UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERÍA MECÁNICA

ESCUELA PROFESIONAL DE INGENIERÍA MECATRÓNICA
Grupo de Investigación en Sistemas de Control e Inteligencia Artificial
Av. Túpac Amaru Nº 210, Lima-Perú-América Latina
Telf.: (+511) 4811070 - Fax: (+511) 3813825
Lima 25 - Perú

“DISEÑO E IMPLEMENTACIÓN DE UN ROBOT MÓVIL

AUTÓNOMO APLICANDO REDES NEURONALES
ARTIFICIALES”

AUTORES

Miyagusuku Ríos, Renato rmiyagusuku@giscia.com

Paredes Merino, Jorge Salvador jparede@giscia.com
Flores Baldoceda, Andrés Francisco aflores@giscia.com
Villalta Ramirez, Oscar Alfonso ovillalta@giscia.com

Resumen

En este proyecto de investigación presentamos el diseño e implementación de un robot móvil autónomo capaz de
evadir obstáculos en entornos desconocidos, con la finalidad de llegar a un punto determinado.
El móvil empleará como núcleo de decisión una Red Neuronal Artificial (RNA) y para la detección de obstáculos se
emplearan 3 sensores ultrasónicos que serán ubicados en la parte delantera del móvil.
En cuanto al diseño mecánico del robot móvil, se empleará una plataforma omnidireccional, dado que la dirección
de sus velocidades no presenta restricciones, por lo que será capaz de moverse hacia cualquier dirección. Tendrá tres
ruedas acopladas a motores de corriente continua, siendo un sistema MIMO, el cual se controlará mediante técnicas
de control moderno.

Summary

In this research project we present the design and implementation of an autonomous mobile robot capable of
avoiding obstacles in unknown environments, in order to reach a certain point.
The mobile’s core of decision will be an Artificial Neuronal Network (ANN) and in order to detect obstacles it’ll
have 3 ultrasonic sensors placed at the front of the mobile robot.
As for the mechanical design, an omnidirectional platform will be used, because the direction of its velocities has no
constraints, so it can move towards any direction. It will have three wheels attached to DC motors, being a MIMO
system, which will be controlled by modern control techniques.

