Sunteți pe pagina 1din 107

INSTITUTO POLITÉCNICO NACIONAL

CENTRO DE INNOVACIÓN Y DESARROLLO


TECNOLÓGICO EN CÓMPUTO

Diseño óptimo de un manipulador móvil

Tesis
que para obtener el grado de
Maestría en Tecnología de Cómputo

Presenta:
Daniel De La Cruz Muciño.

Directores de tesis:
Dr. Miguel Gabriel Villarreal Cervantes.
Dr. Edgar Alfredo Portilla Flores.

México, D.F., Diciembre 2013.


i

Dedicatoria

En primer lugar dedico este logro a Dios porque en su voluntad


me ha permitido alcanzar todas mis metas. Brindándome
salud y llenando mi vida del amor de una buena familia.

A mi padre Félix Nabor De La Cruz Antonia, por que con su ejemplo de valor
y perseverancia me enseño a mí y a todos en su camino, lo que es el compromiso,
la honradez, el respeto, la bondad y la justicia. Porque gracias a su
ejemplo, he aprendido que no existe ningún obstáculo que me
pueda separar de mis metas.

A mi madre Aurora O. Muciño Mares, porque siempre me ha brindado


su apoyo y amor, porque me dio la con…anza en mí mismo, así como la
fortaleza de seguir siempre adelante y nunca a quedarme en el
piso derrotado.

A mi hermana Rosa Karina González Muciño, que siempre ha sido mi


con…dente y mi mejor amiga tanto en buenos como malos tiempos y,
a mis sobrinas Emma y Daniela, que con su cariño alejaron mis
penas y tristezas cuando existieron tiempos difíciles.

Por último pero no menos importante.


A mi novia Aurea Ramírez Sánchez que con su compañía
y ayuda he alcanzado mis más grandes metas, porque me
inspira a dar lo mejor de mí y a su lado soy el hombre
más feliz. Y porque mis sueños e ilusiones residen en ella.
iii

Agradecimientos

Agradezco al Dr. Miguel Gabriel Villarreal Cervantes, por la oportunidad de trabajo que me dio,
por su apoyo y paciencia brindada desde el inicio, por guiarme y aconsejarme durante mi estancia en la
maestría. Y por siempre exigir dar lo mejor de uno, que gracias a eso se ha logrado esta meta.

Al Dr. Edgar Alfredo Portilla Flores, por compartir sus conocimientos y apoyarme, que gracias a sus
consejos y recomendaciones me es posible …nalizar exitosamente este trabajo.

A mis revisores de tesis Dr. Gabriel Sepúlveda Cervantes, Dra. Paola Andrea Niño Suárez, M. en
C. Juan Carlos González Robles, M. en C. Eduardo Vega Alvarado, por las críticas constructivas y
acertadas que me han ayudado a mejorar la calidad de este trabajo.

A mis amigos y compañeros Ana, Donna, Jenny, Bárbara, Noemi, Pato, Mario, Gaby, Marcel, Tachi,
Moya, Butrón, Robot, Said y Jesús Said, George, Naim, Charly, Diego y. . . todos con los que he convivido
en este centro porque junto a ellos mi paso por la maestría ha sido muy grato.

Al personal administrativo del CIDETEC-IPN, por su apoyo y paciencia en todos los trámites reali-
zados a lo largo de la maestría.

A CONACYT y a la SIP-IPN, por las becas otorgadas y brindarme la facilidad para realizar mis
estudios.

Al proyecto CONACYT 182298 y al proyecto SIP 20131053 por el …nanciamiento de este trabajo.
v

Resumen

En este trabajo, se establece el problema del diseño mecánico de un manipulador móvil como un
problema de optimización numérica con el objetivo de minimizar la energía mecánica del sistema y
consecuentemente disminuir el consumo de energía eléctrica que necesita el sistema durante su operación.
Para el desarrollo del problema se detallan los modelos dinámico y cinemático del manipulador móvil,
necesarios para la formulación matemática del problema de optimización.

Por otra parte, la técnica de optimización que se implementa para dar solución al problema de
optimización, incorpora un mecanismo de explotación exhaustiva en el algoritmo tradicional de evolución
diferencial. Esta propuesta, permite al algoritmo una mejor exploración sobre una vecindad en busca de
la mejor solución dentro de la vecindad.

Se realiza la comparación en simulación entre los resultados adquiridos a través del algoritmo de
evolución diferencial con mecanismo de explotación exhaustiva y los resultados obtenidos del algoritmo
tradicional de evolución diferencial, …nalmente el diseño del manipulador móvil, se realiza a partir de la
mejor solución encontrada.
vii

Abstract

In this research work, the problem of the mechanical design of a mobile manipulator is addressed
as a numerical optimization problem. The objective of this optimization problem is minimizing the
mechanical energy of the system and consequently decreases the consumption of electrical energy needed
by the system during operation. Dynamic and kinematic models of mobile manipulator are necessary
for the mathematical formulation of the optimization problem.

Moreover, the di¤erential evolution algorithm implemented to solve the above problem, incorporates
the use of metaheuristic mechanism This mechanism incorporates information of the base and the
di¤erence vectors of good trial vector, in an attempt to generate better individuals in the same direction.
This mechanism guides the evolution of the population toward a better zone without sacri…cing the
search capabilities of the DE algorithm.

The comparison between the simulation results obtained through metaheuristic algorithm with ex-
haustive exploitation mechanism and the results of the traditional di¤erential evolution algorithm are
shown. Finally the design of mobile manipulator, is performed considering the best found solution.
Índice general

Resumen V

Abstract VII

1. Introducción 1
1.1. Planteamiento del problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2. Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3. Contribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4. Organización del Documento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2. Análisis Cinemático y Dinámico del manipulador móvil 9


2.1. Arquitectura del Manipulador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1.1. Grados de Libertad del Mecanismo (G.D.L.) . . . . . . . . . . . . . . . . . . . . . 10
2.2. Cinemática del manipulador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.1. Cinemática Directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.2. Cinemática Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3. Modelo Dinámico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.1. Modelo Dinámico del manipulador móvil . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.2. Dinámica del robot móvil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.4. Acoplamiento Dinámico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.5. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

3. Formulación del Problema de Diseño Óptimo 25


3.1. Variables de Diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2. Función Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3. Restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4. Problema de Optimización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

4. Técnica de Optimización 33
4.1. Evolución Diferencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.1.1. Algoritmo de Evolución Diferencial con Mecanismo de Explotación Exhaustiva . . 35

5. Resultados 39
5.1. Análisis de Resultados del Algoritmo de Optimización EDMEE . . . . . . . . . . . . . . 39
5.2. Validación del diseño . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2.1. Simulación numérica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

6. Conclusiones 55
6.1. Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
6.2. Trabajos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

ix
x ÍNDICE GENERAL

A. Matrices M, C y G 61

B. Planos de los componentes del sistema 67

C. Diseño del eslabón 81

D. Publicaciones 87
Índice de …guras

1.1. Integración de la mecatrónica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1


1.2. Clasi…cación de los Robots . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Vista en isométrico del brazo robótico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4. Prototipo del robot móvil, vista isométrica . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5. Robot móvil de ruedas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.6. Representación esquemática del manipulador móvil de ruedas. . . . . . . . . . . . . . . . 5
1.7. Modelo Tridimencional del robot de soldado de RRP(Kaita) . . . . . . . . . . . . . . . . 6
1.8. Montaje experimental del prototipo del manipulador planar. . . . . . . . . . . . . . . . . 7
1.9. Representación esquemática de los eslabones del robor paralelo del 5 barras . . . . . . . . 7

2.1. Modelo del mecanismo de 5 barras con efector …nal . . . . . . . . . . . . . . . . . . . . . 10


2.2. Modelo esquemático de la asociación de ejes a los eslabones . . . . . . . . . . . . . . . . . 13
2.3. Vista lateral del manipulador con acotaciones auxiliares para el cálculo de la cinemática
inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4. Modelo esquemático del manipulador móvil propuesto . . . . . . . . . . . . . . . . . . . . 18
2.5. Diagrama esquemático de la dinámica de las ruedas . . . . . . . . . . . . . . . . . . . . . 20
2.6. Modelo dinámico del móvil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3.1. Espacio de trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26


3.2. Representación esquemática del manipulador móvil . . . . . . . . . . . . . . . . . . . . . 27
3.3. Esquema del i-ésimo eslabón . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

4.1. Espacio de diseño en dos dimensiones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34


4.2. Arreglo tridimencional de la población en ED . . . . . . . . . . . . . . . . . . . . . . . . 36
4.3. Pseudocódigo del algoritmo EDMEE, donde J es la función objetivo y g la suma de
restricciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.4. Pseudocódigo del Mecanismo de Explotación Exhaustiva . . . . . . . . . . . . . . . . . . 38

5.1. Esquema del eslabón 1 y 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40


5.2. Esquema del eslabón 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3. Esquema del eslabón 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.4. Esquema del eslabón 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.5. Espacio de Trabajo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.6. Desempeño en simulación del manipulador móvil de los diseños EDMEE y NOED, sin
carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
5.7. Señales de control en simulación de los diseños EDMEE y NOED, sin carga . . . . . . . . 47
5.8. Desempeño en simulación del manipulador móvil de los diseños EDMEE y NOED, con
carga . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.9. Señales de control en simulación de los diseños EDMEE y NOED, con carga . . . . . . . 49
5.10. Error en Simulación del manipulador móvil de los diseños EDMEE y NOED, sin carga . . 50

xi
xii ÍNDICE DE FIGURAS

5.11. Error en Simulación del manipulador móvil de los diseños EDMEE y NOED, con carga . 51
5.12. Resultados en simuación del Par uT acumulado total de los actuadores . . . . . . . . . . 52
5.13. Resultados en simuación de la Energia total ET de los actuadores . . . . . . . . . . . . . 53
5.14. Diferencia de la Energía total del manipulador móvil obtenida en simulación, entre el
diseño óptimo EDMEE y el diseño NOED . . . . . . . . . . . . . . . . . . . . . . . . . . 53

C.1. Con…guración del eslabón . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82


C.2. Pasos 1,2 y 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
C.3. Pasos 4 y 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
C.4. Paso 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
C.5. Paso 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
C.6. Pasos 8 y 9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
C.7. Paso 10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
C.8. Geometria …nal del eslabón . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Índice de Tablas

1.1. Características de los arreglos topológicos de los robots móviles de llantas . . . . . . . . . 4

2.1. Parámetros de Denavit-Hartenberg del robot con mecanismo de 5 barras . . . . . . . . . 12

3.1. Velocidades relativas del robot móvil y de los eslabones del manipulador . . . . . . . . . 29
3.2. Cotas mínimas y máximas de las variables de diseño . . . . . . . . . . . . . . . . . . . . . 31

4.1. Métodos de Busqueda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

5.1. Resultados del algoritmo EDMME y del algoritmo ED . . . . . . . . . . . . . . . . . . . 39


5.2. Parámetros pa del J individuo para los algoritmos EDMEE y ED . . . . . . . . . . . . . 40
5.3. Parámetros pb del J individuo para los algoritmos EDMEE y ED . . . . . . . . . . . . . 42
5.4. Energía Cinética K y Potencial V . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.5. Comprobación del Espacio de Trabajo Diestro del manipulador . . . . . . . . . . . . . . . 44
5.6. Parámetros del controlador PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
5.7. Consumo de Energía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52

xiii
xiv ÍNDICE DE TABLAS
Capítulo 1

Introducción

Durante los años recientes, el desarrollo de sistemas electromecánicos más completos y de mejor
calidad ha generado la necesidad de integrar conceptos de diferentes áreas de la ingeniería, como ingeniría
mecánica, electrónica, computación y control, como se muestra en la …gura 1.1, que tienen como objetivo
crear sistemas o productos más completos y automatizados, que como resultado facilitan las tareas del
ser humano, mediante procesos electrónicos principalmente en el campo de la mecánica. Debido a la
combinación de distintas áreas, su característica principal es la versatilidad.

Figura 1.1: Integración de la mecatrónica

En el diseño de sistemas mecatrónicos existen diferentes metodologías para su realización. La metodolo-


gía más comúnmente usada es conocida como secuencial o tradicional que consiste en que cada parte de
un sistema se realiza por separado en distintas etapas, es decir, primero se realiza el diseño del sistema
mecánico y después se desarrolla el diseño del sistema electrónico y de control como se hace en [1] y [2],
esto conlleva de varias sub-etapas de rediseño para alcanzar el objetivo.

Otra metodología es el diseño concurrente o simultáneo que analiza la interacción del sistema mecáni-
co con el sistema electrónico y de control desde el inicio del diseño y lleva el desarrollo de los dos al
mismo tiempo, evitando así pasar por sub-etapas de rediseño, alcanzando directamente el objetivo como
en [3] y [4].

Por otro lado, el hombre siempre se ha sentido interesado por máquinas o dispositivos capaces de
imitar a seres vivos y que sean autónomas (sin intervención del hombre en la realización de tareas), es

1
2 CAPÍTULO 1. INTRODUCCIÓN

así que con el …n de satisfacer este interés, varios investigadores han llevado a cabo diversos estudios
y trabajos para realizar máquinas que puedan efectuar tareas que faciliten las labores del ser humano,
dando paso a la robótica.

La construcción de los robots modernos tuvo lugar gracias al desarrollo de la ingeniería. Sin embargo,
la investigación no se limita a la ingeniería sino que involucra a las matemáticas y la física teórica, incluso,
formulaciones de Lagrange, Newton y Euler, que son fundamentales para desarrollar las ecuaciones que
explican la dinámica de los robots. Por último, los avances en la computación de las última décadas
son el impulso de…nitivo que permite desarrollar máquinas muy cercanas al ideal de automatismo y
autonomía que se persigue por los diseñadores de robots [5].

Según la Robotic Industries Association (RIA), un robot se de…ne como un manipulador diseñado
para mover materiales, piezas, herramientas o dispositivos especializados, a través de movimientos varia-
bles, programados para la realización de una serie de tareas. En general, existen diversos tipos de robots
que son clasi…cados de acuerdo a su movilidad, destreza y autonomía. En la …gura 1.2, se presenta la
clasi…cación de la robótica.

Figura 1.2: Clasi…cación de los Robots

En el contexto actual la noción de robótica implica una idea preconcebida de una estructura mecánica
universal, capaz de adaptarse como el hombre a muy diversos tipos de acciones y en las que concurren
en mayor o menor grado, según los casos de aplicación, las características de movilidad, programación,
autonomía y multifuncionalidad. Los robots abarcan una amplia gama de sistemas con muy diversas
características físicas y funcionales, asociados a la estructura mecánica diseñada, a sus características
operativas y al campo de aplicación para el que se han desarrollado [6].

La primer aplicación registrada de un robot industrial, fue usada en la General Motor Company en
1961, usado para cargar una máquina de fundición. En la actualidad, la demanda de un sistema que
pueda trabajar de una manera e…ciente en áreas peligrosas para el humano ha crecido considerablemente
gracias a la versatilidad de éstas máquinas. Un caso en particular de sistemas electromecánicos es el
robot manipulador, cuya demanda para una o un par de tareas especí…cas se ha incrementado. Una
característica principal de los robots manipuladores, es el poder desarrollar diferentes tareas con tan
3

solo cambiar su programación, sin embargo, los manipuladores en la actualidad son destinados a realizar
algunas cuantas tareas, desperdiciando así la capacidad para la cual fueron diseñados [7].

Una etapa importante que permite explotar las capacidades del robot de una manera más e…ciente
es la etapa de control, que regula el movimiento y la fuerza del robot manipulador, así de esta manera
se modi…ca el comportamiento del sistema. En [6] se presenta el control de un robot de dos grados de
libertad mostrado en la …gura 1.3 para realizar las tareas de regulación y seguimiento de trayectorias,
donde la posición del extremo del robot se controla indirectamente a través del control de la posición de
las articulaciones.

Figura 1.3: Vista en isométrico del brazo robótico

Por otro lado, el objetivo de un robot móvil es que pueda moverse y desarrollar tareas en forma
autónoma con un propósito determinado, realizando una tarea especí…ca y en bene…cio del usuario
[8]. Para lograr el ideal de autonomía de los robots la programación e instrumentación de estos es
fundamental, es así que son dotados de sensores y de un centro de procesamiento encargado de analizar
y enviar al orden con las acciones necesarias que deben de ser ejecutadas por los actuadores para realizar
la tarea encomendada, otro factor importante que repercute en la autonomía de un robot móvil es el
origen de la fuente de energía que lo abastece.

En [8] se presenta el trabajo de un control punto a punto para el seguimiento de trayectorias de


un robot móvil de ruedas tipo diferencial mostrado en la …gura 1.4, en donde se aplica un algoritmo
generador de trayectorias a un prototipo de robot móvil de ruedas y toma el modelo dinámico para el
desarrollo de la ley de control y para realizar las simulaciones de desempeño.

Por otra parte, el control de un robot móvil de ruedas mediante campos potenciales arti…ciales y
procesamiento digital de imágenes en la evasión de obstáculos se presenta en [9], como una solución
al problema de evasión de obstáculos empleando un control automático en un robot móvil de ruedas
tipo diferencial de la …gura 1.5 , considerando el modelo cinemático en un controlador por linealización
entrada-salida que hace, junto con el método de campos arti…ciales, seguir una trayectoria para evadir
obstáculos estáticos en el mismo espacio de trabajo .

Una forma de clasi…car a los robots móviles terrestres es según su forma de locomoción, esta puede
ser: locomoción por patas, llantas u orugas. En particular los diferentes arreglos topológicos de los
4 CAPÍTULO 1. INTRODUCCIÓN

Figura 1.4: Prototipo del robot móvil, vista isométrica

robots móviles de llantas, presentan características y ventajas particulares en cada caso, en la Tabla 1.1
se muestran las características mas sobresalientes de las topologías más usadas.

Es así que la unión de los dos sistemas mecatrónicos, un brazo robótico y un robot móvil dan lugar
a los manipuladores móviles, que juntos adquieren las características de poder manipular su entorno, así
como desplazarse sobre un espacio limitado únicamente por la arquitectura propia del robot u obstáculos
imposibles de esquivar. Gracias a esto, un robot manipulador móvil es un sistema mecatrónico de alta
e…ciencia y de gran versatilidad, que puede realizar diversas tareas como trasladar, soldar, ensamblar,
etc. Con esto mismo existen manipuladores móviles para diferentes entornos como son: submarinos,
terrestres o aéreos. Debido a que la solución más simple para conseguir una buena movilidad en terrenos
su…cientemente duros y libres de obstáculos(permitiendo conseguir velocidades relativamente altas [10]),
en el presente trabajo se propone como sistema mecatrónico a diseñar un manipulador móvil terrestre
omnidireccional de locomoción por llantas, que pueda desplazarse sobre una super…cie plana y manipular
objetos en su entorno.

En [11], se propone una técnica computacional para determinar el máximo peso permitido en el mani-
pulador móvil de llantas mostrado en la …gura 1.6 dada una trayectoria deseada, , donde la redundancia
de GDL (Grados De Libertad) de la dinámica de este sistema fue resuelta imponiendo restricciones

Con…guración Características
2 ruedas de tracción trasera y 2 ruedas delanteras de direccionamiento
Ackerman
Maniobrabilidad Limitada
Rueda delantera de tracción y direccionamiento
Triciclo clásico Ruedas traseras pasivas
Tracción de…ciente
Dos ruedas para tracción y direccionamiento individuales
Diferencial Cambiar orientación sin desplazamiento
Restricción no holonómica
3 ruedas directrices y motrices
Omnidireccional Posicionamiento en cualquier orientación
Amplio rango de movimiento

Tabla 1.1: Características de los arreglos topológicos de los robots móviles de llantas
5

Figura 1.5: Robot móvil de ruedas

adicionales al sistema, además expone que el peso puede maximizar la productividad y la economía de
los manipuladores.

Figura 1.6: Representación esquemática del manipulador móvil de ruedas.

Por otro lado, la competencia mundial, ha incrementado la necesidad de disminuir los gastos de
producción en los diseños de ingeniería, lo que ha llevado a los ingenieros a buscar métodos rigurosos
de toma de decisiones, tal es el caso de la optimización que busca el mejor compromiso de los recursos
que necesita un sistema para cumplir con un funcionamiento deseado. Logrando de esta manera un
incremento de la productividad y la e…ciencia de un producto o sistema, disminuyendo la inversión [12],
ejemplo de algunos recursos pueden ser: consumo eléctrico, material requerido, tiempo de proceso, costo
de producción, etc.

Es por esta razón que en años recientes diversos problemas de diseño en ingeniería, se han formulado
como problemas de optimización numérica debido a que este tipo de técnicas ofrecen al diseñador un
conjunto de herramientas que le permite alcanzar un diseño con mejores características que se ven
6 CAPÍTULO 1. INTRODUCCIÓN

Figura 1.7: Modelo Tridimencional del robot de soldado de RRP(Kaita)

re‡ejadas en la calidad y versatilidad de los productos y servicios. En [13] se muestra un algoritmo


genético que fue utilizado en la optimización de los parámetros de diseño de un proceso altamente no
lineal de producción de objetos metálicos a través del prensado de polvo (metalico), logrando así un mejor
control de calidad, ahorro de material y reducción de los costos de materiales. En [14], se implementa
un método de programación cuadrática secuencial (SQP) para realizar el diseño óptimo de un scanner
XY de alta precisión, sin afectar drásticamente la respuesta en velocidad. Dentro del mismo campo en
[15] se desarrolla el diseño óptimo de un robot de soldado con seis grados de libertad mostrado en la
…gura 1.7, basado en el análisis de su espacio de trabajo, donde el objetivo a optimizar son las variables
cinemáticas del robot considerando una reducción de la masa, y la relación entre los parámetros de
diseño y el espacio de trabajo, con restricciones de márgenes del espacio de trabajo.

