn (la distancia de un eslabn a otro prximo a lo largo del eje de la
articulacin) y el ngulo de la articulacin, que es la rotacin de un eslabn con respecto al
prximo, alrededor del eje de la articulacin (Merchn, 2000, Velzquez, 2003).
Para dar solucin al modelo dinmico se tienen que tomar en cuenta el movimiento de rotacin y
el de traslacin para poder determinar las fuerzas que acten sobre los eslabones al estar el
mecanismo en movimiento.
27
Captulo II
2.3 Clasificacin de mecanismos.

Los mecanismos por sus similitudes y diferencias pueden ser planos, esfricos y espaciales
(Shigley, 1988). En los planos todas las partculas describen curvas planas en el espacio y se
encuentran en planos paralelos, esto hace posible que el lugar geomtrico de cualquier punto
seleccionado se represente con su verdadero tamao y forma real en un solo dibujo. El
movimiento plano requiere tambin que los ejes de todos los pares prismticos y todos los ejes
de revolucin sean normales al plano de movimiento. En los mecanismos esfricos cada eslabn
tiene algn punto que se mantiene permanente conforme el eslabonamiento se mueve y los
puntos estacionarios de todos ellos estn en una ubicacin comn. En el caso de este
eslabonamiento, los ejes de todos los pares de revolucin se deben intersectar en algn punto.
Los mecanismos espaciales no incluyen restricciones en los movimientos relativos de las
partculas. Debido a las caractersticas del objeto de estudio, lo ms adecuado es trabajar con
mecanismos planos y posteriormente mecanismos espaciales.

Se le llama as cuando las trayectorias de los puntos mviles del mecanismo se encuentran en un
solo plano o en planos paralelos. Las posiciones sucesivas de un punto en movimiento definen
una recta o una curva, que representa las posiciones sucesivas de ste, conocido como trayectoria
del punto en movimiento en el sistema de coordenadas de referencia. En problemas en el plano,
conviene expresar un vector especificando su magnitud y direccin en notacin polar. El lugar
geomtrico de cualquier punto de un mecanismo plano se representa con su verdadero tamao y
forma real, en un solo dibujo o figura. La transformacin del movimiento de cualquier
mecanismo de esta ndole se llama coplanar (Shigley, 1988).
Los mecanismos que slo utilizan pares cinemticos inferiores (eslabonamiento plano)
nicamente pueden incluir articulaciones de revolucin y pares prismticos.
Para el anlisis cinemtico de un mecanismo plano de cuatro barras, se tienen que determinar
ciertas restricciones (Shigley, 1988):
28
Captulo II
Determinacin del nmero de grados de libertad: ste se puede calcular a partir del
nmero de coordenadas dependientes y del nmero de ecuaciones de restriccin
independientes.
El problema de posicin inicial: Consiste en calcular la posicin inicial del sistema

(coordenadas dependientes) a partir de los valores de los grados de libertad (coordenadas
independientes) y de las dimensiones de los distintos elementos. El problema del anlisis
de posicin es determinar los valores de todas las variables (posiciones de todos los
puntos y articulaciones) dadas las dimensiones de cada eslabn, y el valor o valores de
las variables independientes, es decir aquellas que se escogen para representar los grados
de libertad del mecanismo.
El Problema de los desplazamientos finitos: sirve para calcular una nueva posicin del
sistema a partir de unos incrementos finitos de las coordenadas independientes.
Anlisis de velocidades: Calcula las velocidades dependientes a partir de las

independientes.
Anlisis de aceleraciones: Calcula las aceleraciones dependientes a partir de todas las

velocidades y de las aceleraciones independientes.
2.3.1.1.1 Grados de libertad.

En un sistema, los grados de libertad (GDL) son el nmero de parmetros independientes
(medidas) que se necesitan para definir unvocamente su posicin en el espacio en cualquier
instante. Para determinar los GDL totales de un mecanismo se debe tener en cuenta el nmero de
eslabones y articulaciones, as como las interacciones entre ellos. De acuerdo a la condicin de
Kutzbach (Shigley, 1988), un eslabn cualquiera en un plano tiene 3 GDL antes de conectarse
entre s, cuando se mueven en relacin al eslabn fijo. Sin contar este ltimo, un mecanismo de n
eslabones posee 3(n-1) grados de libertad antes de conectar cualquiera de las articulaciones.
Cuando las restricciones de todas las articulaciones se restan del total de grados de libertad de
los eslabones no conectados, se encuentra la movilidad resultante del mecanismo conectado.
Este razonamiento conduce a la ecuacin de Kutzbach:
m= 3(n-1)-2j1-j2
(2.1)
En donde:
m = Grados de libertad, n = Nmero de eslabones, j1= Numero de pares de un solo grado de
libertad, j2= Nmero de pares con dos grados de libertad.
29
Captulo II
Para un mecanismo de 4 barras, los grados de libertad son:

m= 3(4-1)-2(2)-0=1
(2.2)
Para un mecanismo de 6 barras los grados de libertad son:

m= 3(6-1)-2(7)-0=1
(2.3)
Si este criterio da m > 0, el mecanismo posee m grados de libertad. Si m=1, este se puede
impulsar con un solo movimiento de entrada, si m=2, se necesitan dos movimientos de entrada
separados para producir un movimiento restringido del mecanismo. Si m=0 el movimiento es
imposible y forma una estructura.
Esta ley afirma que para un eslabonamiento plano de cuatro barras (Figura 2.1), la suma de las
longitudes ms corta y ms larga de los eslabones no puede ser mayor que la suma de las
longitudes de los eslabones restantes (Figura 2.2), si se desea que exista una rotacin relativa
continua entre dos elementos (Tabla 2.1). Para el tipo de problema a resolver, el mecanismo con
cambio de punto es el ms adecuado.
Figura 2.1 Partes de un mecanismo de 4 eslabones.
Tabla 2.1 Clasificacin de Grashof para mecanismos de 4 barras (Martin et al., 2007).
Tipo de mecanismos
Eje
inestable
balancn
Friccin
en
acoplamiento
Doble balancn
Barra
ms Relacin entre la
corta
longitud de las barras
Manivela
del
s+l< p+q
el
Tierra
s+l< p+q
Acoplamiento
s+l< p+q
30
Captulo II
Cambio de punto
Triple eje de balancn
Cualquiera
Cualquiera
s+l= p+q
s+l> p+q
Siendo s=longitud del eslabn ms corto, l=longitud del eslabn ms largo, p=longitud del
eslabn restante y q=longitud del eslabn restante.
Figura 2.2. Tres inversiones del cuadriltero de Grashof (Martin et al., 2007).
Esta ley aplica principalmente para mecanismos de cuatro eslabones, pero si se quiere analizar
uno de seis, como el tipo Watt, se puede considerar como dos eslabonamientos de cuatro barras
conectados en serie y que tienen dos eslabones en comn. El tipo Stephenson puede considerarse
como dos eslabonamientos de cuatro barras conectados en paralelo y que tienen dos eslabones en
comn.
2.3.1.1.3 Anlisis de posicin, velocidad y aceleracin.
Una meta del anlisis cinemtico consiste en determinar las aceleraciones de todas las partes
mviles del conjunto. Se necesitan conocer las fuerzas dinmicas con el fin de calcular los
esfuerzos en los componentes. Para calcular los esfuerzos se necesitan conocer las fuerzas
estticas y dinmicas en las partes, y con el fin de determinar tales fuerzas dinmicas es
necesario conocer las aceleraciones. Para calcular stas, debemos hallar primero las posiciones
de todos los eslabones del mecanismo para cada incremento en el movimiento de entrada y luego
derivar las ecuaciones de posicin con respecto al tiempo para obtener velocidades; se derivan
luego stas con el fin de tener las expresiones de aceleracin (Norton, 1999).
Si 2 es la posicin angular del eslabn 2, en un eslabonamiento de cuatro barras, y 4 es la
posicin angular del eslabn 4, entonces uno de los problemas de la sntesis cinemtica es
encontrar las dimensiones del eslabonamiento de tal manera que
en donde f es
31
Captulo II
cualquier relacin funcional deseada. Aunque el problema no sea resuelto, es posible especificar
hasta 5 valores para 2 llamados puntos de precisin y encontrar un eslabonamiento que satisfaga
la relacin deseada para la funcin y luego seleccionar de 2 a 5 puntos de precisin a partir de la
grfica para utilizarlos en la sntesis (Freudenstein & Sandor, 1964). Si el proceso tiene xito, la
relacin funcional se satisface para estos puntos; pero ocurrirn desviaciones en otros. Uno de
los principales problemas de diseo de eslabonamiento consiste en seleccionar un conjunto de
puntos de precisin para utilizarlos en la sntesis, de tal modo que se minimice el error
estructural o los puntos que se presentan en las desviaciones.
Como primera aproximacin, el mejor espaciamiento es el de Chebychev. Para n puntos en un
intervalo
,el espaciamiento segn (Freudenstein & Sandor, 1964, Shigley, 1988)
es:
donde j=1,2,n y xj son los puntos de

precisin.
Estos puntos se obtienen grficamente construyendo primero un crculo cuyo dimetro es el

intervalo x dado por la ecuacin:
(2.4)
En este crculo se traza un polgono inscrito regular de n lados y se bajan perpendiculares en

cada vrtice que intersectarn a x en los puntos de precisin como se muestra en la Figura 2.2.
Este espaciamiento se considera la aproximacin inicial dependiendo de la necesidad de
exactitud del problema. Si se requiere de mayor exactitud entonces, mediante una curva del error
estructural contra x, se pueden determinar visualmente los ajustes que se deben hacer en los
puntos de precisin para la aproximacin siguiente. Ejemplo:
1
2
1
2
2
2
5
1
0.5 1
0.5
cos
2 1 1
2 5
1.0489
32
Captulo II
Figura 2.3 Ejemplo de Espaciamiento de Chebychev de 5 puntos de precisin.

Las posiciones lmites del oscilador en un mecanismos de manivela oscilador estn identificadas
con A1, B1 y A2, B2 (Figura 2.4). En ste, la manivela y el acoplador quedan en una sola
posicin en cada posicin extrema. En este caso, la manivela recorre el oscilador recorre y
en el retroceso, la manivela recorre 360- el oscilador recorre (Shigley, 1988).Este mecanismo
se emplea en algunas ocasiones para definir una lnea recta por el acoplador o biela. El
eslabonamiento de Watt es un mecanismo de cuatro barras que desarrolla una lnea
aproximadamente recta como parte de la curva del acoplador. Aunque no describe una recta
exacta, se logra una aproximacin aceptable sobre una distancia de recorrido considerable.
Figura 2.4 Sntesis de un eslabonamiento de 4 barras (Shigley, 1988).
33
Captulo II
Es un mtodo iterativo que se emplea para la obtencin de races de una funcin. Este mtodo no
trabaja sobre un intervalo especfico, sino que basa su formulacin en un proceso iterativo
(Velzquez-Snchez, 2008). El Mtodo de Newton-Raphson asume que la funcin f (x) es
derivable sobre un intervalo cerrado [a,b]. Entonces f (x) tiene una pendiente definida y una lnea
tangente nica en cada punto dentro del intervalo [a,b]. La tangente en (x0, f (x0)) es una
aproximacin a la curva de f (x) cerca del punto (x0, f (x0)). En consecuencia, el cero de la lnea
tangente es una aproximacin del cero de f (x) o denominada raz de f(x) (Figura 2.5).
Figura 2.5 Modelo general del Mtodo de Newton Raphson.
Para el anlisis de convergencia: sean x0, x1, x2,..., xn, xn+1 las aproximaciones en sucesivas
iteraciones, r el verdadero valor de la raz. Si se toma como error en la n-esima iteracin a en
entonces el error en estar dado por: en =xn r y en consecuencia en+1=xn +1r que es conocido
como la diferencia de Newton (Trejo-Aguirre, 2008) y representa la cantidad de correccin a la
solucin aproximada en la n-sima iteracin. El modelo matemtico de este mtodo es el
siguiente(Norton, 1995, Merchn-Cruz, 2005):
Para un conjunto de funciones no lineales se tiene:

1, 2, 3,
0,
1,2, ,
(2.5)
Donde fi es una funcin no lineal de las xj. Teniendo una estimacin inicial de la solucin, sta
se puede escribir como:
Donde
es la estimacin inicial y
(2.6)
es una correccin desconocida. Si se expande la ecuacin
2.6 para obtener un polinomio de Taylor truncado de primer orden alrededor de
se obtiene:
34
Captulo II
(2.7)
Donde las derivadas parciales se evalan con las condiciones iniciales. Escribiendo la ecuacin
como matriz:
(2.8)
Donde J es la matriz jacobiana dada por:

(2.9)
,
,
,
,
,
,
(2.10)
,.
,.
,.
(2.11)
Las derivadas parciales pueden evaluarse con una aproximacin de diferencia:

,.,
Donde
,.,
(2.12)
es un valor pequeo elegido arbitrariamente.
Generalizando el mtodo se tiene:

(2.13)
Siendo k el valor de la incgnita que indicara el numero de iteraciones para obtener el mejor
valor a la aproximacin de la curva f(x).
La sntesis del mtodo se presenta en la Figura 2.6.
35
Captulo II
Figura 2.6 Diagrama de flujo aplicando Newton Raphson en la Sntesis de Mecanismos.

La posicin de un punto en el plano se define mediante un vector de posicin. La eleccin de
ejes de referencia es arbitraria y se puede expresar en forma polar para proporcionar la magnitud
y la direccin del vector o en forma cartesiana para aportar los componentes X y Y del mismo
(Norton, 1995). La utilidad real de los nmeros complejos en el anlisis en el plano se debe a la
facilidad con que se pueden pasar a la forma polar, si se usa la notacin compleja rectangular
para un vector R se puede describir:
/
cos
sin
(2.14)
Y si se emplea Euler se tiene:

(2.15)
36
Captulo II
El cul tambin se puede escribir en la forma polar compleja como:
(2.16)
Utilizando estas ecuaciones se obtiene el movimiento complejo en un vector, el cul es la suma

de los componentes de traslacin y rotacin. (Bloch, 1940) desarroll un mtodo para la sntesis
de mecanismos de 4 barras utilizando algebra compleja, para esto, reemplazan cada uno de los
elementos del mecanismo por un vector de posicin, presentado en notacin compleja polar.
Empleando este mtodo para la Figura 2.7, cada vector que define a los eslabones se presenta de
la siguiente forma (Norton, 1995):
Figura2.7. Mecanismo de cuatro barras.
Siendo xd y yd los valores del punto deseado, x0 y y0 los puntos para el origen, r2 la manivela, rcx
y rcy los eslabones que tocan el punto de precisin. Con base en la Figura 2.7 se tiene:
(2.17)
Al aplicar la notacin polar:
(2.18)
Si se sabe que por Euler se tiene:
(2.19)
Al desarrollar (2.18) en forma cartesiana, aplicando Euler se tiene:
(2.20)
De (2.20) se puede agrupar la parte real y la parte imaginaria para formar ecuaciones simultneas
y obtener las incgnitas de los ngulos
, que se desarrollaran ms adelante.
37
Captulo II
(2.21)
Real:
(2.22)
Imaginaria:
Reacomodando estas ecuaciones para despejar
0y
y asumiendo que
es un valor de
entrada que se puede manipular se obtiene:
(2.23)
(2.24)
Sumando y elevando al cuadrado ambas ecuaciones para simplificar se tiene:
2
cos
(2.25)
Esta ecuacin debe normalizarse para reducir su complejidad, y para esto se utilizan las
constantes K1, K2 y K3 en trminos de las longitudes de los eslabones:
(2.26)
2
Por lo tanto en notacin simplificada la ecuacin (2.27), conocida tambin como la ecuacin de
(Freudenstein, 1956) se puede expresar como sigue:
cos
(2.27)
Para reducir ms esta ecuacin se emplean las identidades trigonomtricas del ngulo mitad, que
convertirn los trminos en
en trminos de tan :
2
1
(2.29)
Conocida
(2.28)
, de (2.27) se agrupan nuevamente las variables, tenindose:

(2.30)
2
(2.31)
(2.32)
1
2
(2.33)
38
Captulo II
(2.34)
Como se observa, (2.34) tiene soluciones que pueden ser reales iguales, reales distintas y
complejas conjugadas. Si estas son complejas conjugadas, los eslabones con esas longitudes no
se conectan (no forman una cadena cinemtica cerrada) para el valor de
seleccionado
(Moreno-Prez, 2006).
Para calcular el ngulo
, se realiza un procedimiento similar al clculo de
regresar a (2.21 y 2.22) despejando ahora
. Hay que
, resultando:
(2.35)
(2.36)
Elevando al cuadrado y sumando para eliminar

cos
La constante
se obtiene la ecuacin:
cos
(2.37)
, K4 y K5 son:
(2.38)
y
2
(2.39)
Donde:
(2.40)
(2.41)
(2.42)
2
1
Y la solucin es:
,
E
2D
4DF
(2.43)
39
Captulo II
Igual que para
, hay dos soluciones correspondientes a las ramas cruzadas y abiertas del
eslabonamiento, que de acuerdo a la configuracin para este mecanismo, deben elegirse los
signos de acuerdo a la Tabla 2.2:
Tabla 2.2. Configuracin de mecanismos (Moreno-Prez, 2006).
Configuracin
Abierta
Cruzada
+
-
-
+
La posicin de un punto P sobre el eslabn acoplante (como el mostrado en la figura 2.7) se

puede calcular una vez que se tienen los ngulos
dado que el marco de referencia se
encuentra localizado en xo y yo:

(2.44)
Una ventaja de utilizar la notacin de nmeros complejos para representar vectores planos (o en
el plano) proviene de la identidad de Euler y sirve para desarrollar y deducir las ecuaciones para
la posicin, la velocidad y la aceleracin del eslabonamiento(Norton, 1995).
El centro instantneo es la ubicacin instantnea de un par de puntos coincidentes de dos
cuerpos rgidos diferentes para los que las velocidades absolutas de los dos puntos son iguales.
Tambin se puede definir como la ubicacin de un par de puntos coincidentes de dos cuerpos
rgidos diferentes para los que la velocidad aparente de uno de los puntos es cero, tal y como la
percibe un observador situado en el otro cuerpo. En general, el centro instantneo entre dos
cuerpos no es un punto estacionario, sino que su ubicacin cambia en relacin con ambos
cuerpos, conforme se desarrolla el movimiento y describe una trayectoria o lugar geomtrico
sobre cada unin de ellos. Estas trayectorias son llamadas centrodas. ste sirve para obtener la
sntesis del mecanismo respecto a su posicin, velocidad y aceleracin. En las prtesis
policntricas, ste varia con el ngulo de flexin de la rodilla y determina el control mecnico de
sta (Oberg & Kamwendo, 1988).
Para un mecanismo de 4 barras, los centros instantneos de rotacin se muestran en la Figura

2.8, los puntos P2.4,P2.3, P2.1, P3.1, P1.4 y P3.4, muestran la unin de los centros instantneos,
40
Captulo II
estos son los que se pueden determinar a simple vista, aunque existe una frmula para
establecerlos , adems del Teorema de Aronhold-Kennedy (Norton, 1995). La combinacin para
n objetos tomados r en cada vez, es:
1
2
!
(2.45)
Aplicando esta ecuacin, para un mecanismo de 4 barras se tienen 6 CI, para uno de 6 barras 15
CI y para uno de 8, 28 CI.
Figura 2.8 Centros instantneos de rotacin en un mecanismo de 4 barras.
2.3.1.2 Implementacin de los mtodos en la sntesis de un mecanismo de 4 eslabones.

Se tiene un mecanismo plano de 4 eslabones, como el mostrado en la Figura 2.7, en el cul se
requiere obtener la longitud de todos los eslabones y el valor de los ngulos de la biela y el
seguidor, aplicando el mtodo de Newton Raphson, algebra compleja y los centro instantneos
de rotacin.
Para hacer el anlisis cinemtico, se parte de obtener la ecuacin que refleja el orden particular
de los vectores para formar una cadena cinemtica cerrada y una cadena abierta , para esto se
aplican las ecuaciones 2.21 y 2.2.2, que son la base para obtener la Funcin de Freudenstain, que
es la relacin entrada-salida del sistema, para cadena cerrada:
41
Captulo II
(2.46)
Y para la cadena cinemtica abierta del mecanismo antes referido se tiene:

(2.47)
Si se toma la funcin correspondiente a la cadena abierta, como primer ejemplo, considerando

como variables, para este caso xo, r2, yo, rcx y rcy, y el nmero de puntos de precisin (5 por
ejemplo), el jacobiano respectivo es:
1
(2.48)
Si se substituyen los valores propuestos para las variables correspondientes, los valores deseados
impuestos en la trayectoria para x y y, adems del ngulo de entrada
, adems de substituir
estos en la ecuacin 2.48, se obtendrn la primer aproximacin de las races para la obtencin de
la curva para cada variable.
Substituyendo los valores obtenidos de las variables en la funcin de posicin correspondiente a

los puntos generados se tienen:
/2
/2
(2.49)
(2.50)
Para saber en qu momento debe terminar esta serie de iteraciones, es necesario definir una
restriccin, para este caso se plantea la distancia euclidiana entre el valor deseado y el generado,
presentado por la ecuacin 2.51:
(2.51)
Dos situaciones en las que el Mtodo de Newton no funciona adecuadamente: (a) el Mtodo no
alcanza la convergencia y (b) el Mtodo converge hacia un punto que no es un cero de la
ecuacin (Luthe et al., 1982).
42
Captulo II
Con los valores de las dimensiones obtenidos para los eslabones y los ngulos
se desarrollan las ecuaciones para algebra compleja, que para este ejemplo se representan por:
(2.52)
(2.53)
(2.54)
(2.55)
(2.56)
(2.57)
(2.58)
(2.59)
Y por ltimo los centros instantneos de rotacin vienen dados por:

4 4
1
2
(2.60)

En ocasiones, en las que se halla una buena solucin a un problema de sntesis de
eslabonamiento, que satisface las restricciones de generacin de trayectoria, pero sta tiene los
pivotes fijos en localizaciones impropias para la unin al plano o al armazn de fijacin
disponible, se presentan los mecanismos cognados. Este trmino fue empleado por (Denavit &
Hartenberg, 1955) para describir un eslabonamiento de distinta configuracin, que genera la
misma curva que el acoplador.
De acuerdo al teorema de Roberts-Chebychev (Shigley, 1988), tres eslabonamientos planos de

cuatro barras articuladas, describirn curvas del acoplador idnticas. Al hacer arreglos entre los
mecanismos cognados de cuatro barras, se obtienen las configuraciones fundamentales de
mecanismos de 6 barras, el tipo Watt y el tipo Stephenson, como los mostrados en la Figura 2.9.
43
Captulo II
Figura 2.9. Mecanismo bsico de 6 barras: Tipo Watt y Tipo Stephenson.(Dewen et al., 2003).
Dicha clasificacin depende de los eslabones ternarios (miembros con tres articulaciones de
revolucin). En la cadena Watt, los eslabones ternarios son adyacentes; en la cadena Stephenson,
los eslabones ternarios estn separados por eslabones binarios.
La sntesis de mecanismos de 6 barras es estudiada para cubrir ciertas exigencias que no se

pueden cubrir con los mecanismos de 4 barras. Estos se emplean cuando se tienen
requerimientos que producen una detencin (que es cuando existe un periodo inmvil del
acoplamiento de la salida para el movimiento diferente a cero del acoplamiento de la entrada), en
el acoplamiento de la salida durante los periodos predefinidos del movimiento del acoplamiento
de la entrada (Norton, 1999). Aplicados a la prtesis de miembro inferior, ofrecen movimientos
con mejor coordinacin en la fase de postura y avance.
En la sntesis de mecanismos de 6 barras, la optimizacin se formula generalmente como la

minimizacin del error en ngulos correlacionados de la entrada y la salida. Es decir, la posicin
del error que se presenta entre la trayectoria obtenida y la trayectoria deseada.
A estos mecanismos tambin se les puede hacer la sntesis por medio del mtodo de Newtn
Raphson y por algebra compleja siguiendo el mismo principio que para un mecanismo de cuatro
barras, ya que los de 6 eslabones se forman por la unin de 2 mecanismos de esta configuracin.
44
Captulo II
El problema de la sntesis de mecanismos espaciales se puede dividir en brazos manipuladores,
mecanismos paralelos y mecanismos esfricos. Los mecanismos de cadena abierta, conocidos
como robots manipuladores estn constituidos por una serie de barras dispuestas en serie y
conectadas mediante pares que en conjunto proporcionan una gran movilidad a un actuador final
(Sanchz-Marn, 2000). Estos tienen como principal inconveniente el hecho de que debido a su
configuracin, acumulan el error de posicionamiento de los diferentes pares cinemticos desde la
base hasta el actuador final, creciendo este error con la fuerza aplicada en dicho actuador. La
sntesis de este tipo de mecanismos se centra en la eleccin de los pares y la determinacin de la
longitud de las barras de forma que se obtenga una movilidad y precisin ptima. En los
mecanismos paralelos los eslabones y pares forman parte de dos o ms cadenas cinemticas que
estn diseadas para funcionar en paralelo. De stas existen muchas posibles configuraciones,
siendo la ms conocida la plataforma de Stewart (Sanchz-Marn, 2000). Sus seis grados de
libertad le proporcionan una gran movilidad y precisin (Figura 2.10). La sntesis se centra
fundamentalmente en la bsqueda de nuevas configuraciones o sntesis de tipo y en el
dimensionamiento de los eslabones para el cumplimiento de una serie de requisitos de
movilidad.
Figura 2.10 Plataforma Stewart. (Sanchz-Marn, 2000)
Los mecanismos esfricos se caracterizan porque generalmente poseen nicamente pares

inferiores y estos pares se mueven dentro de una superficie esfrica (Sanchz-Marn, 2000). La
sntesis de estos tiene caractersticas similares a la sntesis de mecanismos planos con pares
inferiores en lo referente a tipologa, objetivos y requisitos.
45
Captulo II
En los mecanismos espaciales de un grado de libertad existe una Configuracin de Insensitividad
de Posicin (CIP) que se aplica cuando hay una configuracin del mecanismo tal que, aunque se
introduzca un movimiento con una velocidad cualquiera en el eslabn de entrada, el eslabn de
salida permanezca inmvil. De manera anloga, habr una configuracin de incertidumbre de
posicin (CIN) cuando el eslabn de salida pueda realizar determinados movimientos estando
inmvil el eslabn de entrada (Zabalza-Villava, 1999). Para algunos mecanismos espaciales de
un grado de libertad, con base en el cuadriltero articulado, algunos autores (Freudenstein &
Kiss, 1969, Freudenstein & Primrose, 1976, Gupta & Radcliffe, 1971, Sylemez &
Freudenstein, 1982, Tinubu & Gupta, 1984, Willians & Reinholtz, 1987, Rastegar & Tu, 1992,
Zabalza-Villava, 1999) han estudiado, los lmites de su espacio de trabajo, que son posiciones de
los mecanismos en las que se producen las CIP. En los mecanismos planos o espaciales de varios
grados de libertad, se presentar una CIP cuando el eslabn de salida permanezca inmvil para
una velocidad cualquiera de uno o varios eslabones de entrada. Del mismo modo, se tendr una
CIN cuando el eslabn de salida tenga algn movimiento estando inmviles todos los eslabones
de entrada.
En mecanismos de varios grados de libertad, un determinado punto del brazo del robot describe
una superficie que suele ser, de alguna manera, lmite del espacio de trabajo. Mientras ese punto
determinado se encuentre en la superficie lmite puede permanecer inmvil independientemente
del movimiento de algn actuador, perdiendo el robot algn grado de libertad. A estas
configuraciones, normalmente las denominan como "configuraciones singulares" y las estudian
como lmites negativos del espacio de trabajo, no habiendo ningn estudio que se conozca en el
que las consideren ventajosas: de manera formal, una singularidad tiene lugar cuando el inverso
del jacobiano del manipulador se indefine, esto es la velocidad de alguna articulacin tiende
sbitamente al infinito (Craig, 1989).

Un algoritmo gentico tpico inicia con una poblacin generada aleatoriamente. Los caracteres
en la cadena de solucin son llamados genes. El valor y la posicin en la cadena de un gen son
llamados lugar geomtrico y alele respectivamente. Cada solucin de la cadena es llamada
cromosoma. El cdigo de las variables se llama genotipo, y las variables mismas se llaman
fenotipo (Figura 2.11).
46
Captulo II
Figura 2.11 Representacin de un cromosoma binario
Los individuos son seleccionados probabilsticamente para ser evaluados por la funcin objetivo
(Chen, 2004). La poblacin evolucionar, a lo largo de las generaciones sucesivas, de tal manera
que la adaptacin media extendida a todos los individuos de la poblacin, as como la adaptacin
del mejor individuo se irn incrementando hacia la ptima global. A medida que el nmero de
generaciones aumenta, es ms probable que la adaptacin media se aproxime a la del mejor
individuo. De esta forma un gen ha convergido cuando al menos un 95% de los individuos de la
poblacin comparten el mismo valor para dicho gen. Se dice entonces que la poblacin converge
cuando todos los genes han convergido. Los pasos para hacer un algoritmo gentico segn se
establece en (Goldberg, 1989) se presentan en el diagrama de la Figura 2.12:
47
Captulo II
Figura 2.12 Diagrama de flujo de un algoritmo gentico
Describiendo cada punto se tiene:
Poblacin inicial: Se crea aleatoriamente y es codificada dentro del cromosoma de un arreglo

con longitud variable (Figura 2.13). La codificacin puede hacerse en una representacin
binaria(Goldberg, 1989, Merchn-Cruz, 2005), en base al dominio de cada variable, para la
sntesis de mecanismos, la longitud de los eslabones y los ngulos de movimiento, se calcula el
nmero de bits y la longitud del cromosoma con (2.52) y (2.53) respectivamente, siendo p el
nmero de dgitos de precisin despus del punto (Michalewicz, 1999). Para poder hacer la
evaluacin se tiene que hacer la decodificacin y obtener valores reales, por ejemplo para los
ngulos de transmisin:
nbitsi =
log (ri max ri min ) 10 p

log(2 )
(2.61)
48
Captulo II
Donde
nbits Es el nmero de bits por variable
rmx Lmite mximo de la variable.
rmin Lmite mnimo de la variable.
p Precisin en decimales.
longcr =
(2.62)
nbits i
i =1
Figura 2.13 Representacin de la poblacin.
El tamao de una poblacin ni de cromosomas de longitud longcr, con una codificacin binaria,
compuesta por una serie de genes y aleles, debe ser suficiente para garantizar la diversidad de las
soluciones creadas por una notacin mediante cadenas compuestas por 0 y 1, si se escoge una
representacin binaria.
s nilongcr
b1,1 Kb1,longcr
=
M
b Kb
ni ,longcr
ni,1
(2.63)
La poblacin debe evaluarse decodificando los genes del cromosoma, para convertirse en una
serie de soluciones factibles al problema:
xi = i min
nbitsi
i min

+
b i 2i i max
longcr
j =0

1
2
(2.64)
x La variable decodificada.
bi Bit de la cadena.
49
Captulo II
Evaluacin: Durante sta, se decodifica el gen, convirtindose en una serie de parmetros de un
problema. Se halla la solucin de ste a partir de esos parmetros, y se le da una puntuacin a
esa solucin (llamada fitness) en funcin de lo cerca que est del mejor resultado. sta debe
reflejar el valor del individuo de una manera real, pero en muchos problemas de optimizacin
combinatoria, donde existe una gran cantidad de restricciones, buena parte de los puntos del
espacio de bsqueda representan individuos no vlidos.
fi = fitness( xi ) = funcin aptitud
j
Fpop =
(2.65)
(2.66)
i =1
Para resolver el gran nmero de restricciones se han propuesto soluciones como:
Absolutista: Los individuos que no verifican las restricciones, no son considerados como
tales y se siguen efectuando cruces y mutaciones hasta obtener individuos vlidos, o bien
de dichos individuos se les asigna una funcin objetivo igual a cero.
Regenerador: Es un operador que reconstruye aquellos individuos que no verifican las

restricciones.
Penalizacin de la funcin objetivo: Consiste en dividir la funcin objetivo del individuo

por una cantidad (la penalizacin) que guarda relacin con las restricciones que dicho
individuo viola. Esta cantidad puede tener en cuenta el nmero de restricciones violadas
o el costo esperado de reconstruccin, que es un coste asociado a la conversin de dicho
individuo en otro que no viole ninguna restriccin.
Evaluacin aproximada de la funcin objetivo: La obtencin de n funciones objetivo

aproximada puede resultar mejor que la evaluacin exacta de una nica funcin.
Seleccin: El proceso consiste en elegir individuos de acuerdo a su contribucin de aptitud con

respecto al total de la poblacin, existen varias tcnicas, pero la ms utilizada es la funcin de
seleccin proporcional a la funcin objetivo, con sta, cada individuo tiene una probabilidad de
ser seleccionado como padre, que es proporcional al valor evaluado mediante la funcin
objetivo.
50
Captulo II
(Baker, 1987) introdujo el muestreo universal estocstico, el cul utiliza un nico giro de ruleta,
siendo los sectores circulares proporcionales a la funcin objetivo. Los individuos son
seleccionados a partir de marcadores igualmente espaciados y con comienzo aleatorio. En este
mtodo, si se determina una poblacin de tamao N de generacin t, de un algoritmo, donde
existen k individuos del esquema H y que f1, f2 fk son los valores de la funcin de adaptacin.
Si se selecciona aleatoriamente un miembro de la poblacin usando el mecanismo de la ruleta, la
probabilidad de que este sea el i-simo representante del esquema H es:
pi =
fi
(2.67)
f
j =1
Con esta frmula se calcula la poblacin inicial, pero sta slo es vlida para el tipo de seleccin
proporcional o de ruleta.
Para la seleccin de la ruleta se necesita conocer el grado de adaptacin de alguno de los

individuos Fi, y la suma de la poblacin calificada de los individuos adaptados
F y
i =1
la
circunferencia Ci, la frmula de la ruleta ser ( 2.68 y 2.69) y se representa por la Figura 2.14:
wi =
fi
F pop
(2.68)
p 1
Lp =
+ wp
(2.69)
k =0
51
Captulo II
Figura 2.14 Seleccin por ruleta.
Algunas otras tcnicas para la seleccin son las presentadas en los trabajos de (Holland, 1975,
Goldberg & Deb, 1991, Deb, 2004, Fleming & Purshouse, 2001, Whitley, 1994), algunas de
estas son:
Tipos de seleccin:
Seleccin Proporcional: Seleccionado proporcionalmente a su valor de aptitud.
Seleccin de Estado Uniforme. Algunos individuos menos aptos son reemplazados.
Sobrante Estocstico. Es determinista con la parte entera de valores esperados y

proporcionales para la parte fraccionaria de cada individuo.
Universal Estocstico. Distribucin de los individuos en funcin de sus valores

esperados.
Muestreo Determinstico. Basado en el sobrante estocstico y un algoritmo de

ordenacin.
Escalamiento Sigma. Est en funcin de su aptitud, la media y la desviacin estndar.
Seleccin por Jerarquas. Clasifica a los individuos con base en su rango.
Seleccin de Boltzmann. Se basa en el proceso del recocido simulado para seleccionar.
Seleccin por torneos. Posibilidades de ganar en una competencia por comparaciones

directas de los individuos, ya sea en forma determinista o probabilstica.
Seleccin por truncamiento. Complejo en el tiempo y no se basa en la aptitud.
La seleccin de rango lineal. Lineamiento de acuerdo a su rango y valores de aptitud.
Seleccin de rango exponencial. Ponderacin exponencial de probabilidades en los

individuos.
Brecha Generacional. Los padres de una poblacin no compiten contra sus hijos.
Seleccin Disruptiva. Normaliza las aptitudes con respecto a un cierto valor moderado.
Seleccin Competitiva. Es a travs de las interacciones con miembros de la poblacin, o

con otros miembros de una poblacin separada que evoluciona concurrentemente.
Cruzamiento: La idea principal del cruce se basa en que, si se toman dos individuos
correctamente adaptados al medio y se obtiene una descendencia que comparta genes de ambos,
existe la posibilidad de que los genes heredados sean precisamente los causantes de la bondad de
los padres. Al compartir las caractersticas buenas de dos individuos, la descendencia, o al
52
Captulo II
menos parte de ella, debera tener una bondad mayor que cada uno de los padres por separado. Si
el cruce no agrupa las mejores caractersticas en uno de los hijos y la descendencia tiene un peor
ajuste que los padres no significan que se est dando un paso atrs. Optando por una estrategia
de cruce no destructiva garantizamos que pasen a la siguiente generacin los mejores individuos
(Gestal-Pose, 2006) .
Si se aplica un cruzamiento con una probabilidad pc sobre los individuos seleccionados
previamente, algunas de las cadenas H se cruzaran con otras, de forma tal que la cadena
resultante ya no sera representante de la cadena original, es decir (Kuri-Morales & GalavizCasas, 2002):
m(H , t + sel + cru ) m(H , t )
f (H )
(1 pc pr )
f
(2.70)
Donde:
m(H , t ) = k: Es el nmero de individuos del esquema en la poblacin de generacin t.

pr= Probabilidad de ruptura del esquema H bajo el tipo de cruzamiento que est siendo
utilizado.
Tipos de cruzamiento.
Ya que se tienen seleccionados los mejores individuos, el siguiente paso es hacer el cruce de
estos individuos, que puede ser por un punto, dos puntos o uniforme.
Estos se utilizan dependiendo del esquema que se analice, los cruzamientos ms utilizados son,
segn, (Kuri-Morales & J., 2002):
Cruzamiento de punto: Se elige un punto de corte y se intercambian los segmentos

anlogos de las dos cadenas.
Cruzamiento de dos puntos: Se eligen dos puntos de corte y se intercambian los

segmentos medios de ambas cadenas, se considera a los extremos de la cadena como
sitios contiguos, como un anillo.
Cruzamiento uniforme: Para cada posicin de bit de una cadena a generar se elige
aleatoriamente el bit de la misma posicin de alguna de las cadenas generadoras.
53
Captulo II
Mutacin: Es un operador que se aplica con probabilidad pm y que tiene el efecto de invertir un
bit utilizando una probabilidad de mutacin del bit l-1, siendo l la longitud de la cadena del
cromosoma (Figura 2.15). En esta hay una variacin del valor de los genes en forma aleatoria,
generalmente se da en valores muy pequeos, ya que no es tan significativo como el cruce
(Goldberg, 1989).
Figura2.15 Cruzamiento y Mutacin.
El cruzamiento y la mutacin son representados por:

Pc= 1-(lgcr-1)*Rand
(2.71)
Pm = 1-(1-(lgcr-1))*Rand
(2.72)
Donde Pc es la probabilidad de cruce, Pm la probabilidad de mutacin, lgcr, la longitud del

cromosoma y Rand, es una serie de nmeros aleatorios.
(De Jong, 1975) recomienda el uso de una probabilidad de mutacin del bit l-1, siendo l la
longitud de la cadena del cromosoma, aunque algunos autores(Michalewicz, 1999, Laribi et al.,
2004, Merchn-Cruz, 2005, Cabrera et al., 2007, Erkaya & Uzmay, 2008) han obtenido mejores
resultados experimentales modificando la probabilidad de mutacin a medida que aumenta el
nmero de iteraciones. Posteriormente se hace una nueva evaluacin para comprobar que se
cumple la solucin ms ptima. Tambin existen varios tipos de mutacin, entre los que se
encuentran:
Tipos de mutacin
Mutacin por Permutaciones. tiles en problemas de optimizacin combinatoria.
Mutacin por Insercin. Se selecciona el valor de un individuo en forma aleatoria y se le

inserta en una posicin arbitraria.
54
Captulo II
Mutacin por Desplazamiento. Cambian de posicin en la cadena varios valores a la vez.
Mutacin por Intercambio Recproco. Se seleccionan dos puntos al azar y se

intercambian estos valores de posicin.
Mutacin por factor mltiple. Este incorpora dentro del a mutacin un factor de
perturbacin, un valor porcentual de qu numero de alelos en un cromosoma sern
afectados de manera aleatoria, permitiendo generar una mutacin de un alelo o ms de
uno. Esta modificacin se observa claramente cuando el algoritmo gentico tiene una
convergencia prematura, potencializando la exploracin del espacio factible de bsqueda,
sin embargo una taza lata en el factor puede degenerar la solucin.
La mutacin es necesaria porque permite de algn modo actualizar valores que se pudieron
haber perdido en la bsqueda de la mejor solucin.
Condiciones de paro: Son las que van a determinar el nmero de iteraciones y generaciones que
se tendrn que crear en el proceso de anlisis del algoritmo gentico para encontrar el valor
optimo que resuelva la problemtica presente o condiciones como repeticiones de buenos
resultados, valor mnimo de error, entre otros.

Un sistema lgico difuso (SLD), es un mapeo no lineal de un vector de datos de entrada con una
salida escalar, es decir mapea nmeros con nmeros (Mathworks, 1999). ste se forma de
conjuntos difusos, un conjunto difuso A en el universo del discurso U se puede definir como un
conjunto de pares ordenados:
A=
y estando,
{( x,
( x )) x U }
(2.73)
0,1
Siendo A ( x ) la funcin de membresa, es decir el grado de pertenencia de x en A. Estando el

espacio de la membresa M en el universo [0,1]. El propsito de un conjunto difuso es
representar la ambigedad e imprecisin que las cosas tienen en el mundo real, tratando de
eliminar las fronteras cerradas que separan a los miembros y no miembros de un grupo o
conjunto. Un problema que se presenta en los conjuntos difusos es la asignacin de las funciones
55
Captulo II
de membresa que los representan, ya que depende del criterio del diseador y de la naturaleza
del problema. Una de las soluciones que actualmente se proponen a este problema es la
utilizacin de las redes neuronales para aproximar estas funciones.
Algunas de las operaciones que se realizan entre conjuntos difusos son las siguientes:
Complemento: El complemento A de un elemento de un conjunto difuso A est dado por la

diferencia entre la unidad y su grado de membresa correspondiente A ( x) , siendo definido
como:
( x) = 1 A ( x)
x U
(2.74)
Interseccin: La interseccin entre dos conjuntos difusos A y B, se denota como:
A B AB ( x) = mn [ A ( x), B ( x)] = A ( x) B ( x)
x U
(2.75)
x U
(2.76)
Unin: La unin de los conjuntos difusos A y B se define como:
A B AB ( x) = mx [ A ( x), B ( x)] = A ( x) B ( x)
Igualdad: Dos conjuntos difusos A y B son iguales s:
A = B A ( x) = B ( x)
x U
(2.77)
Subconjunto: A es un subconjunto de B, si y slo si:
A B A ( x ) B ( x ) x U
(2.78)
Producto cartesiano: El producto cartesiano de A1, A2 ,..., An es un conjunto difuso en el espacio

del producto U1 U2 ...Un , siendo las funciones de membresa:
A A ...A ( x1, x2 ,..., xn ) = mn A ( x1 ) , A ( x2 ) ,..., A ( xn )

1
x1 U1, x2 U2 ,..., xn Un
(2.79)
Suma algebraica: La suma A+B de dos conjuntos difusos est dada por:
A+ B ( x ) = A ( x ) + B ( X ) A ( x ) B ( X )
(2.80)
56
Captulo II
Producto algebraico: El producto algebraico A B se define como:
AB ( x ) = A ( x ) B ( x )
(2.81)
Con esta serie de ecuaciones se puede disear un control difuso con el cual se evita la compleja
tarea de realizar un modelado dinmico del proceso, que en la mayora de los casos resulta muy
laborioso y difcil.
2.6. Sumario
Este captulo present los fundamentos necesarios para realizar el anlisis y la sntesis de
necesidades especificas del cliente.
Se mostr una descripcin de las ecuaciones y mtodos para obtener la sntesis de mecanismos
planos para disear el nmero y tipo de eslabonamiento, los grados de libertad de movimiento y
el anlisis de posicin para generar la trayectoria. El desarrollo de stas se enfoc a un
mecanismo de 4 barras, configuracin base para poder disear posteriormente mecanismos con
un mayor nmero de eslabones y grados de libertad. Dentro del anlisis dinmico, se describi el
manejo de los centros instantneos de rotacin para calcular velocidades y aceleraciones.
Se desarroll el mtodo de Newton Raphson para optimizar las funciones de Freudenstain para
cadena abierta y cerrada, derivadas de la sntesis de mecanismos, este mtodo por sus
caractersticas se emplear como mtodo numrico para validar y comparar resultados del
mtodo metaheuristico a emplear, como son los algoritmos genticos. Tambin se desarroll un
ejemplo ilustrando la forma de combinar y aplicar este mtodo con el algebra compleja, que se
aplica en este tipo de anlisis para determinar las posiciones de los eslabones, que son una de las
principales variables de los mecanismos cuando se disean para el seguimiento de trayectorias.
Tambin es importante resaltar que Newton-Raphson es un mtodo que converge
cuadrticamente, es decir, que el nmero de cifras decimales correctos se duplica
aproximadamente en cada iteracin, o el error es aproximadamente proporcional al cuadrado del
57
Captulo II
error anterior, por lo que puede llegar a tener algunas desventajas, como las presentadas en la
teora, pero que pueden ser mejoradas si se aplica en combinacin de otros mtodos.
De los algoritmos genticos se hizo una descripcin de las etapas de que estn formados, aqu se
generacin de poblacin por aplicacin anloga de operaciones genticas que ocurren
naturalmente. Estas operaciones son aplicadas a individuos seleccionados desde la poblacin. Se
describi etapa por etapa , sealando los tipos de acciones que hay para cada una y la forma en
que se relacionan con la naturaleza, tambin se presento un grfico que busca el facilitar el
entendimiento del orden que deben seguir cada una de las etapas para llegar al fin especifico,
que es encontrar de un conjunto de posibles soluciones, como es la poblacin , el optimo
resultado para cumplir con el problema en especfico, para este caso de estudio la sntesis de
mecanismos, teniendo como principales variables la longitud de cada eslabn y el valor de
ngulos que generaran el mejor movimiento llegando a un optimo local.
Otro mtodo de optimizacin descrito es el de la lgica difusa que en forma general sirve para
representar la ambigedad y la imprecisin que las cosas tienen en el mundo real.
Los fundamentos tericos presentados en este captulo servirn como base para el desarrollo del
captulo tres, en el cual se describir la simulacin y la sntesis de mecanismos de 4 y seis
eslabones. Esto se realizara empleando los mtodos matemticos y los metaheuristicos, como
son Newton Raphson, Algebra compleja y Algoritmos genticos, para poder observar y analizar
el desempeo que tienen cada uno de estos con un mismo problema y as determinar cul es la
herramienta ms viable para desarrollar y disear una prtesis policntrica para miembro
inferior.
58
Captulo III
SIMULACIN Y SNTESIS
DE MECANISMOS
En este captulo se presenta la sntesis y

el anlisis de mecanismos planares y
policntricos para generar trayectorias
predefinidas de mecanismos de 4 y 6
barras. La sntesis se hace con mtodos
numricos y metaheursticos como son
los algoritmos genticos.
60
Captulo III
3.1 Generalidades de la sntesis de mecanismos.

La sntesis dimensional aproximada de mecanismos planos para generacin de trayectoria, tiene dos
objetivos principales, dar al planteamiento una orientacin hacia la resolucin mediante
herramientas de programacin y plantear estrategias de bsqueda del ptimo global dentro del
espacio de diseo, tambin busca una solucin que usualmente no es nica y el nmero de
requerimientos de diseo no es una limitacin. Su principal caracterstica de anlisis es que parte de
un tipo de mecanismo conocido y busca determinar las dimensiones ideales para cumplir los
requisitos pasando por todos los puntos de precisin durante el ciclo completo de movimiento. En
este modelo se pueden resolver las longitudes de los eslabones y el ngulo de transmisin en un
mecanismo. Se dice que existe un mximo en el nmero de puntos de precisin que un mecanismo
puede satisfacer de forma exacta, en tal caso, se pueden conocer las dimensiones del que mejor
cumple los requisitos, es decir el ptimo que pasa lo ms cerca posible de todos los puntos, lo que
conlleva a tener un problema de optimizacin llamado sntesis aproximada Esta da solucin a
problemas ms generales ya que admite requisitos de cualquier tipo y se puede resolver empleando
mtodos como los algoritmos genticos que buscan dentro de un campo de bsqueda muy alto la
mejor solucin al problema establecido y aseguran cada vez ms la obtencin de un ptimo global.
Aunque tambin es necesario conocer y manejar los mtodos exactos, para validar y comprobar el
correcto funcionamiento de los mtodos aproximados.
Como punto importante de los algoritmos genticos, se tiene la funcin objetivo, que se encarga de
evaluar los puntos de precisin en el espacio de diseo y en la solucin de la sntesis ptima, que es
la caracterstica a ser optimizada y tiene como base de evaluacin el clculo del el error entre la
trayectoria generada y la deseada. Como se puede tener un gran nmero de evaluaciones de esta, es
necesario buscar una funcin computacionalmente econmica que se compatible con las
restricciones impuestas por condiciones como las de Grashof y en general el espacio de diseo.
Contando con la sntesis de mecanismos combinando mtodos exactos y aproximados, se puede

obtener la simulacin de estos, aplicando varias herramientas en las que se podr observar el
comportamiento de estos modificando variables y condiciones de operacin.
61
Captulo III
3.2 Sntesis de mecanismos con Algoritmos Genticos.

Analizando la funcin para la sntesis de mecanismos, aplicando algoritmos genticos (Holland,
1975) y el planteamiento de autores como (Roston & Sturges, 1996, Kunjur & Krishnamurty, 1997,
Cabrera et al., 2002, Quintero-R et al., 2004, Laribi et al., 2004, Cabrera et al., 2007) se tiene la
representacin general de la funcin dada por (3.1):
f ( p1 ( X ) , p2 ( X ) ,... pn ( X ) )
Y est sujeta a
gj (X ) 0
j = 0,1, 2,....., m
(3.1)
(3.2)
X i li, ls xi X
En donde f es la funcin ptima y cada X es un valor individual obtenido, pn son las funciones ms
aptas por las propiedades que muestran a los objetivos de los sistemas optimizados, gj es la
definicin de la bsqueda del espacio y li, ls son los rangos de longitud definido por valores
enteros o reales.
Como caso de estudio, el anlisis y la sntesis se enfocan a la generacin de trayectoria, la cual, se

refiere a la posicin del error que se presenta entre la trayectoria generada y la deseada, que
normalmente se plantea como la suma de los cuadrados de la distancia Euclidiana entre cada Cdi y
el correspondiente Cix, donde Cdi es un conjunto de puntos especficos indicados por el diseador
(Cabrera et al., 2002) y Cix son los puntos generados obtenidos por los acoplamientos o uniones de
los mecanismos de acuerdo a un conjunto de valores de los ngulos de entrada:
i
C di = C Xd
, CYdi
i
C i = Cx ( 2i ) , Cy ( )2
(3.3)
T
(3.4)
En los trabajos de sntesis de trayectoria realizados hasta la fecha por autores como(Roston &
Sturges, 1996, Kunjur & Krishnamurty, 1997, Cabrera et al., 2002, Quintero-R et al., 2004, Laribi
et al., 2004, Cabrera et al., 2007, Erkaya & Uzmay, 2008). La forma de comparar curvas ms
62
Captulo III
utilizadas es la tcnica de la mnima distancia entre puntos al cuadrado. sta consiste en la
obtencin de una serie de puntos de cada una de las curvas que se van a comparar y en la estimacin
de su diferencia mediante la suma de los cuadrados de las distancias entre puntos homlogos de
ambas curvas. Han propuesto una funcin objetivo general igual a la suma de los cuadrados de
diferencias entre caractersticas de las curvas generadas y requeridas, con base en esto la funcin
ptima es:
(3.5)
En donde N es el nmero de puntos a ser sintetizados,

indicados por el diseador y
es un conjunto de puntos especficos
son los puntos generados por el acoplador del mecanismo,
establecidas por las ecuaciones de Freudenstein para la cadena cinemtica abierta, mostradas en las
ecuaciones 2.46 y 2.47.
Para cubrir los requerimientos de la funcin objetivo, se deben cubrir ciertas restricciones:
1. Condiciones de Grashof.
2. La secuencia de los ngulos de entrada.
3. El rango para el diseo de las variables.
4. El rango de variacin para la entrada de los ngulos.
5. La relacin entre el aumento en la entrada de un ngulo y la posicin adyacente del punto de
acoplamiento.
Tomando como base los puntos antes mencionados, la ecuacin resultante es:
(3.6)
En donde v= r1, r2, r3, r4, rcx, rcy, 0, x0, y0, 21 , 22 ,........., 2N , los ngulos 21 , 22 ,........., 2N son el
valor de la variable del ngulo 2 que es la posicin, las variables i. j son el resto del cociente. Para
optimizar esta funcin, con base en la ecuacin propuesta en el trabajo de (Erkaya & Uzmay, 2008)
63
Captulo III
(3.7)
Donde N es el nmero de puntos de precisin.
El diagrama de flujo de la Figura 3.1, representa la sntesis de mecanismos empleando algoritmos

genticos como herramienta de optimizacin y posteriormente se explica la secuencia de
operaciones.
Figura 3.1 Diagrama de flujo para la sntesis de mecanismos con algoritmos genticos (Shiakolas et al., 2005).
Definicin de poblacin inicial: El tamao adecuado de la poblacin est en funcin del nmero de
individuos y del espacio explorado. Se puede considerar un tamao de poblacin considerablemente
64
Captulo III
grande. Sin embargo, el uso de una estrategia elitista y un porcentaje alto de cruza y mutacin,
pueden mejorar el desempeo del algoritmo con una poblacin no tan grande. Lo que se requiere es
determinar en qu espacio se encuentran las posibles soluciones al problema que se pretende
resolver.
Se inicia determinando el nmero de alelos que tiene cada gen para formar al cromosoma:
Dominio=[ -60 60
-60
60
0 60
360]
]
Figura 3.2 Estructura del cromosoma
Estos valores se asignan con base en un bosquejo del mecanismo o restricciones impuestas por el
diseador para cubrir una trayectoria especfica. Para el ejemplo se estn asignando los valores
mximos y mnimos en los que se encuentran las posibles soluciones para los eslabones y los
ngulos que generarn el movimiento.
Cada gen se forma por los valores mximos y mnimos en los que se encontrar la posible solucin,
y aplicando la ecuacin 2.52 presentada en el captulo 2, se tiene:
Figura 3.3 Longitud del cromosoma
Como se observa los puntos de origen tienen 27 alelos que forman cada gen y darn un valor real,
posteriormente se tienen 26 para cada eslabn, 27 para los eslabones que indican el punto objetivo y
29 para los valores que ocuparan el valor ptimo de grados necesarios para generar el movimiento
especfico. Cabe mencionar que la longitud del cromosoma aumenta segn el nmero de puntos de
precisin que se vayan a analizar y al nmero de eslabones que se necesiten en el mecanismo. La
65
Captulo III
longitud y el nmero de individuos se emplean para crear la poblacin, la cual se genera
aleatoriamente, quedando para este ejemplo una matriz de 1000 individuos con una longitud de 270
bits por cromosoma (Figura 3.4).
Diseo de variables: El nmero de variables en el anlisis de mecanismos planos depende

principalmente del nmero de eslabones que se necesitan para cubrir una trayectoria o una funcin
especfica. Por ejemplo la base de este trabajo, los mecanismos de cuatro barras, como variables
tienen los datos presentes en la Tabla 3.1.
Codificacin: Para emplear los valores asignados a las variables en el algoritmo gentico, es
necesario tener una representacin del genotipo para asignar los parmetros dentro de una cadena de
smbolos conocidos como genes. La representacin utilizada a menudo es la binaria, esta presenta
un alto grado de paralelismo implcito y aumenta la probabilidad en la formacin de bloques
constructores que mejoran el desempeo del algoritmo con el paso del tiempo, esta ofrece un mayor
nmero de esquemas posibles por bit de informacin comparada con cualquier otra codificacin
posible, debido a la relacin que tiene con la abstraccin del lenguaje de programacin al
microprocesador(Goldberg, 1989, Coello-Coello, 2007).
Tabla 3.1 Variables para mecanismo de 4 eslabones una posicin

x0
Punto
inicial
en x
y0
Punto
inicial
en y
r1
Eslabn
base, fijo
en tierra
r2
Manivela
r3
Biela
r4
Balancn
rcx
Eslabn
indicador
en x
rcy
Eslabn
indicador
en y
Angulo
origen
Angulo
principal
generador de
movimiento
66
Captulo III
Figura 3.4 Poblacin de 1000 individuos generada aleatoriamente.
Figura 3.5 Codificacin y decodificacin
Para este diseo de algoritmo gentico, el primer filtro de la poblacin se hace en este punto, ya que
se verifica que la poblacin generada cumpla con las condiciones de Grashof (Shigley, 1988), los
que aprueban continan emplendose en el anlisis del mecanismo, y los que no, son desechados. El
procedimiento para efectuar esta accin es:
1. Asignacin de valores a cada variable

r1=x(:,3); r2=x(:,4); r3=x(:,5); r4=x(:,6);
2. Aplicando la frmula para un mecanismo de tipo eje inestable de balancn se tiene:
G1=r1+r2; G2=r3+r4; G3=(r2<r3 & r3<r4 & r4<r1); GR1=(G1<G2), GR2=(GR1 y G3);
GR3=(GR1 yGR2); [M,N]=encontrar (GR3==1);
3. Los valores que cumplen las condiciones especificadas permanecen en la poblacin para
efectuar todo el proceso de los algoritmos genticos.
Con la poblacin generada se hace la decodificacin de binario a decimal (Figura 3.6), empleando la
ecuacin 2.55 del captulo 2.
1058429180958
1.56337501556735
2344779083499
- 59.5536797349084
8 997956738771
23.4944239246959
1579152544538 60 (60) 48.884385824635

x1 = 60 +
=
270
.
.
2
.
.
.
.
1216193614151
4.24112349498732
Valor decimal a emplear en la evaluacin

