controle de posição de um manipulador · pdf file... o uso dos sensores...

CONTROLE DE POSIÇÃO DE UM MANIPULADOR ROBÓTICO UTILIZANDO SENSORES

INERCIAIS E ELETROMIOGRAFIA

GABRIELA L. REIS, MARCOS A. ABDALLA JR., JOÃO D. NOLASCO, LUIS F. F. SOUZA,

MÁRCIO F. S. BARROSO, EDUARDO B. PEREIRA

Laboratório de Controle e Instrumentação, Programa de Pós-Graduação em Engenharia Elétrica,

Universidade Federal de São João del-Rei

Praça Frei Orlando, 170, Centro, São João del-Rei, Minas Gerais, CEP: 36307-352.

E-mails: [email protected],[email protected],

[email protected], [email protected], [email protected], [email protected]

Abstract This paper presents the design of a human machine interface for controlling of a robotic manipulator with two de-

grees of freedom, using inertial sensors and electromyogram. The inertial system developed is a strap that contains three triaxial sensors: a gyroscope, an accelerometer and a magnetometer. The data fusion from these sensors was made using the Kalman Fil-

ter and Complementary Filter. To control the manipulator, mounted with pieces of kit parts LEGO® Mindstorms model, a fuzzy

controller was implemented. Experimental results are presented which show the quality of the implemented filters and developed electromyography and performance of the implemented controller.

Keywords Inertial Sensors, Electromyography, Fuzzy Control, Robotic Manipulator, Kalman Filter, Complementary Filter.

Resumo Este trabalho apresenta o projeto de uma interface homem máquina para o controle de posição de um manipulador robótico com dois graus de liberdade, utilizando sensores inerciais e eletromiografia. O sistema inercial desenvolvido é uma pul-

seira que contém três sensores triaxiais: um giroscópio, um acelerômetro e um magnetômetro. A fusão dos dados destes sensores

foi feita utilizando o Filtro de Kalman e o Filtro Complementar. Para o controle do manipulador, montado com peças do kit LEGO® modelo Mindstorms, foi implementado um controlador fuzzy. Resultados experimentais são apresentados, os quais mos-

tram a qualidade dos filtros implementados e do eletromiógrafo desenvolvido e o desempenho do controlador implementado.

Palavras-chave Sensores Inerciais, Eletromiografia, Controle Fuzzy, Manipulador Robótico, Filtro de Kalman, Filtro Com-

plementar.

1 Introdução

Atualmente, é grande o número de pessoas com

deficiência motora e de idosos que precisam de auxí-

lio para a realização de atividades cotidianas. Segun-

do o último CENSO realizado no Brasil em 2010,

“considerando a população residente no país, 23,9%

possuíam pelo menos uma das deficiências investi-

gadas: visual, auditiva, motora e mental ou intelectu-

al” (Oliveira, 2012). A deficiência motora apresentou

a segunda maior ocorrência, afetando 7% da popula-

ção. Dentre os motivos relacionados a esse tipo de

deficiência podem-se destacar problemas de má

formação, acidentes de trânsito, acidentes de traba-

lho, erros médicos e complicações no parto.

A fim de auxiliar pessoas com deficiência moto-

ra na realização de suas atividades, diversas pesqui-

sas têm sido realizadas na área de reabilitação huma-

na. Com o avanço da tecnologia, espera-se que os

robôs possam ser úteis no ambiente domiciliar ou de

trabalho para estas pessoas (Garcia, et al. 2007).

Além disso, têm-se desenvolvido próteses cada vez

mais semelhantes aos membros humanos tanto em

sua aparência física como nas técnicas de controle

que vêm sendo desenvolvidas (Hioki, et al. 2011,

Yong, et al. 2011). Neste contexto, uma técnica que

vem se mostrando bastante promissora para utiliza-

ção em próteses e robôs teleoperados é a eletromio-

grafia.