En [16], se presenta el diseño de un manipulador planar paralelo de la …gura 1.8, para un sistema
de empaquetado de dispositivos semiconductores, la propuesta mejora un sistema tradicional XY con
respecto a la velocidad y precisión, además para este trabajo es esencial la repetitividad. Con técnicas
de modelado matemático de Newton Euler, además de la implementación de un control PID computa-
cional se modula el torque de los actuadores. Como logros generales se obtuvieron un movimiento de
posicionamiento más preciso, un menor tiempo de posicionamiento y una mayor estabilidad, además el
control de torque proporciona un movimiento efectivo y con esto un menor consumo de energía que el
sistema tradicional XY .

La implementación de un algoritmo evolutivo se desarrolla en [17], para realizar el diseño concurrente


de un robot paralelo de 5 barras, con la …nalidad de encontrar un compromiso entre el sistema de control
y el sistema mecánico. Donde las variables de diseño son de…nidas por los parámetros que de…nen la
geometría de cada eslabón como se muestra en la …gura 1.9 y las ganancias de los controladores PID.
En la misma área en [18] se propone integrar el modelo dinámico y cinemático, así como el modelo
del controlador y el criterio de desempeño, bajo el mismo problema de optimización, para obtener los
parámetros mecánicos y del controlador óptimos al mismo tiempo.
1.1. PLANTEAMIENTO DEL PROBLEMA 7

Figura 1.8: Montaje experimental del prototipo del manipulador planar.

Figura 1.9: Representación esquemática de los eslabones del robor paralelo del 5 barras

El objetivo que se busca durante el diseño de los manipuladores móvil es la total autonomía de estos,
donde un aspecto importante, consiste en la energía eléctrica que proveerá al sistema, por lo que un factor
importante a considerar es la corriente total consumida. Por lo tanto en este trabajo de investigación se
propone diseñar la estructura mecánica de un manipulador móvil como un problema de optimización de
tal manera que la energía mecánica del sistema al realizar tareas sea la menor, por lo que la duración
de la fuente de energía eléctrica sera mayor.

1.1. Planteamiento del problema


Si bien en la actualidad existen diversos desarrollos de robots móviles terrestres, estos se enfocan
principalmente a dar solución a problemas de seguimiento de trayectorias y evasión de obstáculos. Por
otro lado, existen pocos trabajos de manipuladores móviles que consideren un modelo acoplado entre
sus dos sistemas y su interacción, con el objetivo de disminuir el consumo de energía como un factor
que puede dotar de una mayor autonomía al robot.
De lo anterior se observa la carencia de la autonomía de un robot móvil con respecto al suministro
de corriente que puede proporcionar una batería.
8 CAPÍTULO 1. INTRODUCCIÓN

1.2. Objetivo
Establecer el problema de diseño del manipulador móvil como un problema de optimización numérica
en donde se considere minimizar el uso de energía.

1.3. Contribuciones
Propuesta y desarrollo de un problema de optimización donde se diseña un manipulador móvil
considerando minimizar su consumo de energía.

Desarrollo y comprobación de un algoritmo de optimización que resuelve el problema de opti-


mización antes mencionado.

1.4. Organización del Documento


En el Capítulo 2 se detalla la arquitectura del sistema mecatrónico propuesto donde se desarrollan
sus modelos cinemático y dinámico. El problema de diseño mecánico y la formulación del problema
de optimización numérica se desarrolla en el Capítulo3. En el Capítulo 4 se describe el algoritmo de
Evolución Diferencial y el Mecanismo de Explotación Exhaustiva. En el Capítulo 5 se realiza el análisis
de los resultados del desempeño del algoritmo de optimización, la simulación y validación el modelo
con los parámetros óptimos, …nalmente en el Capítulo 6 se dan las conclusiones …nales del trabajo y
perspectivas a futuro.
Capítulo 2

Análisis Cinemático y Dinámico del


manipulador móvil

Un robot móvil es un dispositivo versátil que tiene la capacidad de manipular objetos y desplazarse
sobre un espacio de trabajo, teniendo por límites únicamente las restricciones derivadas de la arquitectura
propia del robot. El robot ideal, es aquel sistema que pueda realizar distintas tareas de manera autónoma
con el único objetivo de obedecer las órdenes humanas, en la actualidad las actividades o tareas que
realizan los robots están limitadas por la capacidad de la unidad de control que de…ne cada acción o
movimiento a realizar. La unidad de control de todo sistema robótico es una computadora, a través de
la cual se de…nen todas aquellas características necesarias para lograr un desempeño correcto del robot.
Muchas de las tareas realizadas por los robots corresponden a labores repetitivas, tediosas, peligrosas o
de gran precisión donde la e…ciencia del humano pudiera ser pobre, como: el traslado y desactivación de
una bomba, soldado de dispositivos electrónicos de pequeñas dimensiones, exploración de otros planetas
o exploración submarina de grandes profundidades. Es importante destacar que para realizar todas estas
tareas se necesita de un conocimiento concreto de la arquitectura y características del robot con el que
se trabaja, para esto el estudio de la cinemática y la dinámica brindan las herramientas necesarias para
entender el funcionamiento, capacidades, cualidades y limitantes del robot, que permitirá obtener un
buen desempeño durante la realización de las tareas.

2.1. Arquitectura del Manipulador


Un brazo manipulador está constituido por una cadena de eslabones rígidos (cadena cinemática),
unidos por articulaciones que generan movimiento de traslación (articulaciones P), de rotación (articula-
ciones R) o esférico, siendo este último una combinación de dos rotacionales. Así mediante estas uniones
se conforma la arquitectura que rige el movimiento del robot y es el objeto de estudio durante el proceso
de diseño, simulación, implementación y control del robot.
Se considera el robot manipulador mostrado en la …gura 2.1, conocido como mecanismo de 5 barras al
cual se le ha incluido un efector …nal, dicho mecanismo tiene por espacio de trabajo el plano comprendido
por los ejes XZ con origen en el punto Oo . La arquitectura mostrada es un robot de cadena cinemática
cerrada descrita por el arreglo generado por los eslabones E1 , E2 , E3 y E4 con base en el eslabón E0
que generan un paralelogramo en su interior siendo paralelos los eslabones E1 con E3 y E2 con E4 .
Esta arquitectura ofrece una mayor rigidez y precisión en movimiento pero al mismo tiempo sufre una
reducción en el rango del espacio de trabajo, en comparación con una arquitectura de cadena cinemática
abierta. Al mismo tiempo el estudio de la cinemática y dinámica de estas dos arquitecturas debe tratarse
diferente.

9
10 CAPÍTULO 2. ANÁLISIS CINEMÁTICO Y DINÁMICO DEL MANIPULADOR MÓVIL

Figura 2.1: Modelo del mecanismo de 5 barras con efector …nal

2.1.1. Grados de Libertad del Mecanismo (G.D.L.)


El criterio de Glüber-Kutzbach es la herramienta que permite identi…car de forma general los grados
de libertad para mecanismos espaciales, con base en su movimiento relativo y restricciones que involucra
cada eslabón [19]. El grado de libertad son todas aquellas formas libres de movimiento y orientación que
tiene un robot. Y se puede calcular de acuerdo a la ecuación (2.1)
j
X
F = (n 1) Ci (2.1)
i=1

Donde:
F , es la movilidad total del mecanismo.
, es el grado de libertad en el cual trabaja el mecanismo, = 3 para mecanismos planares y =6
para mecanismos espaciales
n, número de elementos (eslabones, barras, piezas, etc.) que conforman el mecanismo.
Ci , número de restricciones impuestas por la unión.
j, es el número de uniones o articulaciones del mecanismo.
Si = Ci + fi entonces:

j
X
F = (n 1) ( fi ) (2.2)
i=1

j
X
F = (n j 1) + fi (2.3)
i=1
2.2. CINEMÁTICA DEL MANIPULADOR 11

Donde fi , es el grado de movimiento relativo permitido en el i esimo.eslabón.

Para este caso en particular se presenta el mecanismo mostrado en la …gura 2.1, al cual se desea
calcular el grado de libertad.

Entonces aplicando la fórmula anteriormente descrita y si se considera que el mecanismo trabaja en


un espacio planar es decir de 3 grados de libertad, entonces = 3, además se observa que el mecanismo
se encuentra formado por 6 eslabones, debido a que la base se considera como un eslabón más.

Entonces desarrollando la ecuación (2.1) con = 3, n = 6, j = 6, resulta

j
X
F = (n j 1) + fi (2.4)
i=1

X
6
F = 3(6 6 1) + fi (2.5)
i=1

F = 3( 1) + f1 + f2 + f3 + f4 + f5 + f6 (2.6)
Donde cada unos de los eslabones, tiene un solo grado de movimiento relativo permitido esto es
f1 = f2 = f3 = f4 = f5 = f6 = 1 De esta manera se obtiene el grado de libertad del sistema mecánico
como:

F = 3+6=3 (2.7)

Así de acuerdo al criterio de Glüber-Kutzbach el sistema antes propuesto tiene 3 grados de libertad.

2.2. Cinemática del manipulador


2.2.1. Cinemática Directa
La cinemática directa de un robot describe mediante una matriz A 2 R4 4 la posición y orientación
del efector …nal en el espacio cartesiano, a partir de un conjunto de variables independientes entre sí
conocidas como coordenadas generalizadas. El modelo cinemático de un sistema mecatrónico no involucra
las fuerzas que generan el movimiento, únicamente toma en cuenta la posición de cada articulación. El
número de eslabones, forma de los eslabones y tipo de articulaciones de…nen el modelo cinemático de
cualquier sistema, por lo tanto es importante identi…car cada uno de estos parámetros.

Para el desarrollo del modelo cinemático se usará la convención descrita por Denavit-Hartemberg,
que describe la relación que existe entre dos sistemas coordenados asociados a eslabones, y enuncia que
cualquier robot puede ser modelado cinemáticamente proporcionando cuatro parámetros identi…cados
de cada eslabón( i , ai 1 , di , i 1 ). Dos describen el eslabón en sí y los otros dos describen la conexión
de un eslabón con otro eslabón adyacente, En el caso de una articulación angular, i se llamada variable
de articulación y los otros tres parámetros, tienen valores …jos. Para articulaciones prismáticas, di es la
variable de articulación y los otros tres parámetros tienen valores …jos del eslabón [20]. Esta convección
12 CAPÍTULO 2. ANÁLISIS CINEMÁTICO Y DINÁMICO DEL MANIPULADOR MÓVIL

representa una transformación homogénea Ai como el producto de cuatro transformaciones básicas,


traslación y rotación sobre el eje X, y rotación y traslación sobre el eje Z; descritas en la ec(2.8).

i 1
i A = T rasx;ai 1 Rotx; i 1 Rotz ; i T rasz;di
2 32 3 2 32 3
1 0 0 ai 1 1 0 0 0 cos i sin i 0 0 1 0 0 0
6 0 1 0 0 7 6 0 cos sin 07 6 sin cos i 0 07 6 07
i 1
A = 6 76 i 1 i 1 7 6 i 7 60 1 0 7
i 40 0 1 0 5 40 sin i 1 cos i 1 05 4 0 0 1 0 40
5 0 1 di 5
0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1
2 3
cos i sin i 0 ai 1
6 cos i 1 sin i cos i cos i 1 sin i 1 di sin i 1 7
i 1
A = 6
4 sin i sin i 1 cos i sin i 1 cos i 1
7 (2.8)
i
di cos i 1 5
0 0 0 1

La forma de identi…cación de estos cuatro parámetros para el eslabón i con respecto al eslabón i 1
se obtiene de la siguiente forma:

ai 1 corresponde a la distancia desde Zi 1 hacia Zi sobre el eje Xi 1 , que es la longitud del eslabón
i 1.

i 1 es el ángulo medido de Zi 1 hacia Zi a través de Xi 1 , que se puede describir como el ángulo


de torsión del eslabón.

di es la distancia medida entre Xi 1 hacia Xi a través de Zi , es la desviación de o¤set del eslabón.

i es el ángulo medido de Xi 1 hacia Xi a través de Zi , es el ángulo de rotación del eslabón i.

Considerando que el eslabón 3 se mueve paralelo al eslabón 1 y de igual manera el eslabón 2 y 4,


únicamente serán objetos de estudio los eslabones 1, 4 y 5 del modelo mostrado en la …gura 2.2 donde se
asocia un sistema coordenado a cada eslabón con origen en Oi 8 i = 1; 2; 3, adicionalmente un sistema
O4 para el efector …nal y dos sistemas adicionales O0 ; Om asociados a la base del manipulador y al
centro del robot movil respectivamente, así obtenemos 6 sistema coordenados asociados.

Retomando la convención antes mencionada se obtienen los cuatro parámetros para cada eslabón
mostrados en la Tabla 2.1 y sustituyendo estos parámetros de cada eslabón en la ecuación (2.8), se
obtienen las transformaciones homogéneas que relacionan los sistemas asociados al mecanismo como se
describe en las ecuaciones (2.10)-(2.13)

eslabón i 1 ai 1 di i
0 2
lmx 0 2
1 0 lmz 0 q1 2
2 0 L1 0 q2 q1
3 0 L4 0 q3
4 0 L5 0 0

Tabla 2.1: Parámetros de Denavit-Hartenberg del robot con mecanismo de 5 barras


2.2. CINEMÁTICA DEL MANIPULADOR 13

Figura 2.2: Modelo esquemático de la asociación de ejes a los eslabones

2 3
0 1 0 lmx
60 0 1 0 7
m 6
0 A = 4
7 (2.9)
1 0 0 0 5
0 0 0 1

2 3
cos q1 12 sin q1 1
2
0 lmz
6 sin q1 1 cos q1 1
0 0 7
0
1A = 6
4
2 2 7 (2.10)
0 0 1 0 5
0 0 0 1
2 3
cos (q2 q1 ) sin (q2 q1 ) 0 L1
6 sin (q2 q1 ) cos (q2 q1 ) 0 0 7
1
2A = 6
4
7 (2.11)
0 0 1 05
0 0 0 1
2 3
cos q3 sin q3 0 L4
6 sin q3 cos q3 0 07
2
3A = 6
4 0
7 (2.12)
0 1 05
0 0 0 1
2 3
1 0 0 L5
60 1 0 0 7
3
4A = 6
40 0 1 0 5
7 (2.13)
0 0 0 1

La obtención del modelo cinemático resulta de la pos multiplicación de las matrices de transformación
descritas en las ecuaciones (2.9) - (2.13), entonces la ecuación (2.14) describe el modelo cinemático del
mecanismo propuesto.
14 CAPÍTULO 2. ANÁLISIS CINEMÁTICO Y DINÁMICO DEL MANIPULADOR MÓVIL

A^ = m
4 A = m 0 1 2 3
0 A 1A 2A 3A 4A
2 3
cos (q2 + q3 ) sin (q2 + q3 ) 0 lmx L5 cos (q2 + q3 ) + L1 cos q1 L4 cos q2
6 0 0 1 0 7
A^ = 6
4
7 (2.14)
sin (q2 + q3 ) cos (q2 + q3 ) 0 lmz L5 sin (q2 + q3 ) + L1 sin q1 L4 sin q2 5
0 0 0 1

El análisis de la ecuación (2.14) muestra que el espacio de trabajo del manipulador sobre el espacio
cartesiano se encuentra limitado por el plano comprendido por los ejes XZ, mientras que la orientación
del efector …nal está dada por una rotación sobre el eje Y dependiendo únicamente de los valores
articulares de q2 y q3 , así quedan de…nidos los tres grados de libertad del robot manipulador.

2.2.2. Cinemática Inversa


La cinemática inversa es el modelo matemático que determina la con…guración necesaria en cada
variable articular qn , correspondiente con una posición y orientación especí…ca deseada del efector …nal
con respecto a la estación de trabajo.

La principal problemática en el cálculo de la cinemática inversa es que en la mayoría de las ocasiones


no existe solución única para lograr una posición deseada, mientras que en otras ocasiones se producen
singularidades que indeterminan el resultado, incluso algunos resultados violan restricciones físicas de
las articulaciones, aunque matemáticamente estos resultados sean correctos.

Para el desarrollo de la cinemática inversa, existen diferentes enfoques que proporcionan soluciones
explicitas mediante el uso de álgebra o geometría, también existen soluciones numéricas por aproxi-
maciones sucesivas, pero estas son poco e…cientes durante el control de un robot en tiempo real. A
continuación se desarrolla la cinemática inversa cerrada del manipulador propuesto mediante un en-
foque algebráico y geométrico.

Se considera la matriz H 2 R4 4 como una matriz de transformación homogénea descrita en la


ecuación(2.15), que está compuesta por la orientación deseada d 2 R3 3 y posición deseada Pd 2 R3
del efector …nal, retomando la ecuación (2.14), se obtiene un sistema de seis ecuaciones no lineales
simultaneas con 3 incógnitas.

d Pd
H= (2.15)
0 1
donde:
d11 = cos (q2 + q3 )
d12 = sin (q2 + q3 )
d31 = sin (q2 + q3 )
d32 = cos (q2 + q3 )
Pdx = lmx L5 cos (q2 + q3 ) + L1 cos q1 L4 cos q2
Pdz = lmz L5 sin (q2 + q3 ) + L1 sin q1 L4 sin q2

Para hallar la solución de la cinemática inversa, se propone realizar el desacoplamiento mecánico


entre el efector …nal y el cuarto eslabón, así mismo el análisis se realiza a partir del sistema Om . De
esta forma el problema para encontrar la con…guración necesaria en las articulaciones q1 , q2 y q3 que
satisfacen la posición y orientación es descrito en las ecuaciones (2.16) y ( 2.17), donde se considera que:
2.2. CINEMÁTICA DEL MANIPULADOR 15

Figura 2.3: Vista lateral del manipulador con acotaciones auxiliares para el cálculo de la cinemática
inversa
16 CAPÍTULO 2. ANÁLISIS CINEMÁTICO Y DINÁMICO DEL MANIPULADOR MÓVIL

Pd0 x = Pd00x + L5 cos( d ) (2.16)

Pd0 z = Pd00z + L5 sin( d ) (2.17)


y de acuerdo a la …gura 2.3:

Pd0 x = Pdx lmx es la distancia entre la base del manipulador al punto deseado Pdx
Pd0 z = Pdz lmz es la distancia entre la base del manipulador al punto deseado Pdz
Pd00x = L1 cos q1 L4 cos q2 es la distancia sobre ele eje X, entre la base del manipulador al inicio del
eslabón 5
Pd00z = L1 sin q1 L4 sin q2 es la distancia sobre ele eje Z, entre la base del manipulador al inicio del
eslabón 5
= q1 (q2 ) es el ángulo formado por la separación de los eslabones 1 y 4
k1 = L4 cos( ) es la proyección del eslabón 4 sobre la prolongación del eslabón 1
k2 = L4 sin( ) es la proyección del eslabón 4 sobre la línea perpendicular al eslabón 1
d = q2 + q3 es la orientación deseada del eslabón …nal, y
r es la hipotenusa del triángulo rectángulo formada por los catetos Pd00x y Pd00z , equivalentemente r
tambien puede ser de…nida por las longitudes y con…guración de los eslabones 1 y 4. entonces:

r2 = (Pd00x )2 + (Pd00z )2 (2.18)

r2 = L21 2 (cos (q1 q2 )) L1 L4 + L24 (2.19)

Aplicando propiedades trigonométricas de la función coseno se comprueba que:

cos(a )= cos(a) (2.20)

Entonces:

cos (q1 q2 ) = cos(q1 q2 + ) (2.21)

Realizando un cambio de variable = q1 (q2 ), igualando términos y despejando las variables


de estudio, obtenemos:

(Pd00x )2 + (Pd00z )2 L21 L24


cos( ) = (2.22)
2L1 L4
p
Aplicando la identidad trigonomética sin( ) = 1 cos2 ( ) sustituimos en la función A tan 2 obte-
nemos el ángulo formado por los eslabones 1 y 4.
p !
1 cos2 ( )
= A tan 2 (2.23)
cos( )

Para hallar el valor de la articulación q1 , se observa la relación entre y con con los dos triángulos
Pd00x
rectángulos formados por (Pd00x ; Pd00z ; r) y (L1 + k1 ; k2 ; r) donde = A tan 2( L1k+k
2
1
), = A tan 2( Pd00z
);
q1 = + :
2.3. MODELO DINÁMICO 17

Finalmente q1 = + : Retomando = q1 (q2 ), entonces q2 = q1 + : De las misma forma


d = q2 + q3 , se obtiene q3 = d q2 + :

Resumiendo:
La con…guración que satisface la cinemática inversa del manipulador queda descrita como en la
ecuaciones (2.24), (2.25) y (2.26).

k2 Pd00x
q1 = A tan 2 + A tan 2 (2.24)
L1 + k 1 Pd00z

q2 = q 1 + (2.25)

q3 = d q2 + (2.26)
Donde:
Pd00x = Pdx lmx L5 cos( d )
Pd00z = Pdz lmz L5 sin( d )
k1 = L4 cos( )
k2 = L4 sin( )
p
1 cos2 ( )
= A tan 2 cos( )
(Pd00x )2 +(Pd00z )2 L21 L24
cos( ) = 2L1 L4

2.3. Modelo Dinámico


El modelo dinámico de cualquier sistema, es la representación matemática que expresa la relación
entre el movimiento y las fuerzas que lo generan. Esta representación se conoce como ecuación de
movimiento y es parte fundamental durante el diseño, simulación, animación e incluso en el desarrollo
de estrategias de control de cualquier robot. Para el desarrollo propuesto, se utlizará el modelado de
Euler-Lagrange, que involucra la energia potencial y cinética de todos los componentes del sistema.