1
 I. INTRODUCCIÓN
La Robótica es una ciencia interdisciplinaria que
incluye conceptos de mecánica, electrónica y
sistemas ofreciendo un amplio campo para el
desarrollo de nuevas tecnologías, esta posibilidad de
seguir innovando y creando robots más complejos es
lo que motiva a muchos investigadores a continuar
investigando y desarrollando proyectos.
La Robótica a causado un gran impacto en la
industria manufacturera, los robots manipuladores,
fijos en un punto dentro de una línea productiva
pueden moverse a una gran velocidad, tener una
precisión sobrehumana y realizar una gran diversidad
de acciones, aspectos que los hacen extremadamente
valiosos para las empresas, sin embargo poseen un
gran defecto, que es su falta de movilidad, dado que,
a pesar de su gran versatilidad, poseen un área
limitada de acción.
Una alternativa es el empleo de un robot móvil, pero
para que dicho robot posea una verdadera aplicación
práctica se deben desarrollar métodos eficientes que
garantice que el robot pueda desplazarse en un medio
determinado y desarrollar sus tareas, para el
desarrollo de estos métodos podemos basarnos en
técnicas de Inteligencia Artificial (IA).
Al igual que en el ejemplo anterior se dan muchos
casos similares en la industria, es por eso que
consideramos de vital importancia el desarrollo de
plataformas capaces de realizar estas funciones, lo
cual es el tema central del proyecto.
II. PLANTEAMIENTO DE ESTUDIO
Para el desarrollo de este proyecto abordaremos
varias áreas de la ingeniería, como lo son la
mecánica, robótica, control, inteligencia artificial y
procesamiento de señales.
En un primer lugar se realizará el diseño mecánico de
la plataforma omnidireccional, la cual no debe poseer
restricciones en la dirección de su velocidad y debe
ser capaz de rotar y desplazarse simultáneamente.
Posteriormente se realizará un análisis cinemático y
dinámico de la plataforma diseñada, con el objetivo
de obtener un modelo matemático lo más exacto
posible, este modelado junto con el modelo de los
motores de corriente continua que se usarán nos
permitirán caracterizar al móvil. Análisis similares al
realizado son presentados en [1],[2] y [3]. Otros
proyectos como [4] y [5] incluyen en su
modelamiento deslizamiento en las ruedas, lo que fue
obviado en nuestro caso, dado que nuestro algoritmo
de control será capaz de compensar esto.
El control de la plataforma es otro punto importante
dentro del desarrollo del proyecto, optaremos por el
empleo de algoritmos de control no lineales, pues del
modelamiento cinemático que se realizó se obtuvo
una planta altamente no lineal. Dentro de los
controladores no lineales se encuentran TCL como en
[1] y [6], Control de trayectorias usando Sliding [7] y
[8], u otros métodos como en [9].
Para lograr que el móvil sea totalmente autónomo se
empleará como núcleo de decisión una Red Neuronal
Artificial (RNA) del tipo back propagation.
El móvil será implementado usando un sistema
embebido, que tendrá como entradas las señales de
los sensores ultrasónicos y encoders de los motores y
nos entregará los voltajes necesarios para alimentar
los motores DC mediante canales de PWM.
III. OBJETIVOS
Objetivo general
El objetivo principal de este proyecto es el desarrollo
de un robot móvil, autónomo que sea capaz de
desplazarse en cualquier sentido sin restricción
alguna que pueda solucionar el problema antes
expuesto.
Objetivos específicos
1. Realizar el diseño e implementación de una
plataforma capaz de cumplir con el objetivo
general.
2. Obtener un modelo matemático lo suficiente
mente exacto que nos permita diseñar nuestros
algoritmos de control y simular el móvil.
3. Diseñar un controlador que nos garantice un
óptimo funcionamiento del móvil.
4. Diseñar un modulo de evasión de obstáculos, el
cual empleará 3 sensores ultrasónicos para la
detección de obstáculos y empleará una RNA
para la toma de decisiones.
5. Finalmente es nuestro propósito independizar
totalmente a este móvil (autónomo).
IV. HIPÓTESIS
Mediante un diseño adecuado de una plataforma
omnidireccional y un correcto modelado matemático
del sistema es posible obtener un móvil capaz de
desplazarse sin restricciones.
Desarrollando un adecuado algoritmo de control, un
procesamiento de la data proveniente de los sensores
y una RNA implementados en un sistema embebido,
es factible dotar de autonomía al móvil diseñado.
V. DESRROLLO DEL TRABAJO
Diseño Mecánico
En cuanto al diseño mecánico del móvil, se ha optado
por el empleo de una plataforma omnidireccional, las
que son ideales para este tipo de aplicaciones pues la
dirección de sus velocidades no presenta
restricciones, además son capaces de rotar y
desplazarse simultáneamente.
2
La plataforma está compuesta por tres ruedas Cinemática
omnidireccionales dispuestas en los vértices de un
El móvil cuenta con un sistema de referencia fijo
triángulo equilátero, cada rueda está conectada a un
(body frame) adherido al cuerpo y uno inercial, es
motor de corriente continua, siendo un sistema
decir que se encuentra fijo en la posición inicial en
MIMO, el cual será controlado mediante técnicas de
donde se encuentra, de modo que en un tiempo dado
control no lineal. La figura 1 representa un prototipo
la configuración será la siguiente (ver Fig 3):
de la plataforma.
Las ruedas que emplearemos serán ruedas Y
omnidireccionales (ver figura 2), las que poseen la
X
particularidad de poder deslizarse con gran facilidad
en el sentido perpendicular al motriz, permitiéndole
al móvil desplazarse hacia cualquier dirección. Y
Para la detección de obstáculos usaremos sensores
ultrasónicos, los mismos que estarán ubicados en la
parte superior frontal del móvil y le permitirán
reconocer los obstáculos para posteriormente poder
evadirlos. X

Figura 3 Sistemas de referencia del móvil

El sistema fijo estará representado por las

componentes X, Y y Z. Y el sistema adherido al
móvil será Xm, Ym y Zm. Los parámetros del
modelo son:
L: Longitud del radio del circulo que circunscribe al
móvil triangular.

φ: (fi) ángulo de rotación del Sistema Móvil respecto

R: Longitud de radio de las ruedas.

