Tesis
Cargado por
Anderson OrozcoTesis
Cargado por
Anderson OrozcoUNIVERSIDAD DE CUENCA
FACULTAD DE INGENIERÍA
Escuela de Ingeniería Electrónica y Telecomunicaciones
DISEÑO Y CONSTRUCCIÓN DE UNA INTERFAZ HÁPTICA DE UN
GRADO DE LIBERTAD CON INTERFAZ HOMBRE-MÁQUINA
Tesis previa a la obtención del
título de Ingeniero en Electrónica y Telecomunicaciones
Autor:
Oswaldo Felipe Guiñansaca Soria
Director:
Ing. Luis Ismael Minchala Ávila, PhD.
Cuenca - Ecuador
2016
Resumen
Palabras clave: control, háptica, entornos, fuerza, sistemas, apli-
caciones.
Las interfaces hápticas permiten la interacción hombre-máquina en
entornos virtuales que pueden ser simulados o remotos. Los avances
tecnológicos tanto de la electrónica como de herramientas informáti-
cas han permitido un importante desarrollo de estos dispositivos. Este
trabajo de investigación presenta resultados de la implementación de
una interfaz háptica de un grado de libertad utilizando controladores
clásicos, como el PID, y controladores modernos diseñados en espacio
de estados que requieren la identi cación paramétrica del modelo del
sistema. También, se plantea el diseño de un controlador PID neuro-
nal que sintoniza sus parámetros de acuerdo al punto de operación
del sistema, como lo haría un control adaptativo. Finalmente, se pro-
ponen un par de aplicaciones: una en realidad virtual de un sistema
dinámico, especí camente, el control de un péndulo invertido virtual,
y un seguidor de movimiento que reproduce el movimiento de la arti-
culación de una rodilla humana.
Oswaldo Guiñansaca Soria
2
Abstract
Keywords: control, haptics, force, environments, systems, aplica-
tions.
Haptic interfaces allow human-machine interaction in virtual envi-
ronments that can be both simulated or remote. Technological advan-
ces, both in electronics and in informatic tools have allowed important
developments of these devices. This research presents the results of the
implementation of a haptic interface of one degree of freedom using
classic controllers, such as PID, and modern controllers designed in
state-space that require a parametric identi cation of the system. The
design of a neural PID controller, which tunes their parameters depen-
ding on the operating point of the system as it would do an adaptive
control, is also proposed. Finally, a pair of applications are presented:
one in virtual reality of a dynamic system, which simulates a virtual
pendulum as well as its controller and its closed-loop behavior; and a
motion follower that reproduces the joint movement of a human knee.
Oswaldo Guiñansaca Soria
3
Índice general
Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Índice general . . . . . . . . . . . . . . . . . . . . . . . . . 4
Índice de guras . . . . . . . . . . . . . . . . . . . . . . . . 7
Índice de tablas . . . . . . . . . . . . . . . . . . . . . . . . 11
1. Introducción 17
1.1. Antecedentes . . . . . . . . . . . . . . . . . . . . . . . 17
1.2. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.1. Objetivo general . . . . . . . . . . . . . . . . . 18
1.2.2. Objetivos especí cos . . . . . . . . . . . . . . . 18
1.3. Descripción del problema . . . . . . . . . . . . . . . . 18
1.4. Estado del arte . . . . . . . . . . . . . . . . . . . . . 19
1.5. Contribuciones de la tesis . . . . . . . . . . . . . . . . 20
2. Fundamentos teóricos 21
2.1. Interfaces hápticas . . . . . . . . . . . . . . . . . . . . 21
2.1.1. Impedancia vs admitancia . . . . . . . . . . . 22
2.1.2. Características generales . . . . . . . . . . . . 23
2.2. Ambientes virtuales multimodales . . . . . . . . . . . 25
2.2.1. In uencia del sentido de la visión . . . . . . . . 26
2.2.2. Ambientes virtuales simulados y remotos . . . 27
2.3. Tipos de interfaces . . . . . . . . . . . . . . . . . . . 27
2.4. Evaluación de las interfaces hápticas . . . . . . . . . . 28
2.5. De niciones en control clásico . . . . . . . . . . . . . 30
2.5.1. Sintonización del controlador PID . . . . . . . 33
2.6. De niciones en control moderno . . . . . . . . . . . . 35
2.6.1. Representación de sistemas en tiempo discreto
en espacio de estados . . . . . . . . . . . . . . 38
4
Universidad de Cuenca - Facultad de Ingeniería
2.6.2. Controlabilidad . . . . . . . . . . . . . . . . . 40
2.6.3. Observabilidad . . . . . . . . . . . . . . . . . . 41
2.6.4. Realimentación de estados . . . . . . . . . . . 43
2.6.5. Fórmula de Ackermann . . . . . . . . . . . . . 44
2.6.6. Observadores de estados . . . . . . . . . . . . . 47
2.6.7. Sistemas de seguimiento . . . . . . . . . . . . . 50
2.7. Control PID neuronal . . . . . . . . . . . . . . . . . . 54
2.7.1. ADALINE . . . . . . . . . . . . . . . . . . . . 55
2.7.2. Controlador utilizando la red neuronal ADALINE 56
3. Construcción de una pala háptica 58
3.1. Interfaz háptica, componentes y montaje . . . . . . . 58
3.1.1. Arduino . . . . . . . . . . . . . . . . . . . . . 58
3.1.2. Ardumoto Shield . . . . . . . . . . . . . . . . 59
3.1.3. Sensor Magnetoresistivo KMA-210 . . . . . . . 61
3.1.4. Actuador . . . . . . . . . . . . . . . . . . . . . 62
3.1.5. Módulos de la interfaz háptica . . . . . . . . . 62
3.1.6. Montaje . . . . . . . . . . . . . . . . . . . . . 65
4. Control de la interfaz háptica 70
4.1. Procesamiento de la señal de posición de la pala háptica 70
4.1.1. Factor de conversión cinemático, bits -posición . 71
4.1.2. Factor de conversión fuerza-torque . . . . . . . 73
4.2. Determinación de parámetros del sistema . . . . . . . 74
4.2.1. Constante de amortiguamiento del motor . . . 74
4.2.2. Torque del motor . . . . . . . . . . . . . . . . 81
4.2.3. Fricción del motor . . . . . . . . . . . . . . . . 83
4.2.4. Inercia de la pala háptica . . . . . . . . . . . . 84
4.3. Control del interfaz háptico mediante PID . . . . . . . 87
4.3.1. Control retroalimentado . . . . . . . . . . . . . 87
4.3.2. Sintonización del PID . . . . . . . . . . . . . . 88
4.4. Control del interfaz háptico utilizando técnicas de con-
trol moderno . . . . . . . . . . . . . . . . . . . . . . . 90
4.4.1. Identi cación del sistema . . . . . . . . . . . . 90
4.4.2. Identi cación de la planta para diseño de con-
troladores . . . . . . . . . . . . . . . . . . . . 90
4.4.3. Controlabilidad y observabilidad del sistema . . 96
5
Universidad de Cuenca - Facultad de Ingeniería
4.4.4. Control por reubicación de polos . . . . . . . . 96
4.4.5. Seguidor de referencias constantes . . . . . . . 99
4.4.6. Sistema de seguimiento con integrador y reali-
mentación de estado observado . . . . . . . . . 100
4.5. Control PID neuronal del interfaz háptico . . . . . . . 103
5. Aplicaciones con la interfaz háptica 107
5.1. Péndulo invertido virtual . . . . . . . . . . . . . . . . 107
5.1.1. Control del péndulo invertido en lazo abierto . 109
5.1.2. Control del péndulo invertido en lazo cerrado . 111
5.2. Seguidor del movimiento de una rodilla humana . . . . 112
5.3. Evaluación de la interfaz háptica . . . . . . . . . . . . 115
6. Conclusiones 117
Anexos 119
A. Hoja de especi caciones del driver L298 120
B. Hoja de especi caciones del motor Maxon 353144 124
C. Raíces de los polinomios normalizados de Bessel 126
Bibliografía 129
6
Índice de guras
2.1. Diferencia entre las interfaces hápticas (der.) y dispo-
sitivos unidireccionales (izq.) . . . . . . . . . . . . . . 22
2.2. Dispositivo tipo Impedancia . . . . . . . . . . . . . . 23
2.3. Dispositivo tipo Admitancia . . . . . . . . . . . . . . 23
2.4. In uencia del sentido de la visión en los ambientes vir-
tuales . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5. Clasi cación de las técnicas de evaluación de las inter-
faces hápticas . . . . . . . . . . . . . . . . . . . . . . 29
2.6. Función de transferencia . . . . . . . . . . . . . . . . 30
2.7. Diagrama de bloques de un sistema en lazo cerrado . . 31
2.8. Diagrama de bloques de un sistema en lazo abierto . . 31
2.9. Diagrama de bloques del PID . . . . . . . . . . . . . . 32
2.10. Curva experimental para determinar los parámetros del
PID . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.11. Determinación de Pu . . . . . . . . . . . . . . . . . . 35
2.12. Sistema de control en tiempo discreto, lineal e invarian-
te en el tiempo . . . . . . . . . . . . . . . . . . . . . . 38
2.13. Sistema de control en lazo abierto . . . . . . . . . . . 44
2.14. Sistema de control con realimentación de estado . . . . 44
2.15. Observador de estado . . . . . . . . . . . . . . . . . . 47
2.16. Sistema de regulación con un observador de estados . . 48
2.17. Sistema de control con realimentación de estado obser-
vado . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.18. Sistema de seguimiento con integrador . . . . . . . . . 51
3.1. Plataforma Arduino . . . . . . . . . . . . . . . . . . . 59
3.2. Ardumoto Shield . . . . . . . . . . . . . . . . . . . . 59
3.3. Distribución de pines del Ardumoto Shield . . . . . . 60
7
Universidad de Cuenca - Facultad de Ingeniería
3.4. Ángulo medido por el sensor magnetoresistivo KMA-210 62
3.5. Motor utilizado en la interfaz háptica . . . . . . . . . 62
3.6. Base de la interfaz háptica . . . . . . . . . . . . . . . 63
3.7. Módulo frontal de la interfaz háptica . . . . . . . . . . 63
3.8. Soportes para la estabilización del módulo frontal sobre
la base de la interfaz háptica . . . . . . . . . . . . . . 64
3.9. Soporte para sujetar la pala háptica . . . . . . . . . . 64
3.10. Rueda motriz de la interfaz háptica . . . . . . . . . . 65
3.11. Pala de la interfaz háptica . . . . . . . . . . . . . . . 65
3.12. Montaje interfaz háptica, pasos 1 y 2 . . . . . . . . . 66
3.13. Montaje interfaz háptica, paso 3 . . . . . . . . . . . . 66
3.14. Montaje interfaz háptica, paso 4 . . . . . . . . . . . . 67
3.15. Montaje interfaz háptica, paso 5 . . . . . . . . . . . . 67
3.16. Montaje interfaz háptica, paso 6 . . . . . . . . . . . . 68
3.17. Montaje interfaz háptica, paso 7 . . . . . . . . . . . . 68
3.18. Montaje interfaz háptica, paso 8 . . . . . . . . . . . . 69
3.19. Montaje interfaz háptica, paso 9 . . . . . . . . . . . . 69
4.1. Señal a la salida del sensor magnetoresistivo . . . . . . 70
4.2. Diagrama de ujo utilizado en Arduino . . . . . . . . 71
4.3. Parámetros de la pala háptica y la rueda motriz . . . . 71
4.4. Diagrama de bloques, factor de conversión cinemático 72
4.5. Diagrama de bloques, factor de conversión fuerza-torque 74
4.6. Parámetros de la rueda motriz de la interfaz háptica . 75
4.7. Conexión utilizada para determinar la constante de
amortiguamiento . . . . . . . . . . . . . . . . . . . . . 77
4.8. Respuesta de la fuerza electromotriz del motor . . . . 77
4.9. Datos válidos de la fuerza electromotriz del motor . . . 78
4.10. Diagrama de bloques del modelo del motor - Simulink 79
4.11. Aproximación del modelo teórico y real mediante una
función de optimización . . . . . . . . . . . . . . . . . 80
4.12. Señal obtenida en Simulink del modelo del motor . . . 80
4.13. Experimento para determinar el torque del motor . . . 82
4.14. Grá co del torque en función de la corriente para de-
terminar la constante km . . . . . . . . . . . . . . . . 83
4.15. Conexión utilizada para determinar la fricción del motor 84
8
Universidad de Cuenca - Facultad de Ingeniería
4.16. Montaje utilizado para determinar la frecuencia natu-
ral de la pala háptica, paso 1 . . . . . . . . . . . . . . 85
4.17. Montaje utilizado para determinar la frecuencia natu-
ral de la pala háptica, paso 2 . . . . . . . . . . . . . . 86
4.18. Control clásico del interfaz háptico . . . . . . . . . . . 87
4.19. Controlador PID para el interfaz háptico - Simulink . 87
4.20. Respuesta del controlador PID para una entrada esca-
lón a) positivo y b) negativo . . . . . . . . . . . . . . 88
4.21. Respuesta del controlador PID para una entrada esca-
lón a) positivo y b) negativo . . . . . . . . . . . . . . 89