2.3.1. Modelo Dinámico del manipulador móvil


Para desarrollar el modelo dinámico del robot mostrado en la …gura 2.4, correspondiente con un robot
manipulador de cadena cinemática cerrada, que está montado sobre una plataforma móvil se considera
que Oi 8i = 0; : : : ; 5 es el origen del sistema de coordenadas del sistema inercial del i esimo eslabón
y del efector …nal, respectivamente. La longitud, la masa, longitud del centro de masa y el tensor de
inercia expresada en el centro de masa del i esimo eslabón se expresan como Li 2 R; mi 2 R; lci 2
R;ci Ii 2 R3 3 , respectivamente, i 2 R es el ángulo de desfasamiento entre el centro de masa y el origen
del sistema coordenado del i esimo eslabón y lmz 2 R es la distancia de la base al primer eslabón.

Es importante de…nir al manipulador como un robot paralelo de 5 barras, donde los eslabones 1 y 3
son paralelos y de la misma longitud, por lo tanto L1 = L3 y las uniones del eslabón 4 con los eslabones
1 y 3 están a la misma distancia que las uniones del eslabón 2 con los eslabones 1 y 3.

La formulación para la obtención del modelo dinámico a partir del método desarrollado por Euler-
Lagrange, involucra el conocimiento de la energía cinética K y potencial V de cada parte que conforma
al manipulador móvil, es así que se considera la masa del i esimo eslabón como una masa puntual
18 CAPÍTULO 2. ANÁLISIS CINEMÁTICO Y DINÁMICO DEL MANIPULADOR MÓVIL

Figura 2.4: Modelo esquemático del manipulador móvil propuesto


2.3. MODELO DINÁMICO 19

T
mi , cuya posición es descrita como Oi Pci = Pcix Pciy Pciz . Entonces las velocidades de los centros
de masa de cada eslabón estan dadas por las ecuaciones (2.27) - (2.32):

m m
vc0 = vOm + w0 Pm0 (2.27)

m
vc1 =m vc0 + w0 Om
PO0 +O T
Om R w1
w Om
1 R O1 Pc 1 (2.28)

m
vc2 =m vc0 + w0 Om
PO0 +O T
Om R w2
w Om
2 R O2 Pc 2 (2.29)

m
vc3 =m vc0 + w0 Om
PO0 +O T
Om R w2
w Om
2 RO2 PO3 +O T
Om R w3
w Om
3 R O 3 Pc3 (2.30)

m
vc4 =m vc0 + w0 Om
PO0 +O T
Om R w1
w Om
1 RO1 PO4 +O T
Om R w4
w Om
4 R O 4 Pc4 (2.31)

m
vc5 =m vc0 + w0 Om
PO0 +O T
Om R w1
w Om
1 RO1 PO4 +O T
Om R w4
w Om
4 RO4 PO5 +O w T
Om R w5
Om
5 RO5 Pc5 (2.32)
T T T
donde,vOm = x_ m y_ m _ m , w0 = 0 0 _ m , Om PO0 = lmx lmy lmz , O2 PO3 = L2 0 0 ,
T T T O m O0
O1
PO4 = L1 0 0 , O4 PO5 = L4 0 0 , Oi Pci = Pcix Pciy Pciz 8i = 1; : : : ; 5, O i R = O0 Ri R,
m

T
w1 = w3 = w0 + O ^ Ow ^ Ow ^ Ow ^ ^
1 Rq_1 Z, w2 = w0 + 2 Rq_2 Z, w4 = w0 + 4 Rq_2 Z, w5 = w4 + 5 Rq_3 Z, Z = 0 0 1 ,
w

Om Ow 0 0 0 0 0
O0 R = Rx ( 2 ), Om R = Rz (;m ), 1 R = 3 R = Rz (q1 ), 2 R = Rz (q2 ), 4 R = Rz (q2 + ), 5 R = Rz (q2 + q3 + ),
Rx=y=z ( ) 2 R3 3 es la matriz de rotación en el eje x o y o z, de radianes.

Entonces, la energía cinética K y potencial V estan dadas por las ecuaciones (2.33) y (2.34), Donde
i
wi 8i = 0; : : : ; 5 es la velocidad angular del centro de masa escrita en su mismo sistema de coordenadas.
J = diag(J; J; J) 2 R3 3 , es la matriz diagonal con los momentos de inercia de las ruedas del móvil,
_ = q_4 q_5 q_6 T es el vector de velocidades de las ruedas del móvil y hi 8i = 0; : : : ; 5 la altura en Zom
del centro de masa del i esimo eslabón.

X
5
1 X
5
1 1 _T _
K= mi vcTi vci + i
wiT i Ii i wi + J (2.33)
i=0
2 i=0
2 2

X
5
V = mi ghi (2.34)
i=0

donde:
h0 = 0
^ Om PO0 + Om ROi Pc )8i = 1; 2
hi = Z( i i
^ Om PO0 + O
h3 = Z( 2
m
R O2
P Om O3
O 3 + 3 R P c3 )
^ O m P O 0 + 1 m R O 1 P O 4 + 4 m R O 4 P c4 )
h4 = Z( O O

^ Om PO0 + O
h5 = Z( O1 Om O4
1 R PO 4 + 4 R P O5 +
m Om O 5
5 R Pc5 )

De las ecuaciones (2.33) y (2.34), se obtiene el Lagrangeano L que está dado por la ecuación
(2.35) y la ecuación de movimiento de Lagrange es expresada en la ecuación (2.36). Donde F =
T T
1 2 3 4 5 6 es el vector de pares y fuerzas de entrada y = xm ym m q1 q2 q3 es
el vector de coordenadas generalizadas del manipulador móvil. El modelo dinámico del robot se expresa
como (2.37).
20 CAPÍTULO 2. ANÁLISIS CINEMÁTICO Y DINÁMICO DEL MANIPULADOR MÓVIL

L=K V (2.35)

d dL dL
F = ( ) (2.36)
dt d _ d

F = M ( )• + C( ; _ ) _ + G (2.37)

De…niendo M 2 R3 3 es la matriz de inercia, C _ 2 R3 es el vector de fuerzas centrífugas y de Coriolis,


T T
G 2 R3 es el vector de gravedad, _ = x_ m y_ m _ m q_1 q_2 q_3 y • = x•m y•m • m q•1 q•2 q•3 son
los vectores de velocidad y aceleración.

2.3.2. Dinámica del robot móvil


2.3.2.1. Dinámica de la llanta
En la …gura. 2.5 se muestra el esquema que relaciona el conjunto de fuerzas que interactúan en la
dinámica de cada rueda. Donde _ i , ri , Fi , Fri y mi , son la velocidad, el radio, la fuerza externa aplicada en
la periferia, la fuerza de fricción resultante y la masa de la i esima rueda 8i = 1; 2; 3 respectivamente.
Entonces la energía cinética queda descrita por la ecuación (2.38) donde J^i es el momento i esima
rueda y la ecuación de Lagrange se puede expresar únicamente en términos de su energía cinética como
se muestra en (2.39) considerando que las ruedas tienen contacto en todo momento con el suelo y se
desplazan sobre una super…cie plana y horizontal, es decir la energía potencial es cero. Así la ecuación
de movimiento de Lagrange es descrita en la ecuación (2.40)

Figura 2.5: Diagrama esquemático de la dinámica de las ruedas

^ i = 1 _ 2 J^i
K (2.38)
2 i

L^i = K
^i (2.39)
2.3. MODELO DINÁMICO 21

d dL^i
( ) = J^i •i (2.40)
dt d _ i

Por otra parte, la sumatoria de momentos en el origen de la rueda se describe en la ecuación (2.41)

J^i •i = Fi ri Fri ri (2.41)


Si el par i esta descrito por la fuerza externa aplicada Fi con un radio ri , entonces la ecuación (2.42)
se sustituye en (2.41), como se muestra en (2.43)

Fi ri = i (2.42)

J^i •i = i Fri ri (2.43)

Generalizando el modelo dinámico de las ruedas queda descrito en la ecuación (2.44)

J^• = RFr (2.44)


donde R = diag(r1 ; r2 ; r3 ) y J^ = diag(J^1 ; J^2 ; J^3 ) son la matriz diagonal con los radios y momentos de
T
las ruedas, mientras que = 1 2 3 es el vector de momentos de las ruedas.

2.3.2.2. Análisis de fuerzas, momentos y velocidad del robot móvil


Para realizar el análisis de las fuerzas y momentos, así como la velocidad resultante en el centro
del robot móvil omnidireccional, se considera el esquema mostrado en la …gura 2.6, donde el centro del
robot móvil tiene origen en Om y Ow es el marco inercial, siendo Li y i 8i = 1; 2; 3, la distancia y el
ángulo entre el origen Om y la i esima rueda. Además se supone una fuerza Fri aplicada sobre cada
origen Oi0 debido al giro de la i esima rueda, asá la ecuación (2.45) describe el análisis de fuerzas y
pares resultantes sobre el punto Om producido por la fuerza Fri y arreglo topológico de cada rueda.

2 3 2 3 2 32 3
Fmx Fr1 cos 1 Fr2 sin 2 Fr3 sin 3 cos 1 sin 2 sin 3 Fr1
4Fmy 5 = 4Fr1 sin 1 + Fr2 cos 2 Fr3 cos 3
5 = 4 sin 1 cos 2 cos 3
5 4Fr2 5 = AFr (2.45)
m L1 Fr1 + L2 Fr2 + L3 Fr3 L1 L2 L3 Fr3

De la misma forma el análisis de velocidad del móvil se realiza de acuerdo con la …gura 2.6, donde
que cada rueda tiene un vector de velocidad asociado vi 8i = 1; 2 y 3, entones la velocidad de cada rueda
puede ser descompuesta en sus componentes x; y y como se muestra en la ecuación (2.46).

v1 = x_ m cos 1 + y_ m sin 1 + L1 _ m
v2 = x_ m sin 2 + y_ m cos 2 + L2 _ m
v3 = x_ m cos 3 y_ m sin 3 + L3 _ m (2.46)

Si la velocidad lineal de cada llanta está dada por vi = _ i ri y se realiza el mapeo de transformación
T
de velocidad angular de la rueda al espacio de velocidad angular del móvil como _ m = x_ m y_ m _ m
entonces la ecuación (2.46) puede reescribirse como (2.47).
22 CAPÍTULO 2. ANÁLISIS CINEMÁTICO Y DINÁMICO DEL MANIPULADOR MÓVIL

Figura 2.6: Modelo dinámico del móvil

2 32 3
cos 1 sin 1 L1 x_ m
R _ = 4 sin 2 cos 2 L2 5 4 y_ m 5
sin 3 cos 3 L3 _m
_ = R 1 AT _ m (2.47)
d_ T
Recíprocamente dt
= • = R 1 AT •m , donde •m = x•m y•m • m

2.4. Acoplamiento Dinámico


Los modelos antes descritos forman parte de un sistema total, ya se ha descrito el modelo dinámico del
manipulador móvil sin considerar las causas que generan su desplazamiento, así mismo ,se ha desarrollado
el análisis de los pares y fuerzas que generan el desplazamiento del robot móvil, por último el modelo
dinámico de la rueda sin considerar deslizamiento ha sido descrito. Finalmente estos modelos deben ser
integrados en uno solo, para describir el comportamiento total del robot manipulador móvil, como se
muestra a continuación:
T
Se reescribe el vector de coordenadas generalizadas como = m 2 R3 2 R 3 = x m y m m q1 q2 q3
T
= q4 q5 q6 . entonces la ecuación acoplada de movimiento del manipulador móvil esta dado por
T
la sustitución de las ecuaciones (2.44) y (2.47) en (2.37). Donde = 1 2 3 es el vector de pares
T T
en las articulaciones del manipulador, = 4 5 6 ; Fr = Fr1 Fr2 Fr3 es el vector de pares y
fuerzas del móvil.

M • + C _ + G = F1 (2.48)

A 0 Fr
F1 = (2.49)
0 I
2.5. RESUMEN 23

A 0 R 1( J^R 1 AT •m )
M• + C _ + G = (2.50)
0 I
T
Transformando •m en el espacio de coordenada inercial •w = x• y• • al considerar (2.51) resulta
la ec(2.52).
Ow T
_m = Om R _ w (2.51)

Ow T Ow _ T
•m = Om R • w + Om R _ w (2.52)
Incorporando (2.51) y (2.52) en (2.50) obtenemos la ecuación (2.53) de movimiento del manipulador
móvil acoplada.

•m H•m _m AR 1 2 R 3 3
0 2 R3 3
M + +C +G=
• 0 2 R3 3
_ 0 2 R3 3 I 2 R3 3

Ow T Ow _ T Ow _ T Ow T
Om R • w + Om R _ w H(O T
Om R • w + Om R _ w ) + C
w
Om R _ w AR 1
0
M + +G=
• 0 2 R3 3 _ 0 I

w _T
(Ma + H) O
Om R
w T
Mb •w (Ma + H) O Ow T
Om R + Ca Om R Cb _w AR 1
0
Ow T + Ow _ T Ow T +G = (2.53)
M c Om R Md • Mc Om R + Cc Om R Cd _ 0 I

donde H = AR 1 J^R 1 AT , Ma 2 R3 3 fMij 8i = 1, 2, 3, j = 1, 2, 3g, Mb 2 R3 3 fMij 8i = 1, 2, 3,


j = 4, 5, 6g, Mc 2 R3 3 fMij 8i = 4, 5, 6, j = 1, 2, 3g, Md 2 R3 3 fMij 8i = 4, 5, 6, j = 4, 5, 6g,
Ca 2 R3 3 fCij 8i = 1, 2, 3, j = 1, 2, 3g, Cb 2 R3 3 fCij 8i = 1, 2, 3, j = 4, 5, 6g,
Cc 2 R3 3 fCij 8i = 4, 5, 6, j = 1, 2, 3g, Cd 2 R3 3 fCij 8i = 4, 5, 6, j = 4, 5, 6g.

2.5. Resumen
La ecuación (2.53) describe el comportamiento total del manipulador móvil observado desde el eje
T
coordenado inercial Ow , de…niendo cada término: m = X Y , es el vector de posición y ori-
entación del móvil, por consiguiente sus vectores de velocidad y aceleración son descritos como por
T
_ m = X_ Y_ _ y •m = X • Y• • T ; = q1 q2 q3 T , es el vector de posiciones angulares de
T T
las articulaciones del manipulador, a su vez _ = q_1 q_2 q_3 y • = q•1 q•2 q•3 son los vectores de
velocidades y aceleraciones angulares de las articulaciones.
De…niendo las Matrices importantes en el sistema: 2 3
cos ;m sin ;m 0
La matriz de rotación del espacio de trabajo Om al Ow esta dado por: O Om R =
w 4 sin ;m cos ;m 05
0 0 1
R = diag(r1 ; r2 ; r3 ) y J^ = diag(J^1 ; J^2 ; J^3 ) son la matriz diagonal con los radios de las ruedas y
momento de las llantas.
2 3
cos 1 sin 1 L1
A = 4 sin 2 cos 2 L2 5 es la matriz resultante del análisis de fuerzas y momentos en el móvil,
sin 3 cos 3 L3
provocado por la arquitectura de las llantas.donde i y Li 8i = 1; 2; 3 es el ángulo y distancia entre el
origen Om y la i esima llanta.
24 CAPÍTULO 2. ANÁLISIS CINEMÁTICO Y DINÁMICO DEL MANIPULADOR MÓVIL
2 3
M11 M12 M13
M 2 R6 6 es la matriz de inercias del manipulador móvil. donde: Ma M = 4M21 M22 M23 5;
2 3 2 3 2 M31 M3 32 M33
M14 M15 M16 M41 M42 M43 M44 M45 M46
Mb M = 4M24 M25 M26 5; Mc M = 4M51 M52 M53 5; Md M = 4M54 M55 M56 5
M34 M35 M36 M61 M62 M63 M64 M2 65 M66
3
C11 C12 C13
C 2 R6 6 es la matriz de fuerzas centrífugas y de Coriolis donde: Ca C = 4C21 C22 C23 5;
2 3 2 3 2 3 C31 C32 C33
C14 C15 C16 C41 C42 C43 C44 C45 C46
4 5 4 5
Cb C = C24 C25 C26 ; Cc C = C51 C52 C53 ; Cd C = C54 C55 C56 5 4
C34 C35 C36 C61 C62 C63 C64 C65 C66

G 2 R6 1 es el vector de gravedad.
T
= 1 2 3 es el vector de pares de entrada en las articulaciones del manipulador.
T
= 4 5 6 es el vector de pares de entrada en las llantas móvil.
Se de…nen los valores propios de las matrices M , C y G en el apéndice A.
Capítulo 3

Formulación del Problema de Diseño


Óptimo

La creciente demanda en ingeniería de producciones a menores costos para mantenerse dentro de la


competitividad global, ha creado la necesidad de implementar estrategias, métodos o procedimientos que
aseguren un bene…cio constante y progresivo, es así que la integración de métodos numéricos durante
la solución a una problemática es la herramienta que puede auxiliar al diseñador, durante la etapa de
toma de decisiones, a seleccionar el mejor conjunto de valores que garanticen la mejor solución.

A pesar de que los primeros métodos numéricos de optimización fueron propuestos en la época de
Newton, Lagrange y Cauchy, no es hasta la mitad de los años veintes cuando gracias a la velocidad de las
tecnologías digitales, se descubre el potencial de la implementación de los métodos numéricos durante la
búsqueda de soluciones a problemas. Por otra parte, el auge de la optimización surge del hecho de que
cualquier sistema puede ser modelado matemáticamente a partir de un conjunto de variables (variables
o parámetros de diseño), y es a través de la manipulación de estas variables que se puede alterar el
comportamiento del sistema.

En la actualidad podemos de…nir la optimización numérica como un proceso o método computacional


iterativo, mediante el cual se busca encontrar un conjunto de valores que dan solución a un problema
obteniendo el mínimo o máximo de una función [12]. Existen diversos métodos de optimización que
han demostrado ser efectivos en distintas áreas de la ingeniería pero no existe un método universal que
resuelva todos los problemas de optimización de la forma esperada, ya que no todos los problemas son de
la misma naturaleza ni complejidad y por lo mismo no pueden ser abordados bajo los mismos conceptos
y enfoques.

Como se ha dicho anteriormente que todo sistema puede ser representado por un modelo matemático
y que al manipular las variables involucradas en el sistema se puede modi…car el comportamiento del
sistema, se expone la factibilidad de implementar un método de optimización durante el diseño de un
robot manipulador móvil omnidireccional.
El objetivo del presente trabajo se enfoca en obtener con base en un problema de optimización los
parámetros cinemáticos y dinámicos óptimos en el diseño de un robot manipulador móvil mostrado en
la …gura 3.2, con el …n de reducir el consumo de energía mecánica, además de lograr un espacio de
trabajo de…nido por los vértices xdi;j;k ; zdi;j;k 8i; j = 1; 2; donde el efector …nal (descrito por el punto
(xi;j;k ; zi;j;k ) en el plano X Z) alcance por lo menos 3 diferentes orientaciones (descrito por i;j;k con
respecto al eje Y del sistema coordenado O0 ) para cada punto, y con esto asegurar un espacio de trabajo
diestro comprendido por el área formada por lx = 0:40 m y lz = 0:30 m, con un distancia de separación
de x = 0:25 m y z = 0:10 m con respecto al origen O0 como se muestra en la …gura 3.1.

25
26 CAPÍTULO 3. FORMULACIÓN DEL PROBLEMA DE DISEÑO ÓPTIMO

Figura 3.1: Espacio de trabajo

En las siguientes secciones se detallarán las varibales de diseño, la función objetivo y las restricciones
que involucra el problema de optimización.

3.1. Variables de Diseño


Las variables o parámetros de diseño, son un conjunto de parámetros que describen al sistema y no
tienen un valor …jo preasignado o conocido.

En la …gura 3.2 se muestra una representación esquemática del manipulador móvil, se puede observar
que la longitud, la longitud de centro de masa, la masa y la velocidad de cada eslabón afectan directa-
mente al modelo cinemático, la energía potencial y cinética (que a su vez afectan al modelo dinámico,
ver capitulo 2). Es así que para el problema propuesto, se consideran como variables de diseño la lon-
gitud y la posición del centro de masa de cada eslabón, como se muestra en la …gura 3.3, donde Li es
la longitud del eslabón comprendido por la distancia entre el centro de los círculos a y b, Pcix y Pciy es
la distancia entre el sistema coordenado de referencia y el centro de masa mi del eslabón, representado
por el diamante sobre el eje x y y respectivamente.
Por lo tanto, se de…ne el vector de diseño como pa = [Li ; pcix ; pciy ] 2 R12 8i = 1; 2; 4; 5. Se considera
que el tercer eslabón tiene los mismos parámetros de diseño que el eslabón 1. Cabe señalar que la
geometría de cada eslabón no está de…nida a una forma geométrica en particular por lo que sólo se
considera la posición del centro de masa y la longitud del eslabón.
Por otra parte, se involucran las posiciones angulares de cada eslabón necesarias para alcanzar
los vértices del espacio de trabajo diestro deseado como otro vector de variables de diseño: pb =
[q1xd ;yd ; d ; q2xd ;yd ; d ; q3xd ;yd ; d ] 2 R36 .