θ : (theta) ángulo de giro de cada rueda. i =1, 2, 3.

del Fijo.

Las llantas se posicionan; Llanta i: 120

i  1 


respecto del sistema móvil tal como se observa en la
Figura 4.

2
3

Figura 1 Plataforma Omnidireccional

1

Figura 4 Disposición de las ruedas

Analizando la relación entre ambos sistemas, la

matriz de rotación que relaciona las velocidades, será:

cos φ senφ 0
A   senφ cos φ 0
0 0 1
(1)

Donde X  A. X 

X   V sin α
Las velocidades se descomponen como:

Figura 2 Ruedas Omnidireccionales y montaje Y  V cos α (2)

Pero las velocidades también son una combinación

lineal de las velocidades angulares en cada rueda:

3
 x  1  sin 30  sin 30 θ
0 cos 30 cos 30 
(
 y    R. #1 & ' θ *
Despreciamos la componente de la aceleración, para

1 1
φ
simplificar los cálculos y dado que es un valor de
θ)
L L L
modulo constante conocido que se puede corregir

X  R. B. θ
luego. Con esta aproximación tendremos un vector
independiente de aceleraciones que se calculan en
(3)
base a la dinámica del sistema.

xG  φ [ y aU
,θ-:
Pero como nosotros tenemos V, necesitamos calcular
 yG    φ [ x  2 ]aV ^ =
θ( x  φG 0 α
1/m 0 0 1  sin 30  sin 30 f(
'θ *  . ,B-/(  y  
( φ [ y
φ [ x  2  0 1/m 0  0 cos 30 cos 30 f 
φ
.
θ)
(4)
0 0 0 1/I L L L f)

φ [ y 1/m 0 0 1  sin 30  sin 30 τ(
φ [ x  2 .  0 1/m 0  0 cos 30 cos 30 ]τ ^
(

X01(  X0 2 A. X  . ∆t τ)
El seguimiento de la Posición:
(5) 0 0 0 1/I L L L
(13)

V5  V6 2 V5/6 89: 2 Ω < r5/6

De la velocidad relativa al sistema fijo (2 y 3):
(6)
Modelo matemático de los motores
Dinámica Los motores usados son motores de corriente

_`a  _b 2 cde
Nos basamos en las leyes de Newton y enunciamos continua cuyas ecuaciones eléctricas son:

> @FA  m < @aA _b  fg

hij
de esta manera: (14)
hk
(15)

> τ  I F φG
fl c  m 2o 2 pq
h n ij
Y su ecuación mecánica es:
hij
hk n hk
(16)
De modo que habrá una aceleración angular siempre
que haya un cambio de dirección en el giro, de lo
Donde Vin es el voltaje de entrada a los motores, i la
contrario permanecerá a la velocidad angular de
módulo constante y de manera suave. También en el corriente del motor, θ m la posición del rotor, Km la
punto inicial (n=1) la aceleración tiene un valor constante de velocidad del motor. Además el modelo
diferente de cero. cuenta únicamente con el parámetro eléctrico Ra y

aceleración @aA que actúa sobre el sistema en

La fuerza total en el móvil es debida a una los parámetros mecánicos J (momento de inercia), B
(coeficiente de viscosidad) t Tc (Torque de carga).

∑F@@@@@A
  m F @aA  f@@A( 2 f@@A 2 f@@A)
movimiento.
Modelamiento del sistema
τJ
J  I F φG  K2. L 2 K2. L 2 K3. L
(7)
(8) Usando las ecuaciones obtenidas en la cinemática y
dinámica, junto con el modelado matemático de los
Las fuerzas se generan por los torques que es lo que motores obtendremos el modelado de todo el sistema.
Af(,,) F R  @τA(,,)
finalmente deseamos calcular:
Podemos escribir las ecuaciones (13), (15) y (16) de

rG  q 2 sopq
(9) la siguiente manera:

pq  f k c  ml tG 2 ol t
c   y t
Todo esto calculado respecto a un eje inercial, por lo
que usaremos la expresión general obtenida de [10] y u x
vw vw
(17)
[11] para determinar los valores de coriolis y
aceleraciones en los ejes soldados al cuerpo (body

A  A
2 ΩN < r/
2 Ωx 2
OPQ/R OSQ/R
frame): Usando la ecuación cinemática (3) podemos expresar