4.22. Respuesta del controlador PID para una entrada esca-
lón a) positivo y b) negativo . . . . . . . . . . . . . . 89
4.23. Diagrama de bloques para la identi cación de los sis-
temas dinámicos . . . . . . . . . . . . . . . . . . . . . 90
4.24. Diagrama de bloques para la identi cación del sistema
- Simulink . . . . . . . . . . . . . . . . . . . . . . . . 91
4.25. Señal PRBS . . . . . . . . . . . . . . . . . . . . . . . 92
4.26. Respuesta de la planta . . . . . . . . . . . . . . . . . 92
4.27. Señal PRBS vs salida de la planta . . . . . . . . . . . 93
4.28. Modelos estimados vs varianza de salida . . . . . . . . 94
4.29. Salida medida vs salida simulada de los modelos que
mejor rendimiento presentan . . . . . . . . . . . . . . 94
4.30. Señal de salida de la planta vs aproximación arx232 . 95
4.31. Control con estado observado para la interfaz háptica
- Simulink . . . . . . . . . . . . . . . . . . . . . . . . 97
4.32. Respuesta de la interfaz háptica con regulador imple-
mentado en Simulink . . . . . . . . . . . . . . . . . . 98
4.33. Sistema de seguimiento de referencias constantes para
el interfaz háptico en Simulink . . . . . . . . . . . . . 99
4.34. Respuesta de la interfaz háptica ante un escalón . . . 100
4.35. Respuesta de la interfaz háptica ante dos cambios de
referencia . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.36. Seguimiento con integrador y estado observado para la
interfaz háptica - Simulink . . . . . . . . . . . . . . . 101
4.37. Respuesta del seguidor con integrador y estado obser-
vado ante una referencia cero - Simulink . . . . . . . . 102
9
Universidad de Cuenca - Facultad de Ingeniería
4.38. Respuesta del seguidor con integrador y estado obser-
vado ante una entrada escalón - Simulink . . . . . . . 103
4.39. Controlador PID neuronal del interfaz háptico - Simulink103
4.40. Respuesta del controlador PID neuronal del interfaz
háptico - Simulink . . . . . . . . . . . . . . . . . . . . 105
4.41. Respuesta del controlador con redes neuronales ante
una referencia escalón a) positiva y b)negativa . . . . 106
5.1. Base del péndulo invertido virtual - Solidworks . . . . 107
5.2. Péndulo virtual - Solidworks . . . . . . . . . . . . . . 108
5.3. Ensamble nal del péndulo invertido virtual - Solidworks108
5.4. Diagrama de bloques importado a Simulink desde So-
lidworks . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.5. Interfaz grá ca en Simmechanics del péndulo virtual . 109
5.6. Control en lazo abierto del péndulo invertido virtual -
Simulink . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.7. Interfaz de las propiedades del bloque Revolute - Simulink110
5.8. Control en lazo cerrado del péndulo invertido virtual -
Simulink . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.9. Respuesta del controlador de la interfaz háptica en la-
zo cerrado para la aplicación del péndulo invertido -
Simulink . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.10. Respuesta del controlador del péndulo invertido virtual
en lazo cerrado - Simulink . . . . . . . . . . . . . . . . 112
5.11. Interfaz del programa Kinovea . . . . . . . . . . . . . 113
5.12. Ángulo medido en la recolección de datos . . . . . . . 113
5.13. Señal obtenida de los datos del movimiento de la rodi-
lla, utilizada como referencia en el seguidor . . . . . . 114
5.14. Diagrama de bloques para el seguidor de movimiento
de la rodilla - Simulink . . . . . . . . . . . . . . . . . 114
5.15. Respuesta del seguidor ante el movimiento de la rodilla 115
10
Índice de tablas
2.1. Variables para la sintonización, primer método . . . . 34
2.2. Variables para la sintonización, segundo método . . . . 35
3.1. Distribución de pines de control del Ardumoto Shield . 61
3.2. Distribuición de pines del sensor magentoresistivo KMA-
210 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.1. Datos de corriente y torque . . . . . . . . . . . . . . . 82
4.2. Medidas de corriente para encontrar la fricción del motor 84
4.3. Parámetros útiles para encontrar la inercia de la pala . 86
5.1. Valores del PID para el control en lazo abierto del pén-
dulo invertido virtual . . . . . . . . . . . . . . . . . . 111
5.2. Valores del PID para el control en lazo cerrado del pén-
dulo invertido virtual . . . . . . . . . . . . . . . . . . 112
5.3. Valores del PID para el seguidor de movimiento de la
rodilla . . . . . . . . . . . . . . . . . . . . . . . . . . 115
C.1. Raíces de los polinomios normalizados de Bessel . . . . 127
11
Universidad de Cuenca - Facultad de Ingeniería
CERTIFICO
Que el presente proyecto de tesis:"Diseño y construcción de una interfaz háp-
tica de un grado de libertad con interfaz hombre-máquina" fue dirigido por mi
persona.
Ing. Ismael Minchala Ávila, PhD.
Director de Tesis
14
Agradecimiento
A todos los seres y cosas que se han movido y han aportado para que haya
podido llegar a este momento.
15
Dedicatoria
A mi madre y a mi padre, María y Humberto, por todo su amor y ser la llave de
mi existencia.
A Thalía, por ser y estar... que sonría siempre.
Felipe
16
Capítulo 1
Introducción
1.1. Antecedentes
El cuerpo humano puede desenvolverse en cualquier entorno y adaptarse al
mismo debido a la información sensorial que es capaz de reunir y procesar. La
obtención de información -percepción sensorial- la realiza mediante sus cinco sen-
tidos: visión, audición, tacto, gusto y olfato. En el cerebro se procesan estas señales
transportadas hasta ahí por el sistema nervioso.
El sentido del tacto se encuentra localizado por todo el cuerpo humano, ya
que diferentes órganos contienen células dedicadas a este tipo de percepción sen-
sorial, pero el más grande es la piel, que aproximadamente tiene una super cie de
1, 8m2 , constituyendo el 16-18 % del peso del cuerpo humano [1]. La piel, además,
funciona como una interfaz entre el ambiente externo y el organismo interno. A
menudo se pasa por alto que el sentido del tacto también es un canal de comuni-
cación, así como lo son la visión y audición. La háptica -normalmente considerada
como el sentido unitario del tacto [1]-, en realidad, se compone de un número de
diferentes clases de receptores sensoriales que responden al tacto, la presión, la
temperatura, el dolor, la posición de las articulaciones y movimiento, siendo el
cerebro el que diferencia todos estos estados y los une automáticamente en un
único sentido. La háptica también está relacionada con la kinestesia, que estudia
los movimientos del cuerpo.
Un dispositivo háptico, entonces, es un sistema, tanto de hardware y software,
que permite la interacción con ambientes que pueden ser remotos o simulados,
posibilitando, así, tener una experiencia sensorial háptica en dichos ambientes
[2], [3]. Permite una retroalimentación activa, real e instantánea hacia el usuario
mediante actuadores. Las interfaces hápticas brindan al usuario mayor informa-
ción del entorno con el que se encuentra interactuando, complementándose con la
17
CAPÍTULO 1. INTRODUCCIÓN
información visual y auditiva que se pueda tener del mismo. El auge y desarrollo
de estas interfaces tienen diferentes campos de estudio e investigación como son
la robótica y el control [4]; y han permitido logros como la telecirugía y demás
aplicaciones.
Existe una gran variedad de dispositivos con interfaces hápticas, cada uno
de ellos, cuenta con características especí cas que mejoran su desempeño en el
entorno donde se los vaya a utilizar. En esta tesis se realiza la construcción de
una pala háptica -joystick - de un grado de libertad y se proponen diferentes tipos
de control para la misma; posteriormente, se realizan aplicaciones prácticas para
el interfaz háptico.
1.2. Objetivos
1.2.1. Objetivo general
Diseñar y construir un interfaz háptico de un grado de libertad, que permita
interacción con el usuario a través de un interfaz hombre-máquina.
1.2.2. Objetivos especí cos
Identi car plenamente todos los conceptos relacionados con las interfaces
hápticas.
Construir una pala háptica.
Generar diversos modelos para el control de la pala háptica.
Validar, probar y mejorar los modelos planteados.
Proponer diferentes aplicaciones a partir de la investigación actual.
1.3. Descripción del problema
Las comunicaciones han evolucionado a lo largo de la historia, desde los tele-
gramas hasta las videoconferencias. Actualmente, las interfaces hápticas brindan
una experiencia más interactiva a la persona que lo utiliza dentro de la comuni-
cación, acoplándose con otros tipos de respuestas que dependen del entorno de
Oswaldo Guiñansaca Soria 18
CAPÍTULO 1. INTRODUCCIÓN
trabajo. Por tanto, estos dispositivos pueden estar ligados a diferentes profesio-
nes que necesitan nuevas formas de comunicación interacción y exploración-, o
complementarse con las mismas.
Debido a la importancia que posee este campo de investigación y desarrollo,
y el hecho de que las interfaces hápticas no han tenido un espacio dentro de
los trabajos de investigación planteados en la Universidad de Cuenca, en este
trabajo de tesis se plantea la construcción de una interfaz háptica, con objeto de
abrir nuevos campos de investigación enfocados particularmente a la ingeniería
de control.
1.4. Estado del arte
Los dispositivos hápticos se han desarrollado desde la década de los noven-
ta, aunque, en años anteriores a esa década se presentó el primer avance en la
simulación de un ambiente visual-háptico para edi caciones virtuales [5]. Desde
entonces, esta tecnología ofrece una mejor interacción e inmersión con el usuario,
presentando mayor cantidad de información de los ambientes de trabajo remotos
o virtuales- como se detalla en [6]. Las aplicaciones son diversas y ganan terreno
en diferentes campos profesionales como la medicina, pasando por las ciencias e
ingeniería, hasta el entretenimiento, tal como se menciona en [4].
En [3] se indican diferentes tipos de dispositivos hápticos, como guantes, plata-
formas de movimiento, exoesqueletos, joysticks, entre otros. Diferentes atributos
o características deben ser considerados para el diseño de las interfaces hápti-
cas. En [2] se detallan algunos parámetros que deben cumplir los dispositivos,
los cuales tienen que ver con características físicas y también la experiencia que
brinda al usuario, dicha experiencia es uno de los parámetros más importantes al
momento de evaluar la calidad de las interfaces.
Todos estos dispositivos se rigen a diferentes modelos matemáticos, propios
de cada planta, donde sus ecuaciones dinámicas involucran movimientos y fuerzas
necesarias para la comunicación, que se realiza gracias a los sensores y actuadores
involucrados. De la calidad y rendimiento de los sensores y actuadores, así como
del número que se utilizan en la interfaz, dependerá también el rendimiento y
e ciencia de la planta, como se explica en [7].
Diferentes dispositivos y aplicaciones se han sumado a esta nueva forma de
comunicación e interacción, que se complementa con otras respuestas como las
audiovisuales- de los sistemas en estudio, mejorando la experiencia de comunica-
Oswaldo Guiñansaca Soria 19
CAPÍTULO 1. INTRODUCCIÓN
ción del usuario con los ambientes de trabajo.
1.5. Contribuciones de la tesis
Este trabajo de tesis propone un nuevo campo de investigación para los docen-
tes y alumnos de la Universidad de Cuenca en el que se podrán aplicar conceptos
teóricos de sistemas dinámicos directamente en la interfaz háptica.
Las principales contribuciones de este trabajo son:
Interfaz háptica para el estudio de diferentes sistemas físicos, y también
para la implementación de nuevas aplicaciones.
Comparación de desempeño de algoritmos de control clásicos con algoritmos
de control modernos en la interfaz háptica.
Metodología de desarrollo del interfaz háptica para fácil reproducción de
resultados en hardware y software.