Así, el vector de variables o parámetros de diseño p que involucra tanto el diseño de la estructura
mecánica como la con…guración del espacio articular se propone como:

p = [pa ; pb ]T 2 R48 (3.1)


3.1. VARIABLES DE DISEÑO 27

Figura 3.2: Representación esquemática del manipulador móvil

Figura 3.3: Esquema del i-ésimo eslabón


28 CAPÍTULO 3. FORMULACIÓN DEL PROBLEMA DE DISEÑO ÓPTIMO

3.2. Función Objetivo


La función objetivo, es la formulación matemática del o los criterios que se desean minimizar o
maximizar. Con el propósito de reducir la energía eléctrica consumida en el manipulador móvil cuando
éste realiza una tarea, se propone diseñar su estructura de tal forma que genere la menor cantidad de
energía mecánica.

Se parte del hecho que todo sistema mecánico posee energía cinética K y energía potencial V . La
energía cinétic se de…ne como el trabajo necesario para acelerar un cuerpo con una masa determinada
m desde el reposo hasta una velocidad deseada v, y energía potencial V que es la capacidad que tiene
un cuerpo de una masa de…nida m para realizar un trabajo dependiendo de su altura relativa h y de
la aceleración debida a la fuerza gravitatoria g, entonces se puede describir la energía mecánica de un
sistema como la suma de la energía cinética y la suma de la energía potencial de cada componente
del sistema, como se muestra en la ecuación (3.2), donde ml ,es la masa del l esimo eslabón y vl y
hl son la velocidad y la altura relativa del centro de masa del l esimo con respecto al sistema O0
respectivamente. La energía potencial y cinética del móvil es descrita por el subindice l = 0:

X
n X
m
ET = Ki + Vl (3.2)
l=1 l=1

donde:
Kl = 12 ml vl2
Vl = ml ghl
Es importante destacar que para realizar el cálculo de la energía cinética, es necesario conocer la
velocidad relativa con la que se mueve cada eslabón y también la velocidad del móvil. Se calcula la
energía cinética en cuatro puntos principales del espacio de trabajo considerando velocidades constantes
como se muestra en la Tabla 3.1.

Con el …n de asegurar una función convexa, se propone el cuadrado de la energía cinética y el


cuadrado energía potencial como se expresa en la ecuación (3.3).

X
5
Et (p) = (Ki2 (p) + Vi2 (p)) (3.3)
i=0

Sin embargo, esta ecuación es válida sólo para una posición y una oreientación del efector …nal. Dado
que la altura relativa del centro de masa de cada eslabón varía conforme el manipulador se coloca en las
distintas posiciones, se propone la función objetivo de acuerdo a la ecuación (3.4) donde se involucran los
4 vértices xdi;j;k ; zdi;j;k 8i; j = 1; 2.del espacio de trabajo deseado, así como las 3 orientaciones deseadas
di;j;k 8k = 1; 2; 3.

X
3 X
2
J(p) = Eti;j;k (3.4)
k=1 i;j=1

3.3. Restricciones
Las restricciones son un conjunto de condiciones que se deben de cumplir para poder decir que se ha
alcanzado una solución factible. El espacio de trabajo alcanzable de un robot se de…ne como el conjunto
de todos los puntos que pueden ser alcanzados por el efector …nal, mientras que el espacio de trabajo
3.3. RESTRICCIONES 29

Movimiento Velocidad
x_ 2:77 m=s
y_ 2:77 m=s
_ 10
rad=s
12
q_1 2
rad=s
q_2 2
rad=s
q_3 2
rad=s

Tabla 3.1: Velocidades relativas del robot móvil y de los eslabones del manipulador

diestro es el conjunto sólo de aquellos puntos sobre los que el efector …nal puede alcanzar con diferentes
orientaciones. Así que para asegurar el espacio de trabajo diestro en el diseño del robot manipulador, se
asume lo siguiente:

a) El espacio de trabajo diestro es un cuadrado limitado por los 4 vértices xdi;j;k ; zdi;j;k 8i; j = 1; 2.

b) Si el efector …nal alcanza los cuatro vértices del espacio de trabajo diestro deseado con tres
orientaciones distintas di;j;k 8k = 1; 2; 3, entonces se puede alcanzar cualquier punto interno del
espacio de trabajo con al menos tres orientaciones por lo tanto un espacio de trabajo diestro es
garantizado.

Partiendo de las premisas descritas anteriormente, la función de restricción será establecida como la
suma de los cuadrados del error de la posición en el espacio cartesiano entre el vértice del espacio de
trabajo deseado y la posición del efector …nal, más el cuadrado del error de la posición angular entre
la orientación deseada y la orientación real del efector …nal. Así la función objetivo puede ser descrita
como en (3.5). Las posiciones de los vértices que limitan el espacio de trabajo diestro deseado son
escogidos como xd1;1;k ; zd1;1;k = (0:25; 0:10); xd1;2;k ; zd1;2;k = (0:65; 0:10); xd2;1;k ; zd2;1;k = (0:25; 0:40)
y xd2;2;k ; zd2;2;k = (0:65; 0:40) como se describe en la …gura 3.1.El subíndice k indica las tres diferentes
orientaciones de la posición para cada vértice. Las orientaciones son de…nidas como di;j;1 = 2 ; di;j;2 = 0
y di;j;3 = 2 8i; j = 1; 2:

Z Z Z
2 2 1:8 2
4
g1 : xdi;j;k xi;j;k dw + zdi;j;k zi;j;k dw + di;j;k i;j;k dw 1 10 (3.5)
w w w

En la ecuación (3.5) los primeros dos términos expresan el error de la posición en el espacio cartesiano
ambos con la misma ponderación, mientras que el tercer término expresa el error angular en radianes,
por lo tanto se propuso la siguiente equivalencia en el término del error de posición angular, donde un
grado (1 ) es proporcional a un milímetro (0:001m), lo que resulta en el valor del factor de peso del
último término como 1:8 , necesario para obtener mejores soluciones. Se emplea la cinemática directa del
robot descrita en las ecuaciones (3.6)-(3.8) para de…nir la posición (xi;j;k ; zi;j;k ) y la orientación i;j;k del
efector …nal en el espacio cartesiano mostrado en la ecuación (3.5).

xi;j;k = L1 cos q1i;j;k L4 cos q2i;j;k L5 cos q2i;j;k + q3i;j;k (3.6)

zi;j;k = L1 sin q1i;j;k L4 sin q2i;j;k L5 sin q2i;j;k + q3i;j;k (3.7)


30 CAPÍTULO 3. FORMULACIÓN DEL PROBLEMA DE DISEÑO ÓPTIMO

i;j;k = q2i;j;k + q3i;j;k (3.8)


Por otra parte, la estructura paralela del robot formada por los eslabones 1, 2 ,3 y 4 presenta
restricciones de movimiento relativo. Estas restricciones deben ser consideradas durante el diseño del
robot ya que se presenta cuando los eslabones 1 y 2 colisionan entre ellos. Las restricciones de movimiento
son de…nidas por 3.9- 3.10, donde T olM ax1 = 36 [rad] (5 ) y T olM ax2 = 536 [rad] (25 ) son los ángulos
mínimos de seguridad que deben separar a los eslabones para prevenir una colisión. En total se involucran
24 restricciones de desigualdad.

g2 13 : T olM ax2 q2i;j;k + q1i;j;k 0 (3.9)

g14 25 : q2i;j;k q1i;j;k + T olM ax2 0 (3.10)


De forma complementaria, otras 39 restricciones son incluidas como limites de las variables del vector
de diseño p: el ángulo máximo y mínimo en las articulaciones y la longitud permitida de los eslabones.
En (3.11)-(3.17) se muestran estas restricciones, donde las cotas máximas y mínimas se pueden observar
en la Tabla 3.2.

g26 37 : 0 < q1i;j;k < T olM ax2 (3.11)

3
g38 49 : T olM ax2 q2i;j;k T olM ax2 (3.12)
2
g50 61 : + T olM ax1 q3i;j;k T olM ax1 (3.13)

g62 : L1M in L1 L1M ax (3.14)

g63 : L2M in L2 L2M ax (3.15)

g64 : L4M in L4 L4M ax (3.16)

g65 : L5M in L5 L5M ax (3.17)

3.4. Problema de Optimización


El problema de optimización para el manipulador móvil consiste en encontrar el vector de parámetros
de diseño óptimo p (longitudes de los eslabones, posiciones de centro de masa y las posiciones angulares)
de tal manera que la energía mecánica del sistema sea minimizada y el efector …nal alcance un espacio de
trabajo diestro deseado. Entonces el problema de optimización se puede establecer generalmente como
la expresión (3.18) y (3.19), donde J 2 R (3.4) es la función objetivo a minimizar y la ecuación g 2 R65
es el vector de restricciones de desigualdad (3.5),(3.9) - (3.17).
3.4. PROBLEMA DE OPTIMIZACIÓN 31

Variable de Diseño M in M ax
5
q1 [rad] 0 36
5 3 5
q2 [rad] 36 2 36
q3 [rad] + 36 36
L1 [m] 0:1 0:5
L2 [m] 0:03 0:3
L4 [m] 0:1 0:5
L5 [m] 0:02 0:2

Tabla 3.2: Cotas mínimas y máximas de las variables de diseño

M in J (3.18)
p2R48

Sujeto a:

g(p) 0 2 R65 (3.19)


32 CAPÍTULO 3. FORMULACIÓN DEL PROBLEMA DE DISEÑO ÓPTIMO
Capítulo 4

Técnica de Optimización

Las primeras técnicas de optimización surgen alrededor de la segunda guerra mundial cuando, de la
necesidad de repartir un limitado número de recursos y suministros, se pide a un equipo de matemáticos
que desarrollaran un método para resolver el problema de la asignación de suministros de manera
sistemática, es así que se desarrollaron las primeras técnicas de programación lineal para la solución
de problemas de optimización. A través de los años muchas y muy diversas técnicas de optimización
han sido desarrolladas con el …n de mejorar o dar solución a diferentes problemas no sólo en el área
militar sino incluso en diferentes disciplinas de la ingeniería. La existencia de las diversas técnicas de
optimización se justi…ca en el hecho en que no todos los problemas tienen las mismas características, no
buscan los mismos objetivos, incluso la naturaleza y complejidad varían entre ellos, en la Tabla 4.1 se
puede observar una clasi…cación de las técnicas de optimización.

Técnicas Modernas
Programación Matemática Procesos Estocásticos Métodos Estadísticos
o no Tradicionales
Programación no lineal Procesos de Markov Análisis de regresión Algoritmos Genéticos
Programación geométrica Teoría de Queueing Diseño de experimentos Evolución diferencial
Programación lineal Teoría de Renewal Análisis de discriminación Colonia de hormigas
Teoría de juegos Métodos de Simulación Reconocimiento de patrones Redes neuronales
Métodos de cálculo Teoría de la con…abilidad Nube de partículas
Optimización difusa

Tabla 4.1: Métodos de Busqueda

Una buena selección del método o técnica que se implementará para dar solución al problema de
optimización, es un factor muy importante que permite alcanzar los objetivos deseados durante el
planteamiento del problema. Para realizar dicha selección es necesario identi…car las características del
problema como: la existencia de restricciones, la naturaleza de las variables de diseño y de las ecuaciones
involucradas, la separabilidad y número de funciones, estructura física del problema, entre otras.

Para el presente trabajo, se propone la implementación de una técnica moderna para dar solución al
problema descrito en el capítulo anterior, debido a algunas ventajas que presentan este tipo de técnicas
como son:

i) Métodos basados en población, por lo que pueden generar varias soluciones posibles.

ii) No requieren de información adicional durante la búsqueda de soluciones por ejemplo, el gradi-
ente, matriz Hessiana, condiciones iniciales de búsqueda, etc.

33
34 CAPÍTULO 4. TÉCNICA DE OPTIMIZACIÓN

iii) No es necesario que las funciones objetivo y las restricciones sean continuas ni diferenciables.

iv) Pueden ser usadas o adaptadas a un gran conjunto de problemas, debido a que no se necesita
una formulación matemática especi…ca (transformación del problema) para obtener un conjunto
de soluciones.

4.1. Evolución Diferencial


El algoritmo de Evolución Diferencial (ED) ha demostrado ser una poderosa herramienta computa-
cional desde que Storn y Price propusieron este algoritmo a mediados de la década de los 90’s. Este éxito
se debe a la fácil implementación computacional, la gran adaptabilidad ante diferentes tipos de proble-
mas de optimización y a un razonable tiempo de cómputo, entre otros. Sin embargo, un inconveniente
de este algoritmo es que no garantiza la convergencia a un resultado óptimo global. Debido a esto, en
varios trabajos de investigación se detalla la implementación de mecanismos para asegurar una mejor
exploración y explotación, así como la búsqueda en el espacio factible para alcanzar una convergencia
al óptimo global [21], [22], [23]. La …g. 4.1, muestra la representación hipotética de la super…cie de una
función f , donde se puede observar el espacio de la región factible, limitado por las retricciones g1 , g2 y
g3 .

Figura 4.1: Espacio de diseño en dos dimensiones.

Uno de los enfoques más utilizados es el de manipular o controlar los parámetros del algoritmo de
ED. Estos enfoques pueden ser descritos como una solución complementaria o algoritmo de modi…cación
externa debido a que los parámetros de ED solo son alterados. Esto signi…ca que los parámetros del
factor de cruza (CR) y del factor de escala (F) son modi…cados mientras que la población se mantiene
constante durante la ejecución del algoritmo. Así mismo, es importante destacar que el algoritmo de
ED debe ser ejecutado varias veces con diferentes valores de los parámetros con el …n de analizar su
4.1. EVOLUCIÓN DIFERENCIAL 35

desempeño [24]. Por otra parte, una propuesta distinta, consiste en integrar un mecanismo de búsqueda
exhaustiva. En este caso, se ejecuta en una primera etapa, una versión estándar del algoritmo ED para
dirigir la búsqueda hacia una zona de posibles soluciones. Cuando las posibles soluciones son detectadas,
el mecanismo de búsqueda exhaustiva es activado para realizar búsquedas locales dentro de la zona de
posibles soluciones [25].

Una exploración e…ciente en el espacio de búsqueda y una explotación efectiva en la región de


búsqueda, son propiedades deseables de un algoritmo de optimización. Durante la exploración, se busca
ampliamente entre las diferentes regiones del espacio de búsqueda por posibles soluciones, mientras que
una explotación exhaustiva acelera la convergencia hacia una solución óptima, dentro de un espacio de
posibles soluciones. Diversos investigadores han explicado la relación entre la exploración y la explotación
[23], [26]. Existen muchas variantes del algoritmo ED [27] que permiten la exploración y explotación
en el espacio de búsqueda. La principal diferencia entre ellas, radica en la selección de los factores de
mutación y de cruza. El uso de las variantes del algoritmo de ED depende en gran medida del tipo de
problema como se muestra en [25] y [28].

En este trabajo, se propone un enfoque distinto en el algoritmo de evolución diferencial llamado


Evolución Diferencial con Mecanismo de Explotación Exhaustiva (EDMEE). Este mecanismo puede
considerarse como un método de búsqueda local en donde se asegura la explotación de las mejores
soluciones encontradas. Por otra parte, el mecanismo de exploración del espacio de búsqueda es el
mismo que en el algoritmo de DE/Rand/1/Bin.

4.1.1. Algoritmo de Evolución Diferencial con Mecanismo de Explotación


Exhaustiva
El algoritmo de evolución diferencial consta de un arreglo tridimensional, donde cada generación G =
0; 1; :::GM ax esta conformada por una población de N P individuos ~xG = [~xG;1 ; ~xG;2 ; :::; ~xG;i ; :::; ~xG;N P ]T
llamados población objetivo, cada individuo ~xG;i 8i = 1; 2; :::; N P agrupa en un vector D las variables
de diseño ~xG;i = [xG;i;1 ; xG;i;2 ; :::; xG;i;j :::; xG;i;D ]T como se puede observar en la …g.4.2, siendo cada uno
de estos indivuiduos una solución al problema. La población inicial ~xG=0 es generada aleatoriamente
considerando únicamente los límites inferior y superior xmin j ,xmax
j 8j = 1; 2; : : : ; D de las variables como
se muestra en la ecuación (4.1), donde randj es una distribución aleatoria uniforme en el intervalo [0; 1].

xG=0;i;j = xmin
j + randj (0; 1)(xmax
j xmin
j ) 8i = 1; 2; :::; N P: 8j = 1; 2; :::; D (4.1)
En cada generación G, una nueva población de individuos es creada a partir de un vector de mutación
~vi y del factor de cruza CR, esta nueva población es llamada población de prueba descrita por ~uG;i =
[uG;i;1 ; uG;i;2 ; :::; uG;i;j :::; uG;i;D ]T 8i = 1; 2; : : : ; N P entonces, se realiza un proceso de selección entre el
i esimo vector (individuo) de prueba ~uG;i y el i esimo vector (individuo) objetivo ~xG;i para determinar
que individuo pasa a la siguiente generación ~xG+1;i . Si el vector de prueba es seleccionado para pasar a
la siguiente generación, el mecanismo de explotación exhaustiva analiza y selecciona la información de
este vector, en busca de una mejor solución. De esta forma se podrá encontrar mejores soluciones en
cada generación. El pseudocódigo del algoritmo EDMEE se muestra en la …gura 4.3.
Los procesos que se realizan en el algoritmo de evolución diferencial con el mecanismo de explotación
exhaustiva y manejo de restricciones, se detalla a continuación.

4.1.1.1. Mutación
El vector de mutación ~vG;i es generado a partir de la selección aleatoria de tres vectores (individuos)
~xG;r1 ; ~xG;r2 ; ~xG;r3 , y se obtiene como la suma del vector de diferencia generado por ~xG;r2 ~xG;r3 mas el
36 CAPÍTULO 4. TÉCNICA DE OPTIMIZACIÓN

Figura 4.2: Arreglo tridimencional de la población en ED

1 BEGIN
2 G=0
3 Creación aleatoria de la población ~xG;i 8i = 1; :::; N P
4 Evaluación J(~xG;i ); g(~xG;i ); 8i = 1; :::; N P
5 Do
6 For i = 1 to N P Do
7 Selección aleatoria fr1 6= r2 6= r3 6= ig 2 ~xG .
8 jrand =randint(1; D)
9 For j = 1 to D Do
10 Mutación y Cruza
11 End For
12 Evaluación J(~uG;i ); g(~uG;i )
13 If ~uG;i si es mejor que ~xG;i (B a sa d o e n M S R ) Then
15 Mecanismo de Explotación Exhaustiva Local
14 ~xG+1;i = ~uG;i
16 Else
17 ~xG+1;i = ~xG;i
18 End
19 G=G+1
20 While (G GM ax )
21 END

Figura 4.3: Pseudocódigo del algoritmo EDMEE, donde J es la función objetivo y g la suma de restric-
ciones
4.1. EVOLUCIÓN DIFERENCIAL 37

vector base ~xG;r1 ,el vector de mutación es distinto para cada individuo de la población objetivo en la
generación G, su obtención se detalla en (4.2), (4.3), donde r1 6= r2 6= r3 6= i y F 2 [0; 1] es el factor de
escala que controla la incluencia del vector de diferencia sobre la adición con el vector ~xG;r1 , en 4.3 se
realiza un acotamiento de vG;i;j cuando vG;i;j sobrepasa los límites inferior y superior de la variable de
diseño pj .

vG;i;j = xG;r1 ;j + F (xG;r2 ;j xG;r3 ;j ) 8 i = 1; :::; N P 8 j = 1; :::; D (4.2)


8 9
< 2xminj vG;i;j si vG;i;j < xminj =
vG;i;j = 2xmax v G;i;j si v G;i;j > x max
8 j = 1; :::; D (4.3)
: j j
;
vG;i;j de otra manera

4.1.1.2. Factor de Cruza


El factor de cruza CR es el parámetro que determina aleatoriamente, que elemento j del vector de
mutación ~vG;i se sustituirá con el elemento j del vector objetivo ~xG;i , para generar un nuevo vector
de prueba ~uG;i con la información combinada de los dos vectores, entonces la in‡uencia del vector de
mutación y del vector objetivo sobre el nuevo vector de prueba, depende de la probabilidad del factor
CR. El proceso de cruza se describe en (4.4). Existen variantes del algoritmo de evolución diferencial,
donde el factor de cruza puede variar por individuo, o por generación.

vG;i;j si (rand(0; 1) CR ó j = jrand )


uG;i;j = (4.4)
xG;i;j de otra manera

4.1.1.3. Proceso de Selección con Restricciones


En el proceso de selección se decide el vector (individuo) que formará parte de la población objetivo
~xG+1;i de la siguiente generación. Esta selección se realiza entre el i esimo vector de prueba ~uG;i y el
i esimo vector objetivo ~xG;i , donde el mejor vector es el que pasa a la siguiente generación. Teniendo
en consideración que el algoritmo tradicional de ED [27] no cuenta con un manejo de restricciones para
la solución de problemas de optimización, en [29] se incorpora un mecanismo de selección con manejo
de restricciones (MSR) para mejorar el algoritmo de ED. El mecanismo de selección con manejo de
restricciones decide el vector que pasa a la siguiente generación. Esta decisión se fundamenta sobre las
siguientes bases:

Cualquier solución factible tiene preferencia sobre una no factible.

