SISTEME DE CONDUCERE A ROBOTILOR

Introducere

Robotii prin structura si functiile lor reprezinta o clasa de sisteme ce sintetizeaza elemente de varf dintr-o
serie de domenii tehnico-stiintifice. Este evident, deci, ca robotul reprezinta un sistem extrem de complex,
descris prin modele matematice sofisticate definite prin sisteme de ecuatii diferentiale neliniare, cu parametri
variabili, deterministe sau stohastice, cuprinzand un numar mare de variabile de intrare si iesire.

Structura de conducere a unui robot este o structura ierarhica. Acest principiu de conducere este datorat
complexitatii deosebite a sistemelor ce intra in componenta robotului si dificultatilor create de sarcinile de
operare impuse.

Organizarea ierarhica a sistemelor de control pentru roboti este e tip vertical, fiecare nivel ierarhic
acoperind nivelul inferior sub raportul problemelor de conducere abordate. Un nivel de control comunica cu
nivelul imediat inferior prin instructiuni de control si primeste de la acesta informatii caracteristice care,
impreuna cu deciziile furnizate de nivelul imediat superior, ii permit sa stabileasca strategia viitoare de actiune.

In general sistemele robot cuprind un numar variabil de nivele ierarhice in functie de complexitatea
sistemului de conducere utilizat. Putem delimita cinci nivele ierarhice:

nivel 0 / operatorul uman – comunica cu sistemul, intervenind numai in cazul schimbarii strategiei de
conducere, unei avarii, sau aparitiei unei perturbatii externe neprevazute;

nivel 1 / recunoasterea formelor – permite luarea unor decizii adecvate la schimbarea conditiilor de
lucru;

nivel 2 / nivel strategic – se produce defalcarea operatiei preconizate in operatii elementare;

nivel 3 / nivel tactic – se genereaza traiectoriile de miscare functie de gradele de libertate ale robotului;

nivel 4 / nivelul executiv – coordoneaza functionarea diverselor sisteme e actionare asociate gradelor
de libertate ale robotului.

In functie de sistem principalele cerinte ale unui sistem de conducere pot fi:

generarea traiectoriilor pentru realizarea unei miscari impuse;

conducerea in circuit inchis;

conducerea miscarii in contact direct cu obiectele (conducerea complianta).

Sarcinile unui sistem de conducere determina o impartire a informatiilor in doua clase, pe de o parte
informatiile ce asigura regimul de miscare dorit si pe de alta parte informatii ce acopera functia tehnologica
impusa robotului.
 Organizarea programelor de conducere reprezinta un aspect foarte important in sistemele de conducere
ale robotilor, de aceasta depinzand in mare masura performantele adoptate. Se pot realiza fie programe bazate
pe exploatarea secventiala a blocurilor componente in cadrul unei structuri fixe, de lungime constanta, fie prin
structuri variabile de programare, in acest caz trecerea de la o comanda la alta fiind realizata intr-o maniera
adaptiva, pe baza ultimelor rezultate obtinute din spatiul de operare al robotului.

Complexitatea sistemului de conducere si gradul de dificultate al operatiilor executate determina

adoptarea unor tehnologii specifice de implementare a legilor de conducere. Solutiile oferite de majoritatea
robotilor si manipulatoarelor industriale pot fi grupate in doua clase: implementari in logica cablata si
implementari in logica flexibila.

Metodele de conducere conventionala se bazeaza pe o modelare corespunzatoare a sistemului supus

reglarii si o tratare analitica cu ajutorul functiilor de transfer sau a ecuatiilor de stare. In majoritatea cazurilor, o
tratare completa a problemei conducerii impune cunostinte avansate de matematica si sisteme de conducere.

Sisteme de conducere

Sisteme de conducere conventionale

Sarcinile care stau in fata unui sistem de conducere determina o impartire a informatiilor de lucru in
doua clase, pe de o parte informatii ce asigura regimul de miscare dorit si pe de alta parte informatii ce acopera
functia tehnologica impusa robotului.
Programele de miscare cuprind elemente de baza ale algoritmilor de miscare ce calculeaza intre anumite
puncte, prin tehnici de interpolare, traiectoria robotului.

