Fundamentos de Robótica: 2017-I

Control de Robots
- parte I -

Prof. Oscar E. Ramos, Ph.D.

 Temas

1. Conceptos Generales

2. Control en el Espacio Articular

- Control PD
- Control PD + Compensación de gravedad
- Control por dinámica inversa

2
 Modelo Dinámico en Espacio de Estados

• Dinámica de un Robot:
  C (q, q )q  g(q)  u
M (q)q u  τ tot
Señal de control
- Variables de estados:

 x1  q   x 1  q 
x   x      
 x 2  q   x 2  q
 

- Ecuaciones en el espacio de estados

 x 1   x2   0 
 x     M 1 (x )  C (x , x )x  g(x )     M 1 (x )  u
 2  1 1 2 2 1   1 

f ( x) G(x1 )

x  f (x)  G(x1 )u Sistema afin con

respecto al control
Ecuación en espacio de estados

3
 Estabilidad de Sistemas Dinámicos
Tipos de Estabilidad (para x=0)

• Estabilidad (en el sentido de Lyapunov)

- Idea: el sistema siempre se mantiene en una

región R si se comienza cerca del punto de
r equilibrio x = 0
R x0
- Más formalmente:
R  0, r  0,‖x(0)‖ r ‖x(t )‖ R, t  0

• Estabilidad asintótica
- Si se inicia suficientemente cerca del punto de
equilibrio, se regresará al punto de equilibrio
ro
x0 - Más formalmente:
1. Es estable en el sentido de Lyapunov
2. r0  0,‖x (0)‖ r0  x(t )  0 cuando t  

Nota: se considera que x = 0 es un punto de equilibrio 4

 Formas de Control

• Según la variable de control

- Control de posición
- Control de velocidad
- Control de torque

• Según el grado de acoplamiento

- Control descentralizado (monoarticular)
• Se trata cada articulación por separado
• Puede implementar control de posición, velocidad o torque
- Control centralizado (multiarticular)
• Considera todo el modelo del robot
• Implementa típicamente control de torque

• Según el resultado del control

- Control de movimiento
- Control de fuerza
- Control híbrido (movimiento+fuerza)
5
 Formas de Control

• Control Descentralizado (monoarticular)

- Considera n sistemas (articulaciones) independientes: control SISO
- Usa el modelo dinámico de cada articulación (motor+transmisión) por separado

q1d q1
Control Artic. 1

q2d q2
Control Artic. 2
Cinemática

qd
inversa

xd q

qnd qn
Control Artic. n

- Efectos de acoplamiento: considerados como disturbios (ruido).

6
 Formas de Control

• Control Descentralizado (monoarticular)

- Control cinemático: usando: “resolved motion rate control”
Δq1 q1
Control Artic. 1

Δq2 q2
Control Artic. 2
xd Δx Δq
J# q
x

Δqn qn
Control Artic. n

Cinemática
Directa

- Existen otras formas de control cinemático

• Integrando ̇ para obtener q e ingresarlo como referencia a cada controlador
7
 Formas de Control

• Control Centralizado (multiarticular)

- Considera todas las articulaciones a la vez (considera los acoplamientos
entre articulaciones)
- Utiliza el modelo completo del robot:
  C (q, q )q  g(q)  u
M (q)q
- Puede especificarse en:
a) El espacio Articular
– El lazo de control utiliza las variables articulares
– Entrada al controlador se basa en q

b) El espacio Operacional
– El lazo de control utiliza la variables operacionales (posición, orientación, etc.)
– Entrada al controlador se basa en x

8
 Temas

1. Conceptos Generales

2. Control en el Espacio Articular

- Control PD
- Control PD + Compensación de gravedad
- Control por dinámica inversa

9
 Control en el Espacio Articular
Introducción

• Es una forma de control centralizada (multiarticular)

- Considera todas las articulaciones simultáneamente

• Según el objetivo de control:

- Control de set point (punto de referencia): qd(t) = qd
- Control para seguimiento de trayectoria: qd(t) variante en el tiempo

• Métodos usuales:
- PD (Proporcional Derivativo)
- PD + Compensación de gravedad
- Dinámica Inversa (torque calculado)