Si dos soluciones son factibles, se da preferencia a la solución con el mejor funcional.

Si dos soluciones son no factibles, se da preferencia a aquella que viola en menor medida las
restricciones.

4.1.1.4. Mecanismo de Explotación Exhaustiva


El mecanismo de explotación exhaustiva (MEE) consiste en realizar una búsqueda más profunda en
la misma dirección del vector de prueba ~uG;i cuando éste ha sido elegido para pertenecer a la población
objetivo ~xG+1;i de la siguiente generación durante el proceso de selección. Este mecanismo realiza una
búsqueda alrededor de la vecindad del vector de prueba promoviendo así una explotación local más
e…ciente. La capacidad de exploración del algoritmo EDMEE no sacri…ca las cualidades del algoritmo
tradicional DE/rand/1/bin, porque se activa solo cuando el vector de prueba es seleccionado sobre
el vector objetivo. Cuando el MEE es activado, un nuevo individuo ~u^i se genera a partir de la misma
38 CAPÍTULO 4. TÉCNICA DE OPTIMIZACIÓN

1 For w = 1 to Nw Do
2 For j = 1 to D Do
3 If uG;i;j == xG;i;j Then
4 u
^i;j = xG;i;j
5 Else
6 F2 = F Nww+1 F
7 u
^i;j = xG;r1 ;j + F2 (xG;r2 ;j xG;r3 ;j )
8 End If
9 End For
10 If ~u^i es mejor que ~uG;i (b a sa d o e n M S R ) Then
11 ~uG;i = ~u
^i
12 Else
13 ~uG;i = ~uG;i
14 Break
15 End If
16 End For

Figura 4.4: Pseudocódigo del Mecanismo de Explotación Exhaustiva

combinación generada por CR para el individuo ~uG;i , pero el vector de mutación pese a tener los mismos
tres vectores base y mantener la misma con…guración es diferente debido a la modi…cación del factor de
escala propuesto como F2 = F Nww+1 F . Entonces, si el nuevo individuo ~u^i mejora al individuo anterior
~uG;i , este se convierte en parte de la población objetivo de la siguiente generación. Este algoritmo, se
repite hasta alcanzar el número máximo de búsqueda Nw o cuando el nuevo individuo ~u^i no es mejor al
individuo anterior. Es importante hacer notar que el algoritmo de ED con explotación exhaustiva que
se propone requiere de un parámetro adicional que modi…ca el factor de escala y con esto al vector de
mutación. El pseudocódigo del mecanismo de explotación exhaustiva se muestra en la …gura 4.4.
Una vez que la población de la nueva generación ~xG+1;i 8i = 1; :::; N P es creada, se repite el proceso
de mutación, cruza, selección y explotación exhaustiva, hasta que el criterio de paro se satisface. Para
este caso en particular se seleccionó el número máximo de generaciones GM ax = 60000, para tal efecto.
Capítulo 5

Resultados

5.1. Análisis de Resultados del Algoritmo de Optimización


EDMEE
La plataforma sobre la que se desarrolla el presente trabajo consta de una PC con procesador core 2
Duo a 1.83 GHz y 3 GB de RAM, con plataforma Windows. El algoritmo de optimización EDMEE se
programa en Matlab Versión 7.9, se realizaron un conjunto de 3 corridas con una población N P = 200
individuos, factor de cruza CR = 0:5, factor de escala F en el intervalo abierto (0:5,0:9) y factor de
búsqueda Nw = 6, el criterio de paro queda establecido por la generación máxima GM ax = 60; 000. De
igual forma se ejecutan 3 corridas una versión tradicional de ED, con factor de escala F en el intervalo
abierto (0:4,0:9) y sin factor de búsqueda Nw , ya que dicho algoritmo no implementa una búsqueda
exhaustiva, siendo los demás parámetros los mismos que EDMEE.

mean(J) J (J) tiempo


EDMEE ED EDMEE ED EDMEE ED EDMEE ED
Run1 1711:52 2042:30 1710:86 1711:26 0:318 1764:17 2h 25min 2h 26min
Run2 1729:54 1721:37 1729:16 1720:76 0:2387 0:3781 6h 59min 2h 26min
Run3 2323:38 1734:62 1712:40 1734:08 2706:17 0:3288 2h 46min 2h 21min

Tabla 5.1: Resultados del algoritmo EDMME y del algoritmo ED

En la Tabla 5.1 se muestran los resultados del desempeño de los algoritmo de EDMEE y de ED,
donde mean(J) es el promedio de la función objetivo de la población total en la última generación, J
es el mejor individuo, (J) es la desviación estándar de la función objetivo en la última generación.
Se puede observar que el algoritmo de EDMEE genera una mejor convergencia hacia un valor óptimo,
además de entregar un resultado menor en la función objetivo, teniendo por única desventaja un mayor
tiempo de cómputo debido al número de veces que es necesario evaluar la función objetivo dentro del
MEE.

Los resultados de los parámetros de diseño pa del mejor individuo J de las diez corridas para los
algoritmos EDMEE y ED son descritos como (EDM EE pa , ED pa ), y se muestran en la Tabla 5.2, mientras
que en la Tabla 5.3 se muestran los resultados de los parámetros pb (EDM EE pb , ED pb ).
En las …guras 5.1, 5.2, 5.3 y 5.4 se muestran las formas de los eslabones obtenidas a partir de los
parámetros EDM EE pa , donde la separación entre los ejes de unión es la longitud del eslabón L y el centro
de masa está representado por la forma octagonal con coordenadas pcx;y . El método implementado para

39
40 CAPÍTULO 5. RESULTADOS

Eslabón 1 y 3 Eslabón 2
Algoritmo Longitud [m] pcx [m] pcy [m] Algoritmo Longitud [m] pcx [m] pcy [m]
EDMEE 0:3889 0:0999 0:0999 EDMEE 0:0709 0:0999 0:0998
ED 0:4154 0:0996 0:0999 ED 0:0591 0:0999 0:0868
Eslabón 4 Eslabón 5
Algoritmo Longitud [m] pcx [m] pcy [m] Algoritmo Longitud [m] pcx [m] pcy [m]
EDMEE 0:4299 0:0999 0:0440 EDMEE 0:0452 0:0402 0:0206
ED 0:4198 0:0999 0:0464 ED 0:0869 0:0780 0:0381

Tabla 5.2: Parámetros pa del J individuo para los algoritmos EDMEE y ED

Figura 5.1: Esquema del eslabón 1 y 3

obtener la forma de los eslabones, se detalla en el apéndice C, mientras que en el apéndice B se detallan
los planos de los eslabones.

En la Tabla 5.4 se muestra la energía cinética y potencial del manipulador cuando el efector …nal se
encuentra sobre cada uno de los cuatro vértices del espacio de trabajo deseado con sus tres orientaciones
xdi;j;k ; zdi;j;k 8 i; j = 1; 2:8k = 1; 2; 3. Para cuatro diferentes diseños:
a) Diseño óptimo EDMEE: Se consideran los parámetros de diseño pa y pb obtenidos del algoritmo
EDMEE
b) Diseño ED: Se consideran los parámetros de diseño pa y pb obtenidos del algoritmo ED
c) Diseño NOEDMEE: Solo se consideran las longitudes de los eslabones sin el desplazamiento de
los centros de masa de los eslabones y los parámetros pb obtenidos del algoritmo EDMEE, es decir
pcix = L2i ; y pcy = 0
5.1. ANÁLISIS DE RESULTADOS DEL ALGORITMO DE OPTIMIZACIÓN EDMEE 41

Figura 5.2: Esquema del eslabón 2

Figura 5.3: Esquema del eslabón 4

Figura 5.4: Esquema del eslabón 5


42 CAPÍTULO 5. RESULTADOS

(xd1;1 ; zd1;1 ) (xd1;2 ; zd1;2 ) (xd2;1 ; zd2;1 ) (xd2;2 ; zd2;2 )


d -9 0 0 90 -9 0 0 90 -9 0 0 90 -9 0 0 90

EDMEE q1 1 0 7 .2 2 1 1 0 .2 8 9 3 .1 8 1 1 5 .6 9 1 2 4 .0 8 1 1 7 .5 0 5 0 .2 3 5 3 .6 3 4 4 .2 1 5 0 .9 8 6 2 .8 4 5 5 .2 3

q2 1 4 8 .1 8 1 4 2 .0 3 1 2 9 .2 0 1 9 2 .7 8 1 9 0 .4 9 1 8 1 .3 9 1 5 9 .0 2 1 5 0 .3 2 1 4 9 .8 4 1 9 9 .4 5 1 8 7 .2 5 1 8 4 .7 2

q3 -5 9 .2 3 3 7 .9 5 1 4 1 .7 9 -1 0 3 .7 3 -1 0 .5 0 8 9 .6 0 -6 9 .9 7 2 9 .6 5 1 2 1 .1 1 -1 1 0 .4 5 -7 .2 8 8 6 .2 2

(xd1;1 ; zd1;1 ) (xd1;2 ; zd1;2 ) (xd2;1 ; zd2;1 ) (xd2;2 ; zd2;2 )


d -9 0 0 90 -9 0 0 90 -9 0 0 90 -9 0 0 90

ED q1 1 0 5 .3 3 1 0 9 .6 3 7 6 .5 2 1 1 2 .0 6 1 2 7 .2 2 1 1 3 .1 2 5 2 .1 1 5 7 .2 8 4 0 .2 0 5 0 .1 0 6 9 .9 0 5 5 .9 3

q2 1 4 9 .3 2 1 3 6 .0 0 1 1 1 .5 2 1 9 4 .1 4 1 8 9 .3 5 1 7 0 .5 5 1 6 0 .4 7 1 4 3 .5 8 1 4 2 .6 1 2 0 3 .6 8 1 8 1 .3 4 1 7 5 .8 4

q3 -6 0 .2 9 4 4 .0 2 1 5 9 .5 0 -1 0 5 .1 5 -9 .3 1 1 0 0 .4 2 -7 1 .4 8 3 6 .4 2 1 2 8 .3 8 -1 1 4 .7 0 -1 .3 0 9 5 .1 9

Tabla 5.3: Parámetros pb del J individuo para los algoritmos EDMEE y ED

d) Diseño NOED: Solo se consideran las longitudes de los eslabones sin el desplazamiento de
los centros de masa de los eslabones y los parámetros pb obtenidos del algoritmo ED, , es decir
pcix = L2i ; y pcy = 0

5.2. Validación del diseño

Figura 5.5: Espacio de Trabajo

Para comprobar la destreza del manipulador generado a partir de las longitudes de los eslabones
obtenidos de los parámetros EDM EE pa , se propone generar 58 puntos de comprobación Pdi = (xdi ; zdi ) 8 i =
1; :::; 58; distribuidos de forma aleatoria sobre el espacio de trabajo diestro deseado con una orientación
aleatoria di 2 135 8 i = 1; :::; 58. En la …gura 5.5 se muestra el espacio de trabajo (ET) alcanzable
5.2. VALIDACIÓN DEL DISEÑO 43

2 2 2 2
K1;1;1 = 131:3023 V1;1;1 = 2:7915 K1;1;1 = 130:8097 V1;1;1 = 2:8496
2 2 2 2
K1;1;2 = 129:6616 V1;1;2 = 2:5701 K1;1;2 = 127:6690 V1;1;2 = 2:4905
2 2 2 2
K1;1;3 = 135:3476 V1;1;3 = 2:5961 K1;1;3 = 139:2135 V1;1;3 = 2:4179
2 2 2 2
K1;2;1 = 127:9849 V1;2;1 = 2:9810 K1;2;1 = 128:8945 V1;2;1 = 3:0681
2 2 2 2
K1;2;2 = 125:9357 V1;2;2 = 2:5855 K1;2;2 = 125:0036 V1;2;2 = 2:3225
2 2 2 2
K1;2;3 = 128:6471 V1;2;3 = 2:5637 K1;2;3 = 129:9924 V1;2;3 = 2:3233
2 2 2 2
K2;1;1 = 152:3225 V2;1;1 = 2:9370 K2;1;1 = 152:0581 V2;1;1 = 2:9389
2 2 2 2
K2;1;2 = 148:9412 V2;1;2 = 2:8568 K2;1;2 = 145:4502 V2;1;2 = 2:7815
2 2 2 2
K2;1;3 = 155:3320 V2;1;3 = 2:4001 K2;1;3 = 157:4996 V2;1;3 = 1:9503
2 2 2 2
K2;2;1 = 149:4213 V2;2;1 = 3:3447 K2;2;1 = 151:9510 V2;2;1 = 3:2849
2 2 2 2
K2;2;2 = 143:2465 V2;2;2 = 3:4555 K2;2;2 = 140:1503 V2;2;2 = 3:3597
2 2 2 2
K2;2;3 = 148:5791 V2;2;3 = 3:0605 K2;2;3 = 150:1146 V2;2;3 = 2:6690
KT = 1676:7218 VT = 34:1424 KT = 1678:8065 VT = 32:4562
ET = 1710:8642 ET = 1711:2627
a) Diseño óptimo EDMEE b) Diseño ED
2 2 2 2
K1;1;1 = 139:0202 V1;1;1 = 2:3366 K1;1;1 = 138:9912 V1;1;1 = 2:5647
2 2 2 2
K1;1;2 = 137:8070 V1;1;2 = 2:2043 K1;1;2 = 136:8573 V1;1;2 = 2:3065
2 2 2 2
K1;1;3 = 141:7818 V1;1;3 = 2:2253 K1;1;3 = 145:9848 V1;1;3 = 2:1718
2 2 2 2
K1;2;1 = 134:7081 V1;2;1 = 3:4679 K1;2;1 = 134:6962 V1;2;1 = 3:8261
2 2 2 2
K1;2;2 = 133:1224 V1;2;2 = 3:1696 K1;2;2 = 131:7100 V1;2;2 = 3:2246
2 2 2 2
K1;2;3 = 134:6352 V1;2;3 = 3:1909 K1;2;3 = 134:8973 V1;2;3 = 3:2971
2 2 2 2
K2;1;1 = 169:4324 V2;1;1 = 1:9725 K2;1;1 = 169:5104 V2;1;1 = 2:1921
2 2 2 2
K2;1;2 = 167:1920 V2;1;2 = 1:9489 K2;1;2 = 165:5574 V2;1;2 = 2:1006
2 2 2 2
K2;1;3 = 171:5116 V2;1;3 = 1:6665 K2;1;3 = 173:8891 V2;1;3 = 1:5511
2 2 2 2
K2;2;1 = 165:6702 V2;2;1 = 3:1650 K2;2;1 = 166:5552 V2;2;1 = 3:4015
2 2 2 2
K2;2;2 = 160:8640 V2;2;2 = 3:3166 K2;2;2 = 157:9853 V2;2;2 = 3:5964
2 2 2 2
K2;2;3 = 164:5383 V2;2;3 = 3:0344 K2;2;3 = 165:0674 V2;2;3 = 3:0722
KT = 1820:2833 VT = 31:6986 KT = 1821:7017 VT = 33:3045
ET = 1851:9819 ET = 1855:0062
c) Diseño NOEDMEE d) Diseño NOED

Tabla 5.4: Energía Cinética K y Potencial V

del manipulador, obtenido a partir de los parámetros EDM EE pa , en donde se consideran las restricciones
mecánicas del sistema que se involucraron para impedir la colisión entre los eslabones, así como los
ángulos mínimos y máximos de cada articulación.

En la Tabla 5.5, se muestran los ángulos (q1 ; q2 ; q3 ), necesarios para alcanzar las 58 posiciones y
orientaciones deseadas (Pdi ; di ). Los ángulos se calculan a través de la cinemática inversa descrita en
las ecuaciones (2.24) - (2.26).
Del análisis de los resultado mostrados en la Tabla 5.3 y la Tabla 5.5, asi como de la …gura 5.5, se
puede observar que las posiciones xd y zd , son alcanzadas con la orientación d , sin violar alguna de las
restricciones físicas del sistema, por lo tanto podemos asegurar que se ha satisfecho el requerimiento del
espacio de trabajo diestro.
44 CAPÍTULO 5. RESULTADOS

Pdi (xdi ; zdi ) [m] di q1 q2 q3 Pdi (xdi ; zdi ) [m] di q1 q2 q3


1 (0 .2 7 ,0 .3 0 ) -1 1 7 .5 6 1 1 0 .6 8 1 7 6 .5 5 -1 1 4 .1 1 30 (0 .5 1 ,0 .3 4 ) 1 2 0 .4 7 7 4 .4 2 1 7 0 .5 9 1 2 9 .8 8

2 (0 .4 7 ,0 .1 9 ) -7 .9 3 8 3 .7 4 1 5 3 .5 0 1 8 .5 8 31 (0 .4 5 ,0 .1 3 ) 5 .8 4 8 0 .4 3 1 4 2 .3 7 4 3 .4 7

3 (0 .3 8 ,0 .1 3 ) 2 6 .7 1 8 8 .0 8 1 4 0 .3 6 6 6 .3 5 32 (0 .4 1 ,0 .3 0 ) 1 0 1 .6 8 8 8 .5 5 1 6 1 .2 6 1 2 0 .4 1

4 (0 .4 9 ,0 .3 6 ) -3 9 .5 5 8 6 .3 7 1 7 9 .8 1 -3 9 .3 5 33 (0 .4 4 ,0 .1 9 ) -1 1 4 .4 3 8 1 .5 2 1 5 9 .2 1 -9 3 .6 5

5 (0 .5 3 ,0 .1 9 ) -1 8 .5 8 7 5 .8 8 1 5 5 .8 6 5 .5 6 34 (0 .3 0 ,0 .2 6 ) 8 .4 3 1 1 4 .1 3 1 6 5 .7 4 2 2 .6 9

6 (0 .2 7 ,0 .3 5 ) 9 5 .4 1 1 1 3 .4 2 1 7 3 .1 6 1 0 2 .2 5 35 (0 .6 3 ,0 .1 1 ) -5 .0 2 5 6 .3 3 1 5 0 .2 0 2 4 .7 9

7 (0 .3 6 ,0 .1 9 ) 3 4 .5 1 9 7 .4 0 1 4 9 .0 3 6 5 .4 8 36 (0 .4 5 ,0 .1 8 ) -7 5 .5 2 8 4 .0 1 1 5 7 .0 7 -5 2 .5 9

8 (0 .5 6 ,0 .2 2 ) -1 1 3 .1 0 6 5 .6 1 1 6 8 .1 8 -1 0 1 .2 8 37 (0 .2 7 ,0 .2 7 ) 1 1 5 .3 0 1 0 7 .1 0 1 6 0 .5 3 1 3 4 .7 7

9 (0 .4 9 ,0 .1 2 ) 3 2 .4 8 7 1 .9 1 1 4 1 .2 4 7 1 .2 4 38 (0 .5 3 ,0 .3 9 ) -6 .8 8 8 1 .7 5 1 8 1 .0 0 -7 .8 8

10 (0 .2 7 ,0 .2 3 ) -9 4 .0 4 1 1 2 .1 2 1 6 8 .0 8 -8 2 .1 2 39 (0 .3 6 ,0 .2 7 ) 4 8 .9 7 1 0 0 .9 6 1 6 0 .1 2 6 8 .8 5

11 (0 .4 8 ,0 .2 7 ) -8 8 .9 9 8 1 .9 0 1 7 0 .8 6 -7 9 .8 5 40 (0 .3 6 ,0 .2 6 ) 1 7 .6 4 1 0 4 .0 3 1 6 1 .6 4 3 6 .0 0

12 (0 .5 1 ,0 .3 8 ) 1 8 .7 3 8 4 .3 8 1 7 7 .7 8 2 0 .9 6 41 (0 .4 7 ,0 .1 1 ) 1 0 8 .9 5 6 4 .1 1 1 3 8 .0 2 1 5 0 .9 4

13 (0 .4 4 ,0 .3 2 ) -5 6 .4 8 9 1 .4 9 1 7 5 .7 3 -5 2 .2 1 42 (0 .4 5 ,0 .1 7 ) -4 .4 7 8 5 .2 1 1 4 9 .9 8 2 5 .5 5

14 (0 .3 3 ,0 .3 3 ) 3 6 .0 7 1 1 0 .1 5 1 7 1 .7 3 4 4 .3 4 43 (0 .5 6 ,0 .1 4 ) -4 6 .5 0 6 8 .8 6 1 5 4 .1 8 -2 0 .6 9

15 (0 .4 3 ,0 .3 0 ) -3 8 .1 7 9 5 .0 5 1 7 2 .6 6 -3 0 .8 3 44 (0 .6 3 ,0 .3 7 ) 2 5 .6 5 6 5 .8 5 1 7 9 .5 8 2 6 .0 7

16 (0 .4 2 ,0 .2 2 ) -6 2 .5 6 9 1 .1 7 1 6 3 .0 8 -4 5 .6 5 45 (0 .3 8 ,0 .3 0 ) -2 9 .1 4 1 0 2 .0 1 1 7 2 .1 4 -2 1 .2 8