OJ OJ
(10) todas las variables anteriores en función de x, sus
derivadas y el voltaje, obteniendo la siguiente
Donde ecuación:
z{ 2 oo } ~ rlG  q 2 z  so~ _  € zol 2 y  ~
|j x ( x x
m: Sistema Móvil
v vw v vw

‚rlG  q 2 ƒ_  „X
o : Sistema Fijo (origen) (18)
Ω: Velocidad angular del sistema móvil (19)

Ta U , a V W  0 2 φG < x, y 2 φ < x , y

Reemplazando:

2 xG  , yG 
Reconocimiento de Parámetros

aU φG [ y φ [ y xG
Xa Y  Z \ 2 Z  \ 2 Z \
Una parte fundamental para la obtención de un

φG [ x φ [ x yG 
modelo matemático exacto es la correcta
V
xG φG [ y φ [ y aU
(11)

Z \  Z  \2Z  \ 2 Xa Y
determinación de los parámetros del mismo.

yG  φG [ x φ [ x V
(12) En nuestro robot tenemos parámetros físicos como
la masa e inercias. Parámetros geométricos como
4
 ‡  •Ž. Ž |—b 
longitudes totales, radios, etc. Estos parámetros Donde
pueden ser fácilmente obtenidos con mediciones x
directas o por medio de software que simulan dichas ‰Š .‰n

o  Ž 2 ˜( •. Ž |—/‰Š 
x
propiedades mecánicas. Sin embargo, los parámetros
propios de los motores DC son algo más complicados ‰Š .‰Š /‰n

‹  Ž 2 ˜ •. Ž |—/‰n 
x
de obtener, pues estos varían con el uso, es por tanto
‰n .‰n /‰Š
de suma importancia realizar un reconocimiento de
parámetros cuando se usan motores usados o se desea
verificar los datos del fabricante.
Reconocimiento de parámetros en motores DC

Teniendo una entrada de voltaje constante el motor

DC alcanza una velocidad determinada luego de
pasar por un periodo transitorio, si tuviésemos esos
valores y pudiésemos reconstruir esa curva
tendríamos la salida del sistema respecto a una
entrada tipo step y mediante ajustes de curva
podremos obtener la función de transferencia de
motor requerido.
Algoritmo de obtención de una función de
transferencia de una planta dada
Para obtener los modelos de la data transitoria se
asume entrada escalón (step) ya que se conoce el tipo Figura 6 Descomposición de Respuesta Escalón
de salida que genera en una planta de segundo orden

Para un t grande …( † ™ …† , y definiendo:

como es el caso de nuestros motores DC, en la figura

š†  ‡  …†  o. ˆ /‰Š .k  ‹. ˆ /‰n.k
5 se aprecia:
(23)

Para un tiempo suficientemente grande:

š† ™ o. ˆ /‰Š.k (24)

Si derivamos la expresión:

 ˜(
h ›aœŠ k
h
(25)

Esto gráficamente significa:

Fig 5 Curva característica de un proceso de bajo orden

Puede asumirse que la curva está dada por una suma

exponencial
…†  ‡ 2 o. ˆ /‰Š.k 2 ‹. ˆ /‰n .k
‡  …∞ (20)
Respuesta al escalón para sistemas de 2do orden:
Considerando el sistema:

Ž  1‰
x
Figura 7 Ajuste de Curva logarítmica para cálculo de p1

Š 1‰n
(21)
De esta manera se pueden obtener las otras variables:
‹  ‡ 2 o
Suponiendo que p1/p2 >3

Ž  
‘ x
 1‰Š 1‰n
o
˜   ˜
 2 2 ‹ (
’ “ ”
 1‰Š 1‰n
f  ‡. ˜( . ˜
(22)

Gráficamente podemos analizar:

5
 El lazo interno realiza el control de las velocidades
vistas desde el sistema fijo al móvil, el lazo externo
lo hace con respecto a los desplazamientos. El control
puede dividirse en dos partes:
1. Se calcula las salidas deseadas en base al
cálculo de la cinemática y dinámica inversa.
2. Se realiza la Linealización respecto a la
trayectoria como se muestra en [1] y se usan
controladores adaptativos para corregir los
posibles errores.