In Fig. 2.1. sunt prezentate detaliat blocurile componente ce intervin in prelucrarea informationala ce
insoteste procesul de conducere al unui robot.

STRUCTURA PROGRAMELOR DE CONDUCERE

Organizarea programelor de conducere reprezinta un aspect foarte important in sistemele de conducere

ale robotilor, de aceasta depinzand in mare masura performantele realizate si complexitatea solutiilor hardware
adoptate.

Cea mai simpla modalitate de realizare a programelor este bazata pe exploatarea secventiala a
blocurilor componente in cadrul unei structuri fixe, de lungime constanta (Fig. 2.2.).
Fiecare bloc de informatie contine ansamblul de date ce defineste o anumita comanda. Succesiunea de
comenzi, intr-o ordine bine precizata, determina o operatie tehnologica completa a robotului.

Explorarea blocurilor este realizata de un registru distribuitor incremental la sfarsitul fiecarei secvente
tehnologice (o secventa tehnologica reprezinta efectul obtinut prin exercitarea unei singure comenzi).

O modalitate superioara de conducere este obtinuta prin structurile variabile de programe (Fig. 2.3.).
In acest caz, trecerea de la o comanda la alta este realizata intr-o maniera adaptiva, pe baza deciziilor furnizate
de ultimul bloc de date si pe baza informatiilor furnizate de sistemul senzorial al robotului, deci pe baza
ultimelor rezultate
obtinute din spatiul de
operare al acestuia. O
astfel de structura confera
sistemului de conducere
o elasticitate ridicata, o
flexibilitate sporita la
orice modificari ale
parametrilor robotului
sau mediului de lucru.

IMPLEMENTARI
TEHNOLOGICE
ALE
SISTEMELOR DE
CONDUCERE
 Complexitatea sistemului de conducere si gradul de dificultate al operatiilor executate determina
adoptarea unor tehnologii specifice de implementare a legilor de conducere.

Solutiile oferite de majoritatea robotilor si manipulatoarelor industriale pot fi grupate in doua clase:
implementari in logica cablata si implementari in logica flexibila (programata). Prima clasa este reprezentativa
pentru acele tipuri de roboti secventiali si manipulatoare care au sisteme de conducere cu cel mult doua nivele
ierarhice (inferioare), nivelul executiv si tactic.

Legile de conducere sunt de tip secvential si prezinta un pronuntat caracter de rigiditate, traiectoriile de
miscare, impuse de operatiile executate, pastrand constante forma si marimile lor semnificative. Tehnologic
aceste sisteme sunt realizate in doua variante: fluidic si electronic. Solutia fluidica este intalnita la primele
tipuri de manipulatoare industriale, in momentul de fata preferandu-se aproape in exclusivitate tehnologiile de
tip electronic. (Fig. 2.4.).

Solutiile flexibile de conducere corespund cerintelor impuse de robotii industriali moderni. Ele ofera
avantaje deosebite atat sub raportul performantelor realizate cat si in ceea ce priveste complexitatea
problemelor tratate si simplitatea structurilor hardware utilizate. Practic, aceste sisteme sunt implementate in
patru variante: cu logica flexibila de tip microprogramat, cu automate programabile, microprocesoare si
microcalculatoare.

Aceasta esalonare indica de fapt si complexitatea solutiilor adoptate, structurile microprogramate

corespunzand unor legi de conducere simple iar conducerea cu microprocesoare si microcalculatoare fiind
specifica sistemelor complexe cu o comportare adaptiva fata de schimbarile mediului de operare.
ARHITECTURI DE CONDUCERE

Complexitatea functiilor realizate si solutia tehnologica de implementare adoptata sunt elemente care
prefigureaza o anumita arhitectura de conducere.
Sistemele de conducere in logica cablata se bazeaza in principiu pe un automat secvential a (Fig. 2.5.) realizat
dintr-un registru de deplasare urmat de o logica de decodificare corespunzatoare. Registrul constituie suportul
de stare al automatului, pentru fiecare stare robotul executand o anumita secventa functionala. La sfarsitul
fiecarei secvente se genereaza un semnal ce determina incrementarea pas cu pas a registrului. Simplitatea
schemei face ca o astfel de structura de conducere sa fie deseori de preferat in comanda manipulatoarelor si a
robotilor industriali de tip secvential.