Figura 3.6 Decodificacin.
Este clculo se hace para el nmero total de individuos, que en este ejemplo es 1000.
Antes de hacer la evaluacin correspondiente con la funcin objetivo, se requiere tener la sntesis de
mecanismos para cada eslabn, y repetir el procedimiento con cada punto de precisin necesario
para cubrir la trayectoria especificada, es decir:
67
Captulo III
1. Clculo de los ngulos
para un mecanismo de cuatro barras, con las ecuaciones 2.34
y 2.43.
2. Calcul de la posicin de cada eslabn con base en las ecuaciones de la 2.52 a la 2.59 por
algebra compleja.
3. Repetir el procedimiento para cada punto de precisin tomando como base el ngulo
generador de movimiento.
Para cada punto de precisin se hace este clculo y posteriormente se evalan con la ecuacin 3.10,
teniendo como ejemplo:
(3.8)
En donde Rcy representa la posicin del ltimo eslabn, el cual va a tocar el punto deseado durante
el movimiento. Para optimizar se aplica la ecuacin 3.7, considerando las funciones para cada punto
de precisin y el nmero de individuos:
(3.9)
En este caso se optimiza mediante el mximo conteo de la funcin objetivo para evitar un problema
de singularidad, y para esto, se modifica a travs de una funcin exponencial inversa, as la funcin
crece de forma normalizada mientras el error de distancia se reduce.
(3.10)
68
Captulo III
Para mejorar los resultados, se emplea el elitismo y se pueden insertar en el proceso de los
algoritmos las etapas de regeneracin y la herencia forzada:
Elitismo: En este se fuerza a que el mejor individuo de la poblacin en un determinado tiempo sea
seleccionado como padre (Figura 3.7). Esta se puede generalizar especificando que permanezcan en
la poblacin los n mejores individuos de las pasadas k generaciones. Para generar el elitismo los
pasos son:
1.
Suma total de la funcin.
2.
Promedio de la funcin.
3.
Funcin actual toma el valor mximo de la evaluacin de la funcin.
4.
Se busca la posicin del mejor elemento dentro de la poblacin.
5.
Se renen los mejores individuos de cada anlisis en la nueva poblacin y se proponen

como nuevos padres.
Figura 3.7 Elitismo y herencia forzada
Mecanismo de Regeneracin: Un pequeo porcentaje de la poblacin se puede renovar, lo que

permite incrementar la formacin de bloques constructores con mejores posibilidades de encontrar
un valor ptimo, pero como inconveniente de un algoritmo evolutivo se tiene el problema de
convergencia prematura. Sin embargo, el proceso de evolucin biolgica puede validar el empleo de
un factor de regeneracin y su preservacin fundamental en los operadores genticos de seleccin,
cruce y mutacin. Para este caso se establece en un inicio un porcentaje de la cantidad de individuos
que pueden renovarse, este valor se reinserta en la poblacin original para ser considerada en la
nueva evaluacin.
Mecanismo de Herencia Forzada: El mecanismo de herencia forzada, es complementario del
mecanismo de regeneracin, como estrategia para introducir cromosomas especializados en base al
69
Captulo III
elitismo durante el proceso de cruce y mutacin. A diferencia del elitismo, donde los individuos ms
aptos de una poblacin pasan a la generacin siguiente sin ninguna alteracin, la herencia forzada es
introducida en el proceso de regeneracin, seleccin, cruce y la mutacin, garantizando que el
individuo ms apto de la generacin anterior sufra el mnimo cambio potencializando su valor
aptitud de manera consistente, este mecanismo es muy til cuando el nmero de variables en el
problema a resolver es considerablemente grande (Merchn-Cruz, 2005). Las operaciones
necesarias para la regeneracin y la herencia forzada son:
1.
Porcentaje de la poblacin a regenerar
2.
Se retoma el nmero de individuos, la longitud del cromosoma y por lo tanto el tamao de la

poblacin
3.
Regeneracin toma el valor de los individuos por el porcentaje a ser regenerado
4.
Se convierte a binario esta poblacin
5.
Se determina la posicin que ocupara en la poblacin original la regenerada, para no alterar el

nmero de individuos.
6.
Se reinserta la poblacin regenerada en un sector de la poblacin original
7.
Se introduce el mejor individuo en la poblacin regenerada, buscando no alterar el nmero de

individuos.
Siguiendo el desarrollo del algoritmo gentico, teniendo los mejores individuos en la poblacin, se
hace la seleccin de los individuos que fungirn como padres de las nuevas generaciones.
Se eligi la seleccin por ruleta para resolver este problema, ya que cada individuo tiene una
probabilidad de ser seleccionado como padre, y esto es proporcional al valor evaluado mediante la
funcin objetivo. El procedimiento a seguir con este mtodo es:
1. Suma total de la funcin.

2. Se da un rango de peso para cada individuo normalizado.
3. Calcular la suma de valores esperados:
Repetir N veces (N es el tamao de la poblacin).
Generar un nmero aleatorio r entre 0.0 y ni.
70
Captulo III
4. Ciclar a travs de los individuos de la poblacin sumando los valores esperados hasta que la
suma sea mayor o igual a r.
5. Se determina la condicin que tendr cada uno de los padres elegidos proporcionalmente por
su aptitud.
6. El individuo que haga que esta suma exceda el lmite o la condicin es el seleccionado como
padre.
Una vez seleccionados los individuos, estos son recombinados para producirla descendencia que se
insertar en la siguiente generacin. Para el cruzamiento de la poblacin seleccionada como padre,
se eligi el simple de un punto de corte en el que se intercambian los segmentos anlogos de las dos
cadenas, como se muestra en la Figura 2.15, del captulo 2, es decir es un operador que forma un
nuevo cromosoma combinando partes de cada uno de sus cromosomas padres. El procedimiento a
seguir para este punto es:
1. Se determina la cantidad de individuos a ser cruzados.

2. Se toman las parejas seleccionadas.
3. Se determina el punto en el que se har el cruce en el cromosoma correspondiente.
4. Se determina la posicin en que se insertaran los hijos dentro de la poblacin.
5. Se realiza el cruce a partir de esa posicin.
La mutacin de insercin (Michalewicz, 1999) ser la aplicada en este trabajo, ya que se

selecciona un valor en forma aleatoria y se le inserta en una posicin arbitraria.
Algunos investigadores como (Fogarty, 1989, Coello-Coello, 2007) han sugerido que el usar
porcentajes altos de mutacin al inicio de la bsqueda, y luego decrementarlos exponencialmente,
favorece el desempeo de un AG. Si es 0.5, hay una alta probabilidad de alterar fuertemente el
esquema de un individuo. Se suelen recomendar porcentajes de mutacin entre 0.001 y 0.01 para la
representacin binaria (Goldberg, 1989) o en general valores mucho ms pequeos que la
probabilidad de cruce(Cabrera et al., 2002). Con esto se concluye que se puede controlar el poder de
alteracin de la mutacin y su capacidad de exploracin puede hacerse equivalente a la de la cruza.
1. Se escoge aleatoriamente un alele
71
Captulo III
2. Se extrae del cromosoma
3. Se inserta en un lugar seleccionado al azar y afectado por la probabilidad de mutacin.
Condiciones de convergencia: Son las que van a determinar cuntas veces se realizar la
evaluacin de la poblacin para llegar al resultado ptimo. Para este caso de estudio se tiene como
primera restriccin la comparacin entre las generaciones y el mximo de estas permitido. Como
segunda se tiene la diferencia del error generado contra el impuesto como mnimo en las
condiciones iniciales.
3.3 Anlisis cinemtico de un mecanismo plano para generacin de trayectoria.

La sntesis de generacin de trayectoria busca conseguir que un punto de un slido rgido del
mecanismo describa una trayectoria predeterminada. Si en vez de exigir que un determinado punto
describa una trayectoria completa, se fija que este punto pase por un nmero de posiciones, se crea
una sntesis de puntos de precisin.
3.3.1 Ejemplo de aplicacin, mecanismo de 4 barras.

Para la Figura 2.7, del captulo 2, mecanismo de cuatro barras, se requiere que un punto del eslabn
acoplador describa una trayectoria curva definida por una serie de 6 puntos. En este caso, la sntesis
comprende la determinacin de las dimensiones de los eslabones del mecanismo que hacen que se
cumplan las condiciones preestablecidas, como son el rango de valores en los que puede encontrarse
la dimensin de los eslabones, el valor de los ngulos de entrada
condiciones de Grashof, as como el clculo del ngulo
biela y el ngulo
y que se cumplan las
correspondiente al movimiento de la
que genera el movimiento de salida.
El anlisis inicia empleando las coordenadas naturales (Garca de Jaln & Bayo, 1994), siguiendo el
mtodo propuesto por (Jimnez et al., 1997) suponiendo que se pueden variar las longitudes de la
manivela y del eslabn seguidor, las dimensiones y la forma del eslabn acoplador.
Al determinas las ecuaciones de Freudenstain se observa que si la trayectoria a seguir por el punto
(xd,yd) pasa por cuatro puntos, resultara que las 8 condiciones de restriccin (longitud de los 6
eslabones y dos puntos x y y inicial ) se convertiran en 32 ecuaciones. En este caso, se tendra 32
72
Captulo III
ecuaciones y 33 incgnitas resultando un problema no lineal indeterminado con infinitas soluciones,
por lo que es necesario plantear una optimizacin, para esto se debe predeterminar la longitud de
algn eslabn, para reducir el problema a un sistema de 32 ecuaciones con 32 incgnitas que, en
general, tendra una solucin nica. A medida que se aumente el nmero de puntos a seguir, crece el
nmero de ecuaciones de restriccin y es necesario buscar una solucin de manera que la suma de
los cuadrados de las distancias entre los puntos previstos y los puntos logrados sea mnima, lo que
supone optimizar una solucin aproximada.
Para resolver esta problemtica se propone la optimizacin con los Algoritmos Genticos, que
servirn para simplificar el desarrollo matemtico, adems de dar soluciones aproximadas para cada
variable presente en la sntesis.
3.3.1.1 Trayectoria lineal
Como primer caso de estudio se tiene un mecanismo plano de 4 barras que tienen que seguir una
trayectoria lineal con 6 puntos de precisin.
El mecanismo de 4 barras a sintetizar (Figura 3.8) se compone de tres eslabones mviles y uno fijo,
de los que tienen movimiento, dos giran en relacin a puntos fijos de pivoteo y su movimiento es
angular puro, el tercer eslabn conocido como conector une a los eslabones de rotacin. Para la
conexin se usan pares cinemticos de revolucin. Este mecanismo incluye un punto de precisin en
el eslabn conector, que es el que seguir la trayectoria deseada. Este mecanismo tiene un grado de
libertad y se numera con el r1 para indicar el eslabn tierra o fijo, r2 para el eslabn motriz, r3 el
eslabn conector y r4 el eslabn de salida, los ngulos son
es el ngulo para ubicar al eslabn
base, 2 el ngulo de entrada, 3 el ngulo de movimiento del eslabn 3, 4 el ngulo de salida, x0 y

y0 los puntos origen para obtener la trayectoria.
73
Captulo III
Figura 3.8 Mecanismo de 4 eslabones siguiendo una trayectoria lineal.
El anlisis y la sntesis de los mecanismos se realizaron siguiendo las estructuras presentadas en el

captulo 2. El mtodo de Newton Raphson se utiliz para encontrar la longitud de los eslabones y de
los ngulos para dar movimiento al balancn y a la biela. Para desarrollar este mtodo se dieron
como valores de entrada valores similares a los obtenidos por algoritmos genticos. El diagrama de
flujo que representa los clculos realizados es el mostrado en la Figura 3.9.
Como valores de entrada se dieron los propuestos por (Cabrera et al., 2002), se realiz en un
programa de cmputo especializado en matemticas, especificando como condiciones para terminar
el programa un nmero mximo de 50 iteraciones para obtener los mejores valores de las races, as
como un error mnimo de 10^-3 . Para hacer el anlisis con algebra compleja se utilizaron las
ecuaciones de la 2.52 a la 2.59 del captulo 2. Con estas se determin la posicin que tendr cada
eslabn para cumplir con la trayectoria y para esto, se asignaron como valores de entrada, los
obtenidos por los algoritmos genticos.
Para trabajar con los algoritmos genticos es necesario dar condiciones iniciales que determinarn el
dominio para la generacin de la poblacin, as como el nmero de individuos, la probabilidad de
cruce y la de mutacin y el nmero mximo de generaciones. Estos datos se tomaron de trabajo
propuesto por (Cabrera et al., 2002) y se presentan en la Tabla 3.2.
74
Captulo III
Tabla 3.2 Restricciones para mecanismo plano, seguimiento de trayectoria lineal.
Mecanismo
Descripcin
Caracterstica
Puntos deseados
Limites de las variables
Restriccin para cada eslabn
(dominio)
Rango para movimiento
Nmero de individuos
Precisin
Nmero mximo de generaciones
Xd=[20 20 20 20 20 20]
Yd=[20 25 30 35 40 45]
r1,r2,r3,r4 [0,60] en mm
X0,y0,rcx, rcy [60,60] en mm
0 a 360 grados
ni individuo
1000
De tipo proporcional
0.6
Mutacin solo en un punto
0.1
Dgitos despus del punto
10
1000 generaciones
Figura 3.9 Diagrama de flujo aplicando Newton Raphson en sntesis de mecanismo de 4 eslabones.
Los lmites de los ngulos se presentan en grados, pero por cuestiones prcticas y de exactitud, es
mejor trabajarlo en radianes. Para este caso de estudio el nmero de variables incrementa a 16
porque se tienen 6 puntos de precisin, con esto crece el nmero de ecuaciones a resolver. Para
75
Captulo III
aplicar esta herramienta, se presenta el diagrama de flujo de la Figura 3.10, en el cul se especifica
el dominio de variables a utilizar, en este caso se colocan los valores mximos y mnimos para cada
uno de los eslabones, los puntos de inicio, el ngulo de inicio, y los posibles ngulos de entrada que
se necesitan para generar el movimiento, as como la informacin presentada en la Tabla 3.2.
Posteriormente se presentan las operaciones correspondientes al algoritmo gentico, cabe sealar

que estas tendrn que realizarse dentro de un ciclo hasta que se cumplan las condiciones de paro,
que para este caso son el cumplir con el nmero mximo de generaciones, y cubrir el mnimo error.
Para verificar visualmente que se cubra la trayectoria, los datos obtenidos por este mtodo son
aplicados al anlisis con algebra compleja. El grfico que se obtiene variando el ngulo de entrada
2 es el mostrado en la Figura. 3.11.
Figura 3.10 Diagrama de flujo para sntesis de mecanismo de 4 eslabones trayectoria lineal
76
Captulo III
70
Valores de Y deseada (mm)
60
50
40
30
20
10
10
20
30
40
50
Valores de x deseada (mm)
60
70
Figura. 3.11 Mecanismo de 4 barras obtenido por nmeros complejos.
Siguiendo la secuencia de operaciones mostrados en los diagramas 3.9 y 3.10, para el clculo de las
variables por el mtodo de Newton Raphson y los algoritmos genticos se obtuvieron los resultados
presentados en la Tabla 3.3
Tabla 3.3 Comparacin de resultados por mtodo numrico y aproximado.

Variables
r1
Newton
Raphson
39.64097
(Cabrera et
al., 2002)
39.46629
Algoritmo
Gentico
39.375016
r2
8.562910
8.562912
13.124878
r3
r4
x0
y0
Rcx
Rcy
19.10331
47.86003
29.72254
23.45454
13.38555
12.20928
6.221949
19.09486
47.83886
29.72255
23.45454
13.38556
12.21961
6.201627
39.851360
32.576271
22.851502
7.5000309
26.250259
-2.813208
0.8835777
6.119371
6.119371
3.5579243
0.112782
2.491211
0.7295974
0.321494
2.900370
2.6772018
6
0.02617
6
0.021438
1
2
3
4
Precisin
Error
Para el mtodo de Newton Raphson se utilizaron como valores aproximados de entrada los
propuestos por (Cabrera et al., 2002), facilitando obtener valores ms cercanos a los propuestos por
el autor. Los valores presentados referentes al algoritmo gentico son los obtenidos con el algoritmo
propio considerando las restricciones iniciales impuestas.
77
Captulo III
Cabe sealar que los datos presentados fueron evaluados con la funcin objetivo original propuesta
por (Cabrera et al., 2002) para tener una convergencia en los resultados y poder aplicar un anlisis
real. Como puede observarse existi una diferencia entre estos, pero esta la caracterstica de que la
trayectoria se cumple, el objetivo a continuacin es disminuir el error para obtener una trayectoria
ms precisa. En cuanto a las ventajas del mtodo se puede decir que es bueno ya que aunque no
disminuye en gran medida el tiempo de cmputo, si se obtienen buenos resultados a partir de los
parmetros impuestos y no es necesario aplicar una penalizacin tan grande en el sistema. Para
obtener mejores resultados es necesario considerar cambios en las principales variables, como son la
probabilidad de cruce y de mutacin, adems del nmero de individuos en la poblacin y el valor
mximo de generaciones. Como se ha mencionado en la teora el numero de generaciones debe ser
aproximadamente 100 o 200, pero con este ejemplo se muestra que no necesariamente tiene que ser
pequea y que aunque se empleen mas evaluaciones y por consecuencia un mayor tiempo, tambin
se pueden obtener resultados ptimos y con un error mnimo.
3.3.1.2 Trayectoria de la marcha.
La posicin o trayectoria que la rodilla realiza durante la caminata, permite comenzar el anlisis
para el mecanismo, mostrado en las Figuras 3.12 y 3.13. stas presentan las fases de la caminata, as
como los puntos de posicin de la rodilla en cada fase, que son los puntos deseados para el caso de
estudio II.
95
Valores de Y deseada (mm)
90
85
80
75
70
65
60
10
15
20
25
30
35
Valores de x deseada (mm)
40
45
50
Figura 3.12 Puntos de precisin en la marcha humana (Campos-Padilla, 2009)
78
Captulo III
Figura 3.13 Trayectoria de la rodilla durante la marcha (Radcliffe, 1977).
La sntesis se realiz con los mtodos presentados en el caso I, y la metodologa de solucin es la

misma, la nica diferencia que se presenta en este caso II son las restricciones en el dominio y los
valores para la trayectoria deseada y la generada. Las restricciones del domino se tomaron
considerando los posibles valores que pueden tener los ligamentos cruzados y las referencias que
dan autores como (Greene, 1983, Oberg & Kamwendo, 1988, Blumentritt & Werner-Scherer, 1997,
Dewen et al., 2003). De igual forma, los ngulos se establecieron con base en los que se generan al
dar movimiento en la rodilla principalmente al caminar. En la Tabla 3.4 se presentan cada de las
restricciones impuestas para este caso de estudio.
Tabla 3.4 Restricciones para mecanismo de 4 barras trayectoria de la marcha.
Mecanismo Policntrico
Descripcin
Caracterstica
Puntos deseados

Nmero de individuos
Precisin
xd=[10.32 10.59 11.82 14.69 19.06 24.35

30.61 40.73 45.63]
yd=[92.98 91.17 86.30 79.96 74.04 69.38
65.85 63.24 63.09]
r1,r2,r3,r4[ 0,50] en mm
X0,y0, rcx, rcy [ 50,50] en mm
0 a 135 grados
ni individuo
3000
0.85
Mutacin solo en un
0.58
punto
10
1000 generaciones
Se desarrolla primero el algoritmo gentico siguiendo el procedimiento de la Figura 3.10 para

obtener los datos que se utilizarn como entradas en el mtodo de Newton Raphson representado en
79
Captulo III
la Figura 3.9 y se realiza el grfico con algebra compleja resolviendo las ecuaciones de la 2.52 a la
2.59 del captulo 2. El procedimiento de solucin se resume en la Figura 3.15.
Por el cambio de trayectoria, el dominio tendr los siguientes valores:
Dominio=[ -50 50
0 50
0 50
135]
]
Figura 3.14 Estructura del cromosoma mecanismo de 4 eslabones.
Figura 3.15 Procedimiento para la sntesis del mecanismo de 4 eslabones para la trayectoria de la marcha humana.
80
Captulo III
Siguiendo este procedimiento los resultados obtenidos para cada mtodo son los presentados en la
Tabla 3.5:
Tabla 3.5 Resultados por distintos mtodos de anlisis mecanismo de 4 barras para 6 puntos de precisin.
Variables
Newton
Algoritmos
Raphson
Genticos
56.0494733
56.049119
r1
r2
13.1172628
13.117180
r3
r4
x0
y0
Rcx
Rcy
45.3916090
45.7054680
-24.9849113
-35.8913017
29.2357835
-32.5773536
1.6491393
45.391322
45.705179
-24.984911
-35.891301
29.2357835
-32.577354
1.6491388
0.1458519
0.1458519
0
t2
t3
4
1.3967241
-0.194659
-0.3520018
2.9469332
En la Tabla 3.6 se presentan los resultados obtenidos al ampliar los puntos de precisin, ya que
inicialmente solo se hizo el clculo para 4 puntos. Como puede observarse, es necesario aumentar la
poblacin al incrementar el nmero de puntos de precisin, esto con el objeto de que exista un
mayor nmero de posibles soluciones para tener el mecanismo ptimo para que el error entre las
trayectorias generada y la impuesta sea mnima. En este, el tiempo de convergencia aumenta, pero
es directamente proporcional al nmero de individuos y de generaciones analizados para cubrir la
trayectoria, es decir, al aumentar la poblacin, la convergencia aumentar y tambin la precisin, la
Figura 3.16 presenta el grafico del seguimiento de trayectoria con las dimensiones de los eslabones
y los nguloscorrespondientes.
100
90
80
70
yd
60
50
40
30
20
10
0
-50
-40
-30
-20
-10
0
xd
10
20
30
40
50
Figura 3.16. Seguimiento de trayectoria mecanismo cerrado con Algoritmos Genticos.

81
Captulo III
Tabla 3.6. Resultados del GA en la generacin de trayectoria
Generaciones
Error
promedio
(mm)
Puntos de
precisin
Poblacin
(No. de
individuos)
Tiempo (seg. )
667
987
929
944
0.1525
0.4529
0.4036
0.2354
4
5
6
8
1000
2000
3000
3200
102.077
530.901
1032.36
1054.83
3.3.2 Sntesis de mecanismos de seis barras.