De (1) y definiendo a X como ,¨ © ª-« y a

Lazo de realimentación externo

,¬­ …® ¯®-« como la trayectoria deseada, tenemos:

Figura 8 Procedimiento de Cálculo de las

¨ ¬
°
Variables p1, p2 A,B,C

Ž   1‰  ]©^  A/(  …

°̄ 
x x
uw  Š 1‰n  n 1‰Š 1‰n 1‰Š .‰n
ª °
ωž
(27)

ŸQ


 ¡ .¢
n
uw 
ωž
  .£¤¢.¥¡ ¥¡ .£¤¦§
 n 1X ¡ Yž1
(26)
 ¡ .¢  ¡ .¢
ˆ ¬ ¬­ ¨´( ¨®
Definimos al error de la trayectoria como:
³¨
 ˆ±    …    …®  y ³©   ©´(   ©­ 
ˆ² ¯ ¯® ª´( ª­
Comparando ambas expresiones se pueden despejar
³ª
(28)
los parámetros del motor tales como:

Ra: resistencia de armadura

ˆ ˆ
L: inductancia de armadura Linealizando (1) alrededor de la trayectoria deseada
³¨
' ˆ± *  ‡(  ˆ±   o( ³© 
B: coeficiente de fricción viscosa

ˆ² ˆ² ³ª
J: momento de inercia (29)
Km: constante de torque
Kb: constante contra electromotriz

Donde:
0 0  sin¯® ¨®  cos¯®
‡(  0 0 cos¯® ¨®  sin¯®  ;
Control del Sistema

0 0 0
De las ecuaciones mostradas en la sección anterior

cos¯® sin¯® 0
notamos que nuestra plataforma posee una dinámica

o(  µ sin¯® cos¯® 0¶
altamente no lineal, por esta razón no es posible

0 0 1
emplear algoritmos de control clásico como los PID
ampliamente conocidos y estudiados, al menos no
directamente.
En este proyecto se usará una metodología de diseño
de controladores no lineales conocida como “Control Una vez linealizada la dinámica del error, podemos
por Linealización de Trayectoria” o TLC por sus aplicar métodos de diseño de controladores clásicos
siglas en inglés, la cual ha sido usada con gran éxito como los PI por ubicación de polos [1] y [6] o
en [1] y [6], y en áreas afines que presentan podemos aplicar métodos de control óptimo, como lo
problemas similares como lo es la aeronáutica es el diseño de controladores por realimentación de
[12],[13]. estados.
Para el control del sistema se usarán dos lazos de Para esto hace falta definir la función de costo del
control, tal como se observa en la figura 9. sistema:
»
m·  ¸ ¬ ¹ º¬ 2 ¨¹ d¨
b

¨  f¬.
Resolviendo la ecuación de Riccati [14] con

‡( con diagonal dominante, por lo que se simplifico a

De los cálculos realizados se pudo obtener una matriz

¼c½¾,½(( ½( ½() - por facilidades de cálculo.

Figura 9 Diagrama del Controlador

6
Deseamos que dicha matriz en lazo cerrado: ‡ ¿( 
‡(  o( f sea constante, por lo que usaremos un
controlador con ganancia variable fÀ( donde:
fÀ(  o( /( ‡(  ¼c½¾,½(( ½( ½() - (30)

De (26) y definiendo a ,¨ ®®®( ®®®

¨ ®®®-
¨) « como los
Lazo de realimentación interno

voltajes nominales para los motores y a ,¨® ©­ ª­-«

Figura 11 Dinámica del Robot

¨
®®®( ¨® ª©
como las velocidades deseada, tenemos:

®®®
¨   so /( w ‚ ©­   so /( w ]ª¨ ^ 2
vv vv

¨)
®®® ª­ 0
xy a xy a

¨®
o¹ w z y  2 ÁÂ ~ ©­ 
v a x x

ª­
xy v vw
(31)

Figura 12 Cinemática Inversa

ˆ· ¨ ¨´( ³¨( ¨( ¨
®®®(
Definimos los errores en el lazo interno:

ˆÃ   ]© ^  ©´(  y ³©(   ©(   ®®®

¨ 
ˆÄ ª ª´( ³ª( ª( ¨)
®®®
(32)