A eletromiografia é o estudo das funções muscu-

lares por meio da investigação do sinal elétrico pro-

veniente da musculatura quando ocorre uma contra-

ção de um músculo (Webster, et al. 2011). Este sinal

eletromiográfico (EMG) pode ser medido na superfí-

cie da pele ou nas camadas internas dos músculos e a

análise e processamento deste sinal permite classifi-

car o tipo de movimento relacionado a ele. Desta

forma, uma pessoa amputada, que tenha perdido a

mão ou o braço pode controlar uma prótese de forma

similar ao controle feito com o membro original,

desde que o sistema nervoso central e uma parte do

músculo que atua neste membro estejam preservados

(Li, et al. 2010).

Embora possa ser utilizado para medir os movi-

mentos do braço e da mão e existam diversas técni-

cas que podem ser aplicadas na análise do sinal EMG

(Reaz, et al. 2006), o número de eletrodos necessá-

rios, o posicionamento destes eletrodos e a classifi-

cação do gesto realizado é uma tarefa bastante com-

plexa. Por isso, alguns trabalhos como (Wolf,et. al.

2013) e (Cannan and Hu, 2012) têm utilizado senso-

res de medida inercial como o acelerômetro, giroscó-

pio e o magnetômetro, juntamente com o EMG para

simplificar esse processo. É comum nos trabalhos

que utilizam esta combinação, o uso dos sensores

inerciais para medir o movimento do braço e/ou do

antebraço, e o uso do EMG para identificar os gestos

realizados pela mão.

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

1514

Além disso, outras características tornam o EMG

e o uso de sensores inerciais extremamente viáveis.

Com o desenvolvimento da tecnologia estes sensores

passaram a ser produzidos em tamanho menor e com

menor consumo de potência, tornando viável sua

aplicação em dispositivos que funcionam à bateria.

Desta forma, trata-se de uma tecnologia portátil, fácil

de usar e não-invasiva. Essas características aliadas

aos bons resultados obtidos pela análise do movi-

mento humano por meio do EMG e de sensores iner-

ciais tornaram a sua utilização interessante também

para outras áreas como na fisioterapia (Dyer, et al.

2013), no estudo de patologias (Go, et al. 2014) e em

técnicas de treinamento desportivo (Croft and Ribei-

ro, 2013).

Tendo em vista todos esses aspectos, neste traba-

lho, foi desenvolvido um sistema constituído por

uma interface homem máquina, sensores inerciais e

um eletromiógrafo para o controle de um manipula-

dor robótico com dois graus de liberdade (guinada e

arfagem) e com um efetuador em forma de pinça

capaz de imitar os movimentos da mão de abrir e

fechar. As aplicações dos conceitos relacionados a

este sistema são inúmeras, mas a ideia principal é

que ele possa ser utilizado, com as devidas adapta-

ções, tanto por pessoas com deficiência, no auxílio à

realização de suas atividades, como para pessoas sem

deficiência no controle de robôs teleoperados em

ambientes inóspitos.

2 Propósito

Como mostra a Figura 1, o desenvolvimento

deste trabalho apresenta três etapas básicas: constru-

ção do sistema de sensoriamento analógico e conver-

são A/D, processamento dos sinais e controle do

manipulador robótico.

Figura 1: Diagrama do sistema desenvolvido.

Na primeira etapa, foi construído um eletromió-

grafo de baixo custo e um sistema inercial para medir

as posições angulares de guinada (yaw) e arfagem

(pitch), contendo um acelerômetro, um giroscópio e

um magnetômetro triaxiais. A aquisição dos sinais

provenientes destes sensores foi feita por meio do

Arduino UNO, um microcontrolador com hardware

de código aberto, que possui uma programação fácil,

prática e cujo custo não é proibitivo.

A próxima etapa foi o processamento dos sinais

adquiridos, utilizando os softwares MATLAB® para

análise dos sinais e calibração do sistema off-line e

LabVIEW®

para o processamento dos sinais em

tempo real, pelo Arduino. Para a classificação do

EMG que determina os estados mão aberta e mão

fechada, foi utilizada a média dos valores obtidos a

cada dez amostras coletadas. Para determinar as

posições angulares para o controle das juntas do

manipulador robótico foram utilizados o Filtro Com-

plementar e o Filtro de Kalman, por meio dos quais

foi possível fazer a fusão dos dados dos sensores

inerciais.

O manipulador utilizado neste trabalho é o robô

mostrado na Figura 2, montado com peças do kit

LEGO®

modelo Mindistorms. Tais robôs são com-

postos de blocos do tipo LEGO®, com unidades de

processamento, partes móveis e de instrumentação

que podem ser acopladas das mais diversas formas

(Ferrari et al. 2002).

Figura 2: Manipulador robótico utilizado neste trabalho.

Na última etapa do trabalho, foi implementado o

controlador fuzzy para o controle das juntas 1 e 2 do

robô que correspondem aos movimentos de guinada

e arfagem respectivamente. No efetuador optou-se

por utilizar um controlador on-off para a realização

dos movimentos de abrir e fechar.

3 Sistema Inercial

Sistemas inerciais são sistemas que medem mo-

vimento linear e/ou angular. Neste trabalho, o siste-

ma inercial desenvolvido é constituído por três sen-

sores de tecnologia MEMs (Micro-Electro-

Mechanical Systems) triaxiais: um acelerômetro

MMA7361, um giroscópio L3G4200D e um magne-

tômetro HMC5883, como mostra a Figura 3. Estes

sensores apresentam tamanho menor, em uma escala

milimétrica, com menor custo e com menor consumo

de potência. Para conexão dos sensores ao Arduino

UNO foi usado um conector RJ45. Como mostra a

Figura 3, o sistema de coordenadas padrão industrial

“NED” (North, East, Down) foi utilizado.

Figura 3: Sistema inercial desenvolvido (à esquerda) e o sistema de coordenadas NED (à direita).


1515

3.1 Giroscópio

O giroscópio é um sensor que mede velocidade

angular. Integrando a velocidade angular medida em

cada eixo em relação ao tempo é possível obter a

posição angular a partir de uma referência. Para in-

tervalos de tempo pequenos, a integral numérica

pode ser aproximada pela Equação (1). Em que é a

posição angular no instante , é o intervalo de

tempo considerado e é a velocidade angular no

instante .

3.2 Acelerômetro

O acelerômetro mede aceleração linear, bem

como a aceleração da gravidade, cuja força relacio-

nada é denominada força G, em que 1g equivale a

9,8m/s2. Em casos nos quais o sistema está submetido

apenas à aceleração da gravidade, este sensor pode

ser usado como um inclinômetro, por meio do qual

os ângulos de arfagem ( ) e rolamento ( ) podem ser

calculados pelas Equações (2) e (3), respectivamente.

( √ ) (2)

( √ ) (3)

3.3 Magnetômetro

O ângulo de guinada ( ) pode ser obtido por

meio do magnetômetro, um sensor que funciona

como uma bússola e que mede campo magnético. Se

a placa onde o sensor está acoplado permanecer

plana, é possível medir o ângulo de guinada pelo

arco tangente da relação dos dois eixos horizontais.

Entretanto, nesta aplicação isso não acontece, sendo

necessário fazer uma compensação da inclinação do

sensor. Esta compensação pode ser feita por meio

dos ângulos de inclinação obtidos por meio do acele-

rômetro, aplicando-se as Equações (4), (5) e (6).

(4)

+ + (5)

(6)

Para a utilização destas equações, é necessário

obter os dados do acelerômetro e do magnetômetro

de acordo com o sistema de coordenadas citado ante-

riormente e os sensores devem estar devidamente

alinhados. Além disso, outro procedimento muito

importante é a calibração do magnetômetro. Este

sensor deve apresentar os mesmos ganhos para os

três eixos, de forma que realizando rotações arbitrá-

rias em torno dos eixos do sensor, os valores coleta-

dos devem formar uma esfera cujo centro apresenta

valores nulos, como mostra a Figura 4, em que é

possível verificar a calibração realizada neste traba-

lho.

3.4 Fusão dos dados dos sensores

Embora seja possível medir a posição angular

nos três eixos utilizando apenas o giroscópio, este

sensor apresenta drift, ou seja, o valor de offset varia

com o tempo, além disso, o cálculo das posições

angulares por meio do giroscópio é susceptível a

erros devido à integração de ruídos de baixa frequên-

cia. Por outro lado, o acelerômetro apresenta valores

instáveis, sendo esta instabilidade acentuada em altas

frequências e, como o magnetômetro, precisa das

medidas do acelerômetro para corrigir a sua inclina-

ção, a medição do ângulo de guinada por meio deste

sensor também apresentará instabilidade para altas

frequências.

Figura 4: Magnetômetro HMC5883 calibrado.

Por isso, muitos trabalhos têm optado pelo uso

dos três sensores para medir posição angular nos três

eixos, por meio de filtros que fazem a fusão dos

dados provenientes destes sensores. Os principais

filtros utilizados são o Filtro Complementar e o Filtro

de Kalman.

Filtro Complementar

O Filtro Complementar faz a fusão dos dados

dos sensores considerando os espectros de frequência

mais confiáveis de cada um, por meio de dois filtros

digitais, um passa-baixas e o outro passa-altas, como

mostra a Figura 5.

Figura 5: Diagrama esquemático do Filtro Complementar.

A função para o cálculo da posição angular de

arfagem no domínio da frequência aplicando-se os

dois filtros digitais é mostrada na Equação (7), em

que a frequência de corte dos filtros, é a posição

de rolagem calculada pelos dados do acelerômetro e

é a velocidade angular de arfagem medida pelo

giroscópio.


1516

A Equação (8) mostra a mesma função, porém

no domínio do tempo discreto, em que é o instante

de tempo. Nota-se pela Equação (8) que este filtro é

de fácil implementação, sendo necessário definir

apenas o valor de , cuja relação com a frequência de

corte dos filtros digitais é dada pela Equação (9).

Para o cálculo das posições de rolagem e guinada

utiliza-se a mesma equação, porém nesta última os

dados do magnetômetro são utilizados.

(

)⁄

Filtro de Kalman

O Filtro de Kalman é essencialmente um conjun-

to de equações matemáticas que implementam um

estimador de estados conhecido como “preditor-

corretor”. Este filtro é empregado no sentido de ten-

tar estimar o estado de um processo contro-

lado em instantes discretos de tempo, que pode ser

representado pelas Equações (10) e (11), equações de

processo e de medição, respectivamente.

Neste trabalho, é o vetor das posições angula-

res do sistema nos três eixos, é o vetor das veloci-

dades angulares nos três eixos obtidas por meio do

giroscópio, é a matriz de transição de estados, é

a matriz que modela a entrada associada ( , é o

vetor de medidas, é a matriz que modela os estados

associados à medição que são provenientes dos dados

do acelerômetro e do magnetômetro, é o ruído de

processo e é o ruído de medição. As Equações

(12) e (13) são as equações de processo e de medição

obtidas para o sistema inercial proposto.

[

] [

] [

] [

] [

]

[

] [

] [

]

Quando algumas condições são satisfeitas, o fil-

tro de Kalman minimiza a covariância do erro esti-

mado, sendo assim um estimador ótimo. A Figura 6

mostra o diagrama do Filtro de Kalman para fazer a

fusão dos dados do acelerômetro e do giroscópio, a

fim de estimar as posições angulares de arfagem e

rolagem e a fusão dos dados do magnetômetro e do

giroscópio para estimar o ângulo de guinada.

Figura 6: Estrutura do Filtro de Kalman utilizado.

Na Figura 6, tem-se que ̂

é a estimativa a pri-

ori do vetor , é a matriz de covariância do erro,

é o ganho de Kalman , é a matriz de covariância

do ruído de processo e R é a matriz de covariância do

ruído de medição. Para e foram dados valores

nulos.