Structurile flexibile cu logica microprogramata sant realizate dintr-un automat secvential constituit
dintr-un secventiator programabil si o memorie a carui set de instructiuni defineste atat comenzile necesare
fiecarei secvente, cat si evolutia viitoare a automatului si conditiile externe care pot guverna aceasta evolutie.
Flexibilitatea sistemului este conferita de elasticitatea informatiei rezidenta in memorie atat sub raport
cantitativ cat si calitativ (Fig. 2.6.).

O structura superioara de conducere este oferita de automatele programabile. Acestea inlocuiesc

practic structurile cablate cu structuri logice programabile (Fig. 2.7.) de tipul memoriilor semiconductoare,
retelelor logice programabile (PLA), circuitelor specializate programabile etc. Se obtine, in acest fel, o
flexibilitate ridicata a modurilor de operare, o valorificare maxima a capacitatilor de memorie iar prin
introducerea unei unitati de dialogare se permite interventia operatorului uman in stabilirea unor regimuri de
lucru prioritare.
 Sistemele de conducere cu microprocesoare realizeaza o serie de functii de conducere si supraveghere
a robotilor utilizand intreaga gama a operatiilor logice si de calcul aritmetic, evaluari cantitative si calitative a
unor marimi, prelucrarea unor semnale prin algoritmi de conducere discreta etc. Aceste sisteme au ca suport
hardware (Fig.2.8.) familii de microprocesoare pe 8 sau 16 biti sau microprogramate.

Pentru prelucrarea mixta a semnalelor binare si a celor numerice, sistemele de acest tip sunt implementate si in
configuratii de tip biprocesor, formate din sectiuni diferite specializate pe interpretarea unor marimi pur
secventiale sau a unora numerice

Astfel de sisteme se introduc, in mod firesc, in structuri de conducere ierarhizate, fiecare procesor
preluand unul din nivelele ierarhice proprii conducerii robotilor.

CONCLUZII

Majoritatea robotilor si manipulatoarelor industriale opereaza in practica in conditii cunoscute

anticipat, functionand ciclic in conformitate cu cerintele tehnologice impuse. Ca urmare, este posibila sinteza
unei conduceri nominale, a unui control programat, ce implementeaza miscarea dorita pentru o stare initiala
particulara considerand ca nici o perturbatie nu afecteaza miscarea. Un astfel de control poate fi sintetizat
utilizand modelul centralizat (global) al robotului.
 Intrucat aceste modele sunt, in general, destul de precise, este de asteptat ca traiectoria realizata de
robot prin exercitarea acestui control sa fie destul de corect executata.

Sinteza acestui control este realizata, de obicei, off-line definind mai intai traiectoria de miscare in
conformitate cu cerintele tehnologice de functionare ale robotului si calculand apoi marimile de control
necesare pentru actionarea acestuia. Aceasta inseamna ca nivelul de control tactic se reduce la o simpla
memorare a traiectoriilor si a secventelor de control. adecvate.

Aceasta solutie este, in general, unanim acceptata in aplicatiile industriale ale robotilor si
manipulatoarelor, calculul off-line al controlului fiind realizat intr-un calculator suficient de puternic, ce
acopera un numar mare de sisteme de conducere, in timp ce controlul efectiv al robotilor la nivel executiv cade
in sarcina unor automate locale, microprocesoare sau microcalculatoare specializate.

O problema deosebita, in sinteza controlului la nivel tactic, apare datorita redundantei structurii
mecanice. Aceasta problema poate fi eliminata prin introducerea unor criterii suplimentare care sa penalizeze
si sa restrictioneze posibilitatile de miscare ale robotului. In acest fel, o conducere optima sau suboptimala
satisface pe de o parte anumite criterii de performanta si inlatura, pe de alta parte, aspectele conducerii
redundante. Evident ca o astfel de tratare presupune o abordare la nivele ierarhice superioare, algoritmii
respectivi necesitand un suport hardware si software substantial.