17 (0 .5 9 ,0 .1 6 ) -1 9 .0 9 6 6 .8 5 1 5 5 .3 1 5 .6 0 46 (0 .5 0 ,0 .2 6 ) 1 2 5 .1 5 7 1 .8 4 1 6 0 .0 6 1 4 5 .0 9

18 (0 .3 1 ,0 .1 9 ) 9 7 .4 4 9 5 .0 8 1 4 4 .8 9 1 3 2 .5 5 47 (0 .3 2 ,0 .2 2 ) -4 9 .5 3 1 0 7 .7 5 1 6 4 .4 6 -3 3 .9 8

19 (0 .4 6 ,0 .1 6 ) -1 3 2 .9 1 7 5 .3 8 1 5 5 .4 7 -1 0 8 .3 9 48 (0 .5 4 ,0 .3 6 ) 3 9 .8 8 7 7 .9 5 1 7 2 .7 5 4 7 .1 3

20 (0 .3 9 ,0 .1 6 ) 4 6 .8 5 8 7 .6 1 1 4 2 .1 3 8 4 .7 2 49 (0 .2 8 ,0 .1 8 ) 7 0 .8 6 1 0 3 .6 3 1 4 6 .5 3 1 0 4 .3 3

21 (0 .2 7 ,0 .1 7 ) -4 6 .3 2 1 1 5 .5 5 1 6 0 .3 3 -2 6 .6 5 50 (0 .3 5 ,0 .3 5 ) -1 0 5 .0 4 1 0 0 .0 2 1 8 0 .9 9 -1 0 6 .0 3

22 (0 .4 1 ,0 .1 1 ) -1 1 7 .4 0 8 0 .0 5 1 4 7 .4 9 -8 4 .8 9 51 (0 .4 4 ,0 .1 4 ) 1 2 6 .2 5 7 0 .6 8 1 4 2 .4 3 1 6 3 .8 2

23 (0 .2 5 ,0 .2 0 ) -1 2 5 .7 9 1 0 9 .7 8 1 6 2 .7 7 -1 0 8 .5 6 52 (0 .5 3 ,0 .1 5 ) -9 5 .1 3 6 9 .3 3 1 5 6 .2 2 -7 1 .3 6

24 (0 .6 3 ,0 .2 3 ) -1 0 7 .5 7 5 5 .6 9 1 7 3 .6 0 -1 0 1 .1 7 53 (0 .5 6 ,0 .2 4 ) 6 7 .6 8 6 8 .0 7 1 5 8 .3 7 8 9 .3 1

25 (0 .5 8 ,0 .3 2 ) -1 5 .3 2 7 3 .3 7 1 7 4 .4 0 -9 .7 2 54 (0 .6 3 ,0 .1 5 ) -2 6 .8 9 6 0 .2 8 1 5 6 .4 1 -3 .3 0

26 (0 .4 5 ,0 .1 8 ) -9 8 .6 4 8 1 .1 6 1 5 8 .2 1 -7 6 .8 5 55 (0 .2 9 ,0 .3 8 ) 1 1 8 .3 5 1 0 7 .3 7 1 7 5 .4 4 1 2 2 .9 1

27 (0 .5 1 ,0 .3 4 ) -5 .6 6 8 4 .0 7 1 7 3 .9 4 0 .3 9 56 (0 .6 5 ,0 .2 8 ) -1 3 0 .6 0 5 0 .5 7 1 8 2 .2 2 -1 3 2 .8 2

28 (0 .6 4 ,0 .1 1 ) 1 3 2 .6 8 4 2 .6 4 1 5 4 .1 7 1 5 8 .5 0 57 (0 .5 2 ,0 .1 5 ) -1 4 .6 9 7 4 .3 0 1 5 0 .6 4 1 4 .6 7

29 (0 .6 0 ,0 .3 1 ) -7 4 .2 1 6 6 .7 8 1 7 8 .8 7 -7 3 .0 9 58 (0 .3 8 ,0 .2 9 ) -7 1 .0 6 9 9 .6 5 1 7 3 .6 1 -6 4 .6 8

Tabla 5.5: Comprobación del Espacio de Trabajo Diestro del manipulador


5.2. VALIDACIÓN DEL DISEÑO 45

señal de control kp ki kd
u1 1:3 0 2:6
u2 1:3 0 2:6
u3 3 0 2:6
u4 3:8 1 0:5
u5 1:25 0:051 0:1999
u6 3:9 0:08 0:14

Tabla 5.6: Parámetros del controlador PID

5.2.1. Simulación numérica


Para validar el modelo del manipulador móvil se realiza una simulación numérica del diseño óptimo
EDMEE y se compara contra una simulación del diseño NOED. Para realizar las simulaciones se incluyen
dos casos:

a) cuando el efector …nal sujeta en su extremo una carga de 1 kg.

b) cuando el efector …nal está libre de carga.

Se propone un controlador PID sintonizado de forma experimental para regulación en un punto para
el modelo óptimo, mismo que es implementado para los demas diseños. Durante la simulación se desea
que el móvil alcance la posición descrita por la ecuación (5.1), donde Xd y Yd son la posición deseada del
móvil en el plano y d su orientación sobre el mismo, mientras que la con…guración articular deseada del
manipulador esta descrita por la ecuación (5.2). Las ganancias de controlador se muestran en la Tabla
5.6.
2 3 2 3
Xd 0:15 [m]
4 Yd 5 = 4 0:1 [m] 5 (5.1)
7
d 36
[rad]
2 3 21 3
q1d 6
[rad]
4q2d 5 = 4 [rad] 5 (5.2)
q3d 0 [rad]
La simulación se realiza en el entorno de Matlab Simulink, con método de integración de cuarto
orden Runge-Kutta.y paso …jo de 5 10 3 segundos

En la …gura 5.6, se muestra la comparación del desempeño en simulación del manipulador móvil para
el diseño óptimo EDMEE y para el diseño NOED cuando no existe carga en el efector …nal, así mismo
las señales de control en simulación para este caso, se muestran en la …gura 5.7.

La comparación del desempeño en simulación del manipulador móvil para el diseño óptimo EDMEE
y para el diseño NOED cuando existe una carga en el efector …nal se muestra en la …gura 5.8, y en la
…gura 5.9 se muestran sus señales de control simuladas.

Se muestra el error entre la posición deseada y simulada, del diseño óptimo EDMEE y del diseño
NOED en la …gura 5.10, cuando no existe carga en el efector …nal, mientras que en la …gura 5.11, se
muestra el error entre la posición deseada y simulada, del diseño óptimo EDMEE y del diseño NOED,
cuando existe una carga en el efector …nal.
46 CAPÍTULO 5. RESULTADOS

0.2 0.12
Óptimo
No óptimo
Deseada 0.1
0.15 Óptimo
0.08 No óptimo
Deseada
0.1
0.06

y [m]
x [m]

0.04
0.05

0.02

0
0

-0.05 -0.02
0 5 10 15 20 0 5 10 15 20
tiempo t [s] tiempo [s]

Desempeño del móvil al desplazarse hacia Xd Desempeño del móvil al desplazarse hacia Yd

0.7 0.7
Óptimo
No óptimo
0.6 0.6 Deseada
Óptimo
No óptimo 0.5
0.5
Deseada

0.4 0.4
q [rad]
φ [rad]

0.3 0.3

0.2 0.2

0.1 0.1

0 0
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Desempeño del móvil al rotar hacia d Desempeño del manipulador al desplazarse hacia q1d

3.5 0.02
Óptimo
No óptimo
3 0.01 Deseada
Óptimo
No óptimo
2.5 Deseada
0

2
q [rad]
q [rad]

-0.01
3
2

1.5

-0.02
1

-0.03
0.5

0 -0.04
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Desempeño del manipulador al desplazarse hacia q2d Desempeño del manipulador al desplazarse hacia q5d

Figura 5.6: Desempeño en simulación del manipulador móvil de los diseños EDMEE y NOED, sin carga
5.2. VALIDACIÓN DEL DISEÑO 47

1.2 0.25
Óptimo Óptimo
No óptimo No óptimo
1 0.2

0.8 0.15

0.6 0.1

u [Nm]
u [Nm]

2
1

0.4 0.05

0.2 0

0 -0.05

-0.2 -0.1
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Señal de control u1 , del robot móvil Señal de control u2 , del robot móvil

2 2
Óptimo Óptimo
No óptimo No óptimo
1.5
1.5
1

1
0.5
u [Nm]
u [Nm]

4
3

0
0.5

-0.5

0
-1

-0.5 -1.5
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Señal de control u3 , del robot móvil Señal de control u4 , del robot manipulador

4 0.3
Óptimo Óptimo
3.5 No óptimo 0.25 No óptimo

3
0.2
2.5
0.15
2
u [Nm]

u [Nm]

0.1
1.5
5

0.05
1
0
0.5

0 -0.05

-0.5 -0.1

-1 -0.15
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Señal de control u5 , del robot manipulador Señal de control u6 , del robot manipulador

Figura 5.7: Señales de control en simulación de los diseños EDMEE y NOED, sin carga
48 CAPÍTULO 5. RESULTADOS

0.3 0.14
Óptimo
No óptimo 0.12
0.2 Deseada
0.1
Óptimo
0.1 0.08
No óptimo
0.06 Deseada
0

y [m]
x [m]

0.04
-0.1
0.02

-0.2 0

-0.02
-0.3
-0.04

-0.4 -0.06
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Desempeño del móvil al desplazarse hacia Xd Desempeño del móvil al desplazarse hacia Yd

0.7 1
Óptimo
0.9 No óptimo
0.6 Deseada
Óptimo 0.8
No óptimo
0.5 Deseada 0.7

0.6
0.4
q [rad]
φ [rad]

0.5
1

0.3 0.4

0.3
0.2
0.2
0.1
0.1

0 0
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Desempeño del móvil al rotar hacia d Desempeño del manipulador al desplazarse hacia q1d

4.5 0.1
Óptimo Óptimo
No óptimo No óptimo
4
Deseada 0.05 Deseada

3.5
0
3

-0.05
q [rad]
q [rad]

2.5
3
2

2 -0.1

1.5
-0.15
1
-0.2
0.5

0 -0.25
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Desempeño del manipulador al desplazarse hacia q2d Desempeño del manipulador al desplazarse hacia q2d

Figura 5.8: Desempeño en simulación del manipulador móvil de los diseños EDMEE y NOED, con carga
5.2. VALIDACIÓN DEL DISEÑO 49

2.5 0.5
Óptimo Óptimo
No óptimo 0.4 No óptimo
2
0.3
1.5
0.2

1 0.1

u [Nm]
u [Nm]

0.5 0

2
1

-0.1
0
-0.2
-0.5
-0.3
-1
-0.4

-1.5 -0.5
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Señal de control u1 , del robot móvil Señal de control u2 , del robot móvil

2 3
Óptimo Óptimo
No óptimo No óptimo
2
1.5

1
1
u [Nm]

u [Nm]

0
3

0.5
-1

0
-2

-0.5 -3
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Señal de control u3 , del robot móvil Señal de control u4 , del robot manipulador

4 1.2
Óptimo Óptimo
No óptimo No óptimo
1
3
0.8

2
0.6
u [Nm]
u [Nm]

1 0.4
6
5

0.2
0
0

-1
-0.2

-2 -0.4
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Señal de control u5 , del robot manipulador Señal de control u6 , del robot manipulador

Figura 5.9: Señales de control en simulación de los diseños EDMEE y NOED, con carga
50 CAPÍTULO 5. RESULTADOS

0.2 0.12
Error EDMEE Error EDMEE
Error NOED Error NOED
0.1
0.15

0.08

0.1
Error en x [m]

Error en y [m]
0.06

0.04
0.05

0.02

0
0

-0.05 -0.02
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Error de posición del móvil al desplazarse Error de posición del móvil al desplazarse
hacia Xd hacia Yd

0.7 0.6
Error EDMEE Error EDMEE
Error NOED Error NOED
0.6 0.5

0.5 0.4

0.3
Error en q [rad]

0.4
Error en φ [rad]

0.3 0.2

0.2 0.1

0.1 0

0 -0.1

-0.1 -0.2
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Error de orientación del móvil al moverse Error de posición del manipulador al


hacia d desplazarse hacia q1d

3.5 0.04
Error EDMEE Error EDMEE
Error NOED Error NOED
3
0.03

2.5

0.02
2
Error en q [rad]

Error en q [rad]
2

1.5 0.01

1
0

0.5

-0.01
0

-0.5 -0.02
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Error de posición del manipulador al Error de posición del manipulador al


desplazarse hacia q2d desplazarse hacia q3d

Figura 5.10: Error en Simulación del manipulador móvil de los diseños EDMEE y NOED, sin carga
5.2. VALIDACIÓN DEL DISEÑO 51

0.5 0.16
Error EDMEE Error EDMEE
Error NOED 0.14 Error NOED
0.4
0.12

0.3 0.1

0.08
Error en x [m]

Error en y [m]
0.2
0.06
0.1
0.04

0 0.02

0
-0.1
-0.02

-0.2 -0.04
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Error de posición del móvil al desplazarse Error de posición del móvil al desplazarse
hacia Xd hacia Yd

0.6
0.7
Error EDMEE
Error EDMEE
Error NOED
Error NOED
0.6 0.4

0.5 0.2
Error en q [rad]

0.4
Error en φ [rad]

0
1

0.3
-0.2
0.2

-0.4
0.1

-0.6
0

-0.1 -0.8
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Error de orientación del móvil al moverse Error de posición del manipulador al


hacia d desplazarse hacia q1d

3.5 0.25
Error EDMEE Error EDMEE
3 Error NOED Error NOED
0.2
2.5

0.15
2
Error en q [rad]
Error en q [rad]

1.5
0.1
3
2

1
0.05
0.5

0 0

-0.5
-0.05
-1

-1.5 -0.1
0 5 10 15 20 0 5 10 15 20
tiempo [s] tiempo [s]

Error de posición del manipulador al Error de posición del manipulador al


desplazarse hacia q2d desplazarse hacia q3d

Figura 5.11: Error en Simulación del manipulador móvil de los diseños EDMEE y NOED, con carga
52 CAPÍTULO 5. RESULTADOS

1200 6000
Óptimo Óptimo
No óptimo No óptimo
1000 5000

800 4000

par τ [Nm]
par τ [Nm]

600 3000

400 2000

200 1000

0 0
0 5 10 15 20 0 5 10 15 20
tiempo t [s] tiempo t [s]

a) Sin carga b) Con carga

Figura 5.12: Resultados en simuación del Par uT acumulado total de los actuadores

En la Tabla 5.7 se muestra el par total ejercido por cada actuador del manipulador móvil de acuerdo
a la ecuación (5.3).
v
u tf
uX
jjui jj = t u2i (5.3)
t=0

Diseño jju1 jj jju2 jj jju3 jj jju4 jj jju5 jj jju6 jj total


a) Óptimo EDMEE 2:4324 1:9537 3:7048 7:6378 12:7515 0:8977 29:3777
b) ED 5:4925 2:0064 3:8480 12:5160 12:8240 0:8912 37:5780
c) NOEDMEE 20:7321 6:3604 6:0153 36:0489 38:3120 2:7596 110:2284
d) NOED 23:1070 7:5304 6:5175 39:9413 43:1443 8:0704 128:3109

Tabla 5.7: Consumo de Energía

En la …gura 5.12 se muestran las grá…cas del acumulado del par total simulado de todos los actuadores
en el tiempo t de la simulación, para el modelo óptimo y el modelo no óptimo con carga y sin carga.
Mientras que la …gura 5.13, muestra la energia total ET simulada en el tiempo t del manipulador móvil
para el modelo óptimo y el modelo no óptimo con carga y sin carga. Finalmente la …gura 5.14 muestra
la diferencia entre la energia total del manipulador móvil entre el modelo óptimo y el modelo no óptimo
cuando tiene carga y cuando no.
En resumen con las grá…cas mostradas anteriormente en esta sección así como con las Tablas 5.4 y
5.7, se demuestra que el diseño óptimo del sistema que considera los parámetros de diseño EDM M E pa ,
tiene un mejor desempeño además de poseer una menor energía total en el sistema en comparación con
un modelo no óptimo NOED, en donde solo se consideran las longitudes de los eslabones. Con esto, se
cumple el objetivo de reducir la energía eléctrica que consume el manipulador móvil y se valida el diseño
…nal resultante.
5.2. VALIDACIÓN DEL DISEÑO 53

2.5 8
Óptimo
No óptimo 7

2 Óptimo
6
No óptimo

5
1.5

E [J]
E [J]

T
T

1 3

2
0.5
1

0 0
0 5 10 15 20 0 5 10 15 20
tiempo t [s] tiempo t [s]

a) Sin carga b) Con carga

Figura 5.13: Resultados en simuación de la Energia total ET de los actuadores

1.8 0.8

1.6 0.7

1.4 0.6

1.2 0.5

1 0.4
E [J]

E [J]

0.8 0.3

0.6 0.2

0.4 0.1

0.2 0

0 -0.1
0 5 10 15 20 0 5 10 15 20
tiempo t [s] tiempo t [s]

a) Sin carga b) Con carga

Figura 5.14: Diferencia de la Energía total del manipulador móvil obtenida en simulación, entre el diseño
óptimo EDMEE y el diseño NOED
54 CAPÍTULO 5. RESULTADOS
Capítulo 6

Conclusiones

6.1. Conclusiones
En este trabajo se desarrolla una metodología para el diseño de un robot manipulador móvil omnidi-
reccional, en donde un robot manipulador 3R de arquitectura paralela de 5 barras es montado sobre un
robot móvil omnidireccional. Se considera la interacción entre los 2 robots de tal forma que el movimien-
to generado en cualquiera de estos, afecta el desempeño del otro. Con el …n de describir la relación entre
los sistemas, se desarrolla el modelo dinámico acoplado que describe matemáticamente en una ecuación
la relación entre el movimiento de los robots y las fuerzas que lo provocan.

Por otra parte, el modelo cinemático de cada robot es analizado individualmente ya que el espacio
de trabajo es diferente para los 2, y su interacción conjunta se puede describir como la adición de los
dos modelos cinemáticos.

Es a partir del modelo dinámico y cinemático que el problema de diseño de ingeniería se formula como
un problema de optimización matemática en donde se desea encontrar las longitudes y las posiciones
óptimas del centro de masa de los eslabones, con el objetivo de garantizar un espacio de trabajo diestro
y de disminuir el consumo de energía eléctrica.

Es así, que para dar solución al problema de optimización se implementa un Mecanismo de Ex-
plotación Exhaustiva (MEE) en el algoritmo de Evolución Diferencial (ED), que permite realizar una
mejor búsqueda sobre un espacio de diseño local con el …n de encontrar mejores soluciones. El MEE
mejora la convergencia hacia la solución optima, en comparación con un algoritmo tradicional de ED,
teniendo por desventaja un pequeño aumento en el tiempo de cómputo debido al número de veces que
se evalúa la función objetivo y la necesidad de sintonizar el factor de búsqueda Nw que pudiera afectar
el desempeño del algoritmo.

Finalmente, se simula el modelo con los parámetros de diseño óptimos con y sin carga, para evaluar
su desempeño y validar el modelo del robot manipulador móvil. Estos resultados se comparan contra el
desempeño en simulación de un robot con la misma arquitectura con y sin carga, el cual no fue sometido
a algún proceso de optimización y el cual solo cumple con el criterio del espacio de trabajo diestro.
Entonces a través de la comparación se observa que el modelo óptimo sufre una menor variación en la
energía mecánica del sistema y consecuentemente el consumo de energía eléctrica es menor, por lo tanto
se comprueba que el diseño con parámetros óptimo cumple con el objetivo deseado.

55
56 CAPÍTULO 6. CONCLUSIONES

6.2. Trabajos Futuros


Como trabajos a futuro se pretende introducir como variables de diseño en el problema de opti-
mización, las longitudes del centro del móvil hacia sus llantas, así como el radio propio de cada llanta,
con el …n de obtener un diseño óptimo completo.

Así mismo, queda pendiente realizar un diseño robusto integrado del manipulador móvil, donde se
considere minimizar el efecto de alteraciones externas en el desempeño del manipulador móvil, además
de obtener simultáneamente, los parámetros óptimos del sistema de control del manipulador móvil.

El estudio más profundo del desempeño del mecanismo de explotación exhaustiva en el algoritmo de
evolución diferencial, con el …n de obtener los parámetros propios del algoritmo que aseguren un correcto
desempeño y convergencia hacia un resultado óptimo.
Referencias

[1] A. Castano y P. Will. Mechanical design of a module for recon…gurable robots. Intelligent robots
and systems, Vol. 3, pp. 2203-2209, 2000.

[2] U. S. Dixit, R. Kumar y S. K. Dwivedy. Shape optimization of ‡exible robotic manipulators. Journal
of Mechanical Design, Vol. 128, no. 3, pp. 559-565, 2006.

[3] K. Youcef-Toumi, Modeling, design, and control integration: a necessary step in mechatronics,
IEEE/ASME Transactions on mechatronics, Vol. 1, no.1, pp. 29-38, March 1996.

[4] Masanori Sato y Kazuo Ishii, Simultaneous Optimization of Robot Structure and Control System
Using Evolutionary Algorithm, Journal of Bionic Engineering, Vol. 7, pp. S185–S190, 2010.