10
 Control en el Espacio Articular
Control de set-point

• Objetivo:
- Encontrar torques tales que lim q(t )  q d
t 

• Notación:
- Errores articulares: e(t )  q d  q(t )

• Problema de regulación: lim e(t )  0

t 

• Ley de control genérica:

u  f (q, q , q d , q d , q
 d , M (q), C (q, q ), g (q))

Controlador u
Robot

11
 Control en el Espacio Articular
Control PD

• Modelo dinámico de un robot:

  C (q, q )q  g(q)  u
M (q)q n grados de libertad

- Variables de estado:
e  error de posiciones articular: e = qd - q
x 
q  velocidades articulares

• Objetivo: alcanzar qd con q d  0

• Ley de control (PD):

u  K p (q d  q)  K d (q d  q ) K p , K d   n n
definidas positivas
u  K p (q d  q)  K d q

- Nota: Kp, Kd son usualmente matrices diagonales

12
 Control en el Espacio Articular
Control PD

• Ejemplo: robot RR planar (2 gdl)

  C (q, q )q  g (q)  u
- Modelo dinámico: M (q)q
ŷ

m m12   hq h(q1  q2 ) 

M (q)   11  C (q, q )   2 
 m21 m22   hq1 0  lc2
l1 q2

g(q)  
 1

 m1lc  m2l1 c1  m2lc c12 
2
g
lc1
q1
 m2lc2 c12  x̂

 
m11  m1lc21  m2 l12  2l1lc2 c2  lc22  I zz1  I zz2 m22  m2lc22  I zz2
m12  m21  m l l
2 1 c2 2 
c  lc22  I zz2 h  m2l1lc2 s2

- Control PD:
 k p1 0   q1d  q1   kd 1 0   q1 
u  Abrir: controldin.m
0 k p 2   q2 d  q2   0 kd 2   q2 

13
 Control en el Espacio Articular
Control PD

• Ejemplo: robot RR planar (2 gdl)

- Valor deseado: qd = [0.5, 0.5]
- Usar control PD con: kp1 = kp2 y kd1 = kd2
- Encontrar valores de ganancia adecuados

- ¿Hay error en estado estacionario?

- ¿Cuál es el valor de estado estable?
• ¿Qué expresión define el valor de convergencia? (Ayuda: analizar el modelo en
lazo cerrado en espacio de estados)

14
 (Puntos de Equilibrio)

• Punto de equilibrio:
- Dado un sistema x  h(x, u)
- Los puntos de equilibrio hacen que: x  h( x, u)  0

• Para un robot:
- Modelo dinámico:
x  f (x)  G(x)u

q   q   0   x1  q 
q
     M 1  Cq  g     M 1  u x  
       x 2  q 

- Puntos de equilibrio (forzado) cumplen:

q  0
x  f (x)  G(x)u  0
u(q, q )  g (q)

- Todos los puntos de equilibrio tienen velocidad nula

- En el equilibrio los torques articulares deben balancear la gravedad
15
 Control en el Espacio Articular
Control PD

• Ejemplo: robot RR planar (2 gdl)

- Valor deseado: qd = [0.5, 0.5]
- Usar control PD con: kp1 = kp2 y kd1 = kd2
- Encontrar valores de ganancia adecuados

- ¿Hay error en estado estacionario?

- ¿Cuál es el valor de estado estable?
• ¿Qué expresión define el valor de convergencia? (Ayuda: analizar el modelo en
lazo cerrado en espacio de estados)
q  q d  K p1g(q)

- Quitarle la gravedad al modelo, ¿cuál es el error en estado estacionario?