Complexitatea modelelor matematice ale intregii structuri mecanice face, de cele mai multe ori,
improprie implementarea unor algoritmi de conducere. In acest caz, este preferata decuplarea modelului in
subsisteme, in mod normal fiecarei articulatii (sau a unei grupe de articulatii) asociindu-i-se un subsistem.
Legea de conducere este determinata din conditiile de stabilizare locala a fiecarui subsistem ceea ce nu
conduce intotdeauna la o comportare satisfacatoare pe ansamblul problemei de conducere. In astfel de situatii
se introduc suplimentar bucle de reactie globala care sa imbunatateasca performantele dinamice ale sistemului.
Noua configuratie de conducere obtinuta poate deveni atat de complexa incat decuplarea realizata in prima
faza isi pierde sensul.

Cu toate aceste neajunsuri, tehnica decuplarii poate fi utilizata cu succes daca se tine cont de faptul ca,
in conditiile definirii fiecarui grad de libertate ca un subsistem propriu, cuplajul intre subsisteme este
determinat de fortele si momentele in articulatie. Este posibil sa se elimine interactiunea dintre subsisteme prin
introducerea unor bucle de compensare adecvate. Aceasta metoda prezinta inconvenientul utilizarii unor
traductoare forta - moment, in general traductoare pretentioase, costisitoare. Cu toate acestea, procedura este
atractiva datorita, in special, utilizarii unor algoritmi de conducere mult mai simpli decat in varianta clasica.

Conducerea robotilor prin masurarea fortelor-momentelor se impune de asemenea in operatiile de

asamblare cand robotul vine in contact direct cu anumite obiecte. In acest caz, conducerea prin controlul fortei
permite o mai buna adaptare la fluctuatiile parametrilor spatiului de operare realizand totodata performante
dinamice satisfacatoare.

Indiferent de modul de tratare, exemplele de mai sus permit stabilirea unui model matematic general
ce caracterizeaza dinamica unui brat mecanic.

 (*)

unde q este vectorul coordonatelor generalizate (nx1) pentru cele n articulatii ale sistemului mecanic,

J(q) este matricea (nxn) de inertie, V este o matrice de frecare vascoasa (nxn), F( , ,q); i,j=1,…,n este
vectorul fortelor Coriolis si centrifugale (nx1), G(q) este vectorul (nx1) asociat termenilor dependenti de
gravitatie iar M este un vector (nx1) al fortelor de intrare generalizate.

Modelul generalizat pune bine in relief complexitatea problemelor ce stau in fata proiectantului

sistemului de conducere, probleme ce in mare pot fi formulate in: neliniaritati complexe ce apar in sistemul de
ecuatii diferentiale ce descriu dinamica robotului, modificarea continua a parametrilor si coeficientilor acestor
ecuatii cu pozitia mecanismului si puternica corelare, interconditionarea generala a parametrilor si
coordonatelor sistemului mecanic.

Sisteme de conducere neconventionale

SISTEME DE CONDUCERE NEURONALE

Retelele neuronale artificiale sunt compuse dintr-o multime de elemente simple cu functionare
paralela. Aceste elemente sunt inspirate din sistemul nervos biologic. Functionarea retelei este determinata in
mare masura de conexiunile intre elemente. Modul de conectare a acestor elemente, denumite neuroni
artificiali sau unitati de procesare, determina arhitectura retelei neuronale.

Analogii cu sistemul nervos.

Sistemul nervos uman sta in atentia cercetatorilor, principalele lor obiective fiind intelegerea acestuia
si realizarea unor modele artificiale ale acestuia.

La baza sistemului nervos sta o celula denumita neuron, care are proprietatea de a primi, prelucra si transmite
semnale denumite excitatii. Elementele principale ale neuronului sunt: corpul neuronului si prelungirile
neuronului (dendritele si axonul) (Fig.2.1.).

Dendritele sunt in numar variabil, terminatiile lor fiind in contact fie cu un axon, fie cu celule epitale.
Prelungirea axonica este unica si prezinta la extremitatea libera o ramificatie bogata. Din punct de vedere
functional neuronul este element excitoconductor avand atat proprietatea de a se excita, cat si aceea de a
conduce excitatia. Excitabilitatea si conductibilitatea nu sunt specifice neuronului, ele sunt atribuite materiei
vii. Ca o proprietate specifica neuronului, trebuie considerata interiorizarea sau formarea de engrame. Aceasta
consta in aceea ca, ca o modificare produsa in neuron sub influenta unui excitant este conservata si dupa
incetarea excitatiei, iar mai tarziu ea poate fi reprodusa.
 Prin excitarea neuronului ia nastere influxul nervos. Neuronul transmite acest influx fie altor neuroni,
fie unor organe efectoare (muschi, glande), punandu-le in stare de functiune. Circulatia influxului nervos se
face intr-un sens bine determinat si anume:

prin dendrite, de la varful acestora spre corpul neuronului;

prin corpul neuronului, de la dendrite la baza axonului;

prin axon, de la corpul neuronului spre arborizatia terminala.