Oswaldo Guiñansaca Soria 20
Capítulo 2
Fundamentos teóricos
2.1. Interfaces hápticas
La principal característica de las interfaces hápticas es la retroalimentación
que permite a un usuario realizar una tarea simulada o remota. Entonces, el
principio de funcionamiento de estas interfaces depende de la trayectoria y el
nivel de la fuerza aplicada hacia el cuerpo del operador permitiendo que éste,
a su vez, obtenga información relevante del entorno de trabajo con el que está
interactuando [2] [8].
El funcionamiento de las interfaces hápticas está supeditado también al desa-
rrollo y/o evolución que el ambiente de trabajo experimenta a medida que el
operador -limitado por la naturaleza propia del ambiente y la interfaz- interactúa
con éste [9].
La interacción que el usuario se ve obligado a realizar en el ambiente simulado
es lo que diferencia a las interfaces hápticas con las respuestas audiovisuales que
los mismos ambientes proporcionan, ya que no solo envía o recibe información de
manera unidireccional, sino que puede recibir, por el mismo medio, una respuesta
instantánea ante algún gesto que se realice. Por ejemplo, en una computadora
existen canales periféricos- de entrada o salida, pero estos solo pueden enviar
o recibir datos de manera unidireccional, en cambio, si un mouse tuviera un
canal bidireccional, podría proveer de información relevante al usuario del entorno
donde éste interactúa, lo que se traduce en un intercambio de energía bidireccional
a través de una interfaz única [10] [4] -Figura 2.1-.
Una de las condiciones, en el comportamiento de la interfaz, es que ésta no
debe interferir con su dinámica en la interacción entre el usuario y el ambiente de
trabajo. También, el rendimiento de la interfaz se ve afectado por la presencia de
diferentes causas que impiden un comportamiento aceptable en la dinámica del
21
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.1: Diferencia entre las interfaces hápticas (der.) y dispositivos unidirec-
cionales (izq.)
sistema como son la calidad de los actuadores y sensores, la rigidez y fricción del
sistema, el tiempo y velocidad computacional, entre otras.
Dos características de nen un buen rendimiento de la interfaz en general [9]:
Transparencia: es una medida de la distorsión que existe entre la fuerza
que se aplica al sistema y la retroalimentación que ésta produce, es decir,
mide la fuerza producida por la dinámica de la interfaz.
Estabilidad: se re ere a todo el rango de fuerzas que puede producir la
interfaz para la comunicación con el usuario.
2.1.1. Impedancia vs admitancia
El acople de la interfaz con el ambiente de trabajo es un punto clave para la
interacción debido a que limita el máximo o mínimo de impedancia que presenta
el entorno de trabajo y que a su vez garantiza la estabilidad. Para dicho acople, se
tienen dos tipos de dispositivos: de impedancia y admitancia, los cuales utilizan
la fuerza o velocidad en la entrada y el complemento en la salida. En el primer
caso, impedancia, ver Figura 2.2, se tiene una entrada referente al movimiento y
una salida de fuerza; mientras, en el segundo caso, ver Figura 2.3, se aplica una
fuerza en la entrada y se obtiene una salida referente al movimiento [10].
La mayoría de dispositivos hápticos tienen un control de impedancia, mientras
que los dispositivos en los que se controla la admitancia, no son muy comunes.
2.1.2. Características generales
Varios son los parámetros técnicos y propiedades que poseen las interfaces
hápticas y de estos dependerá el cumpliendo de las condiciones de transparencia
Oswaldo Guiñansaca Soria 22
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.2: Dispositivo tipo Impedancia
Figura 2.3: Dispositivo tipo Admitancia
y estabilidad. Al optimizar dichos parámetros, el rendimiento y calidad de la
interfaz también se verán afectados de manera positiva.
Grados de libertad: Una de las principales características que de nen la
interfaz es el número de grados de libertad que posee el dispositivo en el ex-
tremo o extremos activos. Nos indica el número de traslaciones y rotaciones
que puede realizar el dispositivo [3].
Interfaz hombre-máquina: Se diferencian dos tipos de interfaces que
dependen de si el dispositivo se acopla al cuerpo del usuario -por ejemplo
un guante- ó si la interfaz se encuentra en un punto jo externo al usuario
por ejemplo un joystick -[11]. Esto da una idea clara, en la etapa de diseño,
del tipo de dispositivo que se necesita y se va a construir.
Rango de movimiento: Depende principalmente del número de grados
de libertad que posee la interfaz y la orientación que puede seguir ésta.
Por ende, a mayor número de rotaciones y traslaciones que pueda seguir
el dispositivo, mayor complejidad en determinar el rango de movimiento.
Además, pueden existir plataformas manejadas paralelamente, con lo cual,
la complejidad aumenta debido a que el rango de movimiento no solo de-
pende de los grados de libertad y la orientación del dispositivo sino que
tiene variables ambiguas de forma y tamaño [12].
Fricción: La transparencia del dispositivo está supeditada, entre otras, a
la fuerza que percibe el usuario como retroalimentación o respuesta por
Oswaldo Guiñansaca Soria 23
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
parte del sistema, pero, si esa fuerza es menor a las pérdidas por fricción, la
interfaz pierde transparencia, esto conlleva a que las fuerzas producidas por
fricción deben ser menores a la mínima fuerza que se percibe del sistema
[13].
Inercia aparente y rigidez: La inercia aparente es la masa mínima que
percibe el usuario al momento de interactuar con la interfaz a través del
espacio libre. Esta masa es proporcional al nivel de fatiga del operador
dependiendo del tiempo de interacción con el entorno [13]. La rigidez, en
cambio, se re ere a la inercia que obtienen los objetos virtuales permitien-
do a la interfaz determinar las características físicas y geométricas de los
mismos mediante restricciones físicas al movimiento de la interfaz.
Resolución: Es uno de los aspectos fundamentales para la estabilidad de
la interfaz; representa la desviación mínima que puede ser detectada por
los sensores, y está considerada desde la salida, por lo que, la calibración
del sensor debe ser óptima para conseguir estabilidad del sistema [12]. En
el control mediante el computador la resolución se limita por medio del
convertidor analógico digital.
Precisión: Es la diferencia o el error existente entre la coordenada de re-
ferencia del dispositivo y la coordenada en la curva de posicionamiento
perteneciente a la posición del objeto virtual [12]. La función de la curva
se puede construir a partir de valores experimentales consiguiendo un alto
grado de con abilidad en la respuesta del sistema.
Ancho de banda: Hace referencia al rango o escala de fuerzas con las
puede trabajar la interfaz. El actuador está representado por la fuerza de
entrada F en la Ecuación (2.1), donde k es una constante, Fd es la fuerza
deseada y Fs es la fuerza de salida, y se asume que el actuador responde
idealmente. Pero suponiendo que el actuador no puede responder a alguna
componente de la señal de entrada, el sistema puede variar de un sistema
estable a uno inestable [14].
F = k (Fd − Fs ) (2.1)
Entonces, el sistema se ve restringido por el ancho de banda, en el cual, el
actuador es capaz de responder de manera óptima y sin retardos.
Oswaldo Guiñansaca Soria 24
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
2.2. Ambientes virtuales multimodales
Las interfaces pueden interactuar tanto con ambientes simulados o remotos, lo
que a su vez trae consigo diferentes tipos de aplicaciones -las teleoperaciones y la
realidad virtual son las que mayor auge han tenido- en el campo profesional y de
investigación. Para tener una idea más clara de los espacios donde las interfaces
se desenvuelven es necesario hablar de los ambientes virtuales multimodales y sus
implicaciones efectivas a la hora de crear un sentido de presencia dentro de sus
entornos.
Los sistemas de ambientes virtuales multimodales pueden realizar una comuni-
cación con un usuario mediante presentación y combinación de diferentes canales
de información: visión, háptica y audición.
Cabe mencionar que el sentido de presencia dentro de un ambiente con estas
características aumenta, y la sensación de inmersión del usuario se enriquece de-
bido a la mayor presencia de estímulos y señales que recibe, que se combinan y
llenan vacíos que dejaran si estos canales se utilizaran por separado, además, la ve-
locidad de procesamiento cognitivo del observador aumenta cuando se encuentra
en ambientes multimodales a diferencia de si interactuara con ambientes unimo-
dales o bimodales, que solo pueden presentar uno y dos canales de información,
respectivamente [15].
El sentido de presencia también depende de la atención del observador, y es-
to es lo que logran, precisamente, este tipo de ambientes, que mediante mayor
cantidad de estímulos sensoriales logran obtener mayor atención por parte del
observador, y una mayor atención se traduce en un mayor sentido de presen-
cia dentro del ambiente virtual, y como se dijo anteriormente esta presencia se
enriquece.
2.2.1. In uencia del sentido de la visión
El complemento de las señales visuales con las señales hápticas en la explora-
ción e identi cación de objetos es uno de los varios temas que se pueden abarcar
con los interfaces hápticos.
Diferentes experimentos y estudios [16] [17] se han realizado en este ámbito,
que trata la psicofísica, donde se muestran resultados claros, principalmente, en
la acción de reconocer el tamaño y rigidez de los objetos.
La visión y el tacto se compensan para que el usuario tenga una idea más
transparente de las características del objeto que manipula.
Oswaldo Guiñansaca Soria 25
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Si se trabaja solo con una señal visual, por ejemplo, el tamaño del objeto no es
transparente hacia el observador como se desearía, ya que por más que se trabaje
con ambientes 3-D, la percepción de profundidad no es tan real; aquí es donde
entran las interfaces hápticas, haciendo que la percepción de tamaño que se tenía
anteriormente, reduzca su error.
Lo mismo sucede con la sensación de rigidez en un objeto. Mientras se trabaje
solo con una señal háptica, no se tendrá una medida real en la percepción de esta
característica, pero si se complementa con la señal visual se puede lograr que los
objetos parezcan más y/o menos rígidos. Por ejemplo, al momento que un objeto,
el cual manipula un usuario, intenta atravesar una super cie, la cual se desea
que parezca más rígida que el objeto mencionado, se limita la posición del primer
objeto, y más que limitar, mostrar visualmente que el objeto no avanza más allá
de ese punto en la simulación, así el objeto la atraviese en realidad, con esto se
logra que la super cie parezca más rígida de lo que en realidad es, ver Figura 2.4.
Figura 2.4: In uencia del sentido de la visión en los ambientes virtuales
2.2.2. Ambientes virtuales simulados y remotos
Dentro de los ambientes virtuales se distinguen dos tipos: simulados y remotos,
cada uno diseñado especí camente para algún tipo de aplicación en particular.
Un ambiente simulado es aquel algoritmo que el CPU procesa produciendo
una fuerza -en el caso de la interfaz con feedback de fuerza- como una reacción
propia de la interfaz ante una entrada de posición o velocidad.
Una de las causas del desarrollo de las interfaces hápticas ha sido el progreso
en materia de hardware que ha tenido la industria grá ca, permitiendo mejor
calidad de imágenes, animaciones más realistas y simulaciones en tiempo real.
Mientras, en materia de software se ha tenido un gran avance en las últimas
décadas con las herramientas y técnicas utilizadas, así como la optimización de
algoritmos.
Oswaldo Guiñansaca Soria 26
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Diferentes ambientes pueden ser simulados dependiendo del campo profesional
en el que se quiera utilizar la interfaz háptica.
El control de los ambientes remotos es una tarea complicada debido a que se
requiere demasiada información del ambiente para coordinar una acción o tarea.
De hecho, obliga a que la comunicación deba tener el menor retardo posible y un
gran ancho de banda para la transmisión de información.
La calidad de los actuadores frente a la percepción humana a menudo causa
de ciencias en el control del actuador al otro lado de la interfaz, y es que, no es
solo la calidad, sino las limitaciones propias de los dispositivos frente a lo que
en realidad una persona puede percibir sensorialmente. Por ejemplo, al momento
de recibir imágenes, así éstas sean de gran resolución, el observador no puede
percibir la profundidad del entorno; lo mismo sucede en el caso de los motores,
los cuales no pueden imprimir todo el rango de fuerza que el cuerpo humano
está capacitado para sentir, un ejemplo claro de este tipo de ambientes son las
telecirugías.
2.3. Tipos de interfaces
Una de las características importantes de estos dispositivos es que permiten
restricciones naturales al movimiento de objetos. Al ser la comunicación bidirec-
cional y en tiempo real, permite al usuario una sensación de inmersión.