Existen principalmente dos configuraciones , como se mencion en la teora presentada, de esta se
tomaron dos, los tipo Watt I y el Stephenson III, por la aplicacin que se les han dado en prtesis
policntricas, como el presentado en el trabajo de (Dewen et al., 2003).
3.3.2.1 Sntesis analtica para un mecanismo tipo Watt-1.
ste se forma por dos mecanismos de 4 barras teniendo una articulacin en comn (Figura 3.17). Las
funciones obtenidas por el mtodo de Freudenstein para este tipo de configuracin, se presentan
haciendo el siguiente anlisis:
Para la cadena abierta inferior se tiene

F1 = ( xd x0 r2 cos( 2 + 1 ))2 + ( yd y0 r2 sen( 2 + 1 ))2 r3
(3.11)
La cadena cerrada de la parte inferior parte de tener:

(3.12)
Aplicando Euler y simplificando se tiene:
F2 = (r2 cos( 2 + 1 ) + r3 cos( 3 + 1 ) r1 cos(1 )) 2 +
(r2 sen( 2 + 1 ) + r3 sen( 3 + 1 ) r1 sen(1 )) r4
2
(3.13)
Para obtener la cadena abierta por la parte exterior del mecanismo se tiene:
F3 = ( xd x0 r2 cos ( 2 + 1 ) r9 cos( 9 + 3 )) 2
+ ( yd y0 r2 sen( 2 + 1 ) r9 sen( 9 + 3 ))2 r6
(3.14)
2
La cadena abierta analizada desde la parte interior del mecanismo es:
F4 = ( x0 r2 cos( 2 + 1 ) r3 cos( 3 + 1 ) r6 cos( 6 ))2 +

( y0 r2 sen( 2 + 1 ) r3 sen( 3 + 1 ) r6 sen( 6 ))2 r5
(3.15)
La cadena cerrada de la parte superior del sistema est dada por:
82
Captulo III
(3.16)
F5 = (r5 cos( 4 ) + r6 cos( 6 ) r8 cos( 8 )) 2 + (r5 sen( 4 ) + r6 sen( 6 ) r8 sen( 8 )) 2 r7
(3.17)
La cadena cerrada de todo el sistema es:

(3.18)
F6 = (r2 cos( 2 + 1 ) + r9 cos( 9 + 3 + 1 ) + r6 cos( 6 ) r7 cos( 7 2 ) r1 cos1 ) 2 +
(r2 sen( 2 + 1 ) + r9 sen( 9 + 3 + 1 ) + r6 sen( 6 ) r7 sen( 7 2 ) r1 sen1 ) 2 r10
(3.19)
Los ngulos de la biela y de salida para parte inferior del mecanismo se calculan con el
procedimiento presentado con las ecuaciones de la 2.17 a la 2.43, y para la cadena cerrada superior
se tiene partiendo de la ecuacin 3.18, aplicando Euler, sumando y simplificando estas ecuaciones e
tiene:
(3.20)
(3.21)
En notacin simplificada la ecuacin de (Freudenstein, 1956) se puede expresar como :

(3.22)
Para reducir ms esta ecuacin se emplean las identidades trigonomtricas del ngulo mitad
presentas en las ecuaciones 2.28 y 2.29. Para simplificar las ecuaciones se agrupan nuevamente de
la siguiente forma:
(3.23)
(3.24)
(3.25)
(3.26)
(3.27)
83
Captulo III
Tomando nuevamente la ecuacin 3.18, pero ahora buscando el ngulo
, se vuelve a desarrollar,
elevar al cuadrado y sumar para simplificar, teniendo las siguientes ecuaciones:

(3.28)
La constante
, K4s y K5s son:

y
(3.29)

(3.30)
Donde:
(3.31)
(3.32)
(3.33)
Y la solucin es:
(3.34)
Figura 3.17. Mecanismo de seis barras tipo Watt-I.
84
Captulo III
El ngulo 1 se especifica como la entrada de las barras del mecanismo y el ngulo 2 es el que da el
movimiento a todo el mecanismo, los ngulos
representan variables para
generar el movimiento.
Con las variables determinadas y las funciones planteadas se resuelve el mtodo de Newton
Raphson, siguiendo el procedimiento de la Figura 3.18:
Figura 3.18 Diagrama de flujo aplicando Newton Raphson en sntesis de mecanismo de 6eslabones tipo Watt-1.
Si se emplea lgebra compleja para visualizar el comportamiento del mecanismo, siguiendo las
ecuaciones 2.18 propuestas como base matemtica, las ecuaciones para el mecanismo son:
(3.35)
(3.36)
(3.37)
(3.38)
85
Captulo III
(3.39)
(3.40)
(3.41)
(3.42)
(3.43)
(3.44)
(3.45)
Para el desarrollo del algoritmo gentico, se toma como base la Figura 2.12, diagrama de flujo de un
algoritmo gentico.
3.3.2.2 Sntesis analtica para un mecanismo tipo Stephenson-III.
La cadena cinemtica tipo Stephenson-III, se caracteriza por dos eslabones ternarios (eslabones con
3 articulaciones) que no estn conectados directamente uno al otro (es decir, no poseen una
articulacin en comn, Figura 3.19).
Figura 3.19 Mecanismo bsico de 6 barras: Tipo Stephenson-III.
Con base en la Figura 3.19 se obtienen las ecuaciones de Freudenstain para determinar los ngulos
de posicin que tendrn los eslabones para cubrir la trayectoria, el anlisis para determinar estas
variables es el siguiente:
86
Captulo III
Para la cadena abierta inferior se tiene

F1 = ( xd x0 r2 cos( 2 + 1 ))2 + ( yd y0 r2 sen( 2 + 1 ))2 r3
(3.46)
La cadena cerrada de la parte inferior parte de tener:

(3.47)
Aplicando Euler y simplificando se tiene:
F2 = (r2 cos( 2 + 1 ) + r3 cos( 3 + 1 ) r1 cos(1 )) 2 +
(r2 sen( 2 + 1 ) + r3 sen( 3 + 1 ) r1 sen(1 )) 2 r4
(3.48)
Para obtener la cadena abierta por la parte exterior del mecanismo se tiene:
F3 = ( xd x0 r2 cos ( 2 + 1 ) r9 cos( 9 + 3 ) r6 cos( 6 + 3 )) 2
(3.49)
+ ( yd y0 r2 sen( 2 + 1 ) r9 sen( 9 + 3 ) r6 sen( 6 + 3 ))2 (rcx + rcy ) 2
La cadena abierta analizada desde la parte interior del mecanismo es:

F4 = ( xd x0 r2 cos ( 2 + 1 ) r9 cos(9 + 3 ) r6 cos(6 + 3 ) rcx cos(7 ) + rcy cos( y ))2
(3.50)
+ ( yd y0 r2 sen( 2 + 1 ) r9 sen(9 + 3 ) r6 sen(6 + 3 ) rcx sen(7 ) rcy cos( y ))2 (r5 ) 2
La cadena cerrada de la parte superior del sistema est dada por:

(3.51)
F5 = (r3 cos( 3 + 1 ) + r5 cos( 5 ) + r6 cos( 6 ) r8 cos( 8 )) 2 +
(r3 sen( 3 + 1 ) + r5 sen( 5 ) + r6 sen( 6 ) r8 cos( 8 )) 2 r7
(3.52)
La cadena cerrada de todo el sistema es:

(3.53)
F6 = (r9 cos( 2 + 9 + 1 ) + r7 cos( 7 + 3 ) + r6 cos( 6 ) r1 cos(1 )) 2 +
(r9 sen( 2 + 9 + 1 ) + r7 sen( 7 + 3 ) + r6 sen( 6 ) r1 sen(1 )) 2 r10
(3.54)
Los ngulos de la biela y de salida para parte inferior del mecanismo se calculan con el
procedimiento presentado con las ecuaciones de la 2.17 a la 2.43.
De esta configuracin se pueden obtener las ecuaciones por lgebra compleja, que sirven para
determinar el grfico que muestra las posiciones del mecanismo siguiendo la trayectoria impuesta.
87
Captulo III
(3.55)
(3.56)
(3.57)
(3.58)
(3.59)
(3.60)
(3.61)
(3.62)
(3.63)
(3.64)
(3.65)
(3.66)
(3.67)
Con las variables determinadas y las funciones planteadas se resuelve el mtodo de Newton
Raphson, siguiendo el procedimiento de la Figura 3.19.
88
Captulo III
Figura 3.20. Diagrama de flujo por el mtodo de Newton Raphson para sintetizar un mecanismo de 6 eslabones tipo
Stephenson III.
3.3.2.3 Ejemplos de aplicacin, mecanismo tipo Watt-1.

Aplicando el mtodo de los algoritmos genticos, se debe iniciar el proceso de anlisis
determinando los valores de dominio a cada variable (Tabla 3.7), especificndose los rangos
mximos y mnimos en los que se podr encontrar cada posible solucin. Tambin deben
especificarse los rangos de movimiento de para los ngulos, puntos de precisin, nmero de
generaciones y probabilidades de cruce y mutacin.
La trayectoria que se plantea para este ejemplo es la realizada por el humano al iniciar la marcha.
Como punto de referencia para el seguimiento de la trayectoria, en este caso, se tomo la unin de los
eslabones r6 y r7.
89
Captulo III
Tabla 3.7 Restricciones para un mecanismo de 6 barras.
Descripcin
Caracterstica
Puntos deseados

Nmero de individuos
Precisin
xd=[10.32 10.59 11.82 14.69 19.06 24.35

30.61 40.73 45.63]
yd=[92.98 91.17 86.30 79.96 74.04 69.38
65.85 63.24 63.09]
r1,r2,r3,r4,r5,r6,r7,r8 [0,60] en mm
x0,y0 [50,50] en mm
r9 [0,100] en mm
r10 [0,50] en mm
0 a 360 grados
ni individuo
1000
0.85
0.85
6
1000 generaciones
El procedimiento de anlisis es el que se presenta en el diagrama de flujo de la Figura 3.22,

basndose en el procedimiento de algoritmos genticos del diagrama 3.21.
Los datos obtenidos de los AG, se emplearon como datos de entrada para el programa de nmeros
complejos y Newton Raphson. Por la configuracin, el mtodo numrico implic un nuevo
planteamiento de las ecuaciones de Freudenstein, adems del clculo del Jacobiano en el mtodo de
Newton Raphson. En la Tabla 3.8 se concentran los valores para cada una de las variables
involucradas en el mecanismo obtenido por cada uno de los mtodos de anlisis.
90
Captulo III
Figura 3.21 Diagrama de flujo de un algoritmo gentico para un mecanismo de 6 barras tipo watt-I
Figura 3.22 Diagrama de flujo del procedimiento para resolver un mecanismo de 6 barras tipo watt-I
91
Captulo III
Tabla 3.8 Resultados por distintos mtodos de anlisis a un mecanismo tipo Watt-I para 5 puntos de precisin.
Variables
x0
Newton
Raphson
46.87850
Algoritmos
Genticos
46.87842
y0
43.74950
43.74934
r1
r2
r3
r4
r5
r6
r7
r8
r9
r10
0
2
10
5
6
7
3
4
59.75349
21.56183
29.06133
43.23854
28.59388
23.46078
55.50142
52.84101
22.60406
42.16937
1.83156
0.78530
5.42879
0.03248
-0.02867
-0.88664
-1.27425
1.53131
59.75323
21.56174
29.06114
43.23826
28.59206
23.44443
55.50118
52.84068
22.60396
42.16918
1.83157
0.78530
5.42880
0.03248
2.95401
5.62482
0.79126
2.16137
El mecanismo que sigue la trayectoria, empleando los resultados ptimos es la mostrada en la

Figura 3.23.
120
100
yd
80
60
40
20
0
-20
-10
10
20
30
40
50
xd
Figura 3.23 Mecanismo de 6 barras tipo Watt-I para seguimiento de trayectoria especifica con Algoritmos Genticos.
En la Tabla 3.9 se presentan los resultados obtenidos al analizar el mecanismo con 5 y 6 puntos de
precisin.
92
Captulo III
Tabla 3.9 Resultados del GA en la generacin de trayectoria para mecanismo de 6 barras.
Generaciones
Error
promedio
(mm)
Puntos de
precisin
Poblacin (No.
de individuos)
Tiempo (seg. )
986
965
971
0.68470
0.2697
0.1668485
5
6
8
1000
3000
3200
160.362
1006.456
1144.48221
Puede observarse que las variables siguen siendo dependientes de las restricciones impuestas en el
dominio como son las longitudes para cada uno de los eslabones y los valores de los ngulos que
darn el movimiento. El nmero de variables incremento casi al doble del mecanismo de 4 barras,
esto debido a la configuracin tipo WATT-1, que es la unin de dos mecanismos de 4 barras. Con el
incremento de variables y el nmero de puntos de precisin, fue necesario aumentar la poblacin y
el nmero de generaciones para la evaluacin, con el objetivo de tener un mayor campo de
bsqueda y una disminucin en el error de precisin.
Para la evaluacin de las variables se empleo la funcin objetivo presente en la ecuacin 3.7, para
optimizar los resultados.
Despus de realizar algunas pruebas variando valores de la probabilidad de cruce, mutacin y el

nmero de individuos, se concluye que para una menor poblacin la convergencia se obtiene en un
menor tiempo, pero no se asegura que los valores obtenidos sean los ms adecuados, ya que el error
puede ser mayor, al aumentar el valor de la poblacin, el tiempo de ejecucin aumenta, pero
tambin se puede observar que el error disminuye.
3.3.2.4 Ejemplos de aplicacin, mecanismo tipo Stephenson-III.
Para analizar este mecanismo, se utilizan las mismas restricciones en el algoritmo gentico que las
utilizadas en la configuracin tipo Watt-I (Tabla 3.7). Los valores obtenidos para cada eslabn y
ngulo, por los algoritmos genticos, para efectos de clculo, se dieron como valores de entrada
aproximados para los clculos por el mtodo de Newton Raphson. Los resultados comparativos
finales se presentan en la Tabla 3.10. Los diagramas de flujo que presentan el procedimiento de
anlisis se muestran en las Figuras 3.24 y 3.25
93
Captulo III
Figura 3.24 Diagrama de flujo del algoritmo gentico para un mecanismos de 6 barras tipo Stephenson III
Figura 3.25 Diagrama de flujo del procedimiento de anlisis para un mecanismos de 6 barras tipo Stephenson III
94
Captulo III
Tabla 3.10 Resultados por distintos mtodos de anlisis a un mecanismo tipo Stephenson-III para 5 puntos de precisin.
Variables
Newton
Raphson
-9.0811
-49.79423
60.2179
7.4699
21.0054
45.3014
3.0033
0.0100
25.2156
39.1987
19.0033
3.0033
2.899
5.0977
1.4390
2.1710
3.1211
3.8698
1.3256
x0
y0
r1
r2
r3
r4
r5
r6
r7
r8
rcx
rcy
0
2
3
4
6
7
8
Algoritmos
Genticos
-9.0802
-49.7908
59.9929
7.4749
20.9997
45.1361
3.7314
0.0106
25.2318
39.2098
19.9412
3.1349
2.9062
5.1057
0.8980924
2.42189
3.1114
4.3518
1.3648
Tomando los valores numricos de los algoritmos genticos, estos se utilizaron para obtener el
grfico que muestra la trayectoria que sigui el mecanismo Figura 3.26. En esta grfica, los
eslabones rcy y rcx, fueron los que se tomaron como referencia para seguir la trayectoria.
100
90
80
70
yd
60
50
40
30
20
10
0
-30
-20
-10
10
20
xd
30
40
50
60
70
Figura 3.26 Mecanismo de 6 barras tipo Stephenson-III para seguimiento de trayectoria especfica con Algoritmos
Genticos.
95
Captulo III
Tabla 3.11 Resultados del AG en la generacin de trayectoria para un mecanismo tipo Stephenson-III.
Generaciones
Error
promedio
(mm)
Puntos de
precisin
Poblacin (No.
de individuos)
Tiempo (seg. )
997
0.36753
1000
188.6360
991
0.785265
3000
1061.039
825
0.2526
3500
1107.74196
En los casos de la Tabla 3.11 puede observarse el incremento en el nmero de generaciones, esto se
debi al aumento de poblacin, pero tambin al incremento en la precisin y la disminucin en el
error permitido. Tambin existi un incremento en el tiempo de ejecucin, esto debido al
incremento en el nmero de individuos en la poblacin, esto se debi a que el numero de
restricciones incremento, es decir a medida que se aumente el nmero de puntos de precisin se
tendr que incrementar el nmero de individuos para que el algoritmo gentico tenga un mayor
espacio de bsqueda y pueda dar soluciones optimas al ejercicio propuesto.
Las probabilidades de cruce y de mutacin se mantuvieron iguales, para ambos casos de estudio,
como puede observarse, para mejores resultados es necesario mutar gran parte de la poblacin, pero
esto permite que se conserve el mismo tamao de la poblacin, tipo de cruce simple y que no exista
penalizacin en la funcin objetivo.
96
Captulo III
3.4 Sumario.
Para que un procedimiento sea completo debe existir una combinacin de mtodos grficos,
analticos y heursticos, ayudndose de herramientas computacionales que ya existen para resolver
problemas complejos.
Los mtodos analticos son muy precisos, pero normalmente son utilizados por personas
especializadas en el tema, para ayudar a resolver estos problemas se utilizan los mtodos
metaheursticos como los algoritmos genticos, que como se observ, pueden manipular muchos
parmetros simultneamente, lo que facilita poder manejar diversas variables para llegar a la
solucin ms ptima, en este caso las variables propuestas para los ngulos y las longitudes de las
barras en las diferentes configuraciones, para que los mecanismos puedan cubrir trayectorias
predeterminadas.
Se observa que es necesario hacer un anlisis previo del problema, para poder generar las
restricciones y el dominio de diseo que debe tener el mecanismo, esto permitir evitar encontrar
una solucin que constructivamente no puede ser vlida. Los algoritmos genticos se utilizaron para
optimizar la posicin del error entre los puntos deseados y los efectuados por el mecanismo
resultante sujeto a diferentes restricciones. La optimizacin con algoritmos genticos permite tener
aproximaciones a la solucin de la sntesis. La mejor solucin depende del tipo de mecanismo y de
los requerimientos de diseo. Como ventajas los algoritmos tienen la convergencia cerca de la
solucin ptima global La rpida convergencia se indica por un valor alto en la funcin y un bajo
nmero de generaciones. La solucin depende en gran medida del tamao de la poblacin y de las
probabilidades de cruce y mutacin. Para validar los resultados se hizo la comparacin con los datos
obtenidos del autor que se tomo como referencia, adems del mtodo numrico de Newton
Raphson.
El generar trayectorias con la implementacin de algoritmos genticos ofrece ventajas por la

manipulacin que se puede dar a las variables iniciales, para obtener una convergencia rpida. Se
evita el clculo del mtodo numrico, que es laborioso y tiene restricciones como el dar datos
aproximados para poder dar una solucin, adems del consumo de tiempo de cmputo.
97
Captulo III
El algoritmo gentico explora un espacio de soluciones, seleccionando la ms factible a travs de una

funcin aptitud que permitir dirigir la bsqueda con un enfoque de optimizacin. La estrategia no
requiere el implemento de matemticas complejas para la cinemtica inversa debido a que las
ecuaciones de enlace geomtrico se obtienen metdicamente para reducir la complejidad del problema.
En el siguiente captulo se realizar la optimizacin de los mecanismos expuestos, realizando

cambios en las probabilidades de cruce y mutacin, adems del nmero de individuos existentes en
la poblacin, para demostrar que pueden existir mejoras en la convergencia, en los resultados y en la
disminucin del error.
98
Captulo IV
OPTIMIZACIN DE
MECANISMOS
En este captulo se presenta la

optimizacin en la sntesis de
mecanismos planos de 4 y 6 eslabones.
Se muestra la aplicacin de los
algoritmos genticos para obtener
resultados aproximados en la sntesis de
diferentes
configuraciones
de
mecanismos.
98
Captulo IV
4.1 Introduccin a la optimizacin.

La optimizacin es un proceso en el que se busca encontrar la mejor solucin posible para un
determinado problema en el que pueden existir diferentes soluciones, adems de establecer un
criterio para discriminar entre ellas con el objetivo de encontrar la mejor. Estos problemas se pueden
expresar como la forma de encontrar el valor de variables de decisin para los que una determinada
funcin objetivo alcanza su valor mximo o mnimo, sujeto a ciertas restricciones. El proceso de
optimizacin es iterativo, ya que puede iniciar con el diseo a prueba y error, y aunque consiste en
analizar la influencia de distintos parmetros en el comportamiento del sistema, pueden ser
modificados hasta encontrar un sistema cuyo comportamiento satisfaga las expectativas del
diseador. Desde el punto de vista matemtico, la optimizacin constituye un problema de
programacin no lineal que consta de variables que pertenecen a un espacio de diseo, una funcin
objetivo relacionada con los requisitos del problema, un algoritmo de optimizacin y restricciones
impuestas a las variables (Sanchz-Marn, 2000).
Para optimizacin no lineal, como es el caso de la sntesis de mecanismos, hay mtodos directos
como la bsqueda aleatoria y los no directos como del gradiente conjugado (Coello-Coello, 2007),
cabe mencionar que uno de los problemas de las tcnicas clsicas de optimizacin es que suelen
requerir informacin que no siempre est disponible. Por ejemplo, mtodos como el del gradiente
conjugado requieren de la primera derivada de la funcin objetivo, el de Newton, requieren adems
de la segunda derivada. Si la funcin objetivo no es diferenciable, estos mtodos no pueden
aplicarse. De estas necesidades surgieron los mtodos metaheursticos.
Como se ha mencionado en captulos anteriores, la optimizacin con algoritmos genticos permite
tener aproximaciones a la solucin de diversos casos de estudio como por ejemplo la sntesis de
mecanismos, aunque la mejor solucin depende del tipo y forma y de los requerimientos de diseo.
La solucin ptima, para la eficiencia cinemtica en la sntesis de un mecanismo, para generar una
trayectoria, se resuelve utilizando puntos reales en un Algoritmo Gentico, ya que estos no necesitan
cdigos para el diseo de parmetros, los cuales, introducen errores de aproximacin, disminuyen el
esfuerzo de cmputo requerido por el mtodo de optimizacin, emplean una funcin objetivo y
tcnicas de reservacin de restricciones.
99
Captulo IV
4.2 Optimizacin.
Un problema de optimizacin dimensional se puede definir como la cuantificacin de un grupo de
variables de diseo que permiten alcanzar un desempeo crtico en un sistema, este se expresa por
medio de una funcin objetivo y cumple con ciertas restricciones o requerimientos de diseo
(Galeano-Uruea et al., 2009).
En su forma ms simple, el problema equivale a resolver una ecuacin de este tipo es:
,
(4.1)
Donde x = (x1,,xn) es un vector y representa variables de decisin, f(x) es la funcin objetivo y

representa o mide la calidad de las decisiones y es el conjunto de decisiones factibles o
restricciones del problema.
La optimizacin involucra las siguientes fases:
1. Establecer el modelo matemtico de la optimizacin del sistema.

2. Definir las especificaciones de diseo en el dominio fsico.
3. Convertir las especificaciones de diseo en restricciones del modelo matemtico
4. Resolver el problema matemtico
5. Trasladar la solucin del problema matemtico al dominio fsico.
6. Verificar el cumplimiento de las especificaciones de diseo y repetir el proceso.
Hasta el captulo III ya se dio solucin a los 4 primeros puntos, es decir, ya se dio una primer
solucin al problema matemtico para la sntesis de mecanismos de 4 y 6 eslabones por medio de
algoritmos genticos, las ecuaciones de Freudenstain y algebra compleja; ahora se optimizar el
programa de los algoritmos genticos manipulando los parmetros determinantes para obtener un
resultado ptimo, siendo estos: el nmero de individuos en la poblacin, la probabilidad de cruce y
la de mutacin, buscando disminuir el error y el nmero de generaciones evaluadas.
Se plantea como principal observacin la no coincidencia total de los puntos de precisin en una
trayectoria a travs de un mecanismo, ya que existen limitantes de manufactura que impedirn el
100
Captulo IV
cumplimiento estricto de dicho requerimiento, pero si se darn los resultados ms aproximados que
cumplan la trayectoria especificada.
4.3 Ajuste en el rendimiento de los parmetros del AG.

Los parmetros principales en los que se puede realizar un ajuste, por el grado de importancia que
tienen dentro del AG son:
Tamao de poblacin
Porcentaje de cruza
Porcentaje de mutacin
Durante los aos 80 los algoritmos genticos se basaron en la representacin por bit, en el
cruzamiento por un punto, la mutacin simple y la seleccin por ruleta. El diseo del algoritmo se
limit a escoger y determinar el control o las estrategias de parmetros como los rangos y las
probabilidades de mutacin, cruzamiento y medida de la poblacin. Investigadores como (De Jong,
1975, Holland, 1975, Grefenstette, 1986, Goldberg, 1989, Coello-Coello, 2007) basaron sus
investigaciones en la determinacin de los parmetros de control, experimentando con diferentes
valores y seleccionando los que dieron mejores resultados.
(De Jong, 1975) recomend, despus de determinar experimentalmente, valores para las
probabilidades del cruzamiento de simple punto y el movimiento de un bit en la mutacin, los
siguientes parmetros: medida de la poblacin de 50, probabilidad de cruzamiento de 0.6,
probabilidad de mutacin de 0.001 y seleccin elitista, con la desventaja de que estos parmetros
solo funcionaron para un determinado problema con restricciones muy especficas.
(Grefenstette, 1986) us los meta-algoritmos como mtodo de optimizacin, para obtener valores
con parmetros similares para el funcionamiento en lnea y fuera de lnea del algoritmo. (De Jong,
1975) describi que el funcionamiento en lnea se basa en el monitoreo de la mejor solucin en cada
generacin, mientras que el funcionamiento fuera de lnea toma en cuenta todas las soluciones en la
poblacin para obtener el valor ptimo. Para que un algoritmo de bsqueda tenga un buen
desempeo en lnea, debe decidir rpidamente donde estn las regiones ms prometedoras de
bsqueda y concentrar ah sus esfuerzos. El desempeo fuera de lnea no penaliza al algoritmo de
bsqueda por explorar regiones pobres del espacio de bsqueda, siempre y cuando ello contribuya a
101
Captulo IV
alcanzar las mejores soluciones posibles (en trminos de aptitud). El mejor conjunto de parmetros
analizados dentro y fuera de lnea fueron: poblacin de 30 y 80, probabilidad de cruce 0.95 y 0.45,
probabilidad de mutacin 0.01 para ambos, y como estrategia de seleccin elitista para lnea y no
elitista para fuera de lnea.
En general, existen algunas observaciones importantes realizadas por autores como (Holland, 1975,
Goldberg, 1989, Michalewicz, 1999, Coello-Coello, 2007) respecto a los algoritmos genticos que
deben considerarse para el uso de esta herramienta, como son:
Un alto intervalo generacional y el uso de una estrategia elitista tambin mejoran el

desempeo del AG.
El uso de tamaos grandes de poblacin (> 200) con porcentajes altos de mutacin (> 0,05)
no mejora el desempeo de un AG.
El uso de poblaciones pequeas (< 20) con porcentajes bajos de mutacin (< 0,002) no
mejora el desempeo de un AG.
La mutacin parece tener mayor importancia de lo que se cree en el desempeo de un AG.
Conforme se incrementa el tamao de la poblacin, el efecto de la cruza parece diluirse.
Las desventajas tcnicas del anlisis de parmetros basados en la experimentacin pueden ser
resumidos como (Endre Eiben et al., 1999):
Los parmetros no son independientes, pero el querer tratar todas las combinaciones posibles
de estos sistemticamente, es casi imposible.
El proceso de sintonizar los parmetros es tiempo consumido, pero si los parmetros son
optimizados uno por uno, es posible manejar sus interacciones.
Para un problema dado, los valores de los parmetros seleccionados no son necesariamente
los ptimos, pero si se trata de analizar uniformemente se obtendrn valores ms
significativos.
(Smith, 1993) propuso un algoritmo en el cual se ajusta la medida de la poblacin con respecto a la
probabilidad del error. Esto va ligado con el nmero de generaciones, si en las condiciones de paro
se determina un valor pequeo para el nmero de evaluaciones, la convergencia ser rpida, pero no
se asegura un resultado ptimo. En este trabajo se demuestra, por medio de experimentacin, que el
102
Captulo IV
lmite mximo de individuos al que trabaja correctamente el algoritmo es de 3000, dependiendo
totalmente del caso de estudio, aunque con esta cantidad de individuos el proceso de anlisis ya es
muy lento, pero esto funciona directamente con el tipo de mecanismo, la trayectoria y los puntos de
precisin que se requieren, adems de las restricciones impuestas para obtener los ngulos y las
dimensiones de los eslabones.
Hablando de la mutacin, se ha analizado mucho el valor de la probabilidad de esta, pero los

resultados varan con cada autor, por ejemplo (De Jong, 1975) recomienda pm=0.001, (Grefenstette,
1986, Goldberg, 1989) recomiendan 0.1, mientras (Schaffer et al., 1989) indica de 0.005 a 0.01.
Tambin se han desarrollado algunas frmulas para poder determinar la mutacin (Fogarty, 1989),
en donde su principal contribucin es considerar el tiempo y hacer un cambio de esta durante el
corrimiento del AG (Coello-Coello, 2007) .Si el porcentaje de mutacin es 0, no hay alteracin
alguna, si es 1, la mutacin crea siempre complementos del individuo original, Si es 0.5, hay una
alta probabilidad de alterar fuertemente el esquema de un individuo. En otras palabras, se puede
controlar el poder de alteracin de la mutacin y su capacidad de exploracin, logrando tener un
equivalente a la de la cruza.
Como se mencion en captulos anteriores, el cruce se realiza con un par de cromosomas que
dependern de la probabilidad de cruce que se seleccione para efectuarlo. Algunos valores comunes
para esta son 0.6 (De Jong, 1975), 0.95(Grefenstette, 1986), 0.75 a 0.95(Schaffer et al., 1989). Estos
datos son ms comunes de utilizar por los resultados obtenidos y rara vez se emplea un valor menor
a 0.6 (Endre Eiben et al., 1999).
Cuando se busca localizar el ptimo global de un problema, la mutacin puede ser ms til que la
cruza. Si lo que interesa es ganancia acumulada (el objetivo original del AG), la cruza es entonces
preferible.
Se dice que existen necesidades de grandes poblaciones en el cruce, para combinar con eficacia la
informacin necesaria, pero en la mutacin se tienen mejores resultados cuando se aplica a
poblaciones pequeas en un gran nmero de generaciones. En las estrategias evolutivas, donde la
mutacin es el operador de bsqueda principal se incluyen varios operadores de mutacin, incluidas
las tcnicas de adaptacin, propuestas por (Lima et al., 2005, Rechenberg, 1973). (Spears &
Whitley, 1993) quienes hicieron estudios comparativos entre los operadores de cruce y mutacin y
103
Captulo IV
demostraron que existan caractersticas importantes de cada operador que no fueron capturados por
el otro. En trminos de interrupcin, la mutacin puede proporcionar mayores niveles de
perturbacin y la exploracin, pero a expensas de los alelos comunes a preservar la definicin de
determinados cargos.
Concluyendo y tomando como base el trabajo y las observaciones de (De Jong, 1975) respecto al
ajuste de parmetros se tiene:
a) Incrementar el tamao de la poblacin reduce los efectos estocsticos del muestreo aleatorio
en una poblacin finita, por lo que mejora el desempeo del algoritmo a largo plazo, aunque
esto es a costa de una respuesta inicial ms lenta.
b) Incrementar el porcentaje de mutacin mejora el desempeo fuera de lnea a costa de
sacrificar el desempeo en lnea.
c) Reducir el porcentaje de cruza mejora la media de desempeo, lo que sugiere que producir
una generacin de individuos completamente nuevos no es bueno.
d) Observando el desempeo de diferentes operadores de cruza, (De Jong, 1975) concluyo que,
aunque el incrementar el nmero de puntos de cruza afecta su disrupcin de esquemas desde
una perspectiva terica, esto no parece tener un impacto significativo en la prctica.
e) Cuando el espacio de bsqueda tiene ms de un punto en la solucin, es probable para los
AG quedarse varados dentro de un subespacio ptimo (despus de la convergencia, los
operadores de cruzamiento y mutacin no pueden generar muchos individuos aleatoriamente
para diversas poblaciones uniformes).
4.4 Diseo ptimo en la sntesis de mecanismos.