• En general, el control PD se puede usar para modelos donde no se

considera la gravedad
16
 Control en el Espacio Articular
Control PD + Compensación de Gravedad

• Modelo dinámico de un robot:

  C (q, q )q  g(q)  u
M (q)q n grados de libertad

- Variables de estado:
e  error de posiciones articular: e = qd - q
x 
q  velocidades articulares

• Objetivo: alcanzar qd con q d  0

• Ley de control (PD+gravedad):
u  g (q)  K p (q d  q)  K d q K p , K d   n n
definidas positivas*

- Probar con el modelo del robot RR

 e  0
- Con esta ley se alcanza estabilidad asintótica para: x       q  qd
q  0
- ¿Cómo verificar la estabilidad asintótica?
• Criterio de Lyapunov
*típicamente diagonales 17
 (Teorema de Lyapunov)

• Estabilidad en el sentido de Lyapunov

- Sea el sistema x  f ( x) con f (0)  0
- El punto x = 0 es estable (en el sentido de Lyapunov) si se puede encontrar una
función escalar V tal que:

1. V es suave: V es de clase  1 (tiene derivada continua)

2. V es definida positiva: V ( x)  0 x  0 y V (0)  0
3. ̇ es semidefinida negativa: V (0)  0, x

• Estabilidad asintótica
- El punto x = 0 es asintóticamente estable si:

Se cumple (1) y (2)

̇ es definida negativa: V ( x)  0, x  0 y V (0)  0

x = 0 es un punto de equilibrio
V: función candidata de Lyapunov 18
 (Teorema de LaSalle)

• ¿Por qué?
- Brinda una condición para la estabilidad asintótica cuando ̇ ≤ 0
(semidefinida negativa)

• Conjunto invariante SI :
x(0)  S I  x(t )  S I , t  0
- Si se empieza en un conjunto invariante, se permanece en el conjunto

• LaSalle:
- Si existe V tal que V ( x)  0 a lo largo de las trayectorias de x  f ( x )
- Entonces las trayectorias del sistema convergen asintóticamente al más
grande conjunto invariante
Sl  S  {x : V ( x)  0}

y SI = {0} es asintóticamente estable

19
 Control en el Espacio Articular
Control PD + Compensación de Gravedad

• Análisis usando Lyapunov

- Función candidata de Lyapunov:
1 1
V (e, q )  q T Mq  eT K p e Depende de e, ̇
2 2
1. Probar que V es definida positiva:
1 T
q Mq  0 con q  0 ( M  0)
2
1 T Kp debe ser
e K pe  0 con e  0 solo si K p  0
2 definida positiva
V = 0 solo si q  0, e  0

V (e, q )  0, e  0, q  0
V es definida positiva
V (0, 0)  0

20
 Control en el Espacio Articular
Control PD + Compensación de Gravedad

• Análisis usando Lyapunov

- Función candidata de Lyapunov:
1 1
V (e, q )  q T Mq  eT K p e Depende de e, ̇
2 2
2. Determinar si ̇ es semidefinida positiva:
1 T 1 1 1 1
V  q  Mq  q T M q  q T Mq   e T K p e  eT K p e
2 2 2 2 2
1
V  q T Mq   q T M q  e T K p e
2
1
V  q T  u  Cq  g   q T M q  q T K p e Mq   u  Cq  g
2
1
V  q T  M  2C  q  q T  u  g  K p e  Propiedad: M  2C  0
2
V  q T  u  g  K e 
p

V  q T  g  K e  K q   g  K e   q K q
p d p
T
d u  g  K p e  K d q

21
 Control en el Espacio Articular
Control PD + Compensación de Gravedad

• Análisis usando Lyapunov

- Función candidata de Lyapunov:
1 1
V (e, q )  q T Mq  eT K p e Depende de e, ̇
2 2
2. Determinar si ̇ es semidefinida positiva:
V  q T K d q

q T K d q  0 con q  0 solo si Kd  0 Kd debe ser definida positiva

V  0 solo si q  0 (para cualquier e)

V (e, q )  0 ̇ es semidefinida negativa

Resumen:
• V es definida positiva
• ̇ es semidefinida negativa
• El punto q  q d , q  0 es estable en el sentido de Lyapunov
¿Es asintóticamente estable?
(¿el error tiende a cero?)
22
 Control en el Espacio Articular
Control PD + Compensación de Gravedad

• Análisis usando el teorema de La Salle

- Trayectorias del sistema convergen al mayor conjunto invariante de estados
SI donde V  0
V  q T K d q V  0  q  0   0
q
  0 :
- Condición para q
q  0
  Cq  g  g  K p e  K d q
Mq   K p e
Mq   M 1 K pe  0
q
invertible: la única solución es e = 0

V  0  q  0, q
  0  e  0 Único estado invariante cuando e = 0

- El punto de equilibrio es asintóticamente estable (e → 0)