Existen diferentes tipos de interfaces hápticas que di eren principalmente del
tipo de respuesta que se desea obtener a la salida, y del tipo de características
que se controla en el sistema. Por tanto, existen interfaces con feedback de fuerza,
feedback táctil o feedback propioreceptivo [13].
Interfaz con feedback de fuerza o movimiento (kinestésico): pro-
porciona información acerca del peso, inercia y dureza de un objeto virtual.
Este tipo de retroalimentación es capaz de administrar fuerzas grandes ca-
paces de detener el movimiento en su punto de interacción [18]. Por ejemplo,
si un objeto virtual choca con una pared, también virtual, debería detenerse
en ese punto sin poder continuar, deteniendo por completo el movimiento
del hardware que el usuario controla en dirección de la pared. El empleo de
la fuerza se lo realiza mediante alguna herramienta. Estos dispositivos, por
lo general, están sujetos a alguna super cie [19] [3].
Interfaz con feedback táctil: entrega datos del objeto virtual relaciona-
dos con la temperatura, vibraciones, presión, rugosidad que son detectados
Oswaldo Guiñansaca Soria 27
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
por los receptores de la piel. La interfaz excita directamente la piel, lo que
hace que estos dispositivos sean portables [20].
Interfaz con feedback propioreceptivo: brindan información acerca de
la posición del objeto además de su estado, por ejemplo: la postura.
El uso de las interfaces antes mencionadas dependerá también del tipo de
campo profesional en el que se aplique: medicina, educación, industria, entrete-
nimiento, arte y demás [21].
2.4. Evaluación de las interfaces hápticas
La evaluación de las interfaces, como todo sistema en general, es importan-
te en el sentido de tener medidas reales, tanto cualitativas y cuantitativas, del
rendimiento y realismo que presente el sistema [22].
Muchas características son puestas a prueba en la identi cación del rendimien-
to y calidad de una interfaz háptica. Se consideran las habilidades y limitaciones
del usuario cuando utiliza el dispositivo, complementado con las características
técnicas y físicas que poseen las interfaces para realizar una evaluación completa
de las mismas [23].
La usabilidad se de ne como la evaluación de la interfaz de usuario de una
aplicación especí ca, una técnica de interacción -algoritmo- o un dispositivo de
entrada/salida, con el n de determinar su facilidad de uso real o probable [22]
[24].
Dentro de las características técnicas evaluables en una interfaz están paráme-
tros como: grados de libertad, aceleración, rango de movimiento, inercia, fuerza
máxima, resolución, precisión y ancho de banda que se presentan como alterna-
tivas para la evaluación cuantitativa de las interfaces [12].
En la Figura 2.5 se observan, resumidamente, las partes y parámetros en los
cuales se basa la evaluación de las interfaces hápticas.
El dispositivo debe cumplir con, al menos, las siguientes especi caciones:
Baja inercia y fricción en la retroalimentación, en el caso de los joysticks; y
movimiento libre del actuador, sin restricciones al movimiento.
Diferenciación entre objetos virtuales. El usuario debe diferenciar la fuerza
de reacción que ejerce cada objeto debido a su densidad, por supuesto, esto
depende del rango de fuerzas que puede producir la interfaz.
Oswaldo Guiñansaca Soria 28
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.5: Clasi cación de las técnicas de evaluación de las interfaces hápticas
El dispositivo debe ser capaz de ltrar fenómenos involuntarios como errores
de cuantización o pobre respuesta del sistema.
Los actuadores no deben in uir en el comportamiento del sistema con su
dinámica propia, logrando mayor transparencia.
Debido a que el dolor e incomodidad supera la mayoría de las sensaciones, la
ergonomía y confort son parte importante del diseño de la interfaz háptica,
así el rendimiento del usuario se prolonga por más tiempo ya que no existe
demasiada fatiga cuando utiliza el dispositivo.
2.5. De niciones en control clásico
La ingeniería de control busca controlar diferentes tipos de variables de un
determinado sistema en busca del bene cio energético, además, de tener total
control sobre procesos y así obtener el mayor margen de bene cios de producción
y, por lo tanto, económicos.
El control clásico se basa únicamente en el estudio de la estabilidad de sistemas
mediante la reducción del error entre la salida y la entrada. La limitante de este
tipo de sistemas es que solo se pueden aplicar a plantas cuyos comportamientos
son invariantes en el tiempo, así como, la relación entre su entrada y salida debe
ser lineal.
El análisis de estabilidad se realiza mediante la obtención de modelos ma-
temáticos del funcionamiento de la planta. El modelo matemático relaciona la
salida y entrada del sistema, denominado función de transferencia. La Figura 2.6
muestra el diagrama de bloques de este tipo de modelo.
Oswaldo Guiñansaca Soria 29
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.6: Función de transferencia
Matemáticamente, la función de trasferencia, en el dominio de Laplace, de
acuerdo a la Figura 2.6 es
Y (s)
F T (s) = (2.2)
X (s)
Un sistema donde la salida del sistema tiene in uencia sobre la entrada del
mismo es un sistema retroalimentado o realimentado, y se denomina sistema en
lazo cerrado, ver Figura 2.7. Mientras que, cuando el sistema o proceso solo tiene
una entrada independiente de la salida se denomina sistema en lazo abierto, ver
Figura 2.8.
Figura 2.7: Diagrama de bloques de un sistema en lazo cerrado
Figura 2.8: Diagrama de bloques de un sistema en lazo abierto
La realimentación consiste en disminuir el error de respuesta del sistema,
haciendo que éste permanezca estable ante cualquier perturbación a la que pueda
estar expuesto.
Estabilidad. Un sistema que se puede describir por medio de ecuaciones
integrodiferenciales lineales, con coe cientes constantes, es estable si todas
sus raíces características están a la izquierda del eje imaginario del plano
Oswaldo Guiñansaca Soria 30
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
complejo [25]. Mientras que los sistemas cuyos polos se encuentren en el
semiplano derecho del eje imaginario del plano complejo son inestables.
La estabilidad de la planta se la analiza mediante la obtención de polos que
corresponden a las raíces características de la función de transferencia, Ecuación
(2.2) pertenecientes al denominador de la misma, X(s).
Si el sistema es estable, pero la respuesta del sistema no es viable a partir de
una simple realimentación de la salida, se puede proceder a aplicar controladores
que agreguen polos al sistema de lazo abierto, provocando una respuesta más
rápida de la planta, optimizando el rendimiento de la misma.
Uno de estos controladores es el PID, estudiado en la siguiente sección.
[Link]. Controlador proporcional-integral-derivativo (PID)
Los controladores PID han sido ampliamente usados en el control industrial,
debido a su sencillez de ajuste de parámetros sin la necesidad de conocer el modelo
del sistema que se controla [26].
Del mismo modo, este tipo de controlador ha sido utilizado como alternativa
en el ámbito educacional, donde las aplicaciones no requieren un control estricto
pero si necesitan e ciencia y precisión en la respuesta.
La acción P actúa de manera proporcional al error producido entre la señal
de referencia y la salida actual, y ajusta la salida del controlador de acuerdo al
tamaño del error. La acción I elimina el error de estado estacionario inducida
por el efecto proporcional; esta acción, por el contrario, provoca una respuesta
más lenta del controlador generando un aumento en el tiempo de establecimiento.
La acción D se anticipa ante una futura tendencia de la señal de referencia, que
resulta en una disminución del exceso de sobreoscilaciones [27].
El controlador PID se ajusta mediante los parámetros kc, Ti y Tc (correspon-
dientes a las acciones Proporcional-Integral-Derivativa, respectivamente), todos
estos agrupados en la ecuación característica que modela un controlador PID,
Ecuación (2.3), y cuyo diagrama de bloques se observa en la Figura 2.9.
Z
1 d
u (t) = kc e (t) + e (t) dt + Td [e (t)] (2.3)
Ti dt
Debido al control digital de la interfaz, el modelo del PID del dominio conti-
nuo se lo traslada al dominio discreto. El desarrollo para la discretización de un
controlador PID se muestra a continuación.
Oswaldo Guiñansaca Soria 31
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.9: Diagrama de bloques del PID
Se transforma la Ecuación (2.3) al dominio de Laplace.
1
U (s) = kc E (s) + E (s) + sTd E (s) (2.4)
sTi
Se utiliza un retenedor de orden cero -ZOH: zero order hold - para la transforma-
ción al dominio Z, el cual contiene un periodo de muestreo, característico de los
sistemas discretos.
1 − z −1
s= (2.5)
T
Reemplazando tenemos,
1 −1
U (z) = kc E (z) + −1 [E (z)] + Td 1−zT E (z)
Ti 1−z
T
h i
Td
U (z) = kc E (z) + T 1
Ti 1−z −1
E (z) + T
(1 − z −1 ) E (z)
Td 2
E(z)−z −1 E(z)+ TT E(z)+ T (1−z−1 ) E(z)
U (z) = kc i
1−z −1
agrupando términos,
h U (z) − z −1 U (z) = i
kc E (z) − z −1 E (z) + TTi E (z) + TTd E (z) + TTd (1 − 2z −1 + z −2 ) E (z)
h i
Td
U (z) − z −1 U (z) = kc T
E (z) − 1 + 2 TTd z −1 E (z) + Td −2
1+ Ti
+ T T
z E (z)
nalmente, a la salida del controlador discretizado se tiene
T Td Td Td
uk = uk−1 + kc 1 + + ek − 1 + 2 ek−1 + ek−2 (2.6)
Ti T T T
De la Ecuación (2.6) se observa que el tiempo de muestreo juega un papel
importante en el control, del cual dependerá el tiempo de respuesta del sistema.
Oswaldo Guiñansaca Soria 32
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
2.5.1. Sintonización del controlador PID
La sintonización de los controladores PID depende del tipo de variables que
se encuentren involucrados en el control de la planta, por lo tanto, no existe un
método mejor que el experimental para la determinación o sintonización de los
valores óptimos de kc , Td y Ti . Uno de estos métodos de sintonización es el de
Ziegler Nichols, que es uno de los más utilizados y conocidos en la práctica.
[Link]. Método de Ziegler Nichols
Los parámetros del PID se encuentran expresados de forma explícita en tér-
minos de la última ganancia ku , también conocida como ganancia crítica, y el
último periodo, Pu , de una oscilación sostenida. Existen dos métodos para la
sintonización mediante este método.
Primer Método. Si la respuesta en la salida no tiene oscilaciones y posee
una respuesta sobreamortiguada, como se observa en la Figura 2.10, se
puede utilizar este método a partir del tiempo del retraso L y la constante
de tiempo τ que de nen la Ecuación (2.7).
C (s) ke−Ls
= (2.7)
U (s) τs + 1
Figura 2.10: Curva experimental para determinar los parámetros del PID
Con los valores de L y τ se puede obtener los valores de kc , Ti y Td de
acuerdo a la Tabla 2.1.
Segundo Método. Se utiliza para sistemas que presentan oscilaciones sos-
tenidas. Para encontrar los valores de ku y Pu , se debe trabajar solo con la
Oswaldo Guiñansaca Soria 33
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Tabla 2.1: Variables para la sintonización, primer método
Controlador kc Ti Td
P τ /L ∞ 0
PI 0.9T/L L/0.3 0
PID 1.2T/L 2L 0.5L
parte proporcional del controlador PID hasta que el sistema tenga oscilacio-
nes sostenidas, el valor de ganancia, kc , con que se logre esto se denomina
ku , y el periodo Pu es el que se indica en la Figura 2.11. A partir de estos
valores de ganancia se pueden encontrar el resto de parámetros del PID,
ver Tabla 2.2.
Figura 2.11: Determinación de Pu
Tabla 2.2: Variables para la sintonización, segundo método
Ziegler-Nichols kc Ti Td Observaciones
P ku /2 - - Recomendado
PI ku /2.2 Pu /1.2 0.2<D/τ <2
PID ku /1.7 Pu /2 Pu /8
Tyreus-Luyben kc Ti Td
PI ku /3.2 Pu /0.45 - Recomendado
PID ku /2.2 Pu /0.45 Pu /6.3 D/τ <0.2
Ciancone-Marlin kc Ti Td
PI ku /3.3 Pu /4 - Recomendado
PID ku /3.3 Pu /4.4 Pu /8.1 D/τ >2
En la Tabla 2.2 se observan unas variaciones al método de Ziegler Nichols.
