Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/28964
Tipo de documento: | Dissertação |
Tipo de acceso: | Acesso Aberto |
Título: | Detecção de escorregamento em tempo real para controle de uma garra robótica, utilizando Machine Learning |
Título (s) alternativo (s): | Real-time slip detection to control a robotic grasp, using Machine Learning |
Autor: | Tavares, Alexandre Henrique Pereira |
Primer orientador: | Morais, Aniel Silva de |
Primer miembro de la banca: | Oliveira, Sérgio Ricardo de Jesus |
Segundo miembro de la banca: | Morais, Josue Silva de |
Tercer miembro de la banca: | Fontoura, Kleber Lopes |
Resumen: | O manuseio e preensão de objetos de forma correta depende do controle preciso da força aplicada, juntamente com a detecção de escorregamento do objeto a ser segurado. A implementação de sensoriamento tátil para a detecção de escorregamento no controle da força de preensão pode reduzir os custos na manipulação de objetos na indústria e trazer mais segurança para aqueles que operam junto a estas máquinas. Assim, foi desenvolvido um sistema de preensão de objetos que atua em apenas uma direção, recebe os sinais de dois sensores de pressão e um sensor acústico, e tem como atuador um motor de passo, que controla a força de preensão exercida no objeto. O sistema desenvolvido teve seu princípio de funcionamento baseado na detecção, em tempo real, de escorregamento na superfície de contato do objeto, por meio da análise do sinal do sensor acústico, posicionado na superfície, além da detecção da força de preensão. Um algoritmo de treinamento supervisionado foi usado como classificador e desempenhou a função de detectar a presença de escorregamento na superfície do dispositivo. Assim, o sistema de controle da força de preensão sobre o objeto a ser segurado é baseado na resposta do classificador frente à presença de escorregamento. Sua resposta, caso positiva, implica um ganho incremental fixo da força exercida durante a preensão. Ao final, é analisada a performance do sistema online de controle da preensão para diferentes objetos e observa-se que o sistema é capaz de manter a preensão estável para objetos com maior massa e rigidez elevada. |
Abstract: | The correct handling and gripping of objects depend on the precise control of the applied force, together with the slip detection of the object to be held. The implementation of tactile sensing for slip detection in the control of the gripping force can reduce the costs of handling objects in the industry and bring more safety to those who operate with these machines. Thus, an object gripping system was developed that acts in only one direction, it receives signals from two pressure sensors and an acoustic sensor, and it has a stepper motor that controls the gripping force exerted on the object. The developed system has its operating principle based on the slip detection, in real-time, on the contact surface of the object, through the analysis of the signal from the acoustic sensor, positioned on the surface, in addition to the detection of the grip strength. A supervised learning algorithm was used as a classifier and performed the function of detecting the presence of slipping on the device’s surface. Thus, the control system of the grip strength on the object to be held is based on the classifier’s response to the presence of slipping. Its answer, if positive, implies a fixed incremental gain in the force exerted during the grip. In the end, the performance of the online grip control system is analyzed for different objects and it is observed that the system can maintain the grip stable for objects with greater mass and high rigidity. |
Palabras clave: | Controle da força de preensão Grip force control Detecção de escorregamento Slip detection Aprendizado de máquina Machine learning |
Área (s) del CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
Idioma: | por |
País: | Brasil |
Editora: | Universidade Federal de Uberlândia |
Programa: | Programa de Pós-graduação em Engenharia Elétrica |
Cita: | TAVARES, Alexandre Henrique Pereira. Detecção de escorregamento em tempo real para controle de uma garra robótica, utilizando Machine Learning. 2020. 75 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2020. DOI http://doi.org/10.14393/ufu.di.2020.231. |
Identificador del documento: | http://doi.org/10.14393/ufu.di.2020.231 |
URI: | https://repositorio.ufu.br/handle/123456789/28964 |
Fecha de defensa: | 17-feb-2020 |
Aparece en las colecciones: | DISSERTAÇÃO - Engenharia Elétrica |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
DeteccaoEscorregamentoTempo.pdf | Dissertação | 18.21 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons