Control robusto y adaptativo del seguimiento de la posición del manipulador de recolección de té basado en la...

Área de la Ciencia:

• La robótica
• Ingeniería de sistemas de control
• Inteligencia artificial

Sus antecedentes:

• Las redes neuronales tradicionales luchan con la saturación de entrada y la degradación de la precisión en el control del manipulador.
• La modelación de la no linealidad de la zona muerta es crucial para el control preciso de sistemas robóticos como los recolectores de té.

Objetivo del estudio:

• Desarrollar un modelo de control preciso para los robots recolectores de té abordando cuestiones de no linealidad y zonas muertas.
• Mejorar la precisión y exactitud de seguimiento en los sistemas de control de manipuladores.

Principales métodos:

• Diseñó un compensador adaptativo utilizando redes neuronales de función radial modificadas (m-RBF) y una ley adaptativa.
• Implementado el esquema de control en Simulink para la simulación y verificado con un experimento de recogida de té con manipulador de seis ejes.

Principales resultados:

• El m-RBF aproximó efectivamente la no linealidad de la zona muerta, mostrando una precisión de seguimiento excelente y estable en las simulaciones.
• El esquema de control propuesto logró una puntuación de 95,3 en los experimentos de recolección de té, superando el control tradicional de PID en casi dos veces.
• Se han demostrado tasas de aprendizaje más rápidas y evitación de mínimos locales con m-RBF.

Conclusiones:

• El esquema de control basado en m-RBF ofrece una precisión de control superior, robustez y autoadaptación.
• Este método es muy adecuado para aplicaciones de control en tiempo real, particularmente en sistemas robóticos como robots recolectores de té.