4 O Eletromiógrafo

O eletromiógrafo de um canal desenvolvido nes-

te trabalho é constituído de três eletrodos de superfí-

cie e de um circuito para aquisição, amplificação,

filtragem e retificação do sinal captado. Um dos

eletrodos é usado como referência e os outros dois

foram utilizados para captar o potencial elétrico pro-

veniente da contração muscular, dado pela diferença

de potencial destes dois eletrodos. A disposição dos

eletrodos no antebraço foi feita conforme mostra a

Figura 7.

Figura 7: Disposição dos eletrodos no antebraço.


1517

O circuito do eletromiógrafo possui quatro eta-

pas. A primeira etapa consiste na aquisição do sinal

eletromiográfico, na qual foi utilizado o amplificador

de instrumentação INA 126, com um ganho .

Nas demais etapas, foi utilizado um amplificador

TL072 em cada uma.

Na segunda etapa, o sinal obtido na fase de

aquisição foi amplificado, com um ganho e

posteriormente foi colocado um capacitor de aco-

plamento para filtrar a componente DC do sinal,

removendo erros de offset, seguido de um filtro ativo

passa-altas, com frequência de corte de para

eliminar ruído de baixa frequência.

A retificação do sinal foi feita na terceira etapa,

por meio de um retificador de onda completa. Na

quarta e última etapa foi utilizado um filtro passa-

baixas de para suavizar o sinal seguido de um

amplificador inversor com ganho ajustável. A partir

daí, o sinal de saída positivo foi então coletado por

meio do Arduino UNO. Devido à utilização do Ar-

duino UNO a alimentação do circuito foi feita em

5 Controle Fuzzy

Neste trabalho optou-se pelo controle fuzzy de-

vido ao fato deste controlador possuir uma fase de

elaboração do projeto simples, não sendo necessário

utilizar equações matemáticas complexas ou tabelas,

tarefas estas que consomem grande parte do tempo

de projeto em outras técnicas de controle que as

utilizam. O diagrama mostrado na Figura 8 mostra a

estratégia utilizada neste tipo de controlador.

Figura 8: Processos de um controlador fuzzy.

A interface de fuzzificação recebe os valores de

entrada, por meio dos quais é possível determinar os

termos linguísticos e os graus de pertinência dos

conjuntos nebulosos de entrada. Em controladores

fuzzy de caráter geral como o apresentado aqui, as

variáveis de entrada são usualmente o erro (e), gera-

do a partir da diferença entre o sinal de referência e a

saída da planta, e a variação do erro (de), que consis-

te no erro atual menos o erro no instante anterior.

As ações de controle, decorrentes de um conjun-

to de termos linguísticos associados às variáveis de

entrada, são obtidas por métodos de inferência, base-

ados em regras do tipo se antecedente... então conse-

quente com o objetivo de produzir uma saída fuzzy

que será utilizada para fins de cálculo da variável de

saída para o processo. Para isto, é necessário que o

projetista conheça o comportamento do sistema a ser

controlado e saiba quais ações devem ser tomadas

em face das diversas condições que as variáveis de

entrada possam assumir.

Uma vez definida a saída fuzzy, é necessário

transformá-la em uma saída real que será enviada

para o sistema. Esta etapa, denominada defuzzifica-

cão, pode ser feita através de vários métodos, dentre

eles estão o centro dos máximos, média dos máximos

e o centro de massa.

5 Resultados

5.1 Sistema Inercial

Uma vez construído o sistema inercial e calibra-

dos os sensores, foram implementados os filtros de

Kalman e Complementar, descritos no tópico 3.4.

Para o Filtro Complementar, a partir de testes, verifi-

cou-se que um valor de menor que 0,9 não reduz

significativamente as oscilações provenientes do

acelerômetro. Após vários testes, decidiu-se por

utilizar o valor , por apresentar melhores

resultados dentre os valores testados.

Para o Filtro de Kalman, as matrizes de covari-

ância do ruído de medição ( e covariância do ruído

de processo ( também foram obtidas empiricamen-

te, sendo definidas por matrizes diagonais 3x3, cujos

elementos são e .