Din punct de vedere fiziologic neuronii pot fi grupati in 3 categorii:

neuroni senzitivi – primesc excitatiile receptionate de la celulele senzoriale din mediul extern sau din
mediul intern;

neuroni motorii – ai caror axoni se termina in organele efectoare;

neuroni de asociere (conectori) – ale caror dendrite fac legatura cu un neuron senzitiv, iar axonul face
legatura cu un neuron motor.

In sistemul motor neuronii sunt legati in lanturi, fie intre prelungiri si corpul neuronului (axon-
dendrita), fie intre prelungiri si corpul neuronului. Conexiunea aceasta se numeste sinapsa. Trebuie remarcat ca
mai multi neuroni sinaptici converg pe un neuron pestsinaptic, iar acesta transmite informatiile primite la un
numar mare de neuroni. Sinapsele functioneaza ca adevarate macazuri, putand selecta, amplifica sau bloca
influxul nervos.

Scoarta cerebrala sau cortexul cerebral este locul celor mai complexe functii de relatie cu mediul
inconjurator si de integrare a partilor corpului intr-un tot unitar. Scoarta cerebrala contine un numar de 14 – 18
miliarde de neuroni. In cortex se intalnesc doua feluri de legaturi: unele care exista din nastere si au caracter
definitiv si altele care se formeaza in timpul vietii si au caracter temporar.

Tipuri de retele neuronale.

Retelele neuronale se pot imparti in doua mare categorii:

retele neuronale fara reactie (statice);

cu propagare inapoi;

cu contrapropagare.

retele neuronale cu reactie (dinamice).

retele de tip Hopfield;

de tip memorii asociative bidirectionale.

Retele neuronale cu propagare inapoi (backpropagation) – au un nivel de intrare, un nivel de iesire si

eventual unul sau mai multe nivele ascunse. Legaturile dintre diferite nivele au anumite valori care se
determina prin procesul iterativ de invatare.
 Retelele neuronale cu contrapropagare – au antrenarea mai rapida. Reteaua este formata din trei
nivele neuronale si deci din doua nivele sinaptice. Reteaua se poate imparti in doua submodele: un cuantizator
Kohonen si un codor Grossberg. Primul nivel primeste un vector de intrare, iar ponderile modeleaza astfel
intrarea incat un singur neuron se activeaza la iesirea acestui nivel. Nivelul de iesire Grossberg recodifica
iesirea nivelului Kohonen generand vectorul de iesire.

Retele neuronale Hopfield – presupun o topologie cu un nivel de intrare si unul de iesire, iar iesirile
sunt readuse la nodurile de intrare. Daca iesirile sunt binare, atunci toate iesirile posibile reprezinta varfurile
unui hiper-cub. Iesirea activa va trece de la un varf la altul pana cand ajunge intr-o stare stabila.

Retele de tip memorii asociative bidirectionale – sunt de fapt heteroasociative, adica daca avem un
vector la intrare se obtine la iesire un alt vector, asocierea fiind memorata in sinapse la antrenarea retelei.
Reteaua are sens bidirectional adica la aplicarea la intrare a vectorului obtinut la iesire duce la obtinerea
vectorului pereche. Daca vectorul de intrare este perturbat intre anumite limite, iesirea ramane corecta.