[5] M. Sánchez, M. Rodríguez, S. Bayarri, P. Redorta, E. Rodriguez, E. Fernandez y M. Villavicencio,


“Historia de la robótica: de Arquitas de Tarento al Robots Da Vinci (Parte II)”, Actas Urol, Vol.
31, No. 3, pp. 185-196, España, 2007.

[6] Juan C. Rivera Díaz presenta, “Diseño, construcción y control en tiempo real de un brazo robótico
de dos grados de libertad”. Tesis de maestría, CIDETEC, México, 2010.

[7] Miguel G. Villarreal. "Diseño integrado robusto de un manipulador de cadena cinemática cerrada".
Tesis Doctoral, CINVESTAV, México, 2010.

[8] Edgar R. Ramos Silvestre. “Control punto a punto para el seguimiento de trayectorias de un robot
móvil de ruedas tipo diferencial”. Tesis de maestría, CIDETEC, México, 2011.

[9] Martín R. Cordero Ocampo, “Control de un robot móvil de ruedas mediante campos potenciales
arti…ciales y procesamiento digital de imágenes en la evasión de obstáculos”, Tesis de maestría,
CIDETEC, México, 2011.

[10] A.Baño-Azcón , “Análisis y diseño del control de posición de un robot móvil con tracción difer-
encial”, Tesis de maestría dirigida por A. Oller Pujol, Departamento de Ingeniería Eléctrica, Elec-
trónica y Automática. Universidad Rovia I Virgili, España, 2003

[11] M.H. Korayem y H. Ghariblu. Maximun allowable load on wheeled mobile manipulator imposing
redundancy constraints. Robotics and Autonomous Systems, Vol 44, pp. 151-159, 2003.

[12] S. S. Rao, Engineering Optimization Theory and Practice, 4th ed. New Jersey: John Wiley & Sons,
2009.

[13] A.R. Khoei, Sh. Keshavarz, S.O.R. Biabanaki, .O ptimal design of powder compaction processes via
genetic algorithm technique", Finite Elements in Analysis and Design, Vol. 46, pp. 843-861, 2010.

57
58 REFERENCIAS

[14] Dongwoo Kang, Kihyun Kim, Dongmin Kim, Jongyoup Shim, Dae-Gab Gweon y Jaehwa Jeong,
.O ptimal design of high precision XY-scanner with nanometer-level resolution and millimeter-level
working range",Mechatronics, Vol. 19, pp. 562-570, 2009.

[15] Donghun Lee, TaeWon Seo y Jongwon Kim, .O ptimal design and workspace analysis of a mobile
welding robot with a 3P3R serial manipulator", Robotics and Autonomous Systems, Vol. 59, issue
10,pp 813-826, October 2011.

[16] JacobW.F. Cheung y Y.S. Hung. "Modelling an Control of a 2-DOF Planar Parallel Manipulator for
Semiconductor Packing Systems", IEEE/ASME International Conference on Advanced Intelligent
Mechatronics, Monterey, California, USA, pp.717-722, July 2005.

[17] Miguel G. Villarreal-Cervantes,Carlos A. Cruz-Villar, Jaime Alvarez-Gallegos, Edgar A. Portilla-


Flores, "Di¤erential evolution techniques for the structure-control design of a …ve-bar parallel ro-
bot", Engineering Optimization, vol. 42, No. 6, pp535-565, 2010

[18] Edgar A. Portilla-Flores, Efrén Mezura-Montes, Jaime Alvarez-Gallegos, Carlos A Coello-Coello,


Carlos A. Cruz-Villar, Miguel G. Villarreal-Cervantes. "Parametric recon…guration improvement in
non-iterative concurrent mechatronic design using an evolutionary-based approach ", Engineering
Applications of Arti…cial Intelligence, Vol. 24, No. 5, pp 757 - 771, 2011.

[19] Subir Kumar Saha, Introduction to robotics,1st ed. Mc Graw Hill, 2008.

[20] John J. Craig, Robótica,3ra ed. México: Prentice Hall, 2006

[21] R. Storn and K. Price, “A simple and e¢ cient heuristic for global optimization over continuous
spaces,”Journal of Global Optimization, vol. 11, no. 4, pp. 341–359, 1997.

[22] J. Dongli, Z. Guoxing, and K. Muhammad, “An e¤ective memetic di¤erential evolution algorithm
based on chaotic local search,”Information Sciences, vol. 181, pp. 3175–3187, 2011.

[23] W. Chunquiu, W. Jung, Y. Geng, G. Huajie, and Z. Xing, “Wind farm micro-siting by gaussian
particle swarm optimization with local search strategy,” Renewable Energy, vol. 48, pp. 276–286,
2012.

[24] M. G. Epitropakis, D. K. Tasoulis, N. G. Pavlidis, V. P. Plagianakos, and M. N. Vrahatis, “En-


hancing di¤erential evolution utilizing proximitybased mutation operators,” IEEE Transaction on
Evolutionary Computation, vol. 15, no. 1, pp. 99–119, 2011.

[25] M. G. Villarreal-Cervantes, C. A. Cruz-Villar, J. A´ lvarez Gallegos, and E. A. Portilla-Flores,


“Kinematic dexterity maximization of an omnidirectional wheeled mobile robot: A comparison of
metaheuristic and sqp algorithms.”International Journal of Advanced Robotic Systems, vol. 9, no.
161, pp. 1–12, 2012.

[26] E. A. Portilla-Flores, E. Mezura-Montes, J. Alvarez-Gallegos, C. A. Coello-Coello, C. A. Cruz-


Villar, and M. G. Villarreal-Cervantes, “Parametric recon…guration improvement in non-iterative
concurrent mechatronic design using an evolutionary-based approach,”Engineering Applications of
Arti…cial Intelligence, vol. 24, no. 5, pp. 733–918, 2011.

[27] K. V. Price, R. M. Storn, and J. A. Lampinen, Di¤erential evolution: A practical approach to global
optimization. Springer, December 2005.
REFERENCIAS 59

[28] E. Mezura-Montes, J. Velázquez-Reyes, and C. A. C. Coello, “A comparative study of di¤erential


evolution variants for global optimization,” Genetic And Evolutionary Computation Conference,
pp. 485–492, 2006.

[29] K. Deb, “An e¢ cient constraint handling method for genetic algorithms,” Computer methods in
applied mechanics and engineering, vol. 186, no. 2/4, pp. 311–338, 2000.
60 REFERENCIAS
Apéndice A

Matrices M, C y G

2 3
M11 M12 M13 M14 M15 M16
6M21 M22 M23 M24 M25 M26 7
6 7
6M31 M32 M33 M34 M35 M36 7
M =6
6M41
7
6 M42 M43 M44 M45 M46 7
7
4M51 M52 M53 M54 M55 M56 5
M61 M62 M63 M64 M65 M66

M11 = m0 + m1 + m2 + m3 + m4 + m5
M12 = 0
M13 = m1 pc1z lmy m2 lmy m3 lmy m4 lmy m5 lmy m1 + m2 pc2z + m3 pc3z + m4 pc4z +
m5 pc5z
M14 = m1 pc1y cos(q1 ) m3 pc3y cos(q1 ) m1 pc1x sin(q1 ) m3 pc3x sin(q1 ) L1 m4 sin(q1 )
L1 m5 sin(q1 )
M15 = m4 pc4y cos(q2 ) m2 pc2y cos(q2 ) m2 pc2x sin(q2 ) + m4 pc4x sin(q2 ) + m5 pc5y cos(q2 + q3 ) +
m5 pc5x sin(q2 + q3 ) L2 m3 sin(q2 ) + L4 m5 sin(q2 )
M16 = m5 pc5y cos(q2 + q3 ) + pc5x sin(q2 + q3 )
————————————————————————————————————————

M21 = 0
M22 = m0 + m1 + m2 + m3 + m4 + m5
M23 = lmx m1 + lmx m2 + lmx m3 + lmx m4 + lmx m5 + m1 pc1x cos(q1 ) + m2 pc2x cos(q2 ) +
m3 pc3x cos(q1 ) m4 pc4x cos(q2 ) m1 pc1y sin(q1 ) m2 pc2y sin(q2 ) m3 pc3y sin(q1 ) +
m4 pc4y sin(q2 ) m5 pc5x cos(q2 + q3 ) + L1 m4 cos(q1 ) + L1 m5 cos(q1 ) + L2 m3 cos(q2 )
L4 m5 cos(q2 ) + m5 pc5y sin(q2 + q3 )
M24 = 0
M25 = 0
M26 = 0

61
62 APÉNDICE A. MATRICES M, C Y G

M31 = m1 pc1z lmy m2 lmy m3 lmy m4 lmy m5 lmy m1 + m2 pc2z + m3 pc3z + m4 pc4z + m5 pc5z
M32 = m1 (lmx + pc1x cos(q1 ) pc1y sin(q1 )) + m2 lmx + pc2x cos(q2 ) pc2y sin(q2 ) +
m3 lmx + L2 cos(q2 ) + pc3x cos(q1 ) pc3y sin(q1 ) +
m4 lmx + L1 cos(q1 ) pc4x cos(q2 ) + pc4y sin (q2 ) +
m5 lmx pc5x cos(q2 + q3 ) + L1 cos(q1 ) L4 cos(q2 ) + pc5y sin(q2 + q3 )
2
M33 = I0zz + I5xy sin(2q2 + 2q3 ) + m1 lmx + pc1x cos(q1 ) pc1y sin(q1 ) + (lmy pc1z )2 +
2 2
m2 lmx + pc2x cos(q2 ) pc2y sin (q2 ) + lmy pc2z + I5yy cos(q2 + q3 )2 +
I5xx sin(q2 + q3 )2 + m3 (lmy pc3z )2 + m4 (lmy pc4z )2 + m5 (lmy pc5z )2 +
m3 (lmx + L2 cos(q2 ) + pc3x cos(q1 ) pc3y sin(q1 ))2 + m4 (lmx + L1 cos(q1 ) pc4x cos(q2 ) +
pc4y sin(q2 ))2 + I1yy cos(q1 )2 + I2yy cos(q2 )2 + I3yy cos(q1 )2 + I4yy cos(q2 )2 + I1xy sin(2q1 ) +
I2xy sin(2q2 ) + I3xy sin(2q1 ) + I1xx sin(q1 )2 + I4xy sin(2q2 ) + I2xx sin(q2 )2 + I3xx sin(q1 )2 +
I4xx sin(q2 )2 + m5 (lmx pc5x cos(q2 + q3 ) + L1 cos(q1 ) L4 cos(q2 ) + pc5y sin(q2 + q3 ))2
M34 = I1yz cos(q1 ) + I3yz cos(q1 ) + I1xz sin(q1 ) + I3xz sin(q1 ) + m1 (lmy pc1z )(pc1y cos(q1 ) +
pc1x sin(q1 )) + m3 (lmy pc3z )(pc3y cos(q1 ) + pc3x sin(q1 )) + L1 m4 sin(q1 )(lmy pc4z ) +
L1 m5 sin(q1 )(lmy pc5z )
M35 = I2yz cos(q2 ) I5xz sin(q2 + q3 ) I5yz cos(q2 + q3 ) I4yz cos(q2 ) + I2xz sin(q2 ) I4xz sin(q2 ) +
m2 (lmy pc2z )(pc2y cos(q2 ) + pc2x sin(q2 )) m4 (lmy pc4z )(pc4y cos(q2 ) + pc4x sin(q2 ))
m5 (lmy pc5z )(pc5y cos(q2 + q3 ) + pc5x sin(q2 + q3 ) + L4 sin(q2 )) + L2 m3 sin(q2 )(lmy pc3z )
M36 = I5yz cos(q2 + q3 ) I5xz sin(q2 + q3 ) m5 (pc5y cos(q2 + q3 ) + pc5x sin(q2 + q3 ))(lmy pc5z )
————————————————————————————————————————
M41 = m1 pc1y cos(q1 ) m3 pc3y cos(q1 ) m1 pc1x sin(q1 ) m3 pc3x sin(q1 ) L1 m4 sin(q1 )
L1 m5 sin(q1 )
M42 = 0
M43 = I1yz cos(q1 ) + I3yz cos(q1 ) + I1xz sin(q1 ) + I3xz sin(q1 ) + L1 lmy m4 sin(q1 ) + L1 lmy m5 sin(q1 )
L1 m4 pc4z sin(q1 ) L1 m5 pc5z sin(q1 ) + lmy m1 pc1y cos(q1 ) + lmy m3 pc3y cos(q1 )
m1 pc1y pc1z cos(q1 ) m3 pc3y pc3z cos(q1 ) + lmy m1 pc1x sin(q1 ) + lmy m3 pc3x sin(q1 )
m1 pc1x pc1z sin(q1 ) m3 pc3x pc3z sin(q1 )
M44 = I1zz + I3zz + L21 m4 + L21 m5 + m1 p2c1x + m1 p2c1y + m3 p2c3x + m3 p2c3y
M45 = L2 m3 pc3x cos(q1 q2 ) L1 L4 m5 cos(q1 q2 ) L1 m5 pc5y sin(q1 q2 q3 )
L1 m5 pc5x cos(q1 q2 q3 ) L1 m4 pc4x cos(q1 q2 ) L2 m3 pc3y sin(q1 q2 )
L1 m4 pc4y sin(q1 q2 )
M46 = L1 m5 (pc5x cos(q1 q2 q3 ) + pc5y sin(q1 q2 q3 ))
M51 = m4 pc4y cos(q2 ) m2 pc2y cos(q2 ) m2 pc2x sin(q2 ) + m4 pc4x sin(q2 ) + m5 pc5y cos(q2 + q3 ) +
m5 pc5x sin(q2 + q3 ) L2 m3 sin(q2 ) + L4 m5 sin(q2 )
M52 = 0
M53 = I2yz cos(q2 ) I5xz sin(q2 + q3 ) I5yz cos(q2 + q3 ) I4yz cos(q2 ) + I2xz sin(q2 ) I4xz sin(q2 )
lmy m5 pc5y cos(q2 + q3 ) + m5 pc5y pc5z cos(q2 + q3 ) lmy m5 pc5x sin(q2 + q3 ) +
m5 pc5x pc5z sin(q2 + q3 ) + L2 lmy m3 sin(q2 ) L4 lmy m5 sin(q2 ) L2 m3 pc3z sin(q2 ) +
L4 m5 pc5z sin(q2 ) + lmy m2 pc2y cos(q2 ) lmy m4 pc4y cos(q2 ) m2 pc2y pc2z cos(q2 ) +
m4 pc4y pc4z cos(q2 ) + lmy m2 pc2x sin(q2 ) lmy m4 pc4x sin(q2 ) m2 pc2x pc2z sin(q2 ) +
m4 pc4x pc4z sin(q2 )
M54 = L2 m3 pc3x cos(q1 q2 ) L1 L4 m5 cos(q1 q2 ) L1 m5 pc5y sin(q1 q2 q3 )
L1 m5 pc5x cos(q1 q2 q3 ) L1 m4 pc4x cos(q1 q2 ) L2 m3 pc3y sin(q1 q2 )
L1 m4 pc4y sin(q1 q2 )
M55 = m3 L22 + m5 L24 + 2m5 cos(q3 )L4 pc5x 2m5 sin(q3 )L4 pc5y + m2 p2c2x + m2 p2c2y + m4 p2c4x +
m4 p2c4y + m5 p2c5x + m5 p2c5y + I2zz + I4zz + I5zz
M56 = m5 p2c5x + L4 m5 cos(q3 )pc5x + m5 p2c5y L4 m5 sin(q3 )pc5y + I5zz
63

M61 = m5 (pc5y cos(q2 + q3 ) + pc5x sin(q2 + q3 ))


M62 = 0
M63 = m5 pc5y pc5z cos(q2 + q3 ) I5xz sin(q2 + q3 ) lmy m5 pc5y cos(q2 + q3 ) I5yz cos(q2 + q3 )
lmy m5 pc5x sin(q2 + q3 ) + m5 pc5x pc5z sin(q2 + q3 )
M64 = L1 m5 (pc5x cos(q1 q2 q3 ) + pc5y sin(q1 q2 q3 ))
M65 = m5 p2c5x + L4 m5 cos(q3 )pc5x + m5 p2c5y L4 m5 sin(q3 )pc5y + I5zz
2 2
M66 = m5 pc5x + m5 pc5y + I5zz

2 3
C11 C12 C13 C14 C15 C16
6C21 C22 C23 C24 C25 C26 7
6 7
6C31 C32 C33 C34 C35 C36 7
C= 6
6C41
7
6 C42 C43 C44 C45 C46 7
7
4C51 C52 C53 C54 C55 C56 5
C61 C62 C63 C64 C65 C66

C11 =0
C12 = _ (m0 + m1 + m2 + m3 + m4 + m5 )
C13 =0
C14 = q_1 (m1 pc1x cos(q1 ) + m3 pc3x cos(q1 ) m1 pc1y sin(q1 ) m3 pc3y sin(q1 ) + L1 m4 cos(q1 ) +
L1 m5 cos(q1 ))
C15 = q_2 (m2 pc2x cos(q2 ) m4 pc4x cos(q2 ) m2 pc2y sin(q2 ) + m4 pc4y sin(q2 ) m5 pc5x cos(q2 + q3 ) +
L2 m3 cos(q2 ) L4 m5 cos(q2 ) + m5 pc5y sin(q2 + q3 ))
C16 = m5 (pc5x cos(q2 + q3 ) pc5y sin(q2 + q3 ))(2q_2 + q_3 )

C21 = _ (m0 + m1 + m2 + m3 + m4 + m5 )
C22 =0
C23 =0
C24 = _ (m1 pc1y cos(q1 ) + m3 pc3y cos(q1 ) + m1 pc1x sin(q1 ) + m3 pc3x sin(q1 ) + L1 m4 sin(q1 ) +
L1 m5 sin(q1 ))
C25 _
= (m4 pc4y cos(q2 ) m2 pc2y cos(q2 ) m2 pc2x sin(q2 ) + m4 pc4x sin(q2 ) + m5 pc5y cos(q2 + q3 ) +
m5 pc5x sin(q2 + q3 ) L2 m3 sin(q2 ) + L4 m5 sin(q2 ))
C26 _
= m5 (pc5y cos(q2 + q3 ) + pc5x sin(q2 + q3 ))

C31 = 2 _ (lmx m1 + lmx m2 + lmx m3 + lmx m4 + lmx m5 + m1 pc1x cos(q1 ) + m2 pc2x cos(q2 ) +
m3 pc3x cos(q1 ) m4 pc4x cos(q2 ) m1 pc1y sin(q1 ) m2 pc2y sin(q2 ) m3 pc3y sin(q1 ) +
m4 pc4y sin(q2 ) m5 pc5x cos(q2 + q3 ) + L1 m4 cos(q1 ) + L1 m5 cos(q1 ) + L2 m3 cos(q2 )
L4 m5 cos(q2 ) + m5 pc5y sin(q2 + q3 ))
C32 = 2 _ (lmy m1 + lmy m2 + lmy m3 + lmy m4 + lmy m5 m1 pc1z m2 pc2z m3 pc3z m4 pc4z m5 pc5z )
64 APÉNDICE A. MATRICES M, C Y G