A Figura 9 mostra um teste feito variando-se o

ângulo de guinada entre -45º e 45º aproximadamente.

A Figura 11 mostra um teste semelhante, porém

variando-se o ângulo de arfagem. As Figuras 10 e 12

apresentam a região circulada mostrada nas Figuras 9

e 11, respectivamente.

Nos testes realizados, foi simulado o valor que o

giroscópio apresentaria para a posição angular utili-

zando a Equação (1) caso a posição anterior utilizada

nesta Equação, não fosse obtida apenas pela medição

deste sensor. Nota-se pelas Figuras 9 e 11 que com o

tempo, os valores simulados para as medições feitas

apenas utilizando o giroscópio, embora não apresen-

tem oscilação, distanciam-se do valor correto, acu-

mulando erros.

Figura 9: Teste experimental variando-se a posição angular de guinada.


1518

Figura 10: Resultado do experimento mostrado na Figura 9 ampli-ado.

Figura 11: Teste experimental variando-se a posição angular de

arfagem.

Figura 12: Resultado do experimento mostrado na Figura 11

ampliado.

Por outro lado, os valores calculados apenas pe-

los dados do acelerômetro e do magnetômetro apre-

sentaram oscilação. Pelas Figuras 10 e 12, é possível

notar que ambos os filtros corrigiram as limitações

observadas pelo uso dos três sensores separadamente

e apresentaram resultados bem próximos, sendo estes

resultados bastante satisfatórios, pois apresentaram

uma oscilação muito pequena e mesmo em testes

realizados em um período de tempo maior, a resposta

dos dois filtros não acumulou erros.

5.2 Eletromiógrafo

Os testes com o eletromiógrafo foram feitos

apenas com indivíduos sem deficiência. Para a reali-

zação dos testes foi criada uma interface em LabVI-

EW®, contendo um LED que liga e desliga a cada 5

segundos. O LED ligado indica que o indivíduo deve

fechar a mão, por outro lado, o LED desligado indica

que o indivíduo deve manter a mão aberta. A Figura

13 mostra dois testes realizados com o mesmo indi-

víduo, sendo que no primeiro teste pediu-se que fosse

feito um maior esforço ao fechar a mão.

Na Figura 13, nota-se que pelo eletromiógrafo

construído é possível separar os estados mão aberta e

mão fechada utilizando a média dos valores a cada

10 amostras. Após o teste, esse valor foi utilizado

para enviar um comando de fechar ou abrir o efetua-

dor do manipulador, por meio de um controlador on-

off. Foi observado que para detectar corretamente o

estado da mão é necessário que o indivíduo faça um

pequeno esforço e mantenha-se concentrado.

Figura 13: Ensaios com o eletromiógrafo para um indivíduo.

5.3 Controle Fuzzy

O controle fuzzy foi implementado por meio do

software LabVIEW®

que contém blocos de progra-

mação específicos para o robô LEGO®. O diagrama

de blocos que representa o controlador fuzzy utiliza-

do é mostrado na Figura 14.

Figura 14: Planta com controlador fuzzy

As entradas do controlador são dadas pelo erro

(e), ou seja, a posição angular desejada menos a

posição angular medida pelo encoder, e a variação do

erro (de). A saída do controlador consiste num sinal

que proporciona o movimento do motor, que pode

variar entre 0 e 127, valores estes que correspondem


1519

a um valor de tensão a ser aplicado no motor que

pode ser no máximo de 9V. As funções de pertinên-

cia de fuzzificação, que foram as mesmas para as

duas juntas, podem ser vistas na Figura 15.

Figura 15: Fuzzificação das entradas e e de do controlador fuzzy

proposto para as juntas 1 e 2.

As funções de pertinência para classificar a vari-

ável de saída foram definidas como MN (Muito Ne-

gativo), N (Negativo), Z (Zero), P (Positivo) e MP

(Muito Positivo). A Tabela 1 mostra as regras de

inferência propostas para os controladores implemen-

tados em ambas as juntas.

