Solución de la cinemática directa de la plataforma Gough-Stewart general usando un algoritmo híbrido de optimización
El problema de cinemática directa para los robots paralelos se puede enunciar como sigue: dado un conjunto de valores de las variables articulares, se deben encontrar los valores correspondientes en las variables cartesianas, es decir, la posición y orientación del órgano terminal. En muchas ocasion...
| Authors: | , , |
|---|---|
| Format: | article |
| Publication Date: | 2013 |
| Country: | España |
| Institution: | Universitat Politècnica de Catalunya (UPC) |
| Repository: | UPCommons. Portal del coneixement obert de la UPC |
| Language: | Spanish |
| OAI Identifier: | oai:upcommons.upc.edu:2117/175182 |
| Online Access: | https://hdl.handle.net/2117/175182 https://dx.doi.org/10.1016/j.rimni.2012.07.006 |
| Access Level: | Open access |
| Keyword: | Numerical analysis Robots paralelos Cinemática directa Algoritmos de estimación de distribución Método híbrido Optimización Parallel robots Direct kinematics Estimation of distribution algorithms Hybrid method Optimization Anàlisi numèrica Àrees temàtiques de la UPC::Matemàtiques i estadística::Anàlisi numèrica |
| Summary: | El problema de cinemática directa para los robots paralelos se puede enunciar como sigue: dado un conjunto de valores de las variables articulares, se deben encontrar los valores correspondientes en las variables cartesianas, es decir, la posición y orientación del órgano terminal. En muchas ocasiones, el problema de cinemática directa requiere la resolución de un sistema de ecuaciones no-lineales. Los métodos más eficientes para resolver problemas de este tipo suponen convexidad de una función de costo cuyo mínimo es la solución del sistema. La capacidad de tales métodos de optimización para encontrar una solución adecuada depende fuertemente del punto inicial. Un problema bien conocido es la selección de tal punto inicial, el cual requiere información a priori sobre una vecindad convexa donde se encuentra la solución. Este artículo propone un método eficiente para seleccionar y generar el punto inicial basado en aprendizaje probabilístico. El método evita eficientemente los mínimos locales, sin necesidad de intervención humana o información a priori, lo cual lo hace más robusto si se compara con el método Dogleg u otro método de minimización local basado en gradiente. Con el propósito de mostrar el desempeño del método híbrido, se presentan experimentos y su discusión correspondiente. La propuesta se puede extender a otras estructuras con cadenas cinemáticas cerradas, o a la solución en general de sistemas de ecuaciones no-lineales, y por supuesto, para problemas de optimización no-lineales. |
|---|