Linealizando (19) alrededor de la trayectoria

ˆ· ˆ· ³¨(
tenemos:

ˆÃ   ‡  ˆÃ   o ³©( 
ˆÄ ˆÄ ³ª(
(33)

Figura 13 Dinámica Inversa

0 ª­ ©­
Donde:

‡  ‚ /(  ª­ 0 u®  „; o  ‚ /( ƒ
0 0 0
De forma similar se calculan los valores empleando

¿  ‡  o f obtenemos:
matriz en lazo cerrado ‡
la función de costo para el lazo interno y hallando la

fÀ(  o /( ‡  ¼c½¾,½(( ½( ½() - (34)

Simulaciones
Para la realización de las simulaciones se implementó
el modelo matemático hallado en la cinemática y
dinámica (Figuras 10 y 11). Además de
Figura 14 Controladores Adaptativos
implementarse en el software el controlador no lineal
descrito anteriormente (Figura 9), el cual usa la
cinemática y dinámica inversa, así como los Además se consideró un saturador a la salida del
controladores adaptativos. (Figura 12, 13 y 14) controlador, el que no permitirá el uso de voltajes
mayores a 20 voltios, lo cual es una de las
restricciones físicas del modelo.
Para el control de trayectoria se le ordenó al robot
realizar la trayectoria de una circunferencia de 1m de
diámetro iniciando su recorrido en el centro de la
circunferencia.
Figura 10 Cinemática del Robot

7

Figura 15 Trayectoria en X, Y y PHI
Figura 16 Ploteo en XY
Figura 17 Voltajes en los Motores
Red Neuronal Artificial
Para la parte inteligente de nuestro móvil utilizamos
una Red Neuronal del tipo Backpropagation, puesto
que necesitamos seleccionar un valor adecuado para
diversas entradas, puesto que nuestras salidas mas
tienden a ser simplemente la significación de
determinados valores (izquierda y derecha),
utilizaremos una función sigmoidal en las neuronas
de la capa oculta, ya que esta función arroja valores
que tienen una tendencia a lo binario.
Como se sabe, la red Backpropagation necesita por lo
menos una capa oculta, el número de neuronas de la
capa oculta no se puede calcular de manera directa
por tal motivo, lo que hicimos fue comenzar con un
número pequeño de neuronas el mismo que poco a
poco fuimos aumentando hasta que observamos en
las simulaciones que la red convergía a los valores
esperados.
A continuación se encuentra la estructura básica de la
red neuronal utilizada (Figura 18):
Figura 18 Estructura de la Red Neuronal
Como se puede apreciar para esta red utilizamos la
función sigmoidal en la capa oculta mientras que en
la capa de salida utilizamos la función identidad, esto
debido a la necesidad que poseíamos de obtener
valores binarios.
Figura 19 Funciones utilizadas en la red
Una de las deficiencias que posee la red
Backpropagation es que si el valor de la taza de
aprendizaje (α) es demasiado grande se corre el
riesgo de saltar alguno de los mínimos, ya sea local o
global, en el caso inverso, si la taza de aprendizaje es
demasiado pequeña, se tiene más seguridad de llegar
a un mínimo pero el llegar hasta dicho punto tomaría
mucho tiempo de entrenamiento, para evitar estas
dificultades agregamos en la función de
entrenamiento un término llamado momento (β) cuya
función es introducir una fracción del incremento de
pesos que se tuvo en el instante anterior de esta
manera garantizamos que no saltaremos por encima
el mínimo más cercano al punto de partida.
El algoritmo de aprendizaje se basa en regular los
pesos de tal forma que el error vaya disminuyendo, a
diferencia de otros tipos de red que también utilizan
este método, la Backpropagation no solo se centra en
el error cometido en la salida, sino que también
evalúa el error que se comete en la capa oculta de
neuronas.
Para el entrenamiento de esta red utilizamos las
herramientas que otorga el Matlab, puesto que sólo
necesitamos una función que sea capaz de predecir el
8
mejor comportamiento para el móvil este software
otorga las funciones necesarias para realizar un
entrenamiento a mayor velocidad y de esta manera
poder emplear ese tiempo ahorrado en pruebas de
dicha función obtenida.
Como resultado del entrenamiento obtuvimos el
siguiente cuadro de progreso:
Figura 20 Cuadro del Progreso en el Entrenamiento
Y la siguiente función del error respecto al progreso
en el entrenamiento:
Figura 21 Función del error respecto al avance en el
entrenamiento
Como se puede observar nosotros creemos
considerable tener una tolerancia en el error de
aproximadamente 10-5 el cual alcanzamos luego de
haber realizado una gran cantidad de iteraciones.
Para probar que dicha función arrojada por las redes
neuronales es efectiva realizamos una GUI en Matlab
USÈÊ
ËOÌO OÈÊ Í
0O
para poder visualizar de manera sensilla el
comportamiento que el móvil tendría en cualquier
circunstancia.
Como primer paso necesitamos crear un mapa
aleatorio el cual deberá ser recorrido exitosamente
por el móvil sea cual sea la disposición de los
obstáculos.
Figura 22 Generación aleatoria de un mapa
Como siguiente paso introducimos la función que fue
otorgada por el Matlab a la trayectoria del móvil y de
esta manera comprobamos la eficacia de esta:
Figura 23 Trazo de la trayectoria realizada
Sensores Ultrasónicos
Un factor muy importante para la toma de decisiones
de la trayectoria a seguir por parte del robot, son los
sensores que le permiten reconocer si existen
obstáculos en la dirección y sentido en el cual se
moviliza y que sean capaces de enviar información
aún en situaciones desfavorables (total oscuridad,
exceso de luz, niebla, etc.), por lo cual dichos
sensores son de tipo ultrasónico.
Un sensor ultrasónico, como su nombre ya lo
describe, es aquel con el cual podemos explorar el
entorno por medio del envío y recepción de ondas
ultrasónicas, de esa manera la onda emitida por el
sensor recorrerá dos veces la distancia que queremos
saber:
Distancia 
ÇÈÉ