Tabela 1. Regras de inferência dos controladores fuzzy

e

de N Z P

N MN N Z

Z N Z P

P Z P MP

Por fim, foram definidas as funções de pertinên-

cia referentes à defuzzificação. Neste caso, os limites

do grau de pertinência estabelecidos foram diferentes

para cada junta. As Figuras 16 e 17 mostram as fun-

ções para o processo de defuzzificação dos controla-

dores propostos para as juntas 1 e 2, respectivamente.

O ajuste fino do controlador, foi feito definindo-se o

ganho mostrado no diagrama da Figura 14 como

sendo K = 10.

Figura 16: Defuzzificação da saída do controlador proposto para a junta 1.

Figura 17: Defuzzificação da saída do controlador proposto para a

junta 2.

A Tabela 2 mostra valores obtidos por meio dos

testes realizados para as juntas 1 e 2, bem como o

máximo erro obtido para os valores testados para

cada junta. A saída representa os valores medidos

para a posição angular das juntas em regime perma-

nente, dada uma referência ao sistema de controle

fuzzy implementado. Nota-se pela Tabela 2 que os

controladores implementados apresentaram um erro

menor que 1º, para os valores testados.

Tabela 2. Valores obtidos pela implementação do controlador

fuzzy no sistema real.

Junta 1 Junta 2

Referência Saída Referência Saída

90º 90,668º 90º 90,549º

45º 45,725º 60º 59,121º

0º 0,416º 45º 45,275º

-45º -44,598º 0º 0º

-90º -89,541º -45º -44,097º

Erro máximo = 0,725º Erro máximo = 0,903º

A Figura 18 mostra o gráfico do desempenho

dos controladores fuzzy implementados nas juntas 1

e 2 para diferentes valores de offset.

Figura 18. Desempenho dos controladores fuzzy no sistema real.

(--) Referência e (-) Saída.

4 Conclusão

Este trabalho apresentou o projeto de um sistema

para o controle de posição de um manipulador robó-


1520

tico com dois graus de liberdade, utilizando sensores

inerciais e eletromiografia.

No sistema inercial proposto foram implementa-

dos o Filtro de Kalman e o Filtro Complementar. Nos

testes realizados ambos os filtros apresentaram resul-

tados bem aproximados, o que indica que para apli-

cações que requerem uma menor precisão o Filtro

Complementar pode ser uma alternativa melhor por

apresentar uma fase de implementação mais simples.

Porém, em aplicações mais complexas o uso do Fil-

tro de Kalman pode ser o mais indicado.

O eletromiógrafo desenvolvido também apresen-

tou os resultados esperados, distinguindo os estados

mão aberta e mão fechada. Porém, o uso de outros

métodos para processamento do sinal e de mais um

canal pode ser uma alternativa futura para que não

seja necessário a aplicação de um certo esforço por

parte do indivíduo ao fechar a mão e para que o mo-

vimento da mão não seja confundido com o movi-

mento do pulso, o que pode acontecer.

Outro ponto a ser destacado no trabalho é a sim-

plicidade do controlador fuzzy que surpreende pelos

resultados apresentados, os quais qualificam estes

tipos de controladores para aplicações de uso geral,

onde pequenos desvios não comprometem a eficiên-

cia do sistema de controle.

Para trabalhos futuros, pretende-se aumentar o

grau de complexidade do sistema, acrescentando

mais dois graus de liberdade, tanto para o manipula-

dor quanto para o sistema inercial desenvolvido, a

fim de que os movimentos do braço também possam

ser medidos. Outras formas de definir os parâmetros

dos filtros serão estudadas a fim de se obter melhores

resultados. Além disso, será feito o estudo de outros

tipos de controladores, visando um melhor desempe-

nho para aplicações mais complexas.

Agradecimentos

À Fundação de Amparo à Pesquisa do Estado de

Minas Gerais (FAPEMIG) e ao Conselho Nacional

de Desenvolvimento Científico e Tecnológico

(CNPQ) pelo apoio financeiro, à Universidade Fede-

ral de São João del-Rei (UFSJ) pelo apoio logístico e

infraestrutura física e ao Programa de Mestrado em

Engenharia Elétrica (PPGEL).