C33 = 4I1xy q_1 cos(q1 )2 2I2xy q_2 2I3xy q_1 2I4xy q_2 2I5xy q_2 2I5xy q_3 2I1xy q_1 + 4I3xy q_1 cos(q1 )2 +
4I2xy q_2 cos(q2 )2 + 4I4xy q_2 cos(q2 )2 + I1xx q_1 sin(2q1 ) I1yy q_1 sin(2q1 ) + I3xx q_1 sin(2q1 )
I3yy q_1 sin(2q1 ) + I2xx q_2 sin(2q2 ) I2yy q_2 sin(2q2 ) + I4xx q_2 sin(2q2 ) I4yy q_2 sin(2q2 ) +
I5xx q_2 sin(2q2 + 2q3 ) I5yy q_2 sin(2q2 + 2q3 ) + I5xx q_3 sin(2q2 + 2q3 ) I5yy q_3 sin(2q2 + 2q3 ) +
4I5xy q_2 cos(q2 + q3 )2 + 4I5xy q_3 cos(q2 + q3 )2 L21 q_1 m4 sin(2q1 ) L21 q_1 m5 sin(2q1 )
L22 q_2 m3 sin(2q2 ) L24 q_2 m5 sin(2q2 ) q_1 m1 p2c1x sin(2q1 ) + q_1 m1 p2c1y sin(2q1 )
q_1 m3 p2c3x sin(2q1 ) + q_1 m3 p2c3y sin(2q1 ) q_2 m2 p2c2x sin(2q2 ) + q_2 m2 p2c2y sin(2q2 )
q_2 m4 p2c4x sin(2q2 ) + q_2 m4 p2c4y sin(2q2 ) q_2 m5 p2c5x sin(2q2 + 2q3 ) + q_2 m5 p2c5y sin(2q2 + 2q3 )
q_3 m5 p2c5x sin(2q2 + 2q3 ) + q_3 m5 p2c5y sin(2q2 + 2q3 ) + 2q_1 m1 pc1x pc1y + 2q_2 m2 pc2x pc2y +
2q_1 m3 pc3x pc3y + 2q_2 m4 pc4x pc4y + 2q_2 m5 pc5x pc5y + 2q_3 m5 pc5x pc5y
4q_2 m5 pc5x pc5y cos(q2 + q3 )2 4q_3 m5 pc5x pc5y cos(q2 + q3 )2 4q_1 m1 pc1x pc1y cos(q1 )2
4q_1 m3 pc3x pc3y cos(q1 )2 4q_2 m2 pc2x pc2y cos(q2 )2 4q_2 m4 pc4x pc4y cos(q2 )2 +
2q_2 lmx m5 pc5y cos(q2 + q3 ) + 2q_3 lmx m5 pc5y cos(q2 + q3 ) + 2q_2 lmx m5 pc5x sin(q2 + q3 ) +
2q_3 lmx m5 pc5x sin(q2 + q3 ) 2L1 q_1 lmx m4 sin(q1 ) 2L1 q_1 lmx m5 sin(q1 )
2L2 q_2 lmx m3 sin(q2 ) + 2L4 q_2 lmx m5 sin(q2 ) 2q_1 lmx m1 pc1y cos(q1 )
2q_1 lmx m3 pc3y cos(q1 ) 2q_2 lmx m2 pc2y cos(q2 ) + 2q_2 lmx m4 pc4y cos(q2 )
2q_1 lmx m1 pc1x sin(q1 ) 2q_1 lmx m3 pc3x sin(q1 ) 2q_2 lmx m2 pc2x sin(q2 ) + 2q_2 lmx m4 pc4x sin(q2 ) +
2L1 q_2 m5 pc5y cos(q2 + q3 ) cos(q1 ) + 2L1 q_3 m5 pc5y cos(q2 + q3 ) cos(q1 )
2L4 q_2 m5 pc5y cos(q2 + q3 ) cos(q2 ) 2L4 q_3 m5 pc5y cos(q2 + q3 ) cos(q2 ) +
2L1 q_1 m5 pc5x cos(q2 + q3 ) sin(q1 ) + 2L1 q_2 m5 pc5x sin(q2 + q3 ) cos(q1 ) +
2L1 q_3 m5 pc5x sin(q2 + q3 ) cos(q1 ) 2L4 q_2 m5 pc5x cos(q2 + q3 ) sin(q2 )
2L4 q_2 m5 pc5x sin(q2 + q3 ) cos(q2 ) 2L4 q_3 m5 pc5x sin(q2 + q3 ) cos(q2 ) +
2L1 L4 q_1 m5 cos(q2 ) sin(q1 ) + 2L1 L4 q_2 m5 cos(q1 ) sin(q2 ) 2L1 q_1 m5 pc5y sin(q2 + q3 ) sin(q1 ) +
2L4 q_2 m5 pc5y sin(q2 + q3 ) sin(q2 ) 2L2 q_1 m3 pc3y cos(q1 ) cos(q2 ) +
2L1 q_2 m4 pc4y cos(q1 ) cos(q2 ) 2L2 q_1 m3 pc3x cos(q2 ) sin(q1 ) + 2L1 q_1 m4 pc4x cos(q2 ) sin(q1 )
2L2 q_2 m3 pc3x cos(q1 ) sin(q2 ) + 2L1 q_2 m4 pc4x cos(q1 ) sin(q2 ) 2L1 q_1 m4 pc4y sin(q1 ) sin(q2 ) +
2L2 q_2 m3 pc3y sin(q1 ) sin(q2 )

C34 = q_1 (I1xz cos(q1 ) + I3xz cos(q1 ) I1yz sin(q1 ) I3yz sin(q1 ) + L1 lmy m4 cos(q1 ) + L1 lmy m5 cos(q1 )
L1 m4 pc4z cos(q1 ) L1 m5 pc5z cos(q1 ) + lmy m1 pc1x cos(q1 ) + lmy m3 pc3x cos(q1 )
m1 pc1x pc1z cos(q1 ) m3 pc3x pc3z cos(q1 ) lmy m1 pc1y sin(q1 ) lmy m3 pc3y sin(q1 ) +
m1 pc1y pc1z sin(q1 ) + m3 pc3y pc3z sin(q1 ))
C35 = q_2 (I5yz sin(q2 + q3 ) I5xz cos(q2 + q3 ) + I2xz cos(q2 ) I4xz cos(q2 ) I2yz sin(q2 ) + I4yz sin(q2 )
lmy m5 pc5x cos(q2 + q3 ) + m5 pc5x pc5z cos(q2 + q3 ) + L2 lmy m3 cos(q2 ) L4 lmy m5 cos(q2 )
L2 m3 pc3z cos(q2 ) + L4 m5 pc5z cos(q2 ) + lmy m5 pc5y sin(q2 + q3 ) m5 pc5y pc5z sin(q2 + q3 ) +
lmy m2 pc2x cos(q2 ) lmy m4 pc4x cos(q2 ) m2 pc2x pc2z cos(q2 ) + m4 pc4x pc4z cos(q2 )
lmy m2 pc2y sin(q2 ) + lmy m4 pc4y sin(q2 ) + m2 pc2y pc2z sin(q2 ) m4 pc4y pc4z sin(q2 ))
C36 = (2q_2 + q_3 )(I5xz cos(q2 + q3 ) I5yz sin(q2 + q3 ) + lmy m5 pc5x cos(q2 + q3 )
m5 pc5x pc5z cos(q2 + q3 ) lmy m5 pc5y sin(q2 + q3 ) + m5 pc5y pc5z sin(q2 + q3 ))
65

C41 = 0
C42 = 2 _ (m1 pc1y cos(q1 ) + m3 pc3y cos(q1 ) + m1 pc1x sin(q1 ) + m3 pc3x sin(q1 ) + L1 m4 sin(q1 ) +
L1 m5 sin(q1 ))
I1 sin(2q1 ) I sin(2q1 ) I3 sin(2q1 )
C43 = _ (I1xy + I3xy 2I1xy cos(q1 )2 2I3xy cos(q1 )2 xx
+ 1yy 2
xx
2
+ 2
I3yy sin(2q1 ) L21 m4 sin(2q1 ) L21 m5 sin(2q1 ) m1 p2c1x sin(2q1 )
2
m1 pc1x pc1y m3 pc3x pc3y + 2
+ 2
+ 2
m1 p2c1y sin(2q1 ) m3 p2
c3x sin(2q1 ) m3 p2c3y sin(2q1 )
2
+ 2 2
+ L1 lmx m4 sin(q1 ) + L1 lmx m5 sin(q1 )
+
lmx m1 pc1y cos(q1 ) + lmx m3 pc3y cos(q1 ) + lmx m1 pc1x sin(q1 ) + lmx m3 pc3x sin(q1 ) +
2m1 pc1x pc1y cos(q1 )2 + 2m3 pc3x pc3y cos(q1 )2 L1 L4 m5 cos(q2 ) sin(q1 ) +
L2 m3 pc3y cos(q1 ) cos(q2 ) + L2 m3 pc3x cos(q2 ) sin(q1 ) L1 m4 pc4x cos(q2 ) sin(q1 ) +
L1 m4 pc4y sin(q1 ) sin(q2 ) L1 m5 pc5x cos(q2 ) cos(q3 ) sin(q1 ) +
L1 m5 pc5y cos(q2 ) sin(q1 ) sin(q3 ) + L1 m5 pc5y cos(q3 ) sin(q1 ) sin(q2 ) +
L1 m5 pc5x sin(q1 ) sin(q2 ) sin(q3 ))
C44 =0
C45 = q_2 (L1 m5 pc5y cos(q1 q2 q3 ) L1 m5 pc5x sin(q1 q2 q3 ) L1 L4 m5 sin(q1 q2 ) +
L2 m3 pc3y cos(q1 q2 ) + L1 m4 pc4y cos(q1 q2 ) + L2 m3 pc3x sin(q1 q2 )
L1 m4 pc4x sin(q1 q2 ))
C46 = L1 m5 (2q_2 + q_3 )(pc5y cos(q1 q2 q3 ) pc5x sin(q1 q2 q3 ))

C51 = 0
C52 = 2 _ (m2 pc2y cos(q2 ) m4 pc4y cos(q2 ) + m2 pc2x sin(q2 ) m4 pc4x sin(q2 ) m5 pc5y cos(q2 + q3 )
m5 pc5x sin(q2 + q3 ) + L2 m3 sin(q2 ) L4 m5 sin(q2 ))
_
C53 = 2 (2I5xy cos(2q2 + 2q3 ) + I5xx sin(2q2 + 2q3 ) I5yy sin(2q2 + 2q3 ) + 2I2xy cos(2q2 ) +
2I4xy cos(2q2 ) + I2xx sin(2q2 ) I2yy sin(2q2 ) + I4xx sin(2q2 ) I4yy sin(2q2 )
m5 p2c5x sin(2q2 + 2q3 ) + m5 p2c5y sin(2q2 + 2q3 ) L22 m3 sin(2q2 ) L24 m5 sin(2q2 )
m2 p2c2x sin(2q2 ) + m2 p2c2y sin(2q2 ) m4 p2c4x sin(2q2 ) + m4 p2c4y sin(2q2 )
2m5 pc5x pc5y cos(2q2 + 2q3 ) + L1 L4 m5 sin(q1 + q2 ) L2 m3 pc3y cos(q1 + q2 ) +
L1 m4 pc4y cos(q1 + q2 ) L2 m3 pc3x sin(q1 + q2 ) + L1 m4 pc4x sin(q1 + q2 ) +
2lmx m5 pc5y cos(q2 + q3 ) + L1 m5 pc5y cos(q1 q2 q3 ) + 2lmx m5 pc5x sin(q2 + q3 )
2L2 lmx m3 sin(q2 ) + 2L4 lmx m5 sin(q2 ) L1 m5 pc5x sin(q1 q2 q3 ) L1 L4 m5 sin(q1 q2 )
2lmx m2 pc2y cos(q2 ) + 2lmx m4 pc4y cos(q2 ) + L2 m3 pc3y cos(q1 q2 ) +
L1 m4 pc4y cos(q1 q2 ) 2L4 m5 pc5y cos(2q2 + q3 ) 2lmx m2 pc2x sin(q2 ) +
2lmx m4 pc4x sin(q2 ) + L2 m3 pc3x sin(q1 q2 ) L1 m4 pc4x sin(q1 q2 )
2L4 m5 pc5x sin(2q2 + q3 ) + L1 m5 pc5y cos(q1 + q2 + q3 ) + L1 m5 pc5x sin(q1 + q2 + q3 )
2m2 pc2x pc2y cos(2q2 ) 2m4 pc4x pc4y cos(2q2 ))
C54 = q_1 (L1 m5 pc5x sin(q1 q2 q3 ) L1 m5 pc5y cos(q1 q2 q3 ) + L1 L4 m5 sin(q1 q2 )
L2 m3 pc3y cos(q1 q2 ) L1 m4 pc4y cos(q1 q2 ) L2 m3 pc3x sin(q1 q2 ) +
L1 m4 pc4x sin(q1 q2 ))
C55 = ( 2)L4 q_3 m5 (pc5y cos(q3 ) + pc5x sin(q3 ))
C56 = L4 q_3 m5 (pc5y cos(q3 ) + pc5x sin(q3 ))
66 APÉNDICE A. MATRICES M, C Y G

C61 = 0
C62 = ( 2) _ m5 (pc5y cos(q2 + q3 ) + pc5x sin(q2 + q3 ))
_
C63 = 2 (2I5xy cos(2q2 + 2q3 ) + I5xx sin(2q2 + 2q3 ) I5yy sin(2q2 + 2q3 ) m5 p2c5x sin(2q2 + 2q3 ) +
m5 p2c5y sin(2q2 + 2q3 ) 2m5 pc5x pc5y cos(2q2 + 2q3 ) + 2lmx m5 pc5y cos(q2 + q3 )
L4 m5 pc5y cos(q3 ) + L1 m5 pc5y cos(q1 q2 q3 ) + 2lmx m5 pc5x sin(q2 + q3 )
L4 m5 pc5x sin(q3 ) L1 m5 pc5x sin(q1 q2 q3 ) L4 m5 pc5y cos(2q2 + q3 )
L4 m5 pc5x sin(2q2 + q3 ) + L1 m5 pc5y cos(q1 + q2 + q3 ) + L1 m5 pc5x sin(q1 + q2 + q3 ))
C64 = L1 q_1 m5 (pc5x sin(q1 q2 q3 ) pc5y cos(q1 q2 q3 ))
C65 = L4 q_2 m5 (pc5y cos(q3 ) + pc5x sin(q3 ))
C66 = 0
2 3
G1
6G2 7
6 7
6G3 7
G=6 7
6G4 7
6 7
4G5 5
G6
G1 = 0
G2 = 0
G3 = 0
G4 = g(m1 pc1x cos(q1 ) + m3 pc3x cos(q1 ) m1 pc1y sin(q1 ) m3 pc3y sin(q1 ) + L1 m4 cos(q1 )+
L1 m5 cos(q1 ))
G5 = g(m2 pc2x cos(q2 ) m4 pc4x cos(q2 ) m2 pc2y sin(q2 ) + m4 pc4y sin(q2 ) m5 pc5x cos(q2 + q3 )+
L2 m3 cos(q2 ) L4 m5 cos(q2 ) + m5 pc5y sin(q2 + q3 ))
G6 = g(m5 pc5y sin(q2 + q3 ) m5 pc5x cos(q2 + q3 ))
Apéndice B

Planos de los componentes del sistema

67
Eslabón 4

Eslabón 5
Eslabón 2

Eslabón 1
Eslabón 3

Eslabón 3

Eslabón 2
Eslabón 4

Eslabón 5
Eslabón 1

Nombre de pieza:
Ensamblaje del Manipulador
Propiedades: Escala:
1:5
Unidades:
PLANO 1
CENTRO DE INNOVACIÓN Y DESARROLLO
CIDETEC-IPN TECNOLÓGICO EN CÓMPUTO
Eslabón 1
Eslabón 1

0.01
0.03

Eslabón3
0.03

Eslabón 3 0.01

0.02
0.

8
03

0. 0
0.05
13

R0.02
0.

11

45. 0
0.

0. 0
1
0.

01

R 0. 0 Eslabón 1 Eslabón 3
02 2
.
R0 0.30
0.34

Nombre de pieza:
Eslabón 1 y 3
Propiedades: Escala:
Pc =0.0999, Pc =0.0999
x y 1:5
Unidades:
PLANO 2 Metros
CENTRO DE INNOVACIÓN Y DESARROLLO
CIDETEC-IPN TECNOLÓGICO EN CÓMPUTO
0.05
0.01

0.02

0.07 2
.0
R0
0.01
0. 01

0.06
0. 07
. 02

0. 06
R0

10
6. 2
0.09

0.03

Nombre de pieza:
Eslabón 2
Propiedades: Escala:
Pc =0.0999, Pc =-0.0998
x y 1:2
Unidades:
PLANO 3 Metros
CENTRO DE INNOVACIÓN Y DESARROLLO
CIDETEC-IPN TECNOLÓGICO EN CÓMPUTO
0.01

0.01
0.08
0. 1
1 0.03
2
R 0. 0

156.23°
3
0. 0

0.43
1
0. 0 0. 0
0.06

1
2 R 0. 02
0 .1
0.07 0.43
0. 01
2
.0
R0

Nombre de pieza:
Eslabón 4
Propiedades: Escala:
Pc =-0.0999, Pc =0.0440
x y 1:5
Unidades:
PLANO 4 Metros
CENTRO DE INNOVACIÓN Y DESARROLLO
CIDETEC-IPN TECNOLÓGICO EN CÓMPUTO
0.01

0.08

R0 0. 0
.0 4
3 0. 02

0.04
01
0.03

0.

0. 01
R0.01
172.
46°
0.05
1
.0
R0

Nombre de pieza:
Eslabón 5
Propiedades: Escala:
Pc =-0.0402, Pc =0.0206
x y 1:2
Unidades:
PLANO 5 Metros
CENTRO DE INNOVACIÓN Y DESARROLLO
CIDETEC-IPN TECNOLÓGICO EN CÓMPUTO
80 APÉNDICE B. PLANOS DE LOS COMPONENTES DEL SISTEMA
Apéndice C

Diseño del eslabón

Ya que se ha mencionado que la forma de cada eslabón no está de…nida a una …gura geométrica en
particular y solo se conocen los parámetros de la posición del centro de masa y la longitud del eslabón que
fueron encontrados por el algoritmo de optimización, en esta sección se detalla el método implementado
con auxilio de la herramienta de SolidWorks 2012, para realizar el diseño de los eslabones.

Supóngase que los parámetros del eslabón obtenidos por el algoritmo de optimización son descritos
por la longitud del eslabón Le y la posición del centro de masa pcdx y pcdy . Entonces se realizan los
siguientes pasos, considerando la con…guración mostrada en la …gura C.1:
1.- Se dibuja un sistema coordenado A que será asociado al origen del eslabón.
2.- Se dibujan los barrenos de diámetro d1 donde se pondrán las uniones del eslabón, a la distancia
Le , es necesario que el centro de un barreno este sobre el sistema A asociado al origen.
3.- Se dibujan los contornos del eslabón por medio de circunferencias de diámetro d2 que de…nirá el
ancho de éste, como se observa en la …gura C.2.
4.- Se dibuja una circunferencia del mismo diámetro d2 que corresponde al ancho del eslabón, con
centro en el punto descrito por pcdx y pcdy , medido a partir del sistema A asociado al origen.(ver …gura
C.3).
5.- Se unen las circunferencias por los extremos con líneas tangentes a cada una de ellas, como se
muestra en la …gura C.3
6.- Se recortan los contornos internos del dibujo del eslabón como se muestra en la …gura C.4
7.- Se extruye hasta el espesor deseado y se calculan las propiedades físicas del eslabón con auxilio
de la herramienta que provee SolidWorks, se observa la posición del centro de masa del eslabón con
respecto al sistema A, que denotaremos como pcmx y pcmy como se observa en la …gura C.5.
8.- Entonces se regresa al dibujo sin extrucción y se dibuja la posición del centro de masa obtenida
a través del cálculo realizado previamente (ver .…gura C.6).
9.- Se traza una línea recta que se prolonga del centro de masa calculado pcmx , pcmy hacia centro de
masa deseado pcdx , pcdy , como en la …gura C.6.
10.- Entonces será sobre la prolongación de esa línea donde se deberá colocar una extensión del
eslabón con el propósito de desplazar el centro de masa. Dependiendo de la longitud de esta extensión
L o del grosor de esta d (ver …gura C.7), se logra desplazar el centro de masa del eslabón sobre
la línea que une el centro de masa calculado pcmx , pcmy y el centro de masa deseado pcdx , pcdy . Por lo
tanto, sólo se necesita ajustar gradualmente la longitud L o densidad de la extensión d para colocar
el centro de masa en la posición deseada.
Con este método se logra colocar de forma experimental el centro de masa real del eslabón sobre el
centro de masa deseado como se observa en la …gura C.8, este método se puede generalizar para obtener
la geometria de cada eslabón, a apartir del conocimiento de su longitud Le y la posición del centro de
masa deseado.

81
82 APÉNDICE C. DISEÑO DEL ESLABÓN

Figura C.1: Con…guración del eslabón

Figura C.2: Pasos 1,2 y 3


83

Figura C.3: Pasos 4 y 5

Figura C.4: Paso 6


84 APÉNDICE C. DISEÑO DEL ESLABÓN

Figura C.5: Paso 7

Figura C.6: Pasos 8 y 9


85

Figura C.7: Paso 10

Figura C.8: Geometria …nal del eslabón


86 APÉNDICE C. DISEÑO DEL ESLABÓN
Apéndice D

Publicaciones

Como resultado del presente trabajo, se han realizado artículos en diferentes foros a nivel Nacional
e Internacional.
Revista Indexada en: Journal Citation Report (JCR)
Miguel G. Villarreal-Cervantes, Daniel De la Cruz-Muciño, Edgar A. Portilla-Flores, “Optimum
Design of Parallelogram Five-bar Manipulator for Dexterous Workspace by using ELEMAEF in
Di¤erential Evolution”, Applied Mathematics & Information Sciences, Vol. X, Pag. xx-xx, ISSN:
1935-0090 (En prensa).
Factor de impacto: 0.731

Publicaciones Indizada en: LatIndex


Daniel De la Cruz-Muciño, Miguel G. Villarreal-Cervantes, Jesús Said Pantoja-García, Nancy
Donají Hidalgo-Vázquez, “Desacoplamiento dinámico y control de un robot RRR de arquitectura
abierta”, Research in Computing Science, Special Issue: Advances in Intelligent and Information
Technologies, Vol. 60, pp. 111-119, ISSN: 18770-4069, Octubre 2012.

Participación en Congresos Internacionales


Daniel De la Cruz-Muciño, Miguel G. Villarreal-Cervantes, Edgar A. Portilla-Flores, “Optimum
design of a 3R robot with a parallelogram …ve-bar mechanism for dexterous workspace by us-
ing metaheuristic algorithm”, IEEE International Conference on Mechatronics, Electronics and
Automotive Engineering, Cuernavaca, Morelos, Noviembre 2013.

Daniel De la Cruz-Muciño, Miguel G. Villarreal-Cervantes, Edgar A. Portilla-Flores, “Mecanismo


de explotación exhaustiva en el algoritmo de evolución diferencial para el diseño óptimo de un
robot”, IEEE International Engineering Summit, Coatzacoalcos, Veracruz, Octubre 2013.

Publicaciones de Difusión Intitucional


Javier De La O Ortiz, Karla Pérez Anaya, Daniel De La Cruz Muciño, M. G. Villarreal-Cervantes,
"Módulo de Adquisición y Procesamiento de Señales Mioeléctricas", Boletín UPIITA, No. 38, Julio
2013.

87

S-ar putea să vă placă și