La formulacin de este problema, exige la definicin de varios aspectos como el espacio de diseo,
la funcin objetivo, el algoritmo de optimizacin y las restricciones.
Se desea minimizar el error entre las trayectorias y analizar los cambios en la respuesta del
algoritmo al cambiar parmetros como la probabilidad de mutacin y de cruce, el nmero de
individuos y el mximo de generaciones, adems de ser evaluados por la ecuacin (4.2) que tiene
como caracterstica el aplicar la evaluacin aproximada de la funcin, que involucra la adicin de la
penalizacin a la versin original presentada en trabajos como el de (Goldberg, 1989, Michalewicz,
1999, Cabrera et al., 2002 Laribi et al., 2004), con lo que se tiene:
104
Captulo IV
(4.2)
La penalizacin tiene como objetivo recuperar de alguna forma los individuos que no cumplen con
las restricciones; consiste en aplicar una divisin sobre el nmero de individuos ni y se agrega un
factor de divisin despus de la raz por N, que es el nmero de puntos de precisin.
Para finalizar, el algoritmo empleado en la optimizacin utiliza tres criterios de convergencia los
cuales se definen como:
reng= Es la primer restriccin, esta es la primer evaluacin en la cual se comprueba si la

poblacin cumple con las restricciones de Grashof (captulo 2).
maximogen= Define el mximo nmero de veces que el algoritmo puede evaluar la funcin
objetivo. Un llamado adicional a esta implica la finalizacin de la bsqueda sin alcanzar una
solucin.
minimerror=Define el mnimo valor de error permitido en la funcin objetivo al ser

comparado con el valor de la funcin generada. Un error mnimo o cambio de valor en el
parmetro de error mnimo implica la finalizacin de la bsqueda sin alcanzar una solucin.
condrep=Define el nmero de veces que puede repetirse dentro de la evaluacin el mismo

valor antes de pasar a la siguiente operacin.
Cumplindose estas condiciones posteriores a la evaluacin el algoritmo detendr su bsqueda

presentando los valores ptimos que cubrieron lo mejor posible las restricciones y condiciones.
4.4.1 Optimizacin del mecanismo de cuatro eslabones.

Con base en el mecanismo de la Figura 3.8 del captulo 3, se plantean nuevas condiciones para
optimizar la solucin de la sntesis y de igual forma, demostrar que ajustando el rendimiento de los
parmetros como la probabilidad de mutacin y de cruce, sugerida por autores como (Holland,
1975, Goldberg, 1989, Kunjur & Krishnamurty, 1997, Laribi et al., 2004), se pueden obtener buenos
resultados que satisfacen los requerimientos de diseo.
105
Captulo IV
4.4.1.1 Trayectoria lineal con optimizacin de parmetros en el AG.
Los valores originales obtenidos por (Cabrera et al., 2002) y los generados por el algoritmo gentico
de este trabajo, se presentaron en la Tabla 3.4 del captulo 3, en donde se observ una convergencia
de resultados, pero que pueden ser mejorados. Se realizarn algunas modificaciones a los datos
iniciales de los parmetros para buscar una mejora en los resultados. Cabe sealar que aunque
existan cambios, hay ciertas condiciones iniciales que no deben variar, como son las expuestas en la
Tabla 4.1
Tabla 4.1 Parmetros bsicos para desarrollar el algoritmo gentico para un mecanismo de 4 eslabones.
Nmero de individuos
ni=1000
Precisin despus del
p=6
punto
Mximas
genmax=1000
generaciones
Mnimo error
miner=5e-3
Repeticin
rep=4
Puntos de precisin
6
en trayectoria
El procedimiento de anlisis es el mostrado en las Figuras 3.9 y 3.10 del captulo 3, de estos, existir
un cambio en los parmetros de cruce y mutacin, adems, de evaluar la funcin con la ecuacin
4.2. Se mantendr el nmero de generaciones mximas en esta prueba. Los grficos que muestran la
50
50
45
45
45
40
40
40
40
35
35
35
35
30
30
30
30
25
25
25
25
20
20
20
20
15
15
15
10
10
15
20
25
30
Xd
35
40
45
10
10
50
15
20
25
a)
30
Xd
35
40
45
10
10
50
15
15
20
b)
25
30
Xd
35
40
45
10
10
50
45
45
45
45
40
40
40
40
35
35
35
35
30
Yd
50
Yd
50
30
25
25
25
20
20
20
20
15
15
15
10
10
10
10
10
10
20
25
30
Xd
e)
35
40
45
50
15
20
25
30
Xd
f)
35
40
45
50
25
30
Xd
35
40
45
50
30
25
15
20
d)
50
30
15
c)
50
Yd
Yd
Yd
50
45
Yd
50
Yd
Yd
variacin de parmetros se presentan en la Figura 4.1 y en la Tabla 4.2:
15
15
20
25
30
Xd
35
40
g)
45
50
10
10
15
20
25
30
Xd
35
40
45
50
h)
106
50
50
45
45
45
40
40
40
40
35
35
35
35
30
30
30
30
25
25
25
25
20
20
20
20
15
15
15
10
10
15
20
25
30
Xd
35
40
45
10
10
50
15
20
25
i)
30
Xd
35
40
45
10
10
50
15
15
20
25
j)
30
Xd
35
40
45
10
10
50
50
45
45
45
45
40
40
40
40
35
35
35
35
30
30
Yd
Yd
50
25
25
25
20
20
20
20
15
15
15
10
10
10
10
20
25
30
Xd
m)
35
40
45
50
15
20
25
30
Xd
25
30
Xd
35
40
45
50
10
10
35
40
45
50
30
25
15
20
l)
50
30
15
k)
50
Yd
Yd
Yd
50
45
Yd
50
Yd
Yd
Captulo IV
15
15
20
25
30
Xd
35
40
45
50
10
10
15
20
n)
o)
Figura 4.1. Modificacin de parmetros en una trayectoria lineal.
25
30
Xd
35
40
45
50
p)
Nota: En color verde la trayectoria generada y en color rolo la trayectoria deseada

Tabla 4.2 Parmetros de la Figura 4.1 trayectoria lineal
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
m)
n)
o)
ni
Pc
200 0.2
500 0.4
1000 0.5
1000 0.6
1000 0.6
1000 0.6
1000 0.7
1000 0.8
1000 0.8
1000 0.8
1000 0.85
1000 0.85
1500 0.5
1500 0.8
1500 0.85
Pm
0.01
0.01
0.1
0.1
0.4
0.7
0.1
0.1
0.2
0.5
0.8
0.85
0.1
0.5
0.85
error
0.199479
0.091851
0.085486
0.058610
0.081068
0.080196
0.078702
0.065307
0.066227
0.055007
0.057113
0.02695869
0.035230
0.019759
0.003903
De aqu se obtienen las siguientes conclusiones:

1. Se cumple la primer condicin que mencionan autores como (Endre Eiben et al., 1999) de
que la probabilidad de cruce funciona mejor cuando es mayor a 0.6.
2. El nmero de individuos si afecta la velocidad y la precisin en la convergencia, a mayor
nmero de individuos se tiene un mayor campo de bsqueda y por lo tanto una mejor opcin
de encontrar el resultado ptimo.
107
Captulo IV
3. La probabilidad de mutacin puede incrementarse consiguiendo una modificacin en el
nmero de generaciones debido a la convergencia en los resultados, modificndose tambin
el tiempo de respuesta.
4. El error entre la trayectoria generada y la deseada va disminuyendo a medida que incrementa
la probabilidad de cruce, de mutacin y de individuos.
Comparando los resultados de la Tabla 3.3 del captulo 3, con los generados por la optimizacin en
el rendimiento de los parmetros Tabla 4.3, se observa una disminucin en el error, justificando y
comprobando que una relajacin en los parmetros principales puede beneficiar el rendimiento del
programa y optimizar resultados.
Tabla 4.3 optimizacin de parmetros par a un mecanismo de 4 barras trayectoria lineal.

Variables
r1
Newton
Raphson
39.64097
(Cabrera et
al., 2002)
39.46629
Algoritmo
Gentico
39.375016
Algoritmo
optimizado
42.789810
r2
8.562910
8.562912
13.124878
10.185599
r3
r4
x0
y0
Rcx
Rcy
19.10331
47.86003
29.72254
23.45454
13.38555
12.20928
6.221949
19.09486
47.83886
29.72255
23.45454
13.38556
12.21961
6.201627
39.851360
32.576271
22.851502
7.5000309
26.250259
-2.813208
0.8835777
15.235273
36.488303
18.757366
20.356338
14.020836
2.769013
0.392756
6.119371
6.119371
3.5579243
3.496926
0.112782
2.491211
0.7295974
0.392750
0.321494
2.900370
2.6772018
2.516967
6
0.02617
6
0.021438
6
0.003903
1
2
3
4
Precisin
Error
108
Captulo IV
Figura 4.2 Evolucin de un mecanismo de 4 eslabones.
En la Figura 4.2 inciso a) se observa disminuye el error entre la trayectoria generada y la deseada a
medida que se va evaluando, en b) se puede ver la evolucin que van teniendo los eslabones del
mecanismo para poder cubrir la trayectoria deseada, en c) se tiene la evolucin de la trayectoria
generada a medida que se van teniendo las evaluaciones para llegar a ser igual a la trayectoria
deseada y en d) se tiene el mecanismo realizado en un programa especial para sntesis de
mecanismos, en el cul se determina la factibilidad del mecanismo propuesto, ya que se puede
analizar, velocidad, posicin y aceleracin, necesarios para construirlo fsicamente.
Con los anlisis realizados en este programa, y las grficas mostradas en la Figura 4.2, se observa
que el mecanismo puede ser construido fsicamente para cubrir la trayectoria especifica, quedando
como trabajo futuro determinar la forma especfica y el tipo de material , adems de los dispositivos
que generarn el movimiento como son motores o cualquier tipo de actuador.
109
Captulo IV
4.4.1.2 Trayectoria elptica con optimizacin de parmetros en el AG, 18 puntos de precisin
Los resultados obtenidos en trabajos de autores como (Cabrera et al., 2002, Laribi et al., 2004,
Starosta, 2008) se toman como base para obtener una trayectoria elptica con un mecanismo de 4
eslabones. El ejemplo fue propuesto por primera vez por (Kunjur & Krishnamurty, 1997). La
sntesis fue realizada usando algunas variantes de aplicacin con algoritmos genticos o de estos
combinndolos con controladores como la lgica difusa.
En la Tabla 4.4 se muestran los puntos deseados para cumplir por el mecanismo y la Figura 4.3
representa dichos puntos.
Punto
X
y
Punto
X
y
Tabla 4.4 Puntos de precisin de la trayectoria elptica deseada (Kunjur & Krishnamurty, 1997)
1
2
3
4
5
6
7
8
0.5
0.4
0.3
0.2
0.1
0.005
0.02
0.0
1.1
1.1
1.1
1.0
0.9
0.75
0.6
0.5
10
11
12
13
14
15
16
17
0.03
0.1
0.15
0.2
0.3
0.4
0.5
0.6
0.3
0.25
0.2
0.3
0.4
0.5
0.7
0.9
9
0.0
0.4
18
0.6
1.0
1.2
1.1
Valores de Y deseada
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.2
0.3
0.4
Valores de X deseada
0.5
0.6
0.7
Figura 4.3 Trayectoria elptica (Kunjur & Krishnamurty, 1997)
Los cambios de parmetros realizados se presentan en la Tabla 4.5 y los resultados obtenidos por
(Kunjur & Krishnamurty, 1997, Cabrera et al., 2002, Laribi et al., 2004, Starosta, 2008) y el
algoritmo propio se muestran en la Tabla 4.6.
110
Captulo IV
El procedimiento de anlisis sigue siendo el mostrado en las Figuras 3.9 y 3.10 del captulo 3, pero
de estos, se realizar un cambio en los parmetros de cruce y mutacin, adems de evaluar la
funcin con la ecuacin 4.2.
Los cambios a realizar son en el nmero de individuos, probabilidad de cruce y de mutacin,

afectando con esto, el tiempo y el nmero de generaciones para la convergencia. Se tiene un nmero
mximo de 1500 generaciones y una precisin de 6 dgitos (Figura 4.4 y la Tabla 4.5):
1.4
1.4
1.4
1.2
1.2
0.8
0.8
0.8
0.6
Y deseada
Y deseada
Y deseada
1.2
0.6
0.4
0.4
0.2
0.2
0.2
-0.2
-0.2
-0.2
-0.2
-0.2
-0.2
0.2
0.4
0.6
0.8
X deseada
1.2
1.4
0.2
0.4
0.6
0.8
X deseada
1.2
1.4
1.2
1.2
0.8
0.8
0.8
0.6
Y deseada
1.4
1.2
0.6
0.4
0.4
0.2
0.2
0.2
-0.2
-0.2
-0.2
-0.2
-0.2
-0.2
0.4
0.6
0.8
X deseada
1.2
1.4
0.2
0.4
d)
0.6
0.8
X deseada
1.2
1.4
1.2
1.2
0.8
0.8
0.8
Y deseada
1.2
Y deseada
1.4
0.6
0.6
0.4
0.4
0.2
0.2
0.2
-0.2
-0.2
-0.2
-0.2
-0.2
-0.2
0.6
0.8
X deseada
g)
1.2
1.4
0.2
0.4
0.6
0.8
X deseada
1.2
1.4
0.2
0.4
0.6
0.8
X deseada
1.2
1.4
0.6
0.4
0.4
0.6
0.8
X deseada
f)
1.4
0.2
e)
1.4
0.4
0.6
0.4
0.2
0.2
c)
1.4
b)
1.4
Y deseada
Y deseada
a)
Y deseada
0.6
0.4
1.2
1.4
h)
0.2
0.4
0.6
0.8
X deseada
1.2
1.4
i)
111
1.4
1.4
1.2
1.2
1.2
0.8
0.8
0.8
0.6
Y deseada
1.4
Y deseada
Y deseada
Captulo IV
0.6
0.6
0.4
0.4
0.2
0.2
0.4
0.2
0
0
-0.2
-0.2
-0.2
-0.2
0.2
0.4
0.6
0.8
X deseada
j)
1.2
0.2
1.4
0.4
0.6
0.8
X deseada
1.2
-0.2
-0.2
1.4
0.2
0.4
0.6
0.8
X deseada
k)
Figura 4.4. Modificacin de parmetros en una trayectoria elptica
1.2
1.4
l)
Nota: La curva roja representa la curva deseada y la azul la generada.
Tabla 4.5 Modificacin de parmetros para una figura elptica generada por un mecanismo de 4 eslabones
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
No.
individuos
500
1000
1000
1500
1500
1500
2000
2000
2000
2000
2000
2000
Pc
0.6
0.6
0.8
0.6
0.8
0.85
0.3
0.6
0.6
0.7
0.7
0.85
Pm
0.01
0.01
0.8
0.4
0.7
0.85
0.1
0.2
0.4
0.2
0.4
0.85
Error
0.12607
0.116874
0.146653
0.140036
0.128140
0.113155
0.253548
0.2020683
0.1852588
0.0986130
0.0954537
0.01522667
Generacin
Tiempo (seg)
974
992
994
992
992
979
992
988
991
988
995
989
124.70116
200.83390
281.61255
318.54909
499.81671
384.667514
416.934751
374.043950
431.125409
335.516387
402.078071
776.17100
De esta serie de pruebas se concluye que:
El nmero de individuos es factor importante para la convergencia, ya que, aunque se tenga

un tiempo de respuesta con un nmero de individuos pequeo, no se asegura que el resultado
sea el optimo. Con un mayor nmero de individuos el tiempo de respuesta incrementa pero
tambin la posibilidad de obtener un mejor resultado. Como se ha mencionado anteriormente
el programa tendr un rango ptimo de individuos para trabajar, pero esto se tienen que
comprobar mediante varias pruebas por ser un programa que tiene como base la generacin
aleatoria de la poblacin.
Por otro lado se observa que no existe una regla para determinar el valor ptimo para la
probabilidad de cruce y la mutacin, no siempre los valores mximos de estos dan los
mejores resultados, como se observa en la Tabla 4.5, el inciso k presento el error mnimo.
Los resultados dependen mucho del problema y de las restricciones, ya que se tienen
condiciones y restricciones diferentes para cada caso de estudio, por ejemplo si se cambiara
112
Captulo IV
la restriccin de algunos ngulos, cambia el valor en las longitudes de los eslabones y por
consecuencia el valor del error, ya que quizs las barras tengan que aumentar o disminuir su
tamao para cubrir la trayectoria impuesta.
En la Tabla 4.6 se presenta la comparacin de los autores antes referidos con el obtenido por el
algoritmo propuesto, y como se ve, existe correspondencia en los resultados y el error entre las
trayectorias generadas.
Tabla 4.6 Parmetros que definen dimensiones y ngulos para una trayectoria elptica obtenida por varios autores.
Autor
Xo
Yo
R2
R1
R4
R3
R5
1.132062
0.663433
0.274853
1.180253
2.138209
1.879660
0.91
Kunjur
1.776808
-0.641991
0.237803
4.828954
2.056456
3.057878
2
Cabrera
-3.06
-1.3
0.42
2.32
3.36
4.07
3.90
Laribi
0.074
0.191
0.28
0.36
0.98
1.01
0.36
Starosta
0.907087
0.286753
4.52611
3.59121
4.29125
3.613847
A-G prop. 3.88548
Autor
Error
No.
Evaluaciones
0.62
5000
Kunjur
0.029
5000
Cabrera
0.20
Laribi
0.0377
200
Starosta
1500
A-G prop. 0.0152
Como se observa a pesar de que se aplicaron ms generaciones que las del ltimo autor, se
obtuvieron buenos resultados, con lo que se comprueba que el algoritmo a pesar de consumir un
poco ms de tiempo de cmputo ofrece menor error entre la trayectoria generada y la deseada y por
lo tanto una mayor precisin.
4.4.2 Optimizacin de un mecanismo de seis eslabones.
Como se mencion en el captulo 3, existen principalmente dos configuraciones de mecanismos de
6 eslabones, el tipo Watt y Stephenson, cada uno con sus respectivas variaciones, que por sus
caractersticas han sido empleadas en la fabricacin de prtesis policntricas (Radcliffe, 1977,
Dewen et al., 2003).
Para este caso de estudio la trayectoria que seguirn es la que se genera en el momento de la marcha
(Figura 3.12) y como una restriccin se dar en rango de dimensiones que pueden tener los
eslabones para un primer anlisis (Figura 3.22). De los casos de estudio analizados en el captulo
113
Captulo IV
tres, se realizar la optimizacin de parmetros para encontrar los resultados ptimos que podrn ser
empleados en el anlisis previo de una prtesis policntrica de 6 eslabones.
4.4.2.1 Configuracin tipo Watt-I
Este anlisis inicia por definir las restricciones que tendr el algoritmo en el captulo 3 en la Tabla
3.7, y como en los casos anteriores, se iniciar variando solo la probabilidad de cruce y en su
mayora la de mutacin, para minimizar el error entre la trayectoria generada y la deseada. Los
requerimientos se presentan en la Tabla4.7
Tabla4.7 Parmetros para sntesis de un mecanismo de 6 barras
p=6
Precisin
despus del
punto
Mximas
generaciones
Mnimo error
Repeticin
Puntos de
precisin
genmax=1000
miner=1e-3
rep=4
8
Las trayectorias generadas al variar los parmetros referidos anteriormente se muestran en la Figura
4.5 y en la Tabla 4.8 se describen los cambios que tuvo el mecanismo al cambiar los valores de las
probabilidades, reflejadas en el valor del error generado entre la trayectoria deseada y la generada.
g
90
90
90
80
80
80
70
60
50
100
70
60
50
50
40
30
30
30
20
-10
20
-10
10
20
30
40
6 eslabones tipo watt-1
50
60
70
80
Valores de x deseada
90
100
a)
80
70
60
50
60
70
80
90
20
-10
100
60
50
30
20
-10
d)
50
20
-10
100
100
60
40
90
90
70
30
60
70
80
c)
60
70
80
80
70
30
50
50
90
40
10
20
30
40
10
20
30
40
40
100
80
90
50
b)
100
90
10
20
30
40
60
40
70
40
100
100
Error:0.080606 generacin:1000 tiempo:116.1153seg

100
10
20
30
40
50
60
70
80
90
100
e)
20
-10
10
20
30
40
50
60
70
80
90
100
f)
114
Captulo IV
g
100
90
90
90
80
80
80
70
60
50
70
60
50
40
40
30
30
20
-10
10
20
30
40
50
60
70
80
90
20
-10
100
100

100
50
30
g)
10
20
30
40
50
h)
60
70
80
90
20
-10
100
90
90
90
80
80
80
100
50
70
60
50
40
30
30
20
-10
20
-10
j)
60
70
80
90
100
10
20
30
40
50
60
70
80
60
70
80
90
100
50
30
50
50
60
40
10
20
30
40
10
20
30
40
70
40
i)
100
60
40
60
70
100
70
90
100
20
-10
10
20
30
40
k)
Figura 4.5. Ajuste de parmetros para una trayectoria curva
50
60
70
80
90
100
l)
Nota: la curva en color rojo representa la trayectoria generada y la de colores la curva deseada.
Tabla 4.8 Ajuste de parmetros mecanismo de 6 barras trayectoria curva
No.
Pc
Pm
Error
individuos
0.2
0.01
0.080605
a) 1000
0.25 0.01
0.087732
b) 1000
1000
0.2
0.1
0.102937
c)
0.4
0.1
0.063850
d) 1000
1000
0.6
0.1
0.128121
e)
1000
0.6
0.2
0.074789
f)
0.6
0.4
0.087210
g) 1000
0.6
0.6
0.056309
h) 1000
1000
0.7
0.6
0.075086
i)
1000
0.8
0.6
0.065858
j)
0.8
0.7
0.025907
k) 1000
1000
0.85 0.85
0.075976
l)
Donde se observa que la mejor solucin se tiene en la opcin k que cuenta con valor grande
probabilidad de cruce e igualmente un valor que supera lo propuesto por algunos autores, pero que a
pesar de esta condicin, se obtienen valores ptimos y aproximados a la trayectoria deseada.
En la Tabla 4.9 se comparan los valores obtenidos antes de relajar los principales parmetros del
algoritmo con los que resultaron de cambiarlos, adems de cambiar la funcin de evaluacin. Como
puede observarse hay diferencias entre las dimensiones expuestas, que generan la disminucin en el
error entre las trayectorias.
115
Captulo IV
Tabla 4.9 Comparacin de longitudes y ngulos de un mecanismo de 4 eslabones trayectoria de la marcha
Variables
x0
Algoritmos
Genticos
46.87842
Parmetros
nuevos
26.25138
y0
43.74934
48.74968
r1
r2
r3
r4
r5
r6
r7
r8
r9
r10
0
2
10
5
6
7
3
4
error
59.75323
21.56174
29.06114
43.23826
28.59206
23.44443
55.50118
52.84068
22.60396
42.16918
1.83157
0.78530
5.42880
0.03248
2.95401
5.62482
0.79126
2.16137
0.16684
37.45732
11.17907
22.16762
26.38590
43.93468
16.18488
31.09559
14.72912
35.56108
0.850473
0.981741
0.761210
4.711480
4.645838
3.878048
-2.037629
0.7523094
2.093775
0.025907
4.4.1 Mecanismo de 6 eslabones para cubrir 18 puntos de precisin

Para corroborar la efectividad del mecanismo analizado, en este caso el de tipo Watt-I, se seguir
una trayectoria propuesta arbitrariamente teniendo como restricciones iniciales el manejo de 18
puntos y las condiciones de la Tabla 4.10
Tabla 4.10 Restricciones para un mecanismo de 6 barras.
Descripcin
Caracterstica
Puntos deseados
10 5
xd=[ 25
43 50 55 50
10 20 10 5 10 15 25 40
40 50 55 50 40 25]
yd=[[ 130 120 100 80 65 55 35 20 15 10 10

15 20 40 55 65 80 100 120 130 130]
Nmero de individuos
Precisin
r1,r2,r3,r4,r5,r6,r7,r8,r9,r10 [60,60] en mm
x0,y0 [60,60] en mm
0 a 360 grados
ni individuo
200
varia
varia
6
1000 generaciones
116
Captulo IV
La Figura 4.6 es la propuesta para generar la trayectoria por el mecanismo tipo Watt-I:
140
120
100
80
60
40
20
10
15
20
25
30
35
40
45
50
55
Figura 4.6 Trayectoria de 20 puntos para un mecanismo de 6 eslabones tipo Watt-1
Para esta propuesta se realizaran, igual que en los casos anteriores, ajustes en la poblacin,
probabilidad de cruce y de mutacin, agregando en este anlisis el tiempo y el nmero de
generaciones, adems del error para corroborar que los parmetros no son independientes. Los
grficos obtenidos se muestran en la Figura 4.7 y los ajustes de parmetros en la Tabla 4.11.

