Page 49 - Ingeniantes 511 interactivo

Revista Ingeniantes 2018 Año 5 No. 1 Vol. 1
Por otra parte, las redes neuronales artificiales (RNA) incor- de dicho trabajo, por incorporar una técnica adicional de
poran la capacidad de aprender, y al igual que los huma-
nos, pueden realizar tareas de comparación de patrones
[2]. Por ello, las redes neuronales y los sistemas de control
difuso son excelentes para el desarrollo de sistemas artifi-
ciales, porque pueden realizar el mismo tipo de tratamien-
to de la información como lo hace el cerebro humano.
Además de las técnicas de inteligencia artificial, actual-
mente, múltiples aplicaciones robóticas han incorporado
información visual a sus sistemas de posicionamiento [3,
4, 5]; por ejemplo en la operación de robots industriales,
un sistema de visión artificial puede hacer que un robot
manipulador sea mucho más versátil, permitiéndole tratar
de forma adecuada las variaciones en la posición y orien-
tación de las piezas que deba manipular. Los sistemas de
visión por computadora utilizan imágenes y video para de-
tectar, clasificar y seguir eventos, y de esta manera, inter-
pretar escenas del mundo real. Las capacidades actuales
de cómputo, ya permiten el uso frecuente de técnicas de
visión, como elemento de medición para cerrar el lazo de
control.
En robótica, los sistemas de inferencia difusos han sido
implementados en diversas aplicaciones, tales como con-
trol de posición de servomotores [6, 7] y control de brazos
robot [8, 9]. Los sistemas de control difuso se basan en la
toma de decisiones en forma de razonamiento aproxima-
do, de acuerdo con la información contenida en una base
de conocimiento. Las variables del sistema son represen-
tadas en forma de conjuntos difusos, definidos en base a
funciones de membresía. Las aplicaciones del control di-
fuso que incorporan información visual, se encuentran prin-
cipalmente en la navegación de vehículos o robots autó-
nomos. Por ejemplo, Taryudi y Wang en [10] presentan un
experimento que incorpora un control neuro-difuso para
comandar los movimientos de un brazo robot de 6GDL
(grados de libertad). En el experimento, un objeto de color
es colocado dentro del área de alcance o manipulación
del brazo. El propósito del experimento es tomar dicho ob-
jeto con el brazo y trasladarlo hacia una nueva posición. La
información de la posición del objeto, es obtenida median-
te dos cámaras de video idénticas. Las cámaras fueron
colocadas en una configuración bifocal, con el objetivo de
capturar la escena completa, la del brazo y el objeto de
color. Con esta información la red neuronal, calcula la po-
sición del objeto con respecto de la posición del brazo y
controla los movimientos de este último. A diferencia del
anterior, en el presente trabajo se propone el uso de una
sola cámara, para realizar el seguimiento de un objeto de
color en tiempo real.
Ligutan, et al. en [11] describen un sistema difuso para el
control de movimiento de un brazo robot de 6GDL. El obje-
tivo de este trabajo, es similar al anterior en lo que respec- mientras que el servomotor número seis es de la marca
ta a la tarea que debe realizar el brazo. Sin embargo, en
dicho trabajo, se emplea una cámara Kinect® y un sensor
inercial MP6050 para obtener las imágenes, coordenadas
y datos de entrada. La presente propuesta se diferencia
45
inteligencia artificial: RNA.
Zapata en [12] describe el uso de la lógica difusa para el
seguimiento de un objeto de color, que se desplaza dentro
de su campo visual, usando un brazo robot de 2GDL y una
sola cámara. El seguimiento se realiza mediante la identi-
ficación de únicamente dos colores. Para el cálculo de la
posición del objeto, el autor emplea técnicas ya conoci-
das de procesamiento de imágenes. La cámara montada
sobre el brazo robot, es desplazada en un espacio bidi-
mensional o plano. El control difuso calcula las posiciones
que deben de adoptar las articulaciones del brazo, para
mantener al objeto en el centro del campo visual de la
cámara. Dicho trabajo tiene similitud con la presente pro-
puesta, no obstante, en este artículo se presenta un control
difuso aplicado a un brazo robot de 6GDL y un clasificador
de 7 colores, lo que aumenta el grado de complejidad del
sistema.
En general, las redes neuronales, como los sistemas de
control o de toma de decisiones basados en lógica difusa,
son excelentes para desarrollar sistemas que pueden eje-
cutar el mismo tipo de procesamiento de información que
el cerebro humano.
El objetivo del presente trabajo es incorporar técnicas de
inteligencia artificial: control difuso y redes neuronales, al
control de movimiento de un brazo robot de 6 grados de
libertad (GDL). De manera que al visualizar un objeto de
color, el robot realice el seguimiento autónomo de dicho
objeto, manteniéndolo en el centro del campo visual de la
cámara mientras se desplaza. La información visual de la
posición y color del objeto, se obtienen por medio de una
cámara web, montada sobre el brazo robot.
Adicionalmente los algoritmos desarrollados en este pro-
yecto servirán como una herramienta didáctica para los
cursos de Robótica y Control Digital que se imparten ac-
tualmente en el plan de estudios de Ingeniería Mecatróni-
ca del Instituto Tecnológico Superior de Atlixco. De esta
manera, los estudiantes tendrán una visión inmediata de
los conceptos teóricos-prácticos involucrados en estos
campos de la ingeniería.
MATERIALES Y MÉTODOS
El diseño mecánico del brazo robótico incorpora 2 GDL
para el hombro y 1GDL para cada articulación restante que
conforma el brazo, es decir, el codo, antebrazo, muñeca
y soporte de la cámara, completando un total de 6 GDL.
Cada GDL es ejecutado por la acción de un servomotor. El
diseño CAD del brazo robot, fue realizado en el software
CATIA v5 y se presenta en la Figura 1. Dicha figura mues-
tra la distribución de los servomotores y el montaje de la
cámara web. Los servomotores del número uno al cin-
co, son de la marca HITEC-RCD® de 15 Kg-cm de torque,
TowerPro® de 1.5 Kg-cm de torque. En la construcción de
las piezas que conforman la estructura del brazo robot,