DISEÑO Y CONSTRUCCIÓN DE UN ROBOT CARTESIANO DE 3 GRADOS DE LIBERTAD

Transcripción

1 DISEÑO Y CONSTRUCCIÓN DE UN ROBOT CARTESIANO DE 3 GRADOS DE LIBERTAD Juan Zuluaga Gómez 1,2,4, Edgar Arcos, Msc 2,3, Julie Berrio, Msc 2,3, Sergio Corredor 2 1 Optimización de procesos con nanotecnología y nuevas fuentes de energías 2 Robótica y Automatismos 3 Inteligencia y Visión Artificial 4 Ingeniería en Rehabilitación Universidad Autónoma del Caribe Grupo de Investigación en Ingeniería Mecatrónica (GIIM), 2015

2 PRESENTACIÓN 1 Problema de Investigación Antecedentes Pregunta problema 2 Objetivos 3 Referente Teórico Antecedentes de los Autómatas Robot Cartesiano Reconocimiento de voz 4 Metodología Fase 1 Fase 2 Fase 3 5 Presentación y Análisis de Resultados 6 Conclusiones 7 Prospectiva

3 Antecedentes Que se enseña en las asignaturas de Diseño Mecatrónico y Sistemas Inteligentes? Diseño Mecatronico Dinámica mecánica Electrónica de baja y alta potencia Electromecánica Óptica Procesamiento de Señales Sistemas Inteligentes Sistemas de Lógica Difusa Sistemas de clasificación usando Redes Neuronales Artificiales

4 Pregunta problema Descripción del problema de Investigación El diseño mecatrónico junto con los sistemas inteligentes puede llegar a ser de gran utilidad para los estudiantes de Ingeniería Mecatrónica al momento de realizar un prototipo de robot cartesiano

5 Pregunta problema Descripción del problema de Investigación El diseño mecatrónico junto con los sistemas inteligentes puede llegar a ser de gran utilidad para los estudiantes de Ingeniería Mecatrónica al momento de realizar un prototipo de robot cartesiano Pregunta Problema Cual será el desarrollo y la optima implementación de un robot cartesiano de tres grados de libertad con sistema pick and place y reconocimiento de comandos por voz?

6 Problema de Investigación Objetivos Referente Teórico Metodología Resultados Conclusiones Descripción del problema de Investigación Justificación Relevancia Académica Sistema de fácil uso Conocimiento de lenguajes Open-source como Python Aprendizaje autodidáctico Prospectiva

7 Problema de Investigación Objetivos Referente Teórico Metodología Resultados Conclusiones Descripción del problema de Investigación Justificación Relevancia Académica Sistema de fácil uso Conocimiento de lenguajes Open-source como Python Aprendizaje autodidáctico Prospectiva

8 Objetivo General Objetivos Objetivo General 1 Desarrollar e implementar un robot cartesiano de 3 grados de libertad para realizar dibujos y operaciones de pick and place.

9 Objetivos Específicos Objetivos Objetivos Específicos 1 Determinar los materiales electrónicos y mecánicos para la construcción física del robot cartesiano. 2 Desarrollar una interfaz de fácil uso con el usuario en un lenguaje open-source para la completa manipulación del robot cartesiano. 3 Demostrar la efectividad de las redes neuronales artificiales para la identificación de comandos de voz. 4 Crear estrategias de divulgación de los resultados obtenidos del proyecto a través de eventos y publicaciones científicas.

10 Antecedentes de los Autómatas Primeros Inicios Historia 1 Máquinas automáticas para facilitar el trabajo y satisfacer la curiosidad 2 Gallo de Estrasburgo en 1352

11 Antecedentes de los Autómatas Primeros Inicios Historia 1 Máquinas automáticas para facilitar el trabajo y satisfacer la curiosidad 2 Gallo de Estrasburgo en 1352 Gallo de Estrasburgo 3 Diferentes configuraciones para un robot 1 Robot Esférico o Polar 2 Robot Cilindrico 3 Robot Angular 4 Robot Scara 5 Robot Cartesiano

12 Robot Cartesiano Robot Cartesiano Ventajas del Robot Cartesiano 1 Precisión uniforme en su espacio de trabajo 2 Alta fiabilidad trayectorias previamente especificadas 3 Movimiento vertical, horizontal y transversal

13 Reconocimiento de voz Reconocimiento de comandos de voz La Voz 1 El rango audible se encuentra entre 20 Hz-20 KHz 2 El rango del habla humana esta entre Hz (4-8KHz) 3 Frecuencia de muestreo de Hz 4 Análisis de Fourier para la identificación de 3 palabras 1 Cuadro 2 Círculo 3 Triángulo

14 Reconocimiento de voz Reconocimiento de comandos de voz Redes Neuronales Artificiales 1 Sistema de interconexión de neuronas artificiales que colaboran entre sí para producir un estímulo de salida 2 Función de propagación, activación y una de transferencia 3 McCulloch y Pitts son considerados como los padres de las Redes Neuronales Artificiales debido a que fueron los primeros en diseñar una neurona artificial