Caracteristicile cele mai importante ale retelelor neuronale artificiale sunt:

Capacitatea de invatare

retelele neuronale artificiale nu necesita programe puternice ci sunt mai degraba rezultatul unor
antrenamente asupra unui set de date;

dandu-se un set de intrari (eventual si iesirile dorite) in urma procesului de antrenament se auto-
organizeaza astfel ca pot rezolva problemele pentru care au fost proiectate. S-a dezvoltat o gama foarte
larga de algoritmi de antrenament, fiecare avand avantajele si dezavantajele sale, putandu-se aplica cu
succes in unele cazuri sau fara nici o sansa in altele

Capacitatea de generalizare  - daca au fost antrenate corespunzator, retelele sunt capabile sa dea
raspunsuri corecte si pentru intrari diferite de cele cu care au fost antrenate, atat timp cat aceste intrari nu sunt
foarte diferite. Este important de mentionat ca retelele neuronale artificiale generalizeaza automat ca urmare a
structurii lor, nu cu ajutorul inteligentei omului inglobata intr-un anumit program special creat in acest scop.

Capacitatea de sinteza  - retelele neuronale artificiale pot lua decizii sau trage concluzii cand sunt
confruntate cu informatii complexe sau cu zgomote irelevante sau partiale. De exemplu o retea poate fi
antrenata cu o secventa de versiuni distorsionate ale unei litere. Dupa un proces de antrenare adecvat, aplicarea
unei versiuni distorsionate a acelei litere (alta decat cele folosite la antrenare) va avea ca rezultat la iesirea
retelei litera corecta. Deci se poate spune ca reteaua a invatat sa recunoasca ceva ce nu a vazut mai inainte.

Un cadru pentru reprezentari distribuite

O retea artificiala consta intr-o reuniune de unitati de procesare simple care comunica prin trimiterea
semnalelor intre ele printr-un mare numar de conexiuni ponderate.

Se pot distinge o serie de aspecte majore ale unui model paralel distribuit:

o multime de unitati de procesare – fiecare unitate receptioneaza intrarea de la vecini sau din surse externe
si o foloseste pentru a calcula un semnal de iesire care se propaga la alte unitati;

o stare a activarilor ai pentru fiecare unitate, si care determina iesirea unitatii;

 conexiunea intre unitati – in general fiecare conexiune este definita printr-o pondere w ij care determina
efectul pe care il are semnalul unitatii j asupra unitatii i;

o regula de propagare, cu care se determina intrarea efectiva ii din intrarile sale externe;

o functie de activare Fi care determina noul nivel de activare bazata pe intrarea efectiva i i(t) si starea
curenta ai(t);

o intrare externa sau offset pentru fiecare unitate;

o metoda pentru adunarea informatiilor;

un mediu in interiorul caruia sistemul trebuie sa lucreze, furnizand semnalele de intrare si – daca este
necesar – semnalele de eroare.

Arhitectura retelei

Din punct de vedere al conexiunilor, principala distinctie se poate face intre:

retele neuronale fara reactie (feed-forward networks) in care datele circula de la intrare la iesire strict
direct. Procesarea datelor poate fi extinsa la straturi multiple de unitati, dar fara sa existe
conexiuni inverse;

retele neuronale recurente (recurrent networks) care contin conexiuni inverse. Spre deosebire de
retelele fara reactie, aici sunt importante proprietatile dinamice ale retelei. In unele cazuri,
valoarea de activare a unitatii trece printr-un proces de relaxare care face ca neuronul sa evolueze
intr-o stare stabila in care aceasta activare nu se mai modifica. In alte aplicatii, modificarile
valorilor de activare ale neuronului sunt importante, in care comportamentul dinamic constituie
chiar iesirea retelei.

Instruirea retelelor neuronale artificiale

O retea neuronala trebuie sa fie configurata astfel incat aplicarea unui set de intrari sa produca un set
de iesiri. O cale este setarea explicita a ponderilor, folosind o cunoastere anterioara a lor. Alta cale este sa
“instruiasca” reteaua neuronala din alimentarea ei cu modele (pattern) de invatare si permitandu-i sa isi
modifice ponderile in conformitate cu niste reguli de invatare.

Paradigmele invatarii

Situatiile invatarii se pot clasifica in doua tipuri distincte:

Invatare supervizata sau invatare asociativa in care reteaua este instruita prin furnizarea modelelor intrarii
si a iesirii corespunzatoare. Aceste perechi intrare-iesire pot fi furnizate de un invatator extern, sau de
un sistem pe care il contine reteaua (auto-supervizare).