Cuando D/τ < 0,2 el rendimiento del sistema empieza a decrecer, por lo
que el método de Tyreus-Luyben se basa en el sistema de tiempo muerto
G = kc e−Ds s;
mediante la adición de un integrador este método traba-
Oswaldo Guiñansaca Soria 34
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
ja bien para un proceso de constante de tiempo dominante. Mientras que
el método de Ciancone-Marlin trabaja mejor para los procesos de tiempo
muerto dominantes, con una acción proporcional más conservativa y una
acción integral más agresiva.
2.6. De niciones en control moderno
Los métodos convencionales de control no son aplicables para el diseño de
sistemas de control óptimo y adaptable, debido a que estos sistemas pueden tener
varias entradas y salidas, además, que los mismos sistemas pueden ser variantes
en el tiempo y/o no lineales; en este caso, los sistemas convencionales que solo
se basan en su función de transferencia para evaluar una entrada y su respectiva
salida, no son aptos para el diseño.
El control, entonces, toma un camino diferente y se basa en el análisis de
espacio de estados para controlar este tipo de sistemas que en sus estructuras
pueden presentar una complejidad alta entre las entradas y salidas.
Método en el espacio de estados: Este método se basa en la descrip-
ción del sistema en términos de n ecuaciones en diferencias o diferenciales
de primer orden, que pueden combinarse en una ecuación matricial en di-
ferencias o diferencial de primer orden [28].
Estado: es la representación mínima de información del sistema en un
instante dado,t = t0 , a partir del cual, junto con el conocimiento de la
entrada en t > t0 , se puede determinar los siguientes estados del sistema
por completo para cualquier tiempo t > t0 .
Variables de estado: son el conjunto de variables que representan la can-
tidad mínima de información -estado- en el instante t = t0 . Las variables
de estado pueden ser cantidades no medibles ni observables, por lo que re-
presenta una ventaja en el control con espacio de estados. Sin embargo, el
sistema de control depende de la realimentación ponderada de las variables
de estado, por lo que se requiere que éstas sean fácilmente observables.
Vector de estado: es el conjunto de n variables de estado que determinan
de manera singular el estado x(t) del sistema para cualquier tiempo t > t0 .
La dimensión de este vector de estado, generalmente, en los sistemas físicos
reales es nita.
Oswaldo Guiñansaca Soria 35
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Espacio de estado: es el espacio vectorial donde los estados del sistema to-
man valores y pueden representarse, por tanto, el espacio de estados tendrá
la misma dimensión del vector de estado.
Ecuaciones en el espacio de estado: en el modelo dinámico determinista
la representación del diseño solo está ligada a la relación entre las entradas
y salidas del sistema. En el modelo actual, en cambio, se añaden los estados
del sistema, los cuales, pueden determinar una salida relacionada con la
entrada para cualquier instante t > t0 , debido a que contienen toda la
información del sistema.
La representación de un sistema en el espacio de estado no es única, puede
tomar diferentes representaciones, pero lo que no varía es la cantidad de variables
de estado que están involucradas en el sistema en cualquier representación.
Tanto los sistemas de tiempo continuo como los sistemas de tiempo discreto
se pueden modelar de la misma manera.
Los sistemas discretos variantes en el tiempo lineales o no lineales- se repre-
sentan mediante su ecuación de estado
x (k + 1) = f [x (k) , u (k) , k]
y su ecuación de salida
y (k) = g [x (k) , u (k) , k]
Las ecuaciones anteriores se pueden simpli car para los sistemas lineales va-
riantes en el tiempo, quedando de la siguiente forma:
x (k + 1) = G (k) x (k) + H (k) u (k)
y (k) = C (k) x (k) + D (k) u (k)
donde
x(k) = vector n (vector de estado)
y(k) = vector m (vector de salida)
u(k) = vector r (vector de entrada)
G(k) = matriz n × n (matriz de estado)
H(k) = matriz n × r (matriz de entrada)
C(k) = matriz m × n (matriz de salida)
D(k) = matriz m × r (matriz de transmisión directa)
Oswaldo Guiñansaca Soria 36
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Precisamente, la presencia de la variable k dentro de la matrices G, H, C, y
D implica la variabilidad del sistema en el tiempo, por lo que si esta variable
no aparece de forma explícita indica que el sistema es invariante en el tiempo,
simpli cándose de la siguiente manera:
x (k + 1) = Gx (k) + Hu (k) (2.8)
y (k) = Cx (k) + Du (k) (2.9)
El diagrama de bloques de dicho control es
Figura 2.12: Sistema de control en tiempo discreto, lineal e invariante en el tiempo
2.6.1. Representación de sistemas en tiempo discreto en
espacio de estados
Considerando el modelo de un sistema por su ecuación de diferencias en tiempo
discreto
y (k) + a1 y (k − 1) + a2 y (k − 2) + ... + an y (k − n) =
b0 u (k) + b1 u (k − 1) + ... + bn u (k − n) (2.10)
donde u(k) e y(k) representan la entrada y salida del sistema en el instante k,
ponderados por los coe cientes ai y bj . La Ecuación (2.10) se puede reescribir en
forma de su función de transferencia
Y (z) b0 + b1 z −1 + ... + bn z −n
= (2.11)
U (z) 1 + a1 z −1 + ... + an z −n
Oswaldo Guiñansaca Soria 37
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
si dividimos para zn, tanto el numerador como el denominador, tenemos
Y (z) b0 z n + b1 z n−1 + ... + bn
= n (2.12)
U (z) z + a1 z n−1 + ... + an
Se puede tener varias representaciones del sistema en espacio de estados, como se
mencionó anteriormente, a partir de la función de transferencia presentada en la
Ecuación (2.12). Las representaciones del sistema en espacio de estados pueden
ser:
Forma canónica controlable: La representación de las ecuaciones de es-
tado y salida del sistema, respectivamente, son
x1 (k + 1) 0 1 0 ··· 0 x1 (k) 0
x2 (k + 1) 0
0 1 ··· 0 x2 (k)
0
.. .. .
.
.
.
.
.
..
. = . . . ··· . . +0 u (k)
··· xn−1 (k) 0
x
n−1 (k + 1) 0 0 0 1
xn (k + 1) −an −an−1 −an−2 ··· −a1 xn (k) 1
(2.13)
x1 (k)
x2 (k)
. . .
y (k) = bn − an b0 ..bn−1 − an−1 b0 .. · · · ..b1 − a1 b0
..
+ b0 u (k) (2.14)
.
xn (k)
Forma canónica observable: La matriz de estado es la transpuesta de la
matriz de estado dada en la Ecuación (2.13). Las ecuaciones de estado y de
salida son
x1 (k + 1) 0 0 ··· 0 0 −an x1 (k) b n − an b 0
x2 (k + 1) 1
0 ··· 0 0 −an−1
x2 (k) bn−1 − an−1 b0
.. .. .
.
.
.
.
.
.
.
. .
= . .. + . u (k)
. . . . . .
x
n−1 (k + 1) 0
0 ··· 1 0 −a2 xn−1 (k) b2 − a2 b0
xn (k + 1) 0 0 ··· 0 1 −a1 xn (k) b 1 − a1 b 0
(2.15)
x1 (k)
x2 (k)
h i
..
y (k) = 0 0 ··· 0 1 . + b0 u (k) (2.16)
x
n−1 (k)
xn (k)
Forma canónica diagonal: Si los polos de la función de transferencia
Oswaldo Guiñansaca Soria 38
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
escrita en la Ecuación (2.12) son todos distintos, su representación diagonal
en espacio de estados viene dada por
x1 (k + 1) p1 0 · · · 0 x1 (k) 1
x2 (k + 1) 0 p2 · · · 0 x2 (k) 1
. = . . + . u (k) (2.17)
. . . . . .. ..
. .
. . . . . .
xn (k + 1) 0 0 · · · pn xn (k) 1
x1 (k)
i x2 (k)
h
y (k) = c1 c2 · · · cn .
+ b0 u (k) (2.18)
.
.
xn (k)
Forma canónica de Jordan: Si la función de transferencia presenta un
polo del orden m en z = p1 , y todos los demás polos son distintos, entonces,
la representación en espacio de estados es
x1 (k + 1) p1 1 0 ··· 0 0 ··· 0 x1 (k) 0
1 ··· ···
x2 (k + 1) 0 p2 0 0 0 x (k) 0
2
. .. .. . . . . . ..
. . . . . .
. . . . . . . . .
xm (k + 1) = 0 0
0 ··· p1 0 ··· 0 xm (k)
+ 1 u (k)
xm+1 (k + 1) 0 0 0 ··· 0 pm+1 · · · 0 xm+1 (k) 1
.
. . . . . .
. .
. . . . . . . . .
. . . . . . . . .
xn (k + 1) 0 0 0 ··· 0 0 ··· pn xn (k) 1
(2.19)
x1 (k)
h i x2 (k)
y (k) = c1 c2 · · · cn ..
+ b0 u (k) (2.20)
.
xn (k)
2.6.2. Controlabilidad
Un sistema es controlable si a partir de un estado inicial arbitrario se puede
transferir un sistema a otro estado -también arbitrario- en un número nito de
periodos de muestreo. Es decir, las variables de estado son controladas en un
espacio de tiempo nito mediante cualquier señal de control, por lo que se concluye
que las variables de estado no deben ser independientes de la señal de control,
puesto que volvería imposible de controlar dichas variables y, por ende, el sistema
Oswaldo Guiñansaca Soria 39
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
también sería no controlable.
El sistema de control en tiempo discreto dado por la Ecuación (2.21) se dice
es de estado completamente controlable, o simplemente de estado controlable, si
existe una señal de control constante por intervalos u(kT ) de nida a lo largo de
un número nito de períodos de muestreo de forma que, al partir de cualquier
estado inicial, el estado x(kT) pueda ser transferido al estado deseado xj en n
períodos de muestreo como máximo [28].
x ((k + 1) T ) = Gx (kT ) + Hu (kT ) (2.21)
La solución a la Ecuación (2.21) es
n−1
x (nT ) = Gn x (0) + Gn−j−1 Hu (jT )
P
j=0
n n−1
x (nT ) = G x (0) + G Hu (0) + Gn−2 Hu (T ) + · · · + Hu ((n − 1) T )
se obtiene
u ((n − 1) T )
u ((n − 2) T )
. . . n−1
x (nT ) − G x (0) = H..GH.. · · · ..G H
n
.
(2.22)
.
.
u (0)
Como H es una matriz de n × 1, se deduce que cada conjunto de matrices de
. . . n−1
H..GH.. · · · ..G H es una matriz de n × 1 o un vector columna. A partir de esto,
si el rango de la matriz
. . .
M= H..GH.. · · · ..Gn−1 H
es n, es decir
. . . n−1
rango H..GH.. · · · ..G H =n (2.23)
los n vectores abarcan todo el espacio vectorial de n dimensiones. A la matriz M
se la conoce normalmente como matriz de controlabilidad.
Oswaldo Guiñansaca Soria 40
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
2.6.3. Observabilidad
De la misma manera que la controlabilidad, se plantea un sistema en tiempo
discreto lineal e invariante en el tiempo para el análisis de observabilidad
x ((k + 1) T ) = Gx (kT ) (2.24)
y ((k + 1) T ) = Cx (kT ) (2.25)
donde
x(kT ) = vector de estado en el k -ésimo instante de muestreo dimensión n-
y(kT ) = vector de salida en el k -ésimo instante de muestreo dimensión m-
G = matriz de estado de n×n
C = matriz de salida de m×n
El sistema se dice ser completamente observable si cualquier estado inicial x(0)
puede determinarse a partir de la observación de y(kT) sobre un número nito
de períodos de muestreo. El sistema, por lo tanto, es completamente observable,
si cualquier transición del estado de manera eventual afecta a todos los elementos
del vector de salida [28].
La observabilidad es útil para el problema de variables de estado no medibles,
como se verá más adelante, la observación permite realizar una estimación de
dichas variables.
La condición para la observabilidad completa del sistema se deduce a partir
de la solución de x(kT ) como sigue
x (kT ) = Gk x (0)
y (kT ) = CGk x (0)
Como se observa, la observabilidad implica que, conocidos los valores de y(0),
y(T ), y(2T ),..., es posible determinar los valores de x1 (0), x2 (0),. . . , xn (0). Por
tanto, para determinar n incógnitas se necesitan n valores de y(kT ). Es decir
y (0) = Cx (0)
y (T ) = CGx (0)
.
.
.
y ((n − 1) T ) = CGn−1 x (0)
Oswaldo Guiñansaca Soria 41
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Al nal se deben obtener un conjunto de n ecuaciones linealmente independientes.
Esto requiere que la matriz de observabilidad N debe ser de rango n.