15 Fases 1 Fase 1: Diseño físico y construcción del robot cartesiano, selección de motores y controladores 2 Fase 2: Interfaz grafica, transmisión serial y procesamiento de imágenes 3 Fase 3: Procesamiento de Voz con redes neuronales artificiales

16 Fase 1 Diseño y construcción física 1 Fuente de voltaje de computador 2 Dimensiones de: 50x50x30cm 3 4 controladores Pololu A Motores Nema 17 1 Velocidad de 0.42 cm/s 2 Error de 0.01 cm pasos (1.8 )

17 Fase 1 Robot cartesiano en SolidWorks 1 Se diseñó en el CAD SolidWorks

18 Problema de Investigación Objetivos Referente Teórico Metodología Resultados Fase 1 Robot cartesiano físico Base de Madera de 50x50x30 cmts 4 Columnas de madera 2 tubos guías, 1 tornillo sin fin 4 Acoples hechos en torno, tornillo-motor Tarjeta controladora 1 Arduino Uno Conclusiones Prospectiva

19 Interfaz gráfica 1 Se construyó en Python usando librerías: Cv2, Tkinter, tkfiledialog, re, image, entre otros 2 Resolución fue de 1300x700 3 La interfaz se encuentra dividida en: 1 Generación automática de figuras geométricas 2 Control manual de los 3 ejes 3 Monitoreo de posición de la herramienta de trabajo 4 Control automático de cajas 5 Procesamiento de imágenes 6 Reconocimiento de comandos de voz para dibujar figuras

20 Interfaz gráfica Interfaz gráfica en Python

21 Fase 2 Metodologías de trabajo 1 Tomar los datos del usuario (figura predefinida) o dibujar figura desde archivo.png (280x280) 2 Activar control manual del robot cartesiano 3 Control automático del sistema pick and place 4 Activar sistema de reconocimiento de comandos de voz de cualquiera de las 3 palabras

22 Fase 3 Procesamiento de voz Realizar 3 figuras geométricas diferentes (cuadro, círculo, triángulo) Implementación de libería: Pybrain (Dataset) Se crea el DataSet Consta de 20 muestras por palabra 60 patrones de entrenamiento Implementación de librería: Neurolab Se ingresa el Dataset para entrenar la red Se usaron otras librerías como Numpy y Obspy

23 Fase 3 Red Neuronal Artificial Características Red Neuronal Artificial Multicapa, Retropropagada Capa de entrada de 5 neuronas (5 valores pico del análisis espectral) Capa oculta 1 de 50 neuronas Capa oculta 2 de 6 neuronas Capa de salida de 2 neuronas (Combinación 00,01,11)

24 Fase 3 Red Neuronal Artificial

25 Entrenamiento Red Neuronal Artificial El algoritmo fue diseñado con un máximo de 1000 iteraciones (goal) Erro máximo de 0.02 El entrenamiento demoró 15 segundos

26 Análisis espectral palabra círculo

27 Análisis espectral palabra cuadro

28 Análisis espectral palabra triángulo

29 Evaluación de la Red Neuronal Artificial

30 Resultados Figuras Geométricas El triangulo fue definido con: 1 Base de 3 cm 2 Altura de 4 cm El rectangulo fue definido con: 1 Base de 2.5 cm 2 Altura de 5 cm

31 Presupuesto RUBROS Valor 4 Motores Nema 17 $ Controladores Pololu $ Elementos electrónicos $ Acoples motor - tornillo sin fin $ Madera $ Tornillos y tubos $ TOTAL PRESUPUESTO DEL PROYECTO $ Cuadro: Presupuesto general del proyecto

32 Conclusiones El desarrollo de un robot cartesiano conjugó una gran cantidad de ramas de la ingeniería como, la mecánica, electrónica, programación, sistemas inteligentes, diseño mecatrónico, por lo cual es considerado un proyecto integrador Se concluye que la utilización de motores paso a paso, disminuyó el error en el trazado final de todas las ilustraciones El desarrollo de sistemas mecatrónicos usando Python como lenguaje de programación trae grandes ventajas, como la eficacia del proceso, velocidad de computo, fácil manejo de matrices y posibilidad de acople con otros programas como Arduino Se concluye que la red neuronal artificial retropropagada es muy versátil para sistemas de reconocimiento de comandos de voz alcanzo porcentajes de acierto de hasta 99 %

33 Prospectiva Trabajos Futuros Usar finales de carrera para cerciorar los límites del espacio de trabajo del robot cartesiano Probar mecanismos diferentes al de tornillo sin fin, para aumentar la velocidad del proceso Explorar nuevas funcionalidades del robot cartesiano

34 Bibliografía M. Beyreuther, R. Barsch, L. Krischer, et al. ObsPy: A Python Toolbox for Seismology. SRL, 81(3): , M. Pose. Introducción a las Redes de Neuronas Artificiales. J. Segovia, M. Alamilla, and J. Domínguez. Robot cartesiano seguimiento de trayectorias irregulares arbitrarias mediante computadora. Master s thesis, Universidad Autónoma del Estado de Hidalgo, 2007.

35 MUCHAS GRACIAS