150
100
100
50

150
100

150
50
50
0
-50
-50
0
50
100
-50
-50
150
0
50
100
150
-50
-50
a)
b)
100
50
50
-50
-50
0
50
100
150
0
50
d)
100
150
-50
-50
0
50
100
e)
150
100
100
50

150
100
150
50
150
f)
150
150
100
50
100
150
100
50
c)

150
-50
-50
0
50
0
-50
-50
0
50
100
150
-50
-50
0
50
100
150
-50
-50
g)
0
h)
50
100
150
i)
117
Captulo IV
100
50
150
150
100
100
150
50
50
-50
-50
-50
-50
0
50
100
j)
50
100
-50
-50
150
0
k)
50
100
150
l)

150
150
100
100
50

150
100
0
150
50
50
0
-50
-50
0
50
100
-50
-50
150
0
50
100
150
-50
-50
100
100
150
100
100
150
150
50
50
150
0
50
50
0
-50
-50
0
50
100
150
-50
-50
-50
-50
0
50
100
0
50
100
150
150
p
q
r
Figura 4.7. Ajuste de parmetros para una trayectoria especfica
Nota: la curva en color rojo representa la trayectoria deseada y la de color azul la curva generada.
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
m)
n)
o)
p)
q)
r)
Tabla 4.11 Ajuste de parmetros mecanismo de 6 barras trayectoria especfica.

ni
Pc
Pm
error
tiempo
generaciones
200
0.6
0.01
0.4530713342399
180.693674
978
200
0.6
0.4
0.2088516234
162.480752
991
200
0.8
0.8
0.1039548356200
168.681711
996
500
0.6
0.01
0.1441113
250.446997
981
500
0.6
0.4
0.07266868
282.191
960
500
0.8
0.8
0.0558228894
290.697
987
1000
0.6
0.01
0.059796068
468.693084
999
1000
0.6
0.4
0.0532988776
480.819397
947
1000
0.7
0.5
0.119467646451
457.490696
999
1000
0.7
0.7
0.03260650948
524.067239
989
1000
0.8
0.5
0.099396876739
536.369984
993
1000
0.85
0.8
0.0311870033413
550.612374
972
1500
0.6
0.1
0.1962062488
619.52535
981
1500
0.6
0.4
0.090105144
672.77304
990
1500
0.95
0.85
0.163192355
1046.2808
968
2000
0.7
0.7
0.08380448
1116.16188
999
2000
0.85
0.8
0.0114246856933
1295.874818
987
2000
0.95
0.85
0.0277589482798
1306.641231
1000
De este anlisis se concluye que:
118
Captulo IV
El incremento de puntos de precisin es directamente proporcional al nmero de individuos

en la poblacin, ya que para obtener un menor error, es necesario tener un mayor campo de
bsqueda.
Un pequeo nmero de individuos limita la bsqueda y no ofrece buenos resultados.
Para obtener valores ptimos es necesario incrementar el valor de la probabilidad de cruce

por lo menos arriba de 0.6.
El porcentaje de mutacin puede variar hasta antes de 1, ya que si se incrementa a este valor
se estara cambiando totalmente al individuo sin quedar esencia del mejor individuo para esa
evaluacin que se obtuvo con el elitismo y la herencia forzada.
Los valores altos de probabilidad de cruce y mutacin no aseguran que se tenga el mejor
valor de convergencia.
119
Captulo IV
4.5 Sumario
El proceso de optimizacin es iterativo, y se demostr con las pruebas que se hicieron variando los
parmetros del algoritmo gentico para analizar el comportamiento del sistema, que pueden ser
modificados hasta encontrar un sistema cuyo comportamiento satisfaga las expectativas y los
requerimientos del diseador.
Los parmetros del algoritmo gentico normalmente interactan entre s de forma no lineal, por lo
que no pueden optimizarse de manera independiente, quedando demostrado en los casos de estudio
presentados.
Se demostr que la diversidad de los individuos en la poblacin se obtiene y se mantiene con el

operador de cruce y la mutacin gentica, ya que en todo el anlisis permiten encontrar mejores
soluciones y evitan la convergencia prematura a un mximo local. Aunque tambin debe
mencionarse que el elitismo y la herencia forzada ayudan a limitar el nmero de individuos que
cubrirn las restricciones impuestas. Por otro lado se vio que el algoritmo gentico tiene pocas
posibilidades de realizar un numero de reproducciones considerable o necesario para la ptima
solucin si se tiene una poblacin insuficiente o pequea, ya que solo se realizara una bsqueda de
soluciones escasa o poco ptima, pero por otro lado, la poblacin excesiva, hace que el algoritmo se
vuelva muy lento. De hecho hay un lmite a partir del cual es ineficiente elevar el tamao de la
poblacin puesto que no se consigue una mayor velocidad en la resolucin del problema ni se
asegura la convergencia, para los casos de estudio referidos en este captulo, al incrementar la
poblacin en 3000 individuos ya no arrojo ningn resultado aceptable y se volvi extremadamente
el programa. Si la poblacin se trabaja en un tamao medio, como 1000 individuos por ejemplo
pueden mejorar el desempeo del algoritmo a largo plazo, aunque esto se vea afectado por una
respuesta inicial ms lenta.
Tambin se observ que el incremento en el porcentaje de mutacin mejora el desempeo fuera de
lnea ya que se toman en cuenta todas las soluciones en la poblacin para obtener el valor ptimo. El
desempeo fuera de lnea no penaliza al algoritmo de bsqueda por explorar regiones pobres del
espacio de bsqueda, siempre y cuando ello contribuya a alcanzar las mejores soluciones posibles si
se habla en trminos de aptitud.
120
Captulo IV
Por otro lado se comprob que para el cruzamiento se cumple la regla de que aplicando valores
menores a 0.6, el desempeo no es ptimo y no cambia el resultado esperado en el problema en
especfico. Hablando de la mutacin, se demostr que esta puede cambiarse un sin nmero de veces
e incrementar su valor para obtener resultados ptimos, llegando casi a la unidad, pero evitando
mutar totalmente todo el cromosoma borrando los beneficios en este creados por el elitismo y la
generacin forzada.
Por medio de la experimentacin, tambin se concluyo que los parmetros no son independientes, y
el querer tratar de obtener todas las combinaciones posibles de estos sistemticamente, es casi
imposible, pero si los parmetros son optimizados uno por uno, es posible manejar sus interacciones
y
para un problema dado, los valores de los parmetros seleccionados tal vez no sean
necesariamente los ptimos, pero si se tratan de analizar uniformemente se obtendrn valores ms

significativos.
Con los casos analizados se comprueba que el algoritmo diseado puede ser aplicado en la solucin
del anlisis y la sntesis de mecanismos de configuraciones de 4 y 6 eslabones para diversos tipos de
trayectorias, teniendo como principal requisito la funcin de evaluacin y las restricciones para el
algoritmo.
Con la informacin obtenida mediante la experimentacin en el ajuste de parmetros, ya se tienen

las bases para realizar el anlisis y la sntesis de un mecanismo para una prtesis policntrica, que
ser la base para demostrar los resultados de la aplicacin de los algoritmos genticos en la sntesis
de mecanismos.
Por ltimo cabe mencionar que puede existir la no coincidencia total de los puntos de precisin en
una trayectoria a travs de un mecanismo, ya que, siendo ms detallistas, existen limitantes de
manufactura que impedirn el cumplimiento estricto de dicho requerimiento, pero si se darn los
resultados ms aproximados que cumplan la trayectoria especificada.
121
Captulo V
ANLISIS DE RESULTADOS
En este captulo se presenta el anlisis de

resultados de la sntesis de mecanismos
con algoritmos genticos, aplicado al diseo
de una prtesis policntrica para miembro
inferior con un mecanismo de 6 eslabones.
122
Captulo V
5.1Prtesis policntricas
Con base en investigaciones realizadas para la construccin de prtesis inteligentes policntricas, en
conjunto con informacin tomada sobre la biomecnica de la rodilla (Greene, 1983, Rovetta &
Frosi, 1984, Blumentritt & Werner-Scherer, 1997, Dewen et al., 2003, Dupes, 2004), para realizar
un correcto diseo, recomiendan partir de los parmetros propios de la poblacin, los cuales, en
muchos casos no se han establecido explcitamente en la literatura disponible, pero se pueden
obtener a travs de pruebas de marcha. Los parmetros generales tienen como objetivo primordial,
dar uniformidad a las posibles soluciones y crear una referencia para evaluar los diseos existentes
as como algunos nuevos; asegurando sistemas capaces de responder tanto a las exigencias
mecnicas como a las personales de alguien con una amputacin, transfemoral.
Los mecanismos policntricos comprenden mltiples centros de rotacin con lo que su eje provee un
centro mvil de rotacin, que es bloqueado por el grado de flexin de la rodilla. La gran ventaja del
arreglo policntrico es que permite la estabilidad de la rodilla cuando se hace contacto con el taln y
reduce la estabilidad al momento del despegue de la punta del pie; con ello se incrementa la
distancia de contacto con el piso y se reduce la posibilidad de tropiezo. Muchas rodillas
policntricas tienen su centro instantneo de rotacin lo suficientemente prximo y superior para
mayor estabilidad, la cual depende del diseo y no del control que debe tener. El centro instantneo
de rotacin se mueve rpidamente hacia adelante en la etapa de balanceo, de esta forma desbloquea
la articulacin y facilita la flexin ofreciendo gran estabilidad.
5.2. Rangos de movimiento de la rodilla

La flexo-extensin de la rodilla resulta de la suma de 2 movimientos parciales que ejecutan los
cndilos femorales: un movimiento de rodado, similar al que realizan las ruedas de un vehculo
sobre el suelo y un movimiento de deslizamiento de aquellos sobre las cavidades glenoideas; ste
ltimo de mayor amplitud que el primero (Gngora-Garca et al., 2003). Este movimiento, de
extensin completa a flexin completa, va desde 0 hasta aproximadamente 120 (Figura 5.1 y 5.2).
La rotacin interna y externa, en el plano transversal, est influenciada por la posicin de la
articulacin en el plano sagital. En extensin completa, la rotacin est casi completamente
restringida por el bloqueo de los cndilos femorales y tibiales, que ocurre principalmente porque el
cndilo femoral medial es ms grande que el cndilo lateral.
123
Captulo V
El rango de rotacin se incrementa a medida que la rodilla se flexiona, alcanzando su valor mximo
a los 90 de flexin. Con la rodilla en esta posicin, la rotacin externa vara de 0 hasta
aproximadamente 45, y la rotacin interna, de 0 hasta 30; despus de los 90 de flexi. El rango
de rotacin interna y externa disminuye, bsicamente, porque los tejidos suaves restringen la
rotacin.
En (Gngora-Garca et al., 2003) se explica que la rodilla puede realizar solamente movimientos de
rotacin cuando se encuentra en posicin de semiflexin, pues se producen en la cmara distal de la
articulacin y consisten en un movimiento rotatorio de las tuberosidades de la tibia, por debajo del
conjunto meniscos-cndilos femorales. En la extensin completa de la articulacin, los movimientos
de rotacin no pueden realizarse porque lo impide la gran tensin que adquieren los ligamentos
laterales y cruzados.
Figura 5.1. Movimientos de la rodilla, traslacin y rotacin (Freya et al., 2006).
Figura 5.2 Movimientos de la rodilla.(Gunston et al., 1971)
124
Captulo V
5.3 Caractersticas de mecanismos aplicados a prtesis policntrica.

Principalmente se utilizan las configuraciones de mecanismos de 4 y 6 eslabones para generar el
movimiento de la rodilla, pero en forma general, los mecanismos puede ser analizado considerando
los siguientes puntos para desarrollar una prtesis policntrica:
Tabla 5.1 Parmetros para la construccin de una rodilla policntrica (Maya et al., 2007)
Parmetros
B C
Peso unitario
Edad usuario
Altura usuario
Sexo
Geometra del mun
Nivel de sensibilidad
Recursos econmicos
Grado de movilidad
Peso protsico
Estabilidad
Material
Comercializacin
Vida til
x
x
A Prototipo: Estudio de mercadeo y procesos de manufactura de rodilla policntrica (Milln, 1996)

B. Prototipo: Diseo construccin y puesta a punto de una prtesis de rodilla policntrica(Corts, 1988).
C. Prototipo: Construccin y pruebas del diseo de una prtesis de rodilla policntrica para amputacin
transfemoral(Pinzn, 1995)
De los cuales primordialmente se consideran para el inicio del diseo de los mecanismos
policntricos el grado de movilidad y la estabilidad.
Para determinar la estabilidad y el grado de movilidad se considera que el mecanismo de rodilla

policntrica es un dispositivo en el que el centro instantneo de rotacin (CIR) cambia de posicin
conforme el ngulo de flexin de la rodilla incrementa o decrementa (Radcliffe, 1977).
Cinematicamente todos los dispositivos policntricos tienen la estabilidad controlada por la
localizacin del CIR y en su mayora son de la misma clase (Figura 5.3):
125
Captulo V
Figura 5.3 Centro Instantneo de Rotacin (CIR) para distintas configuraciones (Radcliffe, 1977)
Las caractersticas de una rodilla policntrica se pueden describir en trminos de la relacin de 4

factores (Radcliffe, 1977): 1) El centro instantneo de rotacin del muslo, 2) La lnea de carga, 3) El
momento de ruptura o torque generado por la prtesis de rodilla y 4) El momento en el cul la
cadera puede moverse voluntariamente por el amputado.
5.3.1 Centro Instantneo de Rotacin (CIR) en una prtesis policntrica

El CIR, en una prtesis policntrica, es un punto donde por muy pequeos cambios en el ngulo de
flexin de la rodilla que haya, la seccin del muslo rota sobre un punto en extensin con la
pantorrilla, la cual aparece temporalmente fija. Para pequeos ngulos, la rotacin relativa de los
centros instantneos podra imaginarse que es una bisagra que une una seccin del muslo con la
pantorrilla(Radcliffe, 1977). Para grandes ngulos, los CIR cambiaran de ubicacin y ser necesario
imaginar una nueva posicin.
5.3.2 Lnea de carga

La lnea de carga es a travs de la cual la fuerza de carga equivalente acta sobre el cojinete de
carga de la prtesis, rara vez, acta a travs de la lnea directa que une la articulacin de la cadera
con el tobillo, en general acta desde un solo punto en el nivel del socket hacia un centro de presin
sobre la planta del pie.
126
Captulo V
Si la lnea de carga es anterior a la rodilla, esta tiende a ser estable, si esta es posterior al centro de
rotacin del taln el sujeto debe dar un gran torque sobre la rodilla con los msculos de la cadera
para estabilizarlos. Para que la rodilla se flexione mientras el cojinete soporta el peso en el despegue
del pie, la lnea de carga debe ser recorrida a una posicin donde esta pase posterior al centro de la
rodilla(Wilkenfeld, 2000). Si la lnea de carga se presenta en el pre-movimiento de pivoteo delante
del eje de la rodilla, se genera un esfuerzo de torsin extenso que hace el movimiento ms difcil.
La Figura 5.4 muestra las fuerzas equivalentes y momentos que actan en el pie y alrededor de la
articulacin de la cadera en un amputado transfemoral tpico. Los diagramas tanto al contacto como
al despegue del suelo se superponen en el esquema central (Radcliffe, 1977). Es de notar que las
lneas de reaccin del piso no pasan por el centro de la articulacin de la cadera al contacto del taln
con el piso o al elevarse el pie. Al golpear el taln el suelo la lnea de carga debe pasar por atrs del
centro de la rodilla para hacerla estable, la estabilidad es controlada al aplicar un pequeo momento
con los msculos de la cadera. El mismo principio aplica para el sistema de fuerzas en la elevacin
del pie.
Figura 5.4. Lnea de carga y rea para centros de la rodilla (Radcliffe, 1977)
127
Captulo V
Mecanismos de 4 eslabones han sido aplicados para desarrollar prtesis transfemorales que pueden
dar el efecto de rotacin de la rodilla que solo permite caminar. Para cubrir la trayectoria del
movimiento de la rodilla, se toman como base los trabajos de (Radcliffe, 1977, Enrquez Torres,
2007) sobre un mecanismo policntrico de 4 barras como los mostrados en las Figuras 5.5 y 5.6.
Para la descripcin cinemtica de la rodilla en el plano sagital se utiliza regularmente el modelo de
mecanismo de cuatro barras. La curva que describe la trayectoria del centro instantneo de rotacin
se conoce como poloide. Esto es muy utilizado en el diseo de sustituciones de rodilla. Para prtesis
transfemorales que incluyen un mecanismo de rodilla de cuatro barras, el centro instantneo en
cualquier posicin de la rodilla en extensin puede ser localizado en la interseccin de las
prolongaciones de las lneas de los enlaces anterior y posterior los cuales conectan la seccin del
socket a la seccin de la pierna en la prtesis. Como se incrementa el ngulo de flexin de la rodilla
el centro instantneo toma una serie de posiciones que tpicamente trazan una trayectoria con la
extensin de la pierna la cual avanza hacia adelante y hacia abajo hacia el centro anatmico de la
rodilla.
128
Captulo V
Fig. 5.5 Trayectoria del CIR de una rodilla

policntrica d e4 barras (Radcliffe, 1994)
Fig. 5.6 Trayectoria del CIR de una prtesis de

control voluntario para una rodilla de 4 barras (Radcliffe, 1994)
De este arreglo de eslabones existen 3 configuraciones importantes:

a) Mecanismo de cuatro barras cuasi estable: Un centro instantneo elevado y hacia atrs
incrementara la estabilidad de la rodilla. Para un mecanismo de cuatro barras con un centro
instantneo elevado, que ha estado en el mercado por ya largo tiempo y que regularmente
est conformado por un enlace anterior largo y un enlace posterior corto, se obtiene una
buena estabilidad cuando el taln golpea el suelo, esto es de gran utilidad para personas con
una disminuida capacidad funcional en la cadera. El centro instantneo en la extensin
completa de la pierna, se encuentra posterior a la lnea de carga cuando el taln tiene el
primer contacto, lo que provoca que la rodilla sea forzada a mantenerse en extensin y
cinematicamente bloqueada, con esto no es necesario ejercer torque en la cadera para
mantener esta posicin (Radcliffe, 1994).
129
Captulo V
Figura 5.7 Diagrama de estabilidad para un mecanismo de 4 barras con CIR elevado (Radcliffe, 1994)
b) Mecanismo de cuatro barras hiper-estabilizado: El termino hiper-estabilizado se requiere a

una muy positiva alineacin de estabilidad, el centro instantneo en la extensin total se
localiza atrs de la lnea de carga, con lo que no se requiere un torque en la cadera para
lograr la estabilidad, en relacin con el arreglo anterior este centro instantneo se encuentra
ms abajo atrs de la lnea que une la cadera con el taln (Radcliffe, 1994).
Figura 5.8 Diagrama de estabilidad de un cuadriltero articulado hiper-estabilizado (Radcliffe, 1994)
c) Mecanismo de cuatro barras de control voluntario: El mecanismo de cuatro barras para el

control voluntario presenta un centro instantneo que cae dentro de la zona de estabilidad
tanto en el momento del golpe del taln y el despegue del pie. En este caso la elevacin
inicial del centro instantneo no es tan alta como en el primer caso, adems de que la
130
Captulo V
trayectoria no corre rpidamente hacia abajo y permanece cerca de su elevacin inicial y
dentro de la zona estable para los primeros cinco grados de flexin de la rodilla. Con esto se
da la habilidad al paciente de controlar voluntariamente la estabilidad de la pierna no solo al
contacto del taln con el suelo y al despegue del pie, sino tambin aun dentro de un rango
limitado en la flexin de la rodilla (Radcliffe, 1994). Figura 4.3.
Figura 5.9 Diagrama de estabilidad de prtesis control voluntario (Radcliffe, 1994)
Por las descripciones realizadas a cada configuracin se tomo el mecanismo de control voluntario,
ya que el paciente tiene el total control de la prtesis, basndose en esta caracterstica, se realiza el
anlisis y la sntesis con los algoritmos genticos.
5.4.1 Sntesis de mecanismos policntricos para prtesis de 4 barras de control voluntario.

Se realizara la sntesis con algoritmos genticos del mecanismo seleccionado, teniendo como
principales restricciones los sealados en la Tabla 5.2:
Tabla 5.2 Restricciones para la sntesis de un mecanismo policntrico de 4 eslabones
De acuerdo a la sntesis se tiene la trayectoria, el mecanismo y la convergencia en la Figura (5.10,

5.11), el mecanismo en un programa de simulacin dinmica (5.12).
Figura 5.10 Trayectoria del mecanismo de 4 barras para prtesis policntrica.
Figura 5.11 Mecanismo policntrico simulado por programacin.
131
Captulo V
Figura 5.12 Mecanismo creado en un programa de Simulacin Dinmica

Tambin se han desarrollado las prtesis transfemorales policntricas de 6 eslabones para dar
movimiento a la rodilla aplicando las dos configuraciones, tipo watt (Figura 5.13 (Dewen et al.,
2003)) y Stephenson (Figura 5.14(Chakraborty & Path, 1994)),los cuales estn diseados para
transmitir el movimiento al muslo desde el pie, durante la accin de ponerse en cuclillas hasta la
fase de oscilacin al caminar. Estos normalmente se generan de dos mecanismos de 4 eslabones,
para crear los CIR en extensin completa y que correspondan al eje simple del centro de la rodilla, y
posteriormente a la lnea de carga que va del tobillo al muslo. Con este arreglo se consigue una
estabilidad de la prtesis en la flexin a 10, ya que el CIR est mejor localizado en la unin simple
del eje de la rodilla, donde la persona con amputacin podr tener un mejor control en la extensin y
en la flexin voluntaria sobre los rangos crticos de movimiento. En la Figura 5.14 se muestra la
posicin de acoplamientos en el mecanismo y el lugar geomtrico del CIR de la rodilla para la
rotacin de la unidad del muslo concerniente a la pantorrilla.
Figura 5.13 Configuraciones de mecanismos de 6 barras tipo Watt para prtesis policntricas (Dewen et al., 2003)
132
Captulo V
Figura 5.14 Posicin de los CIR de la rodilla de la prtesis policntrica con referencia a la lnea de carga a travs de la unin de la
pantorrilla y el centro de contacto del pie con la tierra en las diferentes fases de la caminata
Los mecanismos de 6 barras son empleados porque debe duplicarse el movimiento del centro de
rotacin relativo entre el fmur y los huesos de la pierna (tibia y peron) para mantener la
estabilidad al caminar.
Dos de los mecanismos de 6 barras propuestos , aplicando las configuraciones antes referidas son (Figura 15 y 16):
133
Captulo V
Figura 5.15 Mecanismo tipo Watt para prtesis policntrica. (Dewen et al., 2003)
Figura 5.16 Mecanismo tipo Stephenson para prtesis policntrica (Jin et al., 2003)
Con base en estos ejemplos, se desarrollo la sntesis de un mecanismo de 6 barras tipo Watt-I por
ser ms exactos en la determinacin del CIR.
134
Captulo V
En la Tabla 5.3 se presentan las restricciones para dicho mecanismo y en la figura 5.17 se tienen a
trayectoria, en la 5.18 el mecanismo y en la 5.19 el mecanismo en un programa de simulacin
dinmica.
135
Captulo V
5.6 Sumario
En este captulo se concentro el resumen de toda la tesis, con lo que se demostr la efectividad del
mtodo para realizar la sntesis de mecanismos por medio de algoritmos genticos. Se logro
desarrollar el diseo de una prtesis policntrica cubriendo todas las restricciones necesarias para
este efecto.
Se logro generar fsicamente y simulado un mecanismo que parti de ser solo un diseo para cubrir
una trayectoria.
136
CONCLUSIONES
CONCLUSIONES
Se hizo un nfasis en la aportacin que han tenido las herramientas computacionales y las
tcnicas de computacin inteligente como los algoritmos genticos y la lgica difusa, en la
optimizacin de estos mecanismos para obtener respuestas ms viables y ptimas en cuanto a
las diversas necesidades de los usuarios, resaltando los algoritmos genticos como mtodo de
bsqueda.
Se describi la importancia de los algoritmos genticos para mejorar la sntesis de

mecanismos, ya que principalmente sirven para eliminar las limitaciones y ayudan a tener una
exactitud en los puntos de precisin delimitados por el diseador, con lo que se obtiene una
reduccin de tiempo computacional y derivaciones de las ecuaciones obligatorias de una
funcin objetivo especfico. Se mostr que puede haber combinacin de los algoritmos
genticos con un controlador de lgica difusa para monitorear el comportamiento de las
variables de diseo durante el corrimiento de los AG y poder modificar los resultados para una
mejor optimizacin.
Se presentaron los fundamentos necesarios para realizar el anlisis y la sntesis de

necesidades especificas del cliente. Se mostr una descripcin de las ecuaciones y mtodos
para obtener la sntesis de mecanismos planos para disear el nmero y tipo de
eslabonamiento, los grados de libertad de movimiento y el anlisis de posicin para generar la
trayectoria. El desarrollo de stas se enfoc a un mecanismo de 4 barras, configuracin base
para poder disear posteriormente mecanismos con un mayor nmero de eslabones y grados
de libertad. Dentro del anlisis dinmico, se describi el manejo de los centros instantneos de
rotacin para calcular velocidades y aceleraciones.
Se desarroll el mtodo de Newton Raphson para optimizar las funciones de Freudenstain

para cadena abierta y cerrada, derivada de la sntesis de mecanismos, este mtodo por sus
caractersticas se emplear como mtodo numrico para validar y comparar resultados del
mtodo metaheuristico a emplear, como son los algoritmos genticos. Tambin se
desarrollaron ejemplos ilustrando la forma de combinar y aplicar este mtodo con el algebra
compleja, que se aplica en este tipo de anlisis para determinar las posiciones de los
137
CONCLUSIONES
eslabones, que son una de las principales variables de los mecanismos cuando se disean para
el seguimiento de trayectorias.
De los algoritmos genticos se hizo una descripcin de las etapas de que estn formados, se
generacin por aplicacin anloga de operaciones genticas que ocurren naturalmente. Estas
operaciones son aplicadas a individuos seleccionados desde la poblacin. Para que un
procedimiento sea completo debe existir una combinacin de mtodos grficos, analticos y
heursticos, ayudndose de herramientas computacionales que ya existen para resolver
problemas complejos. Los mtodos analticos son muy precisos, pero normalmente son
utilizados por personas especializadas en el tema, para ayudar a resolver estos problemas se
utilizan los mtodos metaheursticos como los algoritmos genticos, que como se observ,
pueden manipular muchos parmetros simultneamente, lo que facilita poder manejar diversas
variables para llegar a la solucin ms ptima, en este caso las variables propuestas para los
ngulos y las longitudes de las barras en las diferentes configuraciones, para que los
mecanismos puedan cubrir trayectorias predeterminadas.
Se observa que es necesario hacer un anlisis previo del problema, para poder generar las
restricciones y el dominio de diseo que debe tener el mecanismo, esto permitir evitar
encontrar una solucin que constructivamente no puede ser vlida. Los algoritmos genticos
se utilizaron para optimizar la posicin del error entre los puntos deseados y los efectuados
por el mecanismo resultante sujeto a diferentes restricciones. La optimizacin con algoritmos
genticos permite tener aproximaciones a la solucin de la sntesis. La mejor solucin
depende del tipo de mecanismo y de los requerimientos de diseo. Como ventajas los
algoritmos tienen la convergencia cerca de la solucin ptima global La rpida convergencia
se indica por un valor alto en la funcin y un bajo nmero de generaciones. La solucin
depende en gran medida del tamao de la poblacin y de las probabilidades de cruce y
mutacin. Para validar los resultados se hizo la comparacin con los datos obtenidos del autor
que se tomo como referencia, adems del mtodo numrico de Newton Raphson.
El generar trayectorias con la implementacin de algoritmos genticos ofrece ventajas por la

manipulacin que se puede dar a las variables iniciales, para obtener una convergencia rpida.
138
CONCLUSIONES
Se evita el clculo del mtodo numrico, que es laborioso y tiene restricciones como el dar
datos aproximados para poder dar una solucin, adems del consumo de tiempo de cmputo.
El algoritmo gentico explora un espacio de soluciones, seleccionando la ms factible a travs de

una funcin aptitud que permitir dirigir la bsqueda con un enfoque de optimizacin. La
estrategia no requiere el implemento de matemticas complejas para la cinemtica inversa debido
a que las ecuaciones de enlace geomtrico se obtienen metdicamente para reducir la complejidad
del problema. Los parmetros del algoritmo gentico normalmente interactan entre s de
forma no lineal, por lo que no pueden optimizarse de manera independiente, quedando
demostrado en los casos de estudio presentados.
El proceso de optimizacin es iterativo, y se demostr con las pruebas que se hicieron

variando los parmetros del algoritmo gentico para analizar el comportamiento del sistema,
que pueden ser modificados hasta encontrar un sistema cuyo comportamiento satisfaga las
expectativas y los requerimientos del diseador.
Se demostr que la diversidad de los individuos en la poblacin se obtiene y se mantiene con

el operador de cruce y la mutacin gentica, ya que en todo el anlisis permiten encontrar
mejores soluciones y evitan la convergencia prematura a un mximo local. Aunque tambin
debe mencionarse que el elitismo y la herencia forzada ayudan a limitar el nmero de
individuos que cubrirn las restricciones impuestas. Por otro lado se vio que el algoritmo
gentico tiene pocas posibilidades de realizar un numero de reproducciones considerable o
necesario para la ptima solucin si se tiene una poblacin insuficiente o pequea, ya que solo
se realizara una bsqueda de soluciones escasa o poco ptima, pero por otro lado, la
poblacin excesiva, hace que el algoritmo se vuelva muy lento. De hecho hay un lmite a
partir del cual es ineficiente elevar el tamao de la poblacin puesto que no se consigue una
mayor velocidad en la resolucin del problema ni se asegura la convergencia, para los casos
de estudio referidos en este captulo, al incrementar la poblacin en 3000 individuos ya no
arrojo ningn resultado aceptable y se volvi extremadamente el programa. Si la poblacin se
trabaja en un tamao medio, como 1000 individuos por ejemplo pueden mejorar el desempeo
del algoritmo a largo plazo, aunque esto se vea afectado por una respuesta inicial ms lenta.
139
CONCLUSIONES
Tambin se observ que el incremento en el porcentaje de mutacin mejora el desempeo

fuera de lnea ya que se toman en cuenta todas las soluciones en la poblacin para obtener el
valor ptimo. El desempeo fuera de lnea no penaliza al algoritmo de bsqueda por explorar
regiones pobres del espacio de bsqueda, siempre y cuando ello contribuya a alcanzar las
mejores soluciones posibles si se habla en trminos de aptitud.
Por otro lado se comprob que para el cruzamiento se cumple la regla de que aplicando
valores menores a 0.6, el desempeo no es ptimo y no cambia el resultado esperado en el
problema en especfico. Hablando de la mutacin, se demostr que esta puede cambiarse un
sin nmero de veces e incrementar su valor para obtener resultados ptimos, llegando casi a la
unidad, pero evitando mutar totalmente todo el cromosoma borrando los beneficios en este
creados por el elitismo y la generacin forzada.
Por medio de la experimentacin, tambin se concluyo que los parmetros no son

independientes, y el querer tratar de obtener todas las combinaciones posibles de estos
sistemticamente, es casi imposible, pero si los parmetros son optimizados uno por uno, es
posible manejar sus interacciones y para un problema dado, los valores de los parmetros
seleccionados tal vez no sean necesariamente los ptimos, pero si se tratan de analizar
uniformemente se obtendrn valores ms significativos. Con los casos analizados se
comprueba que el algoritmo diseado puede ser aplicado en la solucin del anlisis y la
sntesis de mecanismos de configuraciones de 4 y 6 eslabones para diversos tipos de
trayectorias, teniendo como principal requisito la funcin de evaluacin y las restricciones
para el algoritmo.
Con la informacin obtenida mediante la experimentacin en el ajuste de parmetros, ya se

tienen las bases para realizar el anlisis y la sntesis de un mecanismo para una prtesis
policntrica, que ser la base para demostrar los resultados de la aplicacin de los algoritmos
genticos en la sntesis de mecanismos.
Por ltimo cabe mencionar que puede existir la no coincidencia total de los puntos de
precisin en una trayectoria a travs de un mecanismo, ya que, siendo ms detallistas, existen
limitantes de manufactura que impedirn el cumplimiento estricto de dicho requerimiento,
pero si se darn los resultados ms aproximados que cumplan la trayectoria especificada.
140
TRABAJOS FUTUROS
Trabajos Futuros
Los alcances de este trabajo contemplan nicamente la sntesis de un mecanismo mediante
algoritmos genticos simples, y con estos obtener el diseo optimo para generar la trayectoria
adecuada de una prtesis policntrica transfemoral. Tomando en cuenta esto se proponen
como trabajos futuros a esta investigacin los siguientes:
Manufactura de los mecanismos.