C
CG
N= ..
.
n−1
CG
. . . n−1
rango CT ..GT CT .. · · · .. GT
CT =n
La matriz N se conoce normalmente como matriz de observabilidad.
2.6.4. Realimentación de estados
La regulación de los sistemas se basa en mantener todas las variables de estado
en su estado de equilibrio. La técnica de ubicación de polos ayuda en este proceso.
Para la utilización de este método se debe primero probar que el sistema es de
estado completamente controlable. Es decir
. . . n−1
. . .
rango [Link]. · · · .G H =n
Los polos del sistema, por tanto, se pueden ubicar en cualquier localización, la
única condición es la anterior, y a partir de ahí se puede realimentar los estados
del sistema mediante una matriz de ganancia apropiada, y con una adecuada
ponderación.
Entonces, considerando el sistema
x (k + 1) = Gx (kT ) + Hu (kT ) (2.26)
donde
x(k) = vector de estado en el k -ésimo instante de muestreo dimensión n-
u(k) = señal de control en el k -ésimo instante de muestreo escalar-
G = matriz de estado de n×n
H = matriz de salida de n×1
cuya representación en lazo abierto se observa en la Figura 2.13.
Suponiendo que la señal de control u(k) está dada por
Oswaldo Guiñansaca Soria 42
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.13: Sistema de control en lazo abierto
u (k) = −Kx (k)
donde K es la matriz de realimentación de estado de dimensión 1 × n, lo que
convierte al sistema en un sistema de control de lazo cerrado, ver Figura 2.14,
con su ecuación de estado
x (k + 1) = (G − HK) x (k) (2.27)
K, se escoge de manera que los valores característicos de G − HK sean los polos
en lazo cerrado deseados µ1 , µ2 ,. . . ,µn . Esto determina, también, que si el sistema
no fuera controlable, existieran valores característicos de G−HK que no pudieran
ser controlados por la realimentación de estado.
Figura 2.14: Sistema de control con realimentación de estado
2.6.5. Fórmula de Ackermann
La fórmula de Ackermann es útil para encontrar la matriz de ganancia de
realimentación del estado, K.
Oswaldo Guiñansaca Soria 43
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Considerando el sistema de estado completamente controlable
x (k + 1) = Gx (k) + Hu (k) (2.28)
cuya realimentación del estado está dada por
u (k) = −Kx (k)
y sus polos en lazo cerrado se desea ubicarlos en
z1 = µ1
z2 = µ2
.
.
.
zn = µn
Por tanto, la ecuación característica es
|zI − G + HK| = (z − µ1 ) (z − µ2 ) · · · (z − µ2 )
|zI − G + HK| = z n + α1 z n−1 + α2 z n−2 + · · · + αn−1 z + αn = 0
De niendo
Ĝ = G − HK
El teorema de Cayley-Hamilton de ne que Ĝ satisface su propia ecuación carac-
terística, por lo tanto
Ĝn + α1 Ĝn−1 + α2 Ĝn−2 + · · · + αn−1 Ĝ + αn I = φ Ĝ = 0
Este es el criterio para deducir la fórmula de Ackermann.
Sean
I = I
Ĝ = G − HK
Ĝ2 = (G − HK)2 = G2 − GHK − HKĜ
Ĝ3 = (G − HK)3 = G3 − G2 HK − GHKĜ − HKĜ2
.
.
.
Ĝn = (G − HK)n = Gn − Gn−1 HK − · · · − HKĜn−1
Multiplicando las ecuaciones anteriores por αn , αn−1 , . . ., α0 donde α0 = 1 .
Se obtiene
αn I + αn−1 Ĝ + αn−2 Ĝ2 + · · · + Ĝn = αn I + αn−1 G
+ αn−2 G2 + · · · + Gn − αn−1 HK − αn−2 GHK
− αn−2 HKĜ − · · · − Gn−1 HK − · · · − HKĜn−1
Oswaldo Guiñansaca Soria 44
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
reescribiendo
Ĝ = φ (G) − αn−1 HK − αn−2 GHK − αn−2 HKĜ − · · ·
− HKĜn−1 − Gn−1 HK
αn−1 K + αn−2 KĜ + · · · + KĜn−1
αn−2 K + αn−3 KĜ + · · · + KĜn−2
. . . n−1
. . .
= φ (G) − [Link]. · · · .G H .
.
.
K
(2.29)
Como
φ Ĝ = 0
entonces
αn−1 K + αn−2 KĜ + · · · + KĜn−1
αn−2 K + αn−3 KĜ + · · · + KĜn−2
. . . n−1
. . .
φ (G) = [Link]. · · · .G H .
(2.30)
.
.
K
Como el sistema es de estado completamente controlable, la inversa de la matriz
. . .
H..GH.. · · · ..Gn−1 H
existe. La forma de la Ecuación (2.30) puede cambiarse de la siguiente manera
αn−1 K + αn−2 KĜ + · · · + KĜn−1
−1
αn−2 K + αn−3 KĜ + · · · + KĜn−2
. . . n−1
. . .
= [Link]. · · · .G H φ (G)
.
.
.
K
Multiplicando ambos miembros de la última ecuación por [ 0 0 ··· 0 1 ]
αn−1 K + αn−2 KĜ + · · · + KĜn−1
αn−2 K + αn−3 KĜ + · · · + KĜn−2
i
h
0 0 ··· 0 1
.
.
.
K
−1
. . . n−1
= [ 0 0 · · · 0 1 ] H..GH.. · · · ..G H φ (G)
Oswaldo Guiñansaca Soria 45
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Simpli cando, nalmente se obtiene
. . .
K = [ 0 0 ··· 0 1 ][ H..GH.. · · · ..Gn−1 H ]−1 φ (G) (2.31)
La Ecuación (2.31), conocida como la fórmula de Ackermann, nos permite encon-
trar la matriz de realimentación del estado requerida, K, para los polos inicial-
mente impuestos.
2.6.6. Observadores de estados
El diseño de controladores es claramente dependiente de los estados del sis-
tema, en los cuales se basa la realimentación del estado para reducir el error en
caso de presentarse una perturbación externa.
Así, entonces, existe la necesidad de conocer el valor de cada variable de estado
del sistema para tiempo t > t0 con el n de saber si dichas variables están en
su punto de equilibrio o si es necesario realizar un ajuste para regresarlas a su
posición original.
En la práctica, no todas las variables de estado están siempre disponibles para
ser medidas de manera directa por lo que se necesita estimar el valor cuanti cable
de aquellas variables que no son medibles directamente. Esta estimación se conoce
como observación.
El observador es un subsistema del sistema de control que realiza la estimación
de las variables de estado no medibles a partir de las mediciones de las variables
de control y de salida, ver Figura 2.15.
Figura 2.15: Observador de estado
El diseño de observadores está supeditado al criterio de observabilidad, por
lo que se podrá realizar un observador si, y sólo si, se satisface la condición de
observabilidad por parte del sistema en el cual se esté trabajando.
La Figura 2.16 muestra un controlador con observador de estados del sistema
x (k + 1) = Gx (k) + Hu (k) (2.32)
y (k) = Cx (k) (2.33)
Oswaldo Guiñansaca Soria 46
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
donde los términos que intervienen en este sistema son los mismos hasta ahora
aplicados, lo único que hay que recalcar es que la matriz G es una matriz no
singular, es decir, que puede satisfacer su propia ecuación característica.
Figura 2.16: Sistema de regulación con un observador de estados
Matemáticamente, la observabilidad signi ca que se puede determinar x(k + 1)
a partir de y (k) , y (k − 1) , . . . , y (k − n + 1) y u (k) , u (k − 1) , . . . , u (k − n + 1)
siempre y cuando se demuestre primero, como se mencionó anteriormente, que el
sistema es completamente controlable.
El hecho de que el estado x (k) no puede medirse, por lo que se realiza una
estimación del mismo x̃ (k) a partir de la observación entre sus señales de control y
salida, la estimación debe ser muy aproximada a la real, por lo que es conveniente
que las matrices G y H sean las mismas y/o iguales a las del sistema original.
Entonces, es posible comparar la salida ỹ (k) con y (k), dado que la salida ỹ (k)
si puede medirse.
El sistema de la Figura 2.14, está determinado por las ecuaciones
x (k + 1) = Gx (k) + Hu (k) (2.34)
y (k) = Cx (k) (2.35)
u (k) = −Kx (k)
y cuyas condiciones de controlabilidad y observabilidad están totalmente cubier-
tas, pero no es posible medirlo de forma directa. A partir de este inconveniente,
Oswaldo Guiñansaca Soria 47
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
se añade un observador de estados incorporado que se muestra en la Figura 2.17.
Se trabaja con el vector de estado estimado, por lo que la señal de control es igual
Figura 2.17: Sistema de control con realimentación de estado observado
u (k) = −Kx̃ (k) (2.36)
De la Figura 2.17 se tiene que
x̃ (k + 1) = Gx̃ (k) + Hu (k) + Ke [y (k) − ỹ (k)] (2.37)
donde Ke es la matriz de realimentación del observador.
Debido a que
ỹ (k) = Cx̃ (k)
la Ecuación (2.37) se puede reescribir de la siguiente forma
x̃ (k + 1) = (G − Ke C) x̃ (k) + Hu (k) + Ke y (k) (2.38)
La matriz de realimentación la podemos encontrar nuevamente con la fórmula
de Ackermann
−1
C 0
CG 0
Ke = φ (G)
..
.
. (2.39)
. .
n−1
CG 1
Oswaldo Guiñansaca Soria 48
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
donde
φ (G) = polinomio característico deseado de la dinámica del error.
El observador de estados dado por la Ecuación (2.38) se llama observador
de predicción, pues el estimado x(k + 1) está un período de muestreo adelante de
la medición y(k). Los valores característicos de G − Ke G suelen conocerse como
polos del observador [28].
2.6.7. Sistemas de seguimiento
Un seguidor es un sistema de control realimentado que se encarga de mantener
la variable controlada muy próxima a la variable de referencia en un sistema que
cambia frecuentemente dicha referencia.
En un sistema de seguimiento, por lo general, se necesitan agregar bloques
integradores que reduzcan o, si es posible, anulen el error de estado permanente
producto del cambio constante del estado del sistema, que a su vez, es consecuen-
cia directa de la frecuente alteración en la referencia.
En un sistema de lazo cerrado, se puede introducir el integrador agregando
un nuevo vector de estado, que integre el vector de comando R referencia- y el
vector de salida Y.
[Link]. Sistema de seguimiento con integrador
Se considera el sistema en espacio de estados, Ecuación (2.32), donde se supo-
ne que la planta es completamente controlable y completamente observable, sin
embargo, no posee un elemento integrador.
En la Figura 2.18, se presenta un diagrama de bloques al cual se le ha añadido
un integrador del error de estado estable, cuya ecuación de estado es
v (k) = v (k − 1) + r (k) − y (k) (2.40)
donde
v(k) = vector de error de actuación -dimensión m-
r(k) = vector de entrada de comando -dimensión m-
Oswaldo Guiñansaca Soria 49
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.18: Sistema de seguimiento con integrador
La Ecuación (2.40) se puede reescribir como
v (k + 1) = v (k) + r (k + 1) − y (k + 1)
= v (k) + r (k + 1) − C [Gx (k) + Hu (k)]
= −CGx (k) + v (k) − CHu (k) + r (k + 1) (2.41)
y el vector de control es
u (k) = −K2 x (k) + K1 v (k) (2.42)
Los parámetros de diseño son los vectores K1 y K2 .
[Link]. Procedimiento para encontrar K yK1 2
La determinación de las matrices K1 y K2 se realiza tomando en consideración
los polos deseados en lazo cerrado.
De las Ecuaciones (2.32), (2.41) y (2.42) se obtiene
u (k + 1) = −K2 x (k + 1) + K1 v (k + 1)
= (K2 − K2 G − K1 CG) x (k) + (Im − K2 H − K1 CH) u (k)
+ K1 r (k + 1) (2.43)
Como u(k) es una combinación lineal de los vectores de estado x(k) y v(k). Se
puede formar un nuevo vector de estado conformado por x(k) y u(k), por lo que
se puede obtener una nueva ecuación de estado con su respectiva ecuación de
Oswaldo Guiñansaca Soria 50
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
salida como sigue
" # " #" #
x (k + 1) G H x (k)
=
u (k + 1) K2 − K2 G − K1 CG Im − K2 H − K1 CH u (k)
" #
0
+ r (k + 1) (2.44)
K1
" #
x (k)
y (k) = [C 0] (2.45)
u (k)
los polos del sistema están determinados por los valores característicos de la
matriz de estado del sistema, siendo independientes de la entrada de comando
r(k).
