Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/41999
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2021_BeneditoAloisioNunesCampos.pdf7,28 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorMotta, José Maurício Santos Torres da-
dc.contributor.authorCampos, Benedito Aloísio Nunes-
dc.date.accessioned2021-09-01T21:26:44Z-
dc.date.available2021-09-01T21:26:44Z-
dc.date.issued2021-09-01-
dc.date.submitted2021-05-27-
dc.identifier.citationCAMPOS, Benedito Aloísio Nunes. Metodologia para análise e mitigação de erros em sistemas de medição inercial utilizando redes neurais artificiais e movimento guiado para calibração de robôs. 2021. 108 f., il. Tese (Doutorado em Sistemas Mecatrônicos) — Universidade de Brasília, Brasília, 2021.pt_BR
dc.identifier.urihttps://repositorio.unb.br/handle/10482/41999-
dc.descriptionTese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2021.pt_BR
dc.description.abstractEsta pesquisa tem como objetivo desenvolver uma metodologia para prever a posição de um robô durante seu movimento. A abordagem introduzida pode ser usada para criar um modelo de calibração de robô mais robusto do que os métodos disponíveis atualmente. A ideia é utilizar Sistemas de Medição Inercial (IMUs) e Redes Neurais Artificiais (RNAs) para realizar um tipo de navegação estimada (Dead Reckoning) do Elemento Terminal de um Robô ou Tool Center Point (TCP). Os sistemas IMUs são influenciados por ruídos em suas medições, e esses ruídos aumentam com o tempo, dessa forma, os valores de erro devem ser conhecidos e mitigados. Este estudo utilizou RNAs para reconhecer alvos característicos em um espaço vetorial durante o movimento guiado previamente programado do robô. O objetivo é mitigar o ruído do sistema de medição para que os valores se aproximem da precisão necessária para calibrar o robô. A contribuição da investigação será fornecer um método de navegação estimado capaz de alimentar o software do controlador e, assim, corrigir os desvios encontrados e calibrar a posição do TCP. A RNA foi capaz de prever a posição do elemento terminal com um erro máximo de 0.9 mm. Os resultados mostram que o método desenvolvido é satisfatório e pode ser adotado para retroalimentar o software que controla o robô sempre que ele perceber uma variação entre os valores nominais e os previstos pelo RNA. Além disso, o trabalho aplicou o conceito a outras redes neurais que representam o estado da arte, usando um conjunto de dados menor. A metodologia apresentada neste trabalho também pode ser extrapolada para outros problemas de posicionamento em tempo real.pt_BR
dc.language.isoPortuguêspt_BR
dc.rightsAcesso Abertopt_BR
dc.titleMetodologia para análise e mitigação de erros em sistemas de medição inercial utilizando redes neurais artificiais e movimento guiado para calibração de robôspt_BR
dc.typeTesept_BR
dc.subject.keywordCalibraçãopt_BR
dc.subject.keywordFusão de sensorespt_BR
dc.subject.keywordSistemas de medição inercialpt_BR
dc.subject.keywordRedes neuraispt_BR
dc.subject.keywordRobôspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.pt_BR
dc.description.abstract1This research aims to develop a methodology to predict the position of a robot during its movement. The approach introduced can be used to create a more robust robot calibration model than currently available methods. The idea is to use Inertial Measurement Systems (IMUs) and Artificial Neural Networks (ANNs) to perform a type of estimated navigation (Dead Reckoning) of the Terminal Element of a Robot or Tool Center Point (TCP). IMU systems are influenced by noise in their measurements, and these noises increase over time, so error values must be known and mitigated. This study used ANNs to recognize characteristic targets in a vector space during the robot’s previously programmed guided movement. The objective is to mitigate the noise of the measurement system so that the values approach the precision needed to calibrate the robot. The contribution of the investigation will be to provide an estimated navigation method capable of feeding the controller software and, thus, correcting the deviations found and calibrating the TCP position. ANN was able to predict the position of the terminal element with a maximum error of 0.9 mm. The results show that the developed method is satisfactory and can be adopted to provide feedback to the software that controls the robot whenever it perceives a variation between the nominal values and those predicted by the ANN. Furthermore, the work applied the concept to other neural networks that represent the state-of-the-art, using a smaller dataset. The methodology presented in this work can also be extrapolated to other real-time positioning problems.pt_BR
dc.description.unidadeFaculdade de Tecnologia (FT)pt_BR
dc.description.unidadeDepartamento de Engenharia Mecânica (FT ENM)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Sistemas Mecatrônicospt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.