En este se plante realizar un anlisis estructural de los elementos de la prtesis policntrica
con la finalidad de: optimizar el diseo, asegurar que ninguno de los elementos fallar durante
el funcionamiento y poder determinar las limitaciones de esta.
Optimizacin de la programacin de Algoritmos Genticos

EL siguiente paso dentro de la programacin con algoritmos genticos es pasar a los multiobjetivos y combinarlos con herramientas como las redes neuronales y lgica difusa para
obtener una mejor optimizacin dependiendo de la complejidad del caso de estudio.
Implementacin de control
Complementar el diseo de los mecanismos policntricos para la prtesis con el sistema de
control adecuado para generar el proceso de la marcha y la fase de estancia.
Implementacin de sistemas basados en la micro y nano tecnologas.

Tomando en cuenta las tendencias y avances actuales en estas reas de la ingeniera, que
incluyen el desarrollo de elementos y sensores mediante tcnicas de nanotecnologa, con la
cual se pueden desarrollar micro-motores, sensores y elementos de materiales biocompatibles;
se plantea la posibilidad de incluir en el diseo de la mano robtica elementos que permitan el
sensar y transmitir informacin al sistema de control, mediante la instrumentacin adecuada
en espacios muy reducidos, que permita contar con los datos necesarios para que las
capacidades del sistema aumenten y ste pueda tener caractersticas reactivas basado en una
mayor capacidad sensorial para reaccionar a diversos estmulos.
141
REFERENCIAS
REFERENCIAS
ALONSO-AREGUIN, E. (2005) Prtesis de rodilla con pistn magnetoreolgico. Biomecnica.
Mxico D.F., UPIITA.
AULIE
DEVICES,
I.
(2006)
The
802
Nylon
Knee.
U.S.A.,
http://www.auliedevices.com/Products.html.
BAKER, J. E. (1987) Reducing bias and ineffciency in the selection algorithm. Proceedings of the
Second International Conference on Genetic Algorithms and Their Applications, 14-21.
BAUTISTA-CAMINO, G. V. (2008) Implementacin numrica de una red neuronal para el modelo
constitutivo del comportamiento de materiales. Ingeniera Mecnica. Mxico, Instituto Politcnico
Nacional. ESIME Zacatenco. Maestria en Ciencias.
BLOCH, S. S. (1940) On the synthesis of four-bar linkages. Bull, Acad. Sci. USSR, 47-54.
BLUMENTRITT, S. & WERNER-SCHERER, H. (1997) Design principles, biomechanical data and
clinical experiene with a polycentric knee offering controlled stance phase knee flexin.A preliminary
report Washington D.C. .
BUCKLES, B. P. Y PETRY & FREDERICK, E. (1992) "Genetic Algorithms". IEEE Computer Society
Press, 109.
CABRERA, J. A., NADAL, F., MUOZ, J. P. & SIMON, A. (2007) Multiobjective constrained optimal
synthesis of planar mechanisms using a new evolutionary algorithm. Mechanism and machine
theory, 42, 791-806.
CABRERA, J. A., SIMON, A. & PRADO, M. (2002) Optimal synthesis of mechanisms with genetic
algorithms. Mechanism and machine theory, 37 No10, 1165-1177
CAMPOS-PADILLA, I. Y. (2009) Diseo de un mecanismo policntrico para prtesis de rodilla.
Ingeniera Mecnica Mxico, Instituto Politcnico Nacional.
CHAKRABORTY, J. K. & PATH, K. M. (1994) A new modular six-bar linkage trans-femoral
prosthesis for walking and squatting. Prosthetics and Orthotics International 18, 98-108.
CHEN, Y.-P. (2004) Extending the Scalability of Linkage Learning Genetic Algorithms: Theory and
Practice. Illinois, University of Illinois at Urbana-Champaign.
COELLO-COELLO, C. A. (2007) Introduccin a la computacin evolutiva. IN CINVESTAV-IPN
(Ed.). Mxico.
CORP, L. (2003) Magnetic Fluid Improves Mobility of Prosthetic Leg. . IN MATERIALS, M. (Ed.).
Advanced Materials & Processes 9(161), 29(2).Retrieve on Sept 2003, from UCSB database at
Expanded Academic ASAP.
CORTS, C. J. (1988) Diseo construccin y puesta a punto de una prtesis de rodilla policntrica.
Tesis Universidad Nacional de Colombia sede Bogot.
CRAIG, C. J. (1989) Introduction to robotics: mechanics and control. Addison Wesley.
DAI, J. S. & KERR, D. R. (1991) Geometric analysis and optimization of a symmetrical watt six-bar
mechanism, in:Proceedings of the Institution of Mechanical Engineers. Mechanical Engineering
Science., Vol. 205 (4), 275280.
DE JONG, K. A. (1975) An analysis of the behaviour of a class of genetic adaptive systems.
University of Michigan.
DEB, K. (2004) Genetic Algorithms for Optimization. Statistical Computing: Existing Methods and
Recent Developments. In D. Kundu and A. Basu (eds.),New Delhi, India: Narosa Publishing House,
147
REFERENCIAS
pp. 85-123.
DEL RO, B. M. & MOLINA, A. S. (2002) Redes Neuronales y sistemas Neurodifusos, Alfaomega.
DENAVIT, J. & HARTENBERG, R. S. (1955) A kinematic notation for lower-pair mechanisms based
on matrices. ASME Journal of Applied Mechanics, 22(2): pp 215-221.
DEWEN, J., RUIHONG, Z., HO, D., RENCHENG, W. & JICHUAN, Z. (2003) Kinematic and dynamic
performance of prosthetic knee joint using six-bar mechanism. Journal of Rehabilitation Research
and Development, 40,No. 1, 3948.
DHINGRA, A. K. & MANI, N. K. (1993) Computer-aided mechanism design: a symbolic-computing
approach. Computer Aided Design 25 (5), 300310.
DORADOR-GONZLEZ, J. M. (2005) Prtesis Inteligentes. Ciencia y Desarrollo, 30, 40- 45.
DUPES, B. (2004) What you need know about knees. In Motion.
ENDRE EIBEN, A., HINTERDING, R. & MICHALEWICZ, Z. (1999) Parameter Control in
Evolutionary Algorithms. IEEE Transactions on Evolutionary Computation, 3, No. 2.
ENRQUEZ TORRES, J. R. (2007) Diseo y Construccin de una Prtesis de Rodilla con Pistn
ERDMAN, A. G. & SANDOR, G. N. (1998) Diseo de mecanismos, anlisis y sntesis., Mxico,
Prentice Hall- Pearson.
ERDMAN, A. G. & SANDOR, G. N. (1998) Diseo de mecanismos, anlisis y sntesis., Mxico,
Prentice Hall- Pearson.
ERKAYA, S. & UZMAY, I. (2008) Determining link parameters using genetic algorithm in
mechanisms with joint clearance. Mechanism and Machine Theory.
FARAH-SIMN, L., GARCA-GUERRA, H. L. & DORADOR-GONZLEZ, J. (2006) Diseo de un
socket ajustable para prtesis de miembro inferior. XII Congreso Internacional de la Sociedad
Mexicana de Ingeniera Mecnica. Acapulco, Mxico.
FLEMING, P. J. & PURSHOUSE, R. C. (2001) Genetic Algorithms In Control Systems Engineering.
Proceedings of the 12th IFAC World Congress, pp. 383-390.
FOGARTY, T. C. (1989) Varying the probability of mutation in the genetic algorithm. Proceedings of
the Third International Conference on Genetic Algorithms, 104-9.
FREUDENSTEIN, F. & KISS, I. S. (1969) Type Determination of Skew Four-Bar Mechanisms.
Journal of Engineering for Industry.Asme, 91, 220-224.
FREUDENSTEIN, F. & PRIMROSE, E. J. F. (1976) On the Criteria for the Rotatability of the Cranks
of a Skew Four-Bar Linkage. Journal of Engineering for Industry.Asme, 98B, 1285-1288.
FREUDENSTEIN, F. & SANDOR, G. N. (1964) Kinematic of Mechanisms, New York, Mc. Graw Hill.
FREUDENSTEIN, F. (1954) An analitical approach to the design of four link mechanism.
Transactions of the ASME 76, 483-492.
FREUDENSTEIN, F. (1956) On the maximum and minimum velocities and accelerations in four-link
mechanisms. Trans. ASME, 78: 779-787.
FREYA, M., RIENERA, R., MICHASB, C., REGENFELDERD, F. & BURGKART, R. (2006) Elastic
properties of an intact and ACL-ruptured knee joint:
GALEANO-URUEA, C. H., DUQUE DAZA, C. A. & GARZN ALVARADO, D. A. (2009) Aplicacin
de diseo ptimo dimensional a la sntesis de posicin y velocidad en mecanismos de cuatro
barras. Revista Facultad de Ingeniera Universidad de Antioquia. Colombia, redalyc.
148
REFERENCIAS
GARCA DE JALN, J. & BAYO, E. (1994) Kinematic and Dynamic Simulation of Multibody System.
Springer-Verlag.
GARD, S. A., CHILDRESS, D. S. & UELLENDAHL, J. E. (1996) The Influence of Four-Bar Linkage
Knees on Prosthetic Swing-Phase Floor Clearance
GESTAL-POSE, M. (2006) Introduccin a los algoritmos genticos. Universidad de la Corua,
Tecnologias de la informacin y las comunicaciones.
GOLDBERG, D. E. & DEB, K. (1991) A Comparative Analysis of Selection Schemes Used in
Genetic Algorithms. Foundations of Genetic Algorithms, Gregory J. E. Rawlins (Eds), pp. 69-93.
GOLDBERG, D. E. (1989) Genetic algorithms in search, optimization, and machine learning, USA,
Addison - Wesley.
GMEZ-CRISTBAL, J. A. (2003) Mtodo de sntesis dimensional ptima de sistemas
multicuerpos con restricciones dinmicas. Aplicacin al diseo de mecanismos planos . Ingeniera
Mecnica. Espaa, Universidad de la Rioja.
GNGORA-GARCA, L., ROSALES-GARCA, C., GONZLEZ-FUENTES, I. & PUJALS, V. (2003)
Articulacin de la rodilla y su mecnica articular. MEDISAN.
GREENE, M. P. (1983) Four-bar linkage knee analysis. Orthot Prosthet, 37:15-24.
GREFENSTETTE, J. J. (1986) Optimization of control parameters for genetic algorithms. IEEE
Trans. Systems, Man, Cybern, 16, no. 1, 122-128.
GUNSTON, F.-H., WINNIPEG. & CANADA. (1971) Polycentric Knee Arthroplashy. Prosthetic
Simulation of Normal Knee Movement. The Journal of Bone and Joint Surgery, 53 B, 272 - 277.
GUPTA, V. K. & RADCLIFFE, C. W. (1971) Mobility Analysis of Plane and Spatial Mechanisms.
Journal of Engineering for Industry.Asme, 93, 125-130.
HARTENBERG, R. S. & DENAVIT, J. (1964) Kinematic Synthesis of Linkages, USA, Mc. Graw Hill.
HINCAPI-ISAZA, R. A., ROS-PORRAS, C. A. & GALLEGO-R, R. A. (2004) Tcnicas heursticas
aplicadas al problema del cartero viajante (TSP). SCIENTIA ET TECHNICA N 24.
HOLLAND, J. H. (1975) Adaptation in natural and artificial system. Ann Arbor, The University of
Michigan Press, 211
IGLESIAS-OTERO, M. T. (2005) Biologa + Matemticas + Informtica = Algoritmos Genticos.,
Espaa.
JIMNEZ, J. M., LVAREZ, G., CARDENAL, J. & CUADRADO, J. (1997) A Simple and General
Method for Kinematic Synthesis of Spatial Mechanisms. Mechanisms and Machine Theory, Vol. 32,
N. 3, 323-341.
JIN, D., ZHANG, R., DIMO, H., WANG, R. & ZHANG, J. (2003) Kinematic and Dynamic
Performance of Prosthetic Knee Joint Using Six-Bar Mechanism. Journal of Rehabilitation Research
and Development, 40 Num.1, 39-48.
Journal of Rehabilitation Research and Development, 40,No. 1, 3948.
KALNAS, R. & KOTA, S. (2001) Incorporating Uncertaintly into Mechanism Synthesis. Mechanism
and machine theory (Mech. mach. theory), 36 No.3, 843-851.
KAZUTOSHI, Y., HIROSHI, N., EIICHI, U., SUSUMU, C., TOSHIYA, N. & KEN-ICHI, Y. (2004)
Biomechanical and clinical evaluation of a newly designed polycentric knee of transfemoral
prosthesis. Journal of Rehabilitation Research and Development, 41, 675-682.
KUNJUR, A. & KRISHNAMURTY, S. (1997) Genetic Algorithms in Mechanism Synthesis. Journal of
Applied Mechanisms and Robotics, 4 No. 2, 18-24.
149
REFERENCIAS
KURI-MORALES, A. & GALAVIZ-CASAS, J. (2002) Algoritmos Genticos. Instituto Politcnico
Nacional, Universidad NAcional Autonoma de Mxico, Fondo de Cultura Econmica., 202.
LARIBI, M. A., MLIKA, A., ROMDHANE, L. & ZEGHLOUL, S. (2004) A combined genetic algorithm
fuzzy logic method (GAFL) in mechanisms synthesis. Mechanism and Machine Theory., 39, 717735.
LEVITSKII, N. L. & SHAKVAZIAN, K. K. (1960) Synthesis of fourelement spatial mechanisms with
lower pairs. International Journal of Mechanical Sciences 2, 76-92.
LUTHE, R., OLIVERA, A. & SCHUTZ, F. (1982) Mtodos Nmericos, Mxico, LIMUSA.
Magnetoreolgico. IN PER, U. C. D. (Ed.) 8 Congreso Iberoamericano de Ingenieria Mecnica.
Per.
MALLIK, A. K., GHOSH, A. & G., D. (1994) Kinematic Analysis and Synthesis of Mechanisms CRCPress; 1 edition 688.
MARTIN, P. J., RUSSEL, K. & SODHI, R. S. (2007) On mechanism design optimization for motion
generation,
Mech.
Theory.
Mechanism
and
Machine
Theory,
doi:10.1016/j.mechmachtheory.2006.11.009
MATHWORKS, T. (1999) Fuzzy Logic Toolbox User's Guide. The Mathworks, Inc.
MAYA, A. L., GUERRERO, E. P. & RAMREZ, J. F. (2007) Parmetros de diseo de una Prtesis
de Rodilla en Colombia. CLAIB 2007, 18, 770-773.
MCLARNAN, C. W. (1963) Synthesis of six-link plane mechanisms by numerical analysis. Journal of
Engineering forIndustry, vol. 511.
Measurement, mathematical modelling, and haptic rendering. Journal of biomechanics, 39, 13711382.
MENDEL, J. M. (1995) Fuzzy Logic Systems For Engineering: A Tutorial. Proceedings of the IEEE,
38 No. 3, 343-377.
MERCHN, E. A. (2000) Metodologa para la generacin de trayectorias de manipuladores
robtcos, su cinemtica y su dinmica. IPN Mxico, SEPI Mecnica.
MERCHN-CRUZ, E. A. (2005) Soft-computing techniques in the trajectory planning of robot
manipulators sharing a common workspace. Automatic Control and Systems Engineering. Reino
Unido, Sheffield.
MICHAEL, J. W. (1999) Modern prosthetic knee mechanisms. Clinical Orthopaedics and Related
Research, 361(47):39-47.
MICHALEWICZ, Z. (1999) Genetic Algorithms + Data Structure = Evolution Programs, Nueva York,
Springer.
MILLN, C. A. (1996) Estudio de mercadeo y procesos de manufactura de rodilla policntrica. Tesis
Universidad de los Andes.
MORENO-PREZ, R. (2006) Anlisis de Mecanismos y Problemas Resueltos, Mxico, Alfaomega.
MORENO-ROMERO, H. (2003) Construccin de un mecanismo de rodilla tipo policntrica para
personas con amputacin femoral. Ingeniera biomecanica. Mxico D.F., UPIITA.
NORTON, R. L. (1995) Diseo de Maquinaria, Impreso en Mxico, Mc. Graw Hill.
NORTON, R. L. (1999) Design of machinery an introduction to the synthesis and analysis of
mechanisms and machines. New York, McGraw-Hill Inc, 3.
OBERG, K. & KAMWENDO, K. (1988) Knee components for the above-knee amputation.
Amputation surgery & lower-limb prosthetic. Oxford: Blackwell Scientific Publications, 152-64.
150
REFERENCIAS
OSSUR (1991) RHEO Knee. Introduction.
http://www.ossur.com/bionictechnology.
Bionic.
Thecnology
by
Ossur.
PAHL, E. & SEDLMEIER, F. (2006) da VINCI AWARD NOMINATION. ottobook C-Leg. USA.
PATIL, K. & CHAKRABORTY, J. (1991) Analysis of a new polycentric above-knee prosthesis with a
pneumatic swing phase control. Biomech, 24(3,4):223-33.
PINZN, J. E. (1995) Construccin y pruebas del diseo de una prtesis de rodilla policntrica para
amputacin transfemoral. Tesis Universidad de los Andes.
PUCHETA, M. A. & CARDONA, A. (2003) Sntesis de tipo y dimensional de mecanismos utilizando
algoritmos genticos y ecuaciones algebricas exactas. Mecnica Computacional. , XXII.
QUINTERO-R, H., CALLE-TRUJILLO, G. & DZ-ARIAS, A. (2004) Sntesis de generacin de
trayectorias y de movimiento para mltiples posiciones en mecanismos, utilizando algoritmos
genticos. Scientia et Technica, 10 No. 25.
R.-BULATOVIC, R. & S. R. DJORDJEVIC (2004) Optimal Synthesis of a Four-Bar Linkage by
Method of Controlled Deviation. The first international conference on computational mechanics
(CM'04), 31,No.3-4, 265-280.
RADCLIFFE, C. (1977) The knud Jansen lecture:above-knee mechanisms: kinematics, alignment
and prescription criteria. IN ENGINEERING, D. O. M. (Ed.) University of California, Berkeley.
U.S.A., Prosthetic and orthetic practice.
RADCLIFFE, C. (1994) Four-bar linkage knee mechanism: kinematics, alignment and prescription
criteria. Prosthetic and Orthotics International, 18:159-113.
RADCLIFFE, C. W. (1970) Prosthetic-knee mechanism for above-knee amputees In: Murdoch G.
(ED), Prosthetic and orthotic practice, 225-49.
RASTEGAR, J. & TU, Q. (1992) Approximated Grashof-Type Movability Conditions for RSSR
Mechanisms With Force Transmission Limitatons. Journal of Mechanical Desing, 114, 74-81.
ROSTON, G. P. & STURGES, R. H. (1996) Genetic Algorithm Synthesis of Four-bar Mechanisms.
Artificial Intelligence for Engineering Design,Analysis and Manufacturing, 10, 371-390.
ROVETTA, A. & FROSI, G. (1984) On an artificial knee prosthesis. European Biomechanics
Conference. Davos.
ROVETTA, A., CANINA, M., ALLARA, P., CAMPA, G. & DELLA SANTINA, S. (2001) Biorobotic
design criteria for Innovative Limb Prosthesis 9th INTERNATIONAL SYMPOSIUM on Intelligent
Robotic Systems, SIRS'2001. Toulouse, France, 18-20.
RUSSELL, S. & NORVING, P. (1996) Inteligencia Artificial un Enfoque Moderno. Prentice Hall.
SAN JUAN-CERVER, R., JIMENZ-HONRADO, P. J., GIL-MONZ, E. R., SNCHEZRODRIGUEZ, R. J. & FENOLLOSA-GMEZ, J. (2005) Biomecnica de las prtesis de rodilla.
Patologa del aparato locomotor, 3, 242-259.
SANCHZ-MARN, F. T. (2000) Contribucin a la Sntesis Dimensional de Mecanismos Planos
para Generacin de Trayectorias. Departamento de Tecnologa. Espaa, Universitat Jaume-I.
SANCIBRIAN, R., VIADERO, F., GARCA, P. & FERNNDEZ, A. (2004) Gradient-based
optimization of path synthesis problems in planar mechanisms. Mechanism and machine theory, 39,
839-856.
SCHAFFER, J. D., CARUANA, R. A., ESHELMAN, L. J. & DAS, R. (1989) A study of control
parameters affecting online performance of genetic algorithms for function optimisation.
Proceedings of the Third International Conference on Genetic Algorithms, 51-60.
151
REFERENCIAS
SHIAKOLAS, P. S., KOLADIYA, D. & KEBRLE, J. (2005) On the optimum synthesis of six-bar
linkages using differential evolution and the geometric centroid of precision positions technique.
Mechanism and machine theory, 40, 319-335.
SHIGLEY, J. E. (1988) Teora de Mquinas y Mecanismos, Mxico, Mc. Graw Hill.
SMITH, R. (1993) Adaptively resizing populations: An algorithm and analysis. Proc. 5th Int. Conf.
Genetic Algorithms, S. Forrest Ed. San Mateo, CA: Morgan Kaufmann, 653.
SYLEMEZ, E. & FREUDENSTEIN, F. (1982) Transmission Optimization of Spatial 4-Link
Mechanisms. Mechanisms and Machine Theory, 17N. 4,, 263-283.
STAROSTA, R. (2006) On some application of genetic algorithm in mechanism synthesis. Annual
Meeting of GAMM, Book of Abstracts, 77.
STAROSTA, R. (2008) Application of genetic algorith and fourier coefficients (GA-FC) in
mechanisms synthesis. Journal of Theoretical and applied mechanics, 46, 395-411.
SUBBIAN, T. & FLUGRAD JR, D. R. (1993) Five position triad synthesis with applications to fourand six-bar mechanisms. Journal of Mechanical Design, Transactions Of the ASME 115 (2), 262
268.
SUH, C. H. & RADCLIFFE, C. W. (1967) Synthesis of plane linkages with use of displacement
matrix. Journal of Engineering for Industry, Transactions of ASME 89B, 206-214.
TINUBU, S. O. & GUPTA, K. C. (1984) Optimal Syntesis of Function Generators Without the Branch
Defect. Journal of Mechanisms, Transmissions, and Automation in Desing, 106, 348-354.
TREJO-AGUIRRE, J. E. (2008) Sintesis numrica de mecanismos de cuatro barras para
generacin de movimiento hasta para cinco puntos de presicin. Cientitech. Instituto Tecnologico
de Chihuahua, Secretaria de Educacin Pblica.
TZONG-MOU, W. & CHA'O-KUANG, C. (2005) Mathematical model and its simulation of exactly
mechanism synthesis with adjustable link. . Applied Mathematics and Computation, 160, 309-316.
VAN DE VEEN, P. (1994) Principles of multiple-bar linkage mechanism for prostethics knee joints.
Abstract of the 8th World Congress, ISPO. Melbourne, Australia. 55.
VASILIU, A. & YANNOU, B. (2001) Dimensional Synthesis of planar Mechanism Using Neural
Network: Application to path generator lnkages. Mechanism and machine theory (Mech. mach.
theory), 36 No. 2, 229-310.
VELZQUEZ, A. T. (2003) Implementacin del control PIDpara un grado de libertad de un
manipulador robtico. IPN Mxico, SEPI ESIME Mecnica.
VELZQUEZ-SNCHEZ, A. T. (2008) Caracterizacin Cinemtica e Implementacin de una Mano
Robtica Multiarticulada. Ingeniera Mecnica.Diseo Mecnico, Mxico D.F., Instituto Politcnico
Nacional.
WALCZAK, T. (2006) Mechanism synthesis with the use of neural network. Annual Meeting of
GAMM, Book of Abstracts. Berlin.
WHITE, C. (1999) Walk This Way. Ohio Willow Wood Company. Motion Technology for Life, 2.
WHITLEY, D. (1994) A Genetic Algorithm Tutorial. Statistics and Computing, 4, pp. 65-85.
WIEST, J. (2002) Que hay de nuevo en rodillas protsicas? Amputee coalition of America In
Motion, 12 No. 3.
WILKENFELD, J. A. (2000) Biologically Inspired Autoadaptive Control of a Knee Prosthesis.
Electrical Engineering and Computer Science. U.S.A., MASSACHUSETTS INSTITUTE OF
TECHNOLOGY.
152
REFERENCIAS
WILLIANS, R. L. & REINHOLTZ, C. F. (1987) Mechanism Link Rotatability and Limit Position
Analysis Using Polynomial Discriminants. Journal of Mechanisms, Transmissions, and Automation
in Desing., 109, 178-182.
ZABALZA-VILLAVA, I. (1999) Sintesis cinemtica y dinmica de mecanismos. Manipulador Paralelo
6-RKS. Departamento de Ingeniera Mecnia Energtica y de Materiales. Espaa, Universidad
Pblica de Navarra.
ZAHEDI, S. (1993) The results of the field trial of the Endolite Intelligent of the Prosthesis.
Proceedings of the XII International Congress of INTERBOR.
153
ANEXO
154
Anexo I
ANEXO I
PROGRAMA DE ALGORITMOS GENETICOS PARA CALCULAR UN MECANISMO
DE 4 BARRAS PARA UNA PROTESIS POLCENTRICA
% PROGRAMA PRINCIPAL
clear all;clc;format long g; close all; tic;
j=0;
global er gen
%% Trayectoria deseada
xd=[12.88 22.5 26.15 30 31.92 33.08 33.65 34.61 35.38 35.96 34.81
30 20];
yd=[53.57 55.68 58.18 63.17 67.40 70.66 74.89 80.46 89.30 98.33
112.35 125.41 133.09];
%% Restricciones y condiciones iniciales