Se considera una entrada escalón, por lo que el vector de comando es constante
r (k) = r
entonces
" # " #" #
x (k + 1) G H x (k)
=
u (k + 1) K2 − K2 G − K1 CG Im − K2 H − K1 CH u (k)
" #
0
+ (2.46)
K1 r
Debido a que, para una entrada escalón, x(k), u(k) y v(k) tienden a los valores
de vector constantes x(∞), u(∞) y v(∞), respectivamente. Por tanto
v (∞) = v (∞) + r − y (∞)
es decir,
y (∞) = r
En estado permanente la Ecuación (2.46) se convierte en
" # " #" #
x (∞) G H x (∞)
=
u (∞) K2 − K2 G − K1 CG Im − K2 H − K1 CH u (∞)
" #
0
+ (2.47)
K1 r
Oswaldo Guiñansaca Soria 51
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Los vectores de error están dados por
xe (k) = x (k) − x (∞)
ue (k) = u (k) − u (∞)
Restando la Ecuación (2.46) menos la Ecuación (2.47)
" # " #" # " #
xe (k + 1) G H xe (k) 0
= + w (k) (2.48)
ue (k + 1) 0 0 ue (k) Im
donde
" #
. xe (k)
w (k) = [ K2 − K2 G − K1 CG .
. Im − K2 H − K1 CH ] (2.49)
ue (k)
De niendo
" #
xe (k)
ξ (k) =
ue (k)
" #
G H
Ĝ =
0 0
" #
0
Ĥ =
Im
.
K̂ = −[ K2 − K2 G − K1 CG..Im − K2 H − K1 CH ] (2.50)
Las ecuaciones se transforman en
ξ (k + 1) = Ĝξ (k) + Ĥw (k) (2.51)
w (k) = −K̂ξ (k) (2.52)
La matriz K̂ se puede determinar mediante la técnica de ubicación de polos,
una vez que se hayan determinado los polos deseados en lazo cerrado. Entonces,
podemos determinar las matrices K1 y K2 como se detalla a continuación. Se
observa que
" #
. G − In H .
[ K2 ..K1 ]= = [ K2 G − K2 + K1 CG..K2 H + K1 CH ]
CG CH
(2.53)
Oswaldo Guiñansaca Soria 52
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
De las ecuaciones 2.50 y 2.53 se obtiene
.
K̂ = [ K2 G − K2 + K1 CG.. − Im + K2 H + K1 CH ]
" #
. G − In H .
K̂ = [ K2 ..K1 ] + [ 0.. − Im ]
CG CH
Por lo tanto, las matrices K1 y K2 pueden determinarse a partir de la siguiente
ecuación " #−1
G−I H
. . n
[ K2 ..K1 ] = K̂ + [ 0.. − Im ] (2.54)
CG CH
Cuando u(k) es de dimensión m, y m > 1, se pueden obtener más de un conjunto
de matrices K1 y K2 , por lo que se deberá elegir el conjunto que mejor desempeño
agregue al sistema.
2.7. Control PID neuronal
Las redes neuronales son algoritmos o sistemas de procesamiento que tienen
por objetivo asemejarse de la manera más aproximada posible al funcionamiento
del cerebro humano, mediante la interconexión de neuronas.
La salida producida por dichas neuronas depende del tipo de procesamiento
llevado a cabo en la salida del sistema, también depende de la experiencia y
aprendizaje que van obteniendo los sistemas a través de la práctica mediante los
llamados métodos de aprendizaje.
Hoy en día, existen diferentes sistemas de procesamiento que incluyen redes
neuronales, sin embargo, desde los primeros años de desarrollo aparecieron el per-
ceptrón simple y el ADALINE por sus siglas en inglés, Adaptive Linear Neuron-.
El perceptrón simple utiliza una función de salida y/o activación, Ecuación
(2.55), produciendo valores discretos y realizando una especie de clasi cación a la
salida, por lo que si existieran salidas con números decimales este procedimiento
no es útil.
( P
1 i wi xi (y) > θ
S (t + 1) = (2.55)
0 caso contrario
Oswaldo Guiñansaca Soria 53
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
2.7.1. ADALINE
El ADALINE se encarga de eliminar el inconveniente de no poder trabajar con
salidas con números decimales, ya que la manera de utilizar la regla de aprendizaje
en la salida es diferente a la del perceptrón, por lo que, este será el modelo
estudiado para el control del interfaz háptico.
Mientras el perceptrón considera solo si se ha equivocado o no, el ADALINE
considera cuánto se ha equivocado, realimentando el sistema mediante la tasa
de error que existe entre la salida deseada y la medida. Esto que se acaba de
mencionar, nos da una perspectiva de que este algoritmo se puede utilizar para
el control de una planta, ya que su lógica es idéntica a la de un controlador
convencional, PID.
La salida y de la neurona es
n
X
ỹ = w i xi + θ (2.56)
i=1
Si tenemos un patrón de entrada xp y una salida dp , el error producido es
e = |dp − xp | (2.57)
Esta es la regla de aprendizaje conocida como la regla Delta.
El objetivo del ADALINE es obtener un valor único y = dp para un conjunto
p
determinado de valores xi que se introducen a la entrada donde i = 1, 2, . . . n.
p
La manera de obtener y = d es hallar los pesos wi presentes en la Ecuación
(2.56), dondei = 1, 2, . . . n.
Los pesos wi inician con valores aleatorios entre -1 y 1, la regla de aprendizaje,
Delta, consiste en actualizar estos pesos hasta lograr los valores óptimos de los
mismos que puedan producir y = dp .
La actualización de los pesos se basa en multiplicar el error actual con las
entradas actuales y se la realiza mediante la fórmula
∆p wj = γ (dp − xp ) xj (2.58)
donde γ es la tasa de aprendizaje, de la cual depende la rápida convergencia, o
no, del proceso, mediante la ponderación, esta tasa de aprendizaje se encuentra
entre 0 y 1.
Una vez que se obtienen los pesos ponderados actuales, se suma algebráica-
Oswaldo Guiñansaca Soria 54
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
mente con los pesos anteriores, logrando actualizar el vector de pesos, Ecuación
(2.59).
wjp = wjp−1 + ∆p wj (2.59)
2.7.2. Controlador utilizando la red neuronal ADALINE
Tomando en cuenta la Ecuación (2.6) que modela la salida discreta del PID
T Td Td Td
uk = uk−1 + kc 1 + + ek − 1 + 2 ek−1 + ek−2
Ti T T T
Se observa que la salida depende del error actual, ek , del error de hace una mues-
tra, ek−1 , y del error de hace dos muestras, ek−2 . Por lo tanto, podemos tener un
vector de error
ek
E = ek−1
ek−2
Dicho esto, la Ecuación (2.6), quedaría
T Td Td Td
uk = uk−1 + kc 1 + + ek − 1 + 2 ek−1 + ek−2 (2.60)
Ti T T T
Ya que los valores de los parámetros del PID, así como el tiempo de muestreo,
T, no son aptos en este tipo de control, podemos considerarlos constantes, por lo
que la Ecuación (2.60) podemos reescribirla como
uk = uk−1 + w1 ek + w2 ek−1 + w3 ek−2 (2.61)
Se puede considerar
w1
w = w2
w3
Entonces
uk = uk−1 + wT E (2.62)
Como se observa en la Ecuación (2.62), la salida actual del controlador depende
únicamente del vector w y del vector de error E, así como de la muestra de su
última salida, uk−1 .
Claramente se puede notar que la Ecuación (2.62) es idéntica a la Ecuación
(2.56), por lo que podemos decir que el vector w funciona como un vector de
Oswaldo Guiñansaca Soria 55
CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
pesos.
Uno de los aspectos más importantes del nuevo controlador es que ya no
depende de los parámetros del PID, así como tampoco del tiempo de muestreo.
Oswaldo Guiñansaca Soria 56
Capítulo 3
Construcción de una pala háptica
3.1. Interfaz háptica, componentes y montaje
El diseño utilizado es de la Universidad de Vanderbilt, que a su vez, es una
mejora del diseño original que fue desarrollado y usado como herramienta de
enseñanza por parte de la Universidad de Stanford. Este diseño está disponible
-open hardware - en su sitio web [29]. El diseño original cuenta con una licencia
tipo Creative Commons Attribution-ShareAlike 3.0 Unported License.
La interfaz háptica posee un grado de libertad y es de tipo `joystick' ki-
nestésico, tipo impedancia-, misma que se puede utilizar para diferentes tipos
de aplicaciones, en lo que a sistemas dinámicos se re ere, generando diferentes
fuerzas en la interacción con ambientes virtuales.
El sistema consta de diferentes partes modulares fabricadas en acrílico de dos
tipos de espesores, además, de componentes mecánicos y electrónicos, los cuales
se detallan en las siguientes secciones. La adquisición y procesamiento de datos
en la entrada y salida de la planta se la realiza mediante una placa Arduino Uno ;
la interfaz también se compone de un motor de corriente directa (CD) con su
respectivo driver de control, Ardumoto Shield.
3.1.1. Arduino
Es una plataforma de código abierto, tanto de hardware y software, compuesta
por entradas y salidas analógicas y digitales, utilizadas para la lectura de sensores
y control de diferentes componentes como motores, luces y demás, ver Figura 3.1.
57
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
1
Figura 3.1: Plataforma Arduino
Esta plataforma se puede utilizar para la adquisición de datos y posterior co-
municación con un ordenador, ayudando así, al análisis de diferentes sistemas en
estudio que corren en el computador. Se utiliza el Arduino Programming Language
y el Arduino Development Environment para la programación del microcontrola-
dor de la placa.
Su bajo costo y exibilidad para trabajar con diferentes plataformas, ade-
más de su clara y, relativamente, fácil programación son las ventajas que esta
plataforma ofrece frente a otras plataformas más complejas.
3.1.2. Ardumoto Shield
Es un controlador de cargas inductivas para Arduino, el cual, puede manejar
fácilmente dos motores de CD por separado, ver Figura 3.2. Cada control consta
de un inversor de giro y puede trabajar con altos voltajes y corrientes.
2
Figura 3.2: Ardumoto Shield
Todas estas características se logran gracias al driver de motor L298 que está
incluido en la placa del Ardumoto. Especí camente, este driver tolera grandes
1 [Link]
2 [Link]
Oswaldo Guiñansaca Soria 58
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
voltajes y corrientes que pueden llegar hasta los 2A, y acepta niveles lógicos TTL
para la habilitar o deshabilitar el dispositivo. Puede manejar cargas inductivas
como relés, solenoides, motores de paso y de CD, ver Anexo A.
El Ardumoto Shield consta de una entrada exclusiva para la alimentación
con una fuente externa de CD y que es alternativa a la que provee la placa
Arduino. Esta fuente sirve como soporte para elevar la corriente hasta un punto
óptimo con el que trabajan las cargas conectadas al Ardumoto. En el caso de los
motores, el aumento de la corriente causa directamente un aumento en el torque
del motor, en consecuencia, se puede obtener un mayor rango de fuerzas a lo
que se produjeran si se utilizara únicamente la fuente del Arduino. La Figura 3.3
muestra la distribución de pines en la placa del Ardumoto.
3
Figura 3.3: Distribución de pines del Ardumoto Shield
Utiliza un PWM con una resolución de 8 bits para el control de velocidad de
los motores. Las características de control, tanto de dirección como de velocidad,
así como los pines del Ardumoto que se utilizan, se muestran en la Tabla 3.1.
Tabla 3.1: Distribución de pines de control del Ardumoto Shield
Pines Función
Control
Arduino Ardumoto
3 PWM A 0 = apagado, 255 = máx. velocidad
11 PWM B 0 = apagado, 255 = máx. velocidad
12 Dirección A Señal Digital de Control (Uno/Cero = Derecha/Izquierda)
13 Dirección B Señal Digital de Control (Uno/Cero = Derecha/Izquierda)
3 [Link]
Oswaldo Guiñansaca Soria 59
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
Tabla 3.2: Distribuición de pines del sensor magentoresistivo KMA-210
Pin Símbolo Descripción Esquema simpli cado
1 VDD alimentación
2 GND tierra
3 Salida/Datos salida analógica o interfaz de datos
3.1.3. Sensor Magnetoresistivo KMA-210
Este sensor varía su resistencia eléctrica en función del desplazamiento de
ángulo de las líneas de campo magnético, paralelas al plano del sensor, a las
cuales se encuentra sometido, y que son generadas por un imán.
