Resumen:
|
[ES] El objetivo de este proyecto es diseñar un controlador de movimiento bio-inspirado capaz de adaptarse a los cambios en la dinámica de formaciones de robots submarinos modulares que pueden alterar su distribución ...[+]
[ES] El objetivo de este proyecto es diseñar un controlador de movimiento bio-inspirado capaz de adaptarse a los cambios en la dinámica de formaciones de robots submarinos modulares que pueden alterar su distribución física.
Los robots usados pertenecen al laboratorio REMORA de la Universidad Técnica de Dinamarca (DTU). Estos han sido diseñados para llevar a cabo tareas de inspección, reparación y mantenimiento de forma autónoma en entornos submarinos y pueden unirse físicamente entre sí en formaciones de dos o mas unidades para compartir recursos y funciones, o como medida de mitigación de fallos. Estas formaciones dan lugar a sistemas con dinámicas distintas no modeladas que el controlador debe conocer para poder proporcionar un control de movimiento con mayores prestaciones. Para lograr esto, la estructura de control diseñada introducirá técnicas basadas en neurociencia (específicamente en modelos computacionales del cerebelo) y aprendizaje automático, implementándolas en un módulo de aprendizaje que actualiza en tiempo real un modelo de la dinámica del sistema. De esta manera, los robots modulares pueden continuar funcionando de manera fiable y con un mayor nivel de desempeño sin la necesidad de rediseñar manualmente el modelo físico y la estructura de control necesarios para cada formación posible. Este controlador se comparará con otras alternativas tradicionales para evaluar su rendimiento y validez.
En el desarrollo del proyecto se realizará inicialmente una revisión de la literatura en el campo de controladores de aprendizaje y de modelos computacionales del cerebelo para escoger aquella alternativa que mejor se adapte al problema formulado. En la implementación se recurrirá en primer lugar a simulaciones físicas del sistema para iterar rápidamente en el diseño del controlador y a continuación la solución adoptada se trasladará a los sistemas robóticos para validar su funcionamiento en distintos escenarios. Se estudiará la aplicación a tareas típicas de guiado y control en sistemas robóticos móviles, como son el seguimiento de trayectoria y de camino. Las simulaciones serán principalmente desarrolladas en MATLAB y el sistema final se implementará en ROS (Robot Operating System).
[-]
[EN] New challenges in inspection, maintenance and repair tasks in offshore installations have
given rise to an increasing demand of small autonomous and cooperative underwater
vehicles that provide the required versatility ...[+]
[EN] New challenges in inspection, maintenance and repair tasks in offshore installations have
given rise to an increasing demand of small autonomous and cooperative underwater
vehicles that provide the required versatility to face a wide array of complex missions.
An envisioned solution is to use multiple modular vehicles that can attach to each
other rigidly into formations to share resources and extend their carrying or tool usage
capabilities. These vehicle formations may be required to execute complex maneuvers
with high accuracy to interact with the underwater installations in a precise manner.
These demanding motion capabilities can be framed as a trajectory tracking problem,
which requires knowledge of the inverse dynamics of the vehicles in order to anticipate
the forces to be executed by their motors to set the vehicles into a desired kinematic
state. Since the dynamics model of the vehicle formations is not known, the proposed
solution considers a biologically-inspired learning controller that can fit a relevant inverse
dynamics model in a short period of time. This controller is based on the ideas presented
in [30], and it is shown that it outperforms a classical PI controller with high gains in a
set of designed test scenarios, both in simulation and with a real underwater vehicle.
For the simulation, the model of a single vehicle and the model of two vehicles based
on [23] were implemented to rapidly iterate in the design process and tuning of the control
algorithm, as well as to provide part of the validation of the controller capabilities. For
the real vehicle validation, the control algorithm was implemented in ROS for both a
single vehicle and two vehicles, although only the single-vehicle controller could be tested
due to limitations out of the scope of this project.
[-]
|