(35)
9
El sensor es controlado por un pulso 1 lógico, con
una duración de 10uS. Después de recibir este pulso,
los sensores envían una señal acústica ultrasónica y
coloca la línea de eco en 0 lógico, a la espera de la
recepción de eco. Una vez que el eco es
recepcionado, se pone nuevamente la línea de eco en
0 lógico. Con el microcontrolador se llega medir el
tiempo de los ecos, es decir el tiempo en que la línea
de eco estaba en 1 lógico y así calcular la distancia
del obstáculo. Pero como el funcionamiento del
robot, no requiere de la distancia a la cual está el
obstáculo, sino que solo requiere la presencia del
mismo, entonces el microcontrolador se encarga de
enviar una respuesta 1 lógico, si el obstáculo está
entre 3cm y 15 cm frente a él; y una respuesta 0
lógico cuando dicha distancia esté por encima de
15cm.
VI. CONCLUCIONES
Mediante el empleo de 3 ruedas omnidireccionales es
posible diseñar una plataforma que cumpla con los
requisitos planteados en nuestros objetivos, pues no
presenta restricciones en la dirección de su
movimiento, además al tener sólo 3 puntos de apoyo
garantizamos la existencia de un plano único que los
contenga, por lo tanto nos aseguramos que todas las
ruedas se encuentren en contacto directo con la
superficie y contribuyan al desplazamiento del móvil.
Se ha logrado obtener un modelo no lineal que
representa satisfactoriamente al sistema. Este modelo
se resume en las ecuaciones 17 y 18.
El algoritmo de control diseñado se muestra eficiente,
(figuras 15 y 16). Además el empleo de técnicas de
control óptimo y las funciones de costo nos permiten
obtener un equilibrio entre exactitud y potencia, lo
cual le otorga al método planteado una gran ventaja,
pues ante distintas necesidades pueden fácilmente
adaptarse las ganancias de los controladores.
Para el diseño del módulo de evasión de obstáculos
que empleará 3 sensores ultrasónicos para la
detección de obstáculos se planteó colocarlos en la
parte frontal del omnidireccional separados unos 15º,
esta configuración se ha mostrado satisfactoria ante
varios de los casos posibles como los mostrados en la
Figura 24, además permite un fácil entrenamiento de
la RNA.
1 2
3 4
Figura 24 Casos Posibles
VII. RECOMENDACIONES
Se recomienda la compra de motores con encoders y
caja reductora ya incorporada.
Figura 25 Motor DC con encoder
Si no se compran motores nuevos o el presupuesto no
es lo suficientemente holgado y debe de optarse entre
comprar motores con encoders o motores con cajas
reductoras se recomienda preferir los motores con
encoders pues acoplar los mismos a motores que no
los posean es un trabajo aún más complicado que
acoplarles cajas reductoras.
En el modelado matemático de los motores es posible
despreciar el efecto de las inductancias de los
motores, pues en la mayoría de casos estas no afectan
mucho al modelo y simplifica el sistema.
Es necesario recordar que el móvil contendrá