• Conclusión:
- Con control PD+compensación de gravedad el error tiende a cero
u  g (q)  K p (q d  q)  K d q

23
 Control en el Espacio Articular
Control PD + Compensación de Gravedad
• Interpretación Mecánica: u  g  K p e  K d q
Para matrices diagonales Kp, Kd (con elementos positivos):
- Los elementos de Kp representan la rigidez de resortes virtuales
- Los elementos de Kd representan la viscosidad de amortiguadores virtuales

Rigidez kpi > 0 qd (cada componente definido

Viscosidad kdi > 0 con respecto al anterior)

Configuración
actual q
Configuración
deseada qd

24
 Control en el Espacio Articular
Control por Dinámica Inversa

• Formulación del Problema:

  q
u*  arg min‖q *‖2
u
sujeto a
  C (q, q )q  g(q)  u
M (q)q
• Solución:
  M 1 (q)  u  C (q, q )q  g(q) 
q

u*  arg min‖M 1  u  Cq  g   q

*‖2
u
u*  arg min‖M 1u  M 1  Cq  g   q
*‖2
u

M 1u  M 1  Cq  g   q
*

u*  Cq  g  Mq
*
Ley de control
* : referencia
q

25
 Control en el Espacio Articular
Control por Dinámica Inversa

• Modelo dinámico del Robot:

  C (q, q )q  g(q)  u
M (q)q

• Control por Dinámica Inversa:

- Compensa la dinámica del robot → “linealiza” el sistema
u  M (q)y  C (q, q )q  g(q) Ley de Control

- Desacopla los elementos

  y
q yi solo influye en qi

- Calcula la dinámica inversa del robot

- Problema:
• Especificar y para obtener el movimiento deseado
• Estabilizar la ley de control y

  C (q, q )q  g(q)  M (q)y  C (q, q )q  g(q)

M (q)q   M (q)y
M (q)q
26
 Control en el Espacio Articular
Control por Dinámica Inversa
  y
q

• Alternativa para y:
- PD + feedforward (a veces llamado “torque calculado”)
 d  K d (q d  q )  K p (q d  q)
y q
- Reemplazando:
error
 d  q
q   K d (q d  q )  K p (q d  q)  0 e  qd  q

e  K d e  K p e  0
Dinámica del error de posición al seguir una trayectoria:
Sistema de segundo orden

12 0 0   21 0 
0
    Críticamente
Kp       Kd       amortiguado
 0 0 n2   0 0 2n 
  
ωi: frecuencia natural (determina velocidad de respuesta)
27
 Control en el Espacio Articular
Control por Dinámica Inversa
  y
q

• Alternativa para y:
- PID + feedforward
d  K d (q d  q )  K p (q d  q)  K I  (q d  q)dt
y q
• Más robusto a incertidumbres
• Más complejo de implementar en tiempo real

• Resumen: leyes de control

- Linealización + PD + feedforward

u  M (q)  q
 d  K d (q d  q )  K p (q d  q)   C (q, q )q  g (q)

- Linealización + PID + feedforward

 
d  K d (q d  q )  K p (q d  q)  K I  (q d  q)dt  C (q, q )q  g(q)
u  M (q) q

28
 Control en el Espacio Articular
Otros Métodos de Control

• Control Robusto
- Cuando el modelo real difiere del teórico
- Se conoce las máximas variaciones
- Basado en incertidumbre y diseño usando el “segundo” método de
Lyapunov

• Control Adaptativo
- Adapta la ley de control según la incertidumbre
- Usa parametrización lineal del robot
- Control no lineal dinámico

29
 Referencias

• B. Siciliano, L. Sciavicco, L. Villani, y G. Oriolo. Robotics: modelling,

planning and control. Springer Science & Business Media, 2010
(Capítulo 8)

• M.W. Spong, S. Hutchinson, y M. Vidyasagar. Robot Modeling and

Control. John Wiley & Sons, 2006 (Capítulo 8)

• de Wit, Carlos Canudas, Bruno Siciliano, and Georges Bastin,

eds. Theory of robot control. Springer Science & Business Media,
1996 (Capítulo 2)

30