rad=(0*(pi/180));
rad1=(98*(pi/180));
rad3=(30*(pi/180));
rad4=(56*(pi/180));
x0=0.1;
%[ y0
r1
r2
r3
r4 rcx
rcy
t1
t2
t21
t22
t23
t24
t25
t26
t27 ]
restriccion=[30 40; 5 40; 5 45; 0 22; 5 30; 5 20; 0 128; rad3 rad4; rad
rad1; rad rad1; rad rad1; rad rad1; rad rad1; rad rad1; rad rad1; rad
rad1];
ni=1400; % Numero de individuos
Prbc=0.85; %Probabilidad de cruce
Prbm=0.85; %Probabilidad de mutacin
p=5; %Presicin de numeros
maximogen=1000;% nmero mximo de generaciones
minimerror=5e-3; % "mnimo valor de error"
%paro3=0.0005; %condiciones de exactitud
gen=1; f_anter=0; rep=1; er=1;
%numero de generaciones, error
% [Po,nbits]=genepob(restriccion,p,ni); %Generacin de poblacin
seg=1;R=[];MB=[];
Ci=zeros(1,length(restriccion)); %configuracion inicial de
los eslabones)
reng;
POB=[MB;POB];
Po=POB;
%% Algoritmo genetico
while (ne(gen,maximogen) && (minimerror<er))% && ne(rep,paro3))
%Comparativo para cada uno de los paros
x=decodificacion(restriccion,Po,nbits); %decodificacion para
evaluacin
155
Anexo I
% evaluacin de la funcin
[evalfit,F]=funcionobjetivo(x,xd,yd); %Evaluacin de la
funcin
error=F; %Error
evalfunob=evalfit;
%Operadores geneticos
[f_actual,bestind,mm,fprom]=elitismo(evalfunob,ni,Po);
%mejor individuo para la reinsercin
[R,seg,f_actual,f_anter,er,MB,Ci]=resultados(f_actual,f_anter,bestind,mm,Ci
,seg,error,gen,R,x,er,MB);
Regeneracion;
Po=secruymu(nbits,Prbc,Prbm,Po,evalfunob); %Seleccin,
cruce y mutacin
Po(floor(1+(ni-1)*rand),:)=MB;
gen=gen+1;
fprintf('\t%5d\t',gen) % generacin
fprintf('Error:%8.13f\t',er) % error
fprintf('R:\t%.16f\t ',x(mm,:))% valor de las variables
fprintf('\t%4.6f\t\n',toc)% tiempo de paro
%% Grafico
y0=Ci(:,1); %eje y inicial
r1=Ci(:,2); % eslabon base
r2=Ci(:,3); %eslabon mas corto manivela
r3=Ci(:,4); %eslabon 3
r4=Ci(:,5); %eslabon 4
rcx=Ci(:,6);
rcy=Ci(:,7); % toca el punto deseado
t0=Ci(:,8); %ngulo de origen
t2=Ci(:,9); %ngulo de transmisin
t21=Ci(:,10);
t22=Ci(:,11);
t23=Ci(:,12);
t24=Ci(:,13);
t25=Ci(:,14);
t26=Ci(:,15);
t27=Ci(:,16);
%
j=j+1;
grafica(x0,y0,r1,r2,r3,r4,rcx,rcy,t0,t2,t21,t22,t23,t24,t25,t26,t27);
hold on;
pause(0.01)
end
function [evalfit,F]=funcionobjetivo(x,xd,yd)
xd=[12.88 22.5 26.15 30 31.92 33.08 33.65 34.61 35.38 35.96 34.81
30 20];
yd=[53.57 55.68 58.18 63.17 67.40 70.66 74.89 80.46 89.30 98.33
112.35 125.41 133.09];
%
y0=x(:,1); %eje y inicial
r1=x(:,2); % eslabon base
r2=x(:,3); %eslabon mas corto manivela
r3=x(:,4); %eslabon 3
156
Anexo I
r4=x(:,5); %eslabon 4
rcx=x(:,6);
rcy=x(:,7); % toca el punto deseado
t0=x(:,8); %ngulo de origen
t2=x(:,9); %ngulo de transmisin
t21=x(:,10);
t22=x(:,11);
t23=x(:,12);
t24=x(:,13);
t25=x(:,14);
t26=x(:,15);
t27=x(:,16);
%%
posicbarras;
%% Evaluacin de la funcin
F1=(((((xd(1)-real(Rcy)).^2+(yd(1)-imag(Rcy)).^2))));
F2=((((xd(2)-real(Rcy1)).^2+(yd(2)-imag(Rcy1)).^2)));
F=(1/6)*sqrt((F1+F2+F3+F4+F5+F6)/1400);%+F3+F4+F3+F4+F5
evalfit=1./F;
end
% Posicin de cada eslabn
%% Clculo de coseno de t2
x0=0.1;
Ct2=cos(t2);
Ct21=cos(t21);
Ct22=cos(t22);
Ct23=cos(t23);
Ct24=cos(t24);
Ct25=cos(t25);
Ct26=cos(t26);
Ct27=cos(t27);
%% Clculo de ngulo t4
K=[r1./r2, r1./r4, (r2.^2-r3.^2+r4.^2+r1.^2)./(2.*r2.*r4), r1./r3, (r4.^2r2.^2-r3.^2-r1.^2)./(2.*r2.*r3)];
a=[Ct2-K(:,1)-K(:,2).*Ct2+K(:,3), -2.*sin(t2), K(:,1)(K(:,2)+1).*Ct2+K(:,3)];
X4=[(-a(:,2)+sqrt(a(:,2).^2-(4.*a(:,1).*a(:,3))))./(2.*a(:,1)),(-a(:,2)sqrt(a(:,2).^2-(4.*a(:,1).*a(:,3))))./(2.*a(:,1))];
t4=2*atan(X4);
%
a1=[Ct21-K(:,1)-K(:,2).*Ct21+K(:,3), -2.*sin(t21), K(:,1)(K(:,2)+1).*Ct21+K(:,3)];
157
Anexo I
X41=[(-a1(:,2)+sqrt(a1(:,2).^2-(4.*a1(:,1).*a1(:,3))))./(2.*a1(:,1)),(a1(:,2)-sqrt(a1(:,2).^2-(4.*a1(:,1).*a1(:,3))))./(2.*a1(:,1))];
t41=2*atan(X41);
% % % %
t42=2*atan(X42);
% %
t43=2*atan(X43);
% %
t44=2*atan(X44);
%
t45=2*atan(X45);
% %
t46=2*atan(X46);
t47=2*atan(X47);
%%
b=[-K(:,1)+(1+K(:,4)).*Ct2+K(:,5),a(:,2),K(:,1)+(-1+K(:,4)).*Ct2+K(:,5)];
Y3=[(-b(:,2)+sqrt(b(:,2).^2-(4.*b(:,1).*b(:,3))))./(2.*b(:,1)),(-b(:,2)sqrt(b(:,2).^2-(4.*b(:,1).*b(:,3))))./(2.*b(:,1))];
t3=2*atan(Y3);
% %
b1=[-K(:,1)+(1+K(:,4)).*Ct21+K(:,5),a1(:,2),K(:,1)+(1+K(:,4)).*Ct21+K(:,5)];
Y31=[(-b1(:,2)+sqrt(b1(:,2).^2(4.*b1(:,1).*b1(:,3))))./(2.*b1(:,1)),(-b1(:,2)-sqrt(b1(:,2).^2(4.*b1(:,1).*b1(:,3))))./(2.*b1(:,1))];
t31=2*atan(Y31);
% % %
b2=[-K(:,1)+(1+K(:,4)).*Ct22+K(:,5),a2(:,2),K(:,1)+(1+K(:,4)).*Ct22+K(:,5)];
Y32=[(-b2(:,2)+sqrt(b2(:,2).^2(4.*b2(:,1).*b2(:,3))))./(2.*b2(:,1)),(-b2(:,2)-sqrt(b2(:,2).^2(4.*b2(:,1).*b2(:,3))))./(2.*b2(:,1))];
t32=2*atan(Y32);
158
Anexo I
% % % % %
b3=[-K(:,1)+(1+K(:,4)).*Ct23+K(:,5),a3(:,2),K(:,1)+(1+K(:,4)).*Ct23+K(:,5)];
Y33=[(-b3(:,2)+sqrt(b3(:,2).^2-(4.*b3(:,1).*b3(:,3))))./(2.*b3(:,1)),(b3(:,2)-sqrt(b3(:,2).^2-(4.*b3(:,1).*b3(:,3))))./(2.*b3(:,1))];
t33=2*atan(Y33);
% %
b4=[-K(:,1)+(1+K(:,4)).*Ct24+K(:,5),a4(:,2),K(:,1)+(1+K(:,4)).*Ct24+K(:,5)];
t34=2*atan(Y34);
% % % %
b5=[-K(:,1)+(1+K(:,4)).*Ct25+K(:,5),a5(:,2),K(:,1)+(1+K(:,4)).*Ct25+K(:,5)];
t35=2*atan(Y35);
b6=[-K(:,1)+(1+K(:,4)).*Ct26+K(:,5),a6(:,2),K(:,1)+(1+K(:,4)).*Ct26+K(:,5)];
t36=2*atan(Y36);
b7=[-K(:,1)+(1+K(:,4)).*Ct27+K(:,5),a7(:,2),K(:,1)+(1+K(:,4)).*Ct27+K(:,5)];
t37=2*atan(Y37);
%% Posicin de barra 1
r0=sqrt((x0).^2+(y0).^2); t=atan(y0./x0);
R0=r0.*exp(i*t);
R1=R0+r1.*exp(i*t0);
R2=R0+r2.*exp(i*(t2+t0));
R21=R0+r2.*exp(i*(t21+t0));
R22=R0+r2.*exp(i*(t22+t0));
R23=R0+r2.*exp(i*(t23+t0));
R24=R0+r2.*exp(i*(t24+t0));
R25=R0+r2.*exp(i*(t25+t0));
R26=R0+r2.*exp(i*(t26+t0));
R27=R0+r2.*exp(i*(t27+t0));
R3=R2+r3.*exp(i*(t3(:,2)+t0));
R31=R21+r3.*exp(i*(t31(:,2)+t0));
R32=R22+r3.*exp(i*(t32(:,2)+t0));
R33=R23+r3.*exp(i*(t33(:,2)+t0));
R34=R24+r3.*exp(i*(t34(:,2)+t0));
R35=R25+r3.*exp(i*(t35(:,2)+t0));
R36=R26+r3.*exp(i*(t36(:,2)+t0));
R37=R27+r3.*exp(i*(t37(:,2)+t0));
R4=R1+r4.*exp(i*(t4(:,2)+t0));
159
Anexo I
R41=R1+r4.*exp(i*(t41(:,2)+t0));
R42=R1+r4.*exp(i*(t42(:,2)+t0));
R43=R1+r4.*exp(i*(t43(:,2)+t0));
R44=R1+r4.*exp(i*(t44(:,2)+t0));
R45=R1+r4.*exp(i*(t45(:,2)+t0));
R46=R1+r4.*exp(i*(t46(:,2)+t0));
R47=R1+r4.*exp(i*(t47(:,2)+t0));
%% Posicin de barra rcx
Rcx=R2+rcx.*exp(i*(t3(:,2)+t0));
Rcx1=R21+rcx.*exp(i*(t31(:,2)+t0));
Rcx2=R22+rcx.*exp(i*(t32(:,2)+t0));
Rcx3=R23+rcx.*exp(i*(t33(:,2)+t0));
Rcx4=R24+rcx.*exp(i*(t34(:,2)+t0));
Rcx5=R25+rcx.*exp(i*(t35(:,2)+t0));
Rcx6=R26+rcx.*exp(i*(t36(:,2)+t0));
Rcx7=R27+rcx.*exp(i*(t37(:,2)+t0));
%
%% Posicin de barra rcy
Rcy=Rcx+rcy.*exp(i*(t0+t3(:,2)+(pi/2)));
Rcy1=Rcx1+rcy.*exp(i*(t0+t31(:,2)+(pi/2)));
function
grafica(x0,y0,r1,r2,r3,r4,rcx,rcy,t0,t2,t21,t22,t23,t24,t25,t26,t27)%
clf;
axis([-10 150 -10 150]);
global er gen
% xd=[0
20
40];
% yd=[128 133.09
128];
xd=[12.88 22.5 26.15 30 31.92 33.08 33.65 34.61 35.38 35.96 34.81
30 20];
yd=[53.57 55.68 58.18 63.17 67.40 70.66 74.89 80.46 89.30 98.33
112.35 125.41 133.09];
%
%%
posicbarras;
%%
line(real([0 R0]),imag([0 R0]),'Color',[.08 .08 .08],'LineStyle','-','LineWidth',.3);%ok
line(real([R0 R1]),imag([R0 R1]),'Color',[.7 .7 .7],'LineWidth',2);%ok
line(real([Rcy Rcy]),imag([Rcy
Rcy]),'Color','b','Marker','h','LineWidth',2);
line(real([Rcy Rcy1]),imag([Rcy
Rcy1]),'Color','b','Marker','h','LineWidth',2);
line(real([Rcy1 Rcy2]),imag([Rcy1
160
Anexo I
hold on;
plot(xd,yd,'*');
line(xd,yd,'Color','r','Marker','o','LineWidth',1)
ylabel('Valores de Y deseada')
xlabel(' Cuatro Eslabones
Valores de x deseada ')
title(['Error:',num2str(min(er)),' generacin:',num2str(gen),'
tiempo:',num2str(toc),'seg' ]);
drawnow
%seleccion,cruce y mutacin
function Po=secruymu(nbits,Prbc,Prbm,Po,evalfunob,rege,MB)
%% Seleccin por ruleta
fsum=(sum(evalfunob));
%suma total de la funcin
peso=evalfunob/fsum;
%rango de peso para cada individuo
normalizado
sumacu=cumsum(peso); %suma acumulada de los pesos
[ni,lgcr]=size(Po); % tamao de la suma acumulada
k=fix(ni/2);
ma=ones(ni,1); % arreglo de uno del tamao del numero de
individuos
%%
for i = 1:k
b=ni-i+1;
ma(i,1)=find(sumacu>rand,1);
ma(b,1)=find(sumacu>rand,1);
end
Padres(:,:)=Po(ma,:); %poblacin seleccionada para cruce simple
%% Reproduccin
%Cruce simple en un punto
Hijos=Padres; %lgcr=sum(nbits); %
d=floor(1+(ni-1)*Prbc);
%cantidad de individuos a ser cruzados
c=(floor(1+(ni-1)*rand(d,2))); %parejas seleccionadas
m=length(c);
pc=floor(1+(lgcr-1)*rand(m,1)); %punto de cruce de las parejas
seleccionadas
Hijos(c(:,1),:)=[Padres(c(:,1),1:pc),
Padres(c(:,2),pc+1:lgcr)];%posicion de la poblacion a reinsercion de hijos
%% Mutacin
hijosmutados=Hijos;mlmt=1;
sm=length(c(:,1));
a=rand(sm,1);
m=find(a<Prbm);
b=floor(1+(lgcr-1)*rand(length(m),mlmt));
%
hijosmutados(c(m,1),b)=char(abs(double(hijosmutados(c(m,1),b)'0')-eye(length(m)))+'0');%opcion original
161
Anexo I
hijosmutados(c(m,1),b)=char(abs(double(hijosmutados(c(m,1),b)'0')-repmat(eye(length(m)),1,mlmt))+'0');%opcion modificada
Po=hijosmutados;
function
[R,seg,f_actual,f_anter,er,MB,Ci]=resultados(f_actual,f_anter,bestind,mm,Ci
,seg,error,gen,R,x,er,MB)
if f_actual>=f_anter
f_anter=f_actual; %funcion anterior toma el valor
defuncion actual
MB=bestind; %MB toma el valor del mejor individuo
Ci=x(mm,:);% Las condiciones iniciales toman la
posicin mm en cualquier columna
R=[R;[gen seg error(mm) Ci] toc f_anter];
er=min(error(mm)); %vale el minimo del error
seg=seg+1;
end
%Condiciones de grashof
M=[];
si=0;
ii=0;
while ii < ni
[Po,nbits]=genepob(restriccion,p,ni);
x=decodificacion(restriccion,Po,nbits);
r1=x(:,3);
r2=x(:,4);
r3=x(:,5);
r4=x(:,6);
%decodificacion
G1=r1+r4;
G2=r3+r2;
G3=(r4<r3 & r3<r2 & r2<r1);
GR1=(G1<G2);
GR2=and(GR1,G3);
GR3=and(GR1,GR2);
[M,N]=find(GR3==1);
POB(ii+1:ii+length(M),:)=Po(M,:);
ii=ii+length(M);
end
M;
%% Regeneracion
rege=0.55;
[ni,lgcr]=size(Po);
regen=fix(ni*rege);
Pora=char(fix(rand(regen,lgcr)*2)+'0');
c=(2:rege-1)';
Po(c,:)=Pora(c,:);
Po(ni,:)=MB;
Po(1,:)=MB;
%end
function [Po,nbits]=genepob(restriccion,p,ni)
nbits=(ceil(log((restriccion(:,2)-restriccion(:,1)).*10.^p)/log(2)));
%clculo del #bits Michalewicz pg. 19
if (times((restriccion(:,2)-restriccion(:,1)),10.^p))>(power(2,nbits));
162
Anexo I
nbits=(nbits-1);end
nbits=nbits';%numero de bits para cada variable
lgcr=sum(nbits); %longitud del cromosoma
Po=char(fix(rand(ni,lgcr)*2)+'0'); %generacin aleatoria de la poblacin
end
function [f_actual,bestind,mm,fprom]=elitismo(evalfunob,ni,Po)
fsum=(sum(evalfunob));
%suma total de la funcin
fprom=(fsum/ni);
%promedio total de la funcin
f_actual=(max(evalfunob));%funcion actual toma el valor maximo de la
evaluacion de la funcin
mm=find(f_actual==evalfunob,1); %mm busca el valor de la posicin del
mejor valor
bestind=Po(mm,:); %bestind toma el valor de la posicion del mejor
valor en la fila mm cualquier columna
end
function x=decodificacion(restriccion,Po,nbits)
Pob=Po-'0'; %Poblacion decodificada, '0' para indicar que es un caracter
nbits0=0;
for i=1:length(nbits)
x(:,i)=restriccion(i,1)+(Pob(:,nbits0+1:nbits0+nbits(1,i))*pow2(nbits(1,i)1:-1:0)')*((restriccion(i,2)-restriccion(i,1))/(2^(nbits(1,i))-1));
nbits0=nbits0+nbits(1,i);
end
163
Anexo I
ANEXO II
EVOLUCION DEL MECANISMO DE 4 BARRAS PROTESIS
ANEXO III
EVLUCION DE LA TRAYECTORIA MECANISMO DE 4 BARRAS PROTESIS
ANEXO IV
EVOLUCION MECANISMO DE 6 BARRAS TIPO WATTP ROTESIS
ANEXO VI
EVOLUCION TRAYECTORIA MECANISMO 6 BARRAS TIPO WATT PROTESIS
ANEXO VII
PROGRAMA DINAMICO PARA ANALISIS DE MECANISMOS (ADAMS)
ANEXO VIII
SIMULACIONES DE LA PROTESIS, MATLAB, NASTRAN , FOTOS MECANISMO
164
Anexo I
ANEXO IX
PUBLICACIONES DERIVADAS DE ESTE

TRABAJO
165
PUBLICACIONES
Autor. Solucin a funciones especficas aplicando algoritmos genticos como mtodo de
optimizacin. VII encuentro participacin de la mujer en la ciencia. Del 26 al 28 de Mayo
2010. Len Guanajuato, Mxico.
Autor. Sntesis de un mecanismos de 6 barras para varios puntos de precisin. XI Congreso
Nacional de Ingeniera Electromecnica y de Sistemas. Del 9 al 13 de Noviembre 2009.
Distrito Federal, Mxico.
Autor.Aplicacin de los algoritmos genticos para el seguimiento y generacin de
trayectorias en mecanismos articulados. VII Congreso Internacional en Innovacin y
Desarrollo Tecnolgico. Del 7 al 9 de octubre de 2009. Cuernavaca, Morelos, Mxico.
Autor. Mecanismos articulados analizados con algoritmos genticos. XV Congreso
internacional anual de la SOMIM. Del 23 al 25 de septiembre 2009. Cd. Obregn, Sonora,
Mxico.
Autor. Aplicacin de los algoritmos genticos para el seguimiento y generacin de
trayectorias en mecanismos articulados. VI encuentro participacin de la mujer en la
ciencia. Del 13 al 15 de Mayo 2009. Len Guanajuato, Mxico.
Autor. Algoritmos genticos aplicados a sntesis de mecanismos .V Congreso Cubano de
Ingeniera Mecnica (V CCIM), 14 Convencin Cientfica de Ingeniera y Arquitectura,
(CCIA 2008) del Instituto Superior Politcnico Jos Antonio Echeverra (ISPJAE). Del 1 al 5
de Diciembre del 2008. La Habana, Cuba.
Autor. Optimizacin para la sntesis de mecanismos. 5 Congreso Internacional de
Ingeniera Electromecnica y de Sistemas. Del 10 al 15 de Noviembre del 2008. Mxico D.F.
Autor. Mecanismos analizados con algoritmos genticos y mtodos analticos. XIV
Congreso Internacional Anual de la SOMIM y Congreso Internacional de Metal Mecnica,
ISBN: 978-968-9773-03-8. Del 17 al 19 de Septiembre de 2008, Cholula, Puebla, Mxico.
Autor. Sntesis de mecanismos de 4 barras con mtodos tradicionales y algoritmos
genticos. Tercer Congreso Cientfico Tecnolgico de la Carrera de IME de la UNAM-FES
Cuautitln. Del 1 al 5 de Septiembre de 2008. Estado de Mxico.
Autor. Mecanismos con aplicacin en prtesis de miembro inferior. 1er. Congreso de
Investigacin: la Nueva Era del Conocimiento. Universidad de Cuautitln Izcalli. Del 28 al 30
de Mayo del 2008. Estado de Mxico.
164
PUBLICACIONES
Autor. Anlisis y Sntesis de Mecanismos de 6 barras para una prtesis de miembro
inferior. En el 10 Congreso Nacional de Ingeniera Electromecnica y de Sistemas. Del 19 al
23 de Noviembre 2007. Mxico, D.F
Autor. Sntesis de mecanismos para prtesis de mimbro inferior mediante algoritmos
genticos. En el XIII Congreso Internacional de la SOMIM y Congreso Internacional de
Metal Mecnica 2007. Sede SOMIM e Instituto Tecnolgico de Durango. Del 19 al 21 de
Septiembre del 2007. Durango, Dgo. Mxico.
Autor. Algoritmos genticos aplicados a la sntesis de mecanismos. 2 Congreso Cientfico
Tecnolgico IME. Sede Universidad Nacional Autnoma de Mxico Facultad de Estudios
Superiores Cuautitln. Septiembre del 2007. Estado de Mxico.
Autor. Diseo de un sistema de control para la fase de fermentacin del mezcal. 1er
Encuentro de investigadores y alumnos PIFI, participantes en proyectos de investigacin.
Del 23 al 27 de mayo 2005. Mxico D.F.
Publicaciones en revista.
Autor. Syntesys optimization of planar mechanism. Applied Mechanical and Materials.

Reino Unido. 2009. ISSN: 1660-9336. Vol. 15, No. 1, PP: 55-60.
165

35 L

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

35 L

Încărcat de

Drepturi de autor:

Formate disponibile

INSTITUTO POLITCNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERA MECNICA Y ELCTRICA

DISEO DE MECANISMOS UTILIZANDO ALGORITMOS

DIRECTOR: DR. EMMANUEL ALEJANDRO MERCHN CRUZ

Mxico D.F. Junio 2010

Instituto Politcnico Nacional

Consejo Nacional de Ciencia y Tecnologa

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

I. Estado del arte.

II. Fundamentos tericos.

III. Simulacin y sntesis de mecanismos.

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

IV. Optimizacin de mecanismos.

5.3.1 Centro Instantneo de Rotacin (CIR) en una prtesis policntrica

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

Figura 2.1. Partes de un mecanismo de 4 eslabones.

Figura 3.1. Diagrama de flujo para la sntesis de mecanismos con algoritmos

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

Figura 4.1. Modificacin de parmetros en una trayectoria lineal

Figura 5.1. Movimientos de la rodilla, traslacin y rotacin

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

Figura 5.13. Configuraciones de mecanismos de 6 barras tipo Watt para prtesis

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

Tabla 2.1. Clasificacin de Grashof para mecanismos de 4 barras

Tabla 3.1. Variables para mecanismo de 4 eslabones una posicin

Tabla 4.1. Parmetros bsicos para desarrollar el algoritmo gentico para un

Tabla 5.1. Parmetros para la construccin de una rodilla policntrica

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

Nmero de pares de un solo grado de libertad

Nmero de pares con dos grados de libertad

longitud del eslabn ms corto

longitud del eslabn ms corto

longitud del eslabn restante

longitud del eslabn restante

Cualquier relacin funcional deseada

longcr Longitud del cromosoma

Grado de adaptacin para la probabilidad de cruce

Conjunto de puntos especficos indicados por el diseador

Es una serie de posiciones de los acoplamientos

Puntos de origen en el eje x

Puntos de origen en el eje y

Puntos deseados en el eje x

Puntos deseados en el eje y

Cada uno de los ngulos utilizados en la programacin del AG

Centro instantneo de rotacin

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

Derivados del objetivo general se plantean los siguientes objeticos especficos:

Plantear una funcin objetivo que resuelva un problema de sntesis de optimizacin de

Probar la viabilidad prctica de la estrategia planteada mediante la implementacin de los

Disear un mecanismo que cubra las especificaciones impuestas para generar el

La etapa de sntesis dimensional es la ms estudiada y existen numerosos mtodos de

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

Por dicha problemtica, se plantea el desarrollo de una herramienta de optimizacin basados

Sintetizando un mecanismo, el objetivo es controlar el movimiento realizado durante el

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

Se presenta el diseo de un mecanismo policntrico especfico para cubrir la trayectoria

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

I.P.N SEPI E.S.I.M.E UNIDAD ZACATENCO

computacionalmente costosas de aplicar, pero pese a esta problemtica, se ha demostrado con

Este trabajo se enfoca al diseo de algoritmos computacionales, empleando herramientas

Se presenta la metodologa empleada para la obtencin de mecanismos generadores de

La necesidad de utilizar tcnicas computacionales surge por la complejidad que se crea en la