deslizamientos en el arrastre de las ruedas
omnidireccionales, pero estos pueden ser
compensados con el controlador.
Se recomienda no tomar en cuenta las aceleraciones
pequeñas (como se hizo anteriormente) con el fin de
desacoplar la matriz y hacer más sencillo el cálculo
inverso, y de este modo la cinemática inversa.
BIBLIOGRAFÍA
[1] Yong Liu, Xiaofei Wu, Jim Zhu, J. Jae Lew Sch. of Electr.
Eng. & Comput. Sci., Ohio Univ., Athens, OH, USA,
“Omni-Directional Mobile Robot Controller Based on
Trajectory Linearization”, pp 234-242.
[2] Muir, P. Neuman, C. “Kinematic modeling for feedback
control of an omnidirectional wheeled mobile robot”
Carnegie Mellon University, Pittsburgh, PA;
[3] V. F. Muñoz Martínez, G. Gil-Gómez y A. García Cerezo
“Modelado Cinemático y Dinámico de un Robot Móvil
Omni-direccional”. Instituto Andaluz de Automática
Avanzada y Robótica. Dpto. Ingeniería de Sistemas y
Automática. Universidad de Málaga.
[4] Robert L. Williams II, Brian E. Carter, Paolo Gallina and
Giulio Rosati “Dynamic Model with Slip for Wheeled Omni-
Directional Robots”, IEEE Transactions on Robotics and
Automation Vol. 18, No. 3, pp. 285-293 - 2002
[5] Balakrishna, R.; Ghosal, A. “Modeling of slip for wheeled
mobile robots” IEEE Transactions on Robotics and
Automation. Volume 11, Issue 1, Feb 1995 Page(s):126 –
132
[6] Watanabe, K., Shiraishi, Y., Tzafestas, S. G., Tang, J. and
Fukuda, T., “Feedback Control of an Omnidirectional
Autonomous Platform for Mobile Service Robots,” Journal
of Intelligent and Robotic Systems, 22(3), pp. 315-330,
1998.
[7] Dongkyoung Chwa, “Sliding-Mode Tracking Control of
Nonholonomic Wheeled Mobile Robots in Polar
10
 Coordinates” IEEE Transactions on Control Systems
Technology, Vol. 12, No. 4, July 2004
[8] A Filipescu, U Nunes, S Stamatescu “Discrete-time, sliding-
mode WMR control based on parameter identification” 16 th
IFAC World Congress, 2005
[9] Giuseppe Oriolo, Member, IEEE, Alessandro De Luca,
Member, IEEE, and Marilena Vendittelli “WMR Control
Via Dynamic Feedback Linearization: Design,
Implementation, and Experimental Validation” IEEE
Transactions on Control Systems Technology, Vol. 10, No.
6, November 2002
[10] R.C. Hibbeler, Engineering Mechanics Dynamics, cap ‘rigid
body dynamics’, 2008.
[11] James L. Meriam, Dynamics, Edicion 2, Editorial Wiley,
1971. Universidad de Michigan .
[12] Zhu, J. Jim, Banker, Brad D. and Hall, Charles E., “X-33
Ascent Flight Controller Design By Trajectory
Linearization-A Singular Perturbational Approach”,
Proceedings, AIAA Guidance, Navigation and Control
Conference, Denver, CO, to appear, August, 2000
[13] J. Zhu, A. Scott Hodel, Kerry Funston and Charles E. Hall,
“X-33 entry flight controller design by trajectory
linearization - a singular perturbational approach”.
Advances in the Astronautical Sciences, Vol.107, 151-170
[14] Stanislaw H. Zak , “Systems and Control” Capítulos 4-6

11