Referências Bibliográficas

Cannan, J. and Hu, H. (2012). A Multi-Sensor

Armband based on Muscle and Motion

Measurements. Robotics and Biomimetics

(ROBIO), 2012, Conference Proceedings. IEEE

International Conference on, p. 1098-1103.

Croft, H. and Ribeiro, D. C. (2013). Developing and

applying a tri-axial accelerometer sensor for

measuring real time kayak cadence. Procedia

Engineering, Elsevier, 60(1), p.16-21.

Dyer, C. A. E.; Harris, N. D. and Jenkin, E.;

Langley-Johnson, C.; Lewis, R.; Taylor, G. J.;

Gruffydd-Jones, K. (2013). Activity levels after

pulmonary rehabilitation – what really happens?

Physiotherapy, Elsevier, 99(3), p. 228-232.

Ferrari, M.; Ferrari, G.; and Hempel, R. (2002).

Building Robots With Lego Mindstorms. United

States of America: Syngress Publishing.

Garcia, E. Jimenez, M. A.; Santos, P. G. and

Armada, M. (2007). The Evolution of Robotics

Research: From Industrial Robotics to Field and

Service Robotics. Robotics & Automation

Magazine, IEEE, 14(1), p. 90-103.

Go, S. A.; Coleman-Wood, K. and Kaufman, K. R.

(2014). Frequency analysis of lower extremity

electromyography signals for the quantitative

diagnosis of dystonia. Electromyography and

Kinesiology. Elsevier, 24(1), p.31-36.

Hioki, M.; Ebisawa, S; Sakaeda, H.; Mouri, T.;

Nakagawa, S.; Uchida, Y. and Kawasaki, H.

(2011). Design and Control of Electromyogram

Prosthetic Hand with High Grasping Force. In:

Robotics and Biomimetics (ROBIO), 2011,

Conference Proceedings. IEEE International

Conference on, p. 1128-1133.

Li, G.; Shultz, A. E. and Kuiken, T. A. (2010).

Quantifying Pattern Recognition - Based

Myoelectric Control of Multifunctional

Transradial Prostheses. Neural Systems and

Rehabilitation Engineering, IEEE, 18(2), p. 185-

192.

Oliveira, L. M. B. (2012). Cartilha do Censo 2010:

Pessoas com Deficiência. Disponível em:

http://www.pessoacomdeficiencia.gov.br/app/sit

es/default/files/publicacoes/cartilha-censo-2010-

pessoas-com-deficienciareduzido.pdf. Acesso

em: 22 de janeiro de 2014.

Reaz, M. B. I.; Hussain, M. S. and Mohd-Yasin, F.

(2006). Techniques of EMG signal analysis:

detection, processing, classification and

applications. Biological Procedures Online, 8(1),

p. 11-35.

Yong, C. Y.; Chew, K. M.; Mahmood, N. H.;

Sudirman, R. and Omar, C. (2011).

Development and Measurement Properties of

Prosthetics Users’ Survey. Business,

Engineering and Industrial Applications

(ISBEIA), 2011 IEEE Symposium on, p. 533-

538.

Webster, J. G.; Clark Jr, J. W.; Neuman, M. R.;

Olson, W. H; Peura, R. A.; Primiano Jr, F. P.;

Siedband, M. P. and Wheeler, L. A. (2011).

Medical Instrumentation Application and

Design. United States of America: John Wiley &

Sons, 4th ed., 675p.

Wolf, M. T.; Assad C.; Vernacchia, M. T.; Fromm, J.

and Jethani, H. L. (2013). Gesture-Based Robot

Control with Variable Autonomy from the JPL

BioSleeve. Robotics and Automation (ICRA),

2013, Conference Proceedings. IEEE

International Conference on, p. 1160-1165.


1521

controle de posição de um manipulador · pdf file... o uso dos sensores...

Documents