Invatare nesupervizata sau Auto-organizare (Self-organisation) in care o unitate (de iesire) este instruita sa

raspunda la adunarea modelelor de intrare in jurul unor valori. In contradictie cu paradigmele invatarii
supervizate, nu exista un set de categorii in care modulele sa fie clasificate, mai degraba sistemul
trebuie sa isi dezvolte propria reprezentare a stimulilor de intrare.

Modificarea modelelor de conexiuni

Cele doua paradigme prezentate mai sus au drept rezultat ajustarea ponderilor conexiunilor dintre unitati, in
conformitate cu niste reguli de ajustare. Ideea de baza este ca daca doua unitati i si j sunt active simultan,
trebuie intarita interconexiunea dintre ele.

GENERALITATI

Conceptul de material inteligent deriva de la formele inteligente ale sistemelor (materialelor) naturale,
adica organismele vii. Ca urmare, materialele inteligente sunt concepute ca materiale care indeplinesc functiile
naturale de detectie (“sensing”), comanda (“actuation”), control si inteligenta (Fig. 3.3.).

Fig. 3.3. Set de structuri

 

A – structuri adaptive
B – structuri senzitive
C – structuri controlate
D – structuri active
E – structuri inteligente

Materialele inteligente (“smart / intelligent materials”) au proprietatea de a

se auto-adapta la stimuli externi. Functiile acestor materiale se manifesta
inteligent in functie de schimbarile mediului exterior (figura 2).

Raspunsul materialelor active la schimbarile de mediu (stimuli) poate consta in modificarea lungimii
materialului, modificarea vascozitatii, a conductivitatii electrice s.a.

Forta exterioara aplicata poate fi clasificata in trei categorii:

cimp electric ceramici electrostrictive si piezoelectrice si polimeri piezoelectrici

cimp termic aliaje cu memoria formei

cimp magnetic materiale magnetostrictive si materiale magnetice cu memoria formei (aliaje

feromagnetice cu memoria formei)

In functie de tipul de raspuns pe care il genereaza, materialele active pot fi impartite in doua categorii:
 Semnalul de intrare este transformat totdeauna in efort, care poate fi folosit pentru a introduce miscare
(dinamica) intr-un sistem. Aceste materiale constituie grupul cel mai des folosit pentru a construi o structura
inteligenta (materiale active integrate intr-o structura mecanica, de exemplu o constructie sau elicea unui
elicopter), cu scopul de a modifica dimensiunile geometrice ale structurilor.

Dispozitivele pe baza de materiale care raspund prin modificarea lungimii sint denumite
adesea actuatori (sau actuatori in stare solida).

Materialele active pot fi folosite si ca senzori, atunci cind efortul aplicat asupra materialului este transformata
intr-un semnal care permite estimarea nivelurilor de tensiune in sistem. Figura 3 ilustreaza principiile unui
material actuator/senzor. in functie de directia stimul – raspuns, un dispozitiv cu material activ poate fi folosit
atat ca actuator, cit si ca senzor.
Figura 2. Dispozitive cu materiale active utilizate ca actuator (a) si senzor (b)

A doua categorie de materiale active contine acele materiale care raspund la stimuli prin modificarea unei
proprietati cheie, de exemplu conductivitatea electrica sau viscozitatea. Aceste materiale sunt mai putin
integrate in structuri mecanice, fiind folosite mai degraba pentru reprezentarea modulelor complexe, de
exemplu cuple, dispozitive de fixare, valve, intrerupatoare. Aceste materiale sunt folosite in mod frecvent ca
senzori.

Desi materialele din aceasta categorie nu genereaza o tensiune la aplicarea unui stimul extern, ele sunt
uneori denumite sisteme actuatoare. Exemple in acest sens sunt fluidele electro si magnetorheologice, care
raspund prin cresterea vascozitatii la aplicarea unui camp electric sau magnetic extern.

Anumite caracteristici specifice ale materialelor fac ca acestea sa poata fi folosite in aplicatii ca materiale
inteligente. Aceste proprietati sunt:
efectul piezoelectric;

efectul magnetostrictiv;

efectul electroplastic;

efectul de memorie a formei;

proprietati electroreologice;

proprietati neliniare electrooptice;

proprietati neliniare electroacustice;

proprietati neliniare electromagnetice;

proprietati pirosenzitive.