Identification of an Adaptative Model for an Articulated robot: A black-box approach

Abstract

O conceito emergente e cada vez mais consolidado da indústria 4.0 traz consigo em um de seus pilares a rápida adaptação aos anseios do mercado, sendo necessário prover cada vez mais produtos mais individualizados e customizados, fazendo da flexibilidade, uma das características chaves para prosperar nesse ambiente. Nesse contexto, a montagem final de produtos de larga escala, como por exemplo, na indústria automotiva, apresenta um ambiente bastante flexível devido ao baixo número de produtos e a imensa gama de variações dos mesmos. Essa flexibilidade, porém, é obtida ao custo de um baixo nível de automação no ambiente da montagem final. Manipuladores robóticos apresentam-se como elementos bastante flexíveis: apresentam alto grau de liberdade de movimentação e capazes de atuar na execução das mais diversas tarefas. Tradicionalmente, estes são empregados em um layout celular que permitem um alto grau de versatilidade. A fim de se diminuir o ciclo de tempo da montagem final nas linhas de produção, cada vez mais, opta-se por um layout de fluxo contínuo, ininterrupto, capaz de reduzir em mais de 63% os tempos da montagem. Assim, o Werkzeugmaschinenlabor -WZL (Laboratório de Máquinas-Ferramenta) da Universidade Técnica da Renânia do Norte-Vestefália em Aachen através do projeto FASIM - Final Assembly in Motion (Montagem Final em Movimento) busca solucionar toda a problemática envolvida na sincronização dos manipuladores robóticos, com o restante dos componentes da linha de produção em um ambiente de movimento contínuo. Através de diversos trabalhos envolvendo anos de pesquisa, o laboratório optou por uma sincronização realizada através de um controle preditivo (Model Predictive Control - MPC) capaz de: garantir a sincronização requerida ao passo que compensa interferências das vibrações do sistema de movimentação e; lidar com o tempo de zona morta proveniente da comunicação entre sistema de controle, manipuladores robóticos e o sistema de medição. Como qualquer abordagem de controle clássica, para um devido ajuste e um bom resultado do sistema de controle, é preciso antes de mais nada um bom modelo que represente o sistema. Durante as etapas mais recentes do projeto, o modelo do sistema foi obtido através de uma estrutura caixa-preta utilizando a captação de dados reais de entrada e saída do sistema.

Esse trabalho se propõe, então, a identificar um modelo de um manipulador robótico, acoplado ao sistema de medição de larga escala, através de uma abordagem caixa-preta, que gere resultados mais próximos ao sistema real que o modelo até então obtido pelo WZL. O trabalho se centrou em pesquisar diversas técnicas de identificação e possíveis ferramentas de implementação que pudesse proporcionar uma integração rápida ao ambiente do laboratório. Indo desde identificação usando-se de técnicas de aprendizado de máquina, otimização a estimação online de parâmetros do sistema. Visou-se estudar a possibilidade de identificação de um modelo adaptativo capaz de aproximar a dinâmica do sistema real em pose do laboratório a fim de melhorar os resultados do controle projetado pelo mesmo.

The growing desire for more individualized products requires from the industry a high degree of flexibility and shorter production times. In this context, in order to achieve the required quality and time standards in the final assembly in the automotive industry, the process is done through a high degree of manual work in continuous assembly line. Seeking to create a more automated production environment while maintaining the same levels of flexibility and quality, the Werkzeugmaschinenlabor -WZL through the FASIM (Final Assembly in Motion) project, studies the possibility of employing robotic manipulators synchronized with the movement of the product in the continuous production line. Synchronization is performed through a model predictive control (MPC) capable of compensating for deviations of the manipulator system and conveyor system while, rejecting system's disturbances and dealing with the dead-time delays from the robot and measurement system . In order for the control to have an adequate behavior, it needs a good model of the system. Thus, this work aims to study methods and tools capable of providing a more accurate model than the current one in the possession of the laboratory. Several methods and tools were researched, which could provide an adaptive model for the robotic system. It focused on evaluating the possibility of implementing a neural network model and the implementation of an online estimator of system parameters.