El sensor magnetoresistivo está compuesto por un sensor magnético y un cir-
cuito integrado. La distribución de pines se encuentra especi cada en la Tabla
3.2.
La salida analógica del sensor es periódica cada 180◦ . El ángulo, α, es medido
de acuerdo a la Figura 3.4, donde la línea entrecortada indica la posición cero.
Figura 3.4: Ángulo medido por el sensor magnetoresistivo KMA-210
Oswaldo Guiñansaca Soria 60
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
3.1.4. Actuador
Existen algunos tipos de actuadores que dependen del tipo de potencia que se
necesite. Están los actuadores hidráulicos, neumáticos y motores.
En el caso de la interfaz háptica, un motor de CD, Maxon 353144, ver Figura
3.5, es utilizado para ejercer el rango de fuerzas de realimentación, necesarias
dentro de las propiedades con las que debe cumplir la interfaz, su hoja de espe-
ci caciones se encuentra en el Anexo B.
4
Figura 3.5: Motor utilizado en la interfaz háptica
3.1.5. Módulos de la interfaz háptica
[Link]. Base
Soporta todos los demás componentes. Su espesor es de 12mm, este espesor
permite brindar estabilidad a la interfaz al momento de su utilización, ver Figura
3.6.
Figura 3.6: Base de la interfaz háptica
4 [Link]
Oswaldo Guiñansaca Soria 61
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
[Link]. Módulo Frontal
Brinda las facilidades para la sujeción de pala háptica, su espesor es de 6mm.
Consta de un mecanismo de ajuste para dicha pala en la parte superior, ver Figura
3.7. También, a este módulo se sujeta el motor de CD.
Figura 3.7: Módulo frontal de la interfaz háptica
[Link]. Soportes
Ayudan a la estabilización entre el módulo frontal y la base, dando mayor
rmeza a la interfaz, ver Figura 3.8. Como el módulo frontal, esta parte también
es de 6mm de espesor.
Figura 3.8: Soportes para la estabilización del módulo frontal sobre la base de la
interfaz háptica
Oswaldo Guiñansaca Soria 62
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
[Link]. Soporte para la Pala
Este módulo cuenta con un agujero central por donde pasa el eje que contiene
a la pala y cuenta con un espesor de 6mm, ver Figura 3.9. Se sujeta al módulo
frontal con ayuda de tornillos, permite la calibración de la fuerza de fricción entre
la pala y la rueda colocada en el eje del motor.
Figura 3.9: Soporte para sujetar la pala háptica
[Link]. Rueda Motriz
Se trata de una rueda colocada en el eje del motor, sujeta mediante un pri-
sionero al mismo, ver Figura 3.10. Trans ere la energía del motor hacia la pala,
que a su vez la transmite al operador. Para su construcción se utilizó aluminio.
Figura 3.10: Rueda motriz de la interfaz háptica
[Link]. Pala
Se había mencionado, anteriormente, que la interfaz, al ser kinestésica de tipo
impedancia, necesita una herramienta para la manipulación e interacción, la pala
es, justamente, esa herramienta que permite trabajar con los ambientes virtuales.
Es en la pala donde se siente la fuerza o torque proporcionado por el motor,
producto de la interacción. El control de la interfaz se realiza con los datos de
posición proporcionados, relativos a la pala, cuyo espesor es de 12mm, ver Figura
Oswaldo Guiñansaca Soria 63
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
3.11. En la parte inferior de la misma se le coloca una banda para dar mayor
tracción entre la pala y la rueda motriz.
Figura 3.11: Pala de la interfaz háptica
3.1.6. Montaje
Con todos los materiales y componentes mecánicos y electrónicos a disposi-
ción, el montaje resulta sencillo. Para la unión de las piezas de acrílico se utilizó
pegamento epóxico. A continuación se detalla paso a paso el montaje de la interfaz
háptica.
1. Se pegan los soportes al módulo frontal de la interfaz.
2. La pieza resultante del paso 1, se la junta con la base. Hasta aquí, ver Figura
3.12.
Figura 3.12: Montaje interfaz háptica, pasos 1 y 2
Oswaldo Guiñansaca Soria 64
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
3. Se coloca el motor en su sitio y se lo asegura con unos tornillos en el módulo
frontal.
Figura 3.13: Montaje interfaz háptica, paso 3
4. Se pega el imán en el centro de la rueda motriz.
Figura 3.14: Montaje interfaz háptica, paso 4
5. Se coloca la rueda motriz al eje del motor, y se procede a sujetarla mediante
un prisionero.
Figura 3.15: Montaje interfaz háptica, paso 5
Oswaldo Guiñansaca Soria 65
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
6. Se atraviesa un eje por el soporte de la pala y por la propia pala. Se utiliza
unos collarines para que la pala no se desplace por el eje, además de dejar
un espacio razonable entre las dos piezas.
Figura 3.16: Montaje interfaz háptica, paso 6
7. Se sujeta el soporte de la pala en el módulo frontal mediante unos tornillos.
Figura 3.17: Montaje interfaz háptica, paso 7
8. Se pega el sensor magnetoresistivo a la pieza de acrílico correspondiente,
ver Figura 3.18, y se la ajusta, antes de atornillarla, ubicando el sensor en
frente del eje del imán colocado anteriormente en la rueda motriz.
Oswaldo Guiñansaca Soria 66
CAPÍTULO 3. CONSTRUCCIÓN DE UNA PALA HÁPTICA
Figura 3.18: Montaje interfaz háptica, paso 8
9. Finalmente, se atornilla la placa Arduino en la base de la interfaz, y también
se coloca el Ardumoto Shield, de modo que, la interfaz, totalmente montada,
queda como se observa en la Figura 3.19.
Figura 3.19: Montaje interfaz háptica, paso 9
Oswaldo Guiñansaca Soria 67
Capítulo 4
Control de la interfaz háptica
4.1. Procesamiento de la señal de posición de la
pala háptica
El control de la planta se realiza mediante la herramienta Simulink de MATLAB,
y la adquisición de datos mediante la plataforma Arduino.
La plataforma Arduino realiza la lectura de los valores de voltaje entregados
por el sensor magnetoresistivo en la entrada analógica A4. El sensor es alimentado
por un voltaje de 5V.
La Figura 4.1 muestra la señal de voltaje que proporciona el sensor magne-
toresistivo; esta señal es lineal y periódica cada 180◦ . La discontinuidad que se
observa en la señal se procesa mediante software directamente en la plataforma
Arduino.
Figura 4.1: Señal a la salida del sensor magnetoresistivo
Las lecturas del sensor, procesadas en Arduino, se envían hacia el ordenador
mediante comunicación serial RS232 a una velocidad de 57600 baudios debido a
68
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
que la interfaz permite una interacción en tiempo real. De la misma manera, se
realiza la recepción de datos desde el ordenador. El diagrama de ujo mostrado
en la Figura 4.2, ilustra el desarrollo del algoritmo utilizado en la programación
del procesador Arduino.
Figura 4.2: Diagrama de ujo utilizado en Arduino
4.1.1. Factor de conversión cinemático, bits -posición
Para el control de posición se puede utilizar el ángulo de desplazamiento de
la pala con respecto a su centro de rotación, o bien, el arco descrito por el mango
de la pala, tomando como referencia su parte superior, ver Figura 4.3.
Figura 4.3: Parámetros de la pala háptica y la rueda motriz
La segunda opción es la utilizada debido a que la fuerza generada se pue-
de sentir justamente en esa parte de la pala, por tanto, se necesita un factor
de conversión para los bits que se reciben desde el Arduino hacia una cantidad
equivalente al arco descrito por la pala.
La relación entre la longitud de los arcos, tanto de la rueda motriz como de
la parte inferior pala es
Oswaldo Guiñansaca Soria 69
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Lzona = Lrueda
por lo tanto
rzona θzona = rrueda θrueda
La longitud descrita por la parte superior de la pala es
xpala = rpala θzona
Reemplazando
rpala · rrueda
xpala = × θrueda (4.1)
rzona
El factor de conversión se representa como una ganancia a la salida de la
planta, que identi ca la posición de la pala, ver Figura 4.4.
Figura 4.4: Diagrama de bloques, factor de conversión cinemático
Se tiene
rpala = 0.1355 m
rrueda = 0.0178 m
rzona = 0.072 m
La rueda motriz da un giro completo de 0 a 1023 bits, con lo que se encuentra
una relación para el ángulo θrueda , quedando
2π · #bit
θrueda =
1023
La relación nal es
(0,1355) · (0,0178)
xpala = × θrueda (4.2)
(0,072)
Oswaldo Guiñansaca Soria 70
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
4.1.2. Factor de conversión fuerza-torque
La característica principal de las interfaces hápticas -kinestésicas de tipo im-
pedancia en este caso- es la fuerza que pueden transmitir mediante su retroali-
mentación. Esta retroalimentación produce una fuerza, y dicha fuerza es generada
mediante el torque del motor.
Para la interfaz, se realiza una conversión de la señal obtenida a la salida del
controlador -fuerza- a un factor de voltaje que posteriormente, en el Arduino,
mediante PWM, se traduce en el torque necesario que el motor debe aplicar para
que el usuario sienta la retroalimentación de la pala.
El usuario siente la fuerza en la parte superior de la pala, por lo que intervienen
algunos parámetros relacionados con las longitudes de la misma.
El torque del motor está determinado por
τ = Fr
La fuerza aplicada por la rueda motriz es igual fuerza que recibe la pala en su
parte inferior
Fzona = Frueda
desarrollando
τzona τrueda
=
rzona rrueda
la fuerza en la pala es
τzona
Fpala =
rpala
Por lo tanto, reemplazando
rzona
Fpala = × τrueda (4.3)
rpala · rrueda
El factor de conversión fuerza-torque se ubica antes de la entrada de la planta,
la cual controla el actuador de la interfaz háptica, ver Figura 4.5.
Figura 4.5: Diagrama de bloques, factor de conversión fuerza-torque
Oswaldo Guiñansaca Soria 71
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Teniendo los valores de
rpala = 0.1355 m
rrueda = 0.0178 m
rzona = 0.072 m
además de la resistencia presente en los terminales del motor igual a 1,84ω -se
puede encontrar en el datasheet del mismo, Anexo B- y el torque encontrado en
la Sección 4.2.2, el factor de conversión, utilizando la relación (4.3), es
Fpala · (0,1355) · (0,0178) · (1,84)
F actor_Conversion = (4.4)
(0,072) · (0,009)
4.2. Determinación de parámetros del sistema
Las variables matemáticas involucradas con la interfaz tienen que ver con
propiedades físicas relacionadas con la pala y el motor del sistema.
4.2.1. Constante de amortiguamiento del motor
El modelo matemático del motor es
J ω̇ + bω = C (4.5)
donde
J = inercia total del rotor del motor
b = constante de amortiguamiento del motor
C = constante de Coulomb
ω = velocidad angular del motor
La inercia total del rotor del motor viene dado por la Ecuación (4.6), en la
cual, la inercia total es igual a la inercia del rotor más la inercia de la masa que
soporta el rotor, y en el caso de la interfaz háptica es la masa correspondiente a
la rueda motriz del motor.
J = Jrotor + Jmasa (4.6)
La inercia del motor la encontramos fácilmente en las hojas de especi cación
Oswaldo Guiñansaca Soria 72
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
del motor, ver Anexo B, y es igual a 10.9 [gr · cm2 ]. Mientras, la inercia de la
rueda motriz adjunta al rotor la encontramos con la fórmula
1
m1 · r12 + m2 r22 + r32
Jmasa = (4.7)
2
donde m1 y m2 son las masas correspondientes a los cuerpos rígidos de la rueda
motriz, el uno es un cilindro rígido de radio r1 , y la otra masa es un cilindro hueco
con radios r2 y r3 exterior e interior, respectivamente-, ver Figura 4.6.
Figura 4.6: Parámetros de la rueda motriz de la interfaz háptica
De acuerdo a las mediciones realizadas tenemos los siguientes datos
masa total = 41 gr
r1 = 1.78 cm
r2 = 0.57 cm
r3 = 0.15 cm
también tenemos la longitud de los cilindros que son
l1 = 1.27 cm
l2 = 1.45 cm
Encontramos el volumen de cada masa y se obtiene
V1 = 2π · r2 1 · l1 = 2π · 1.782 · 1.27 = 25,28cm3
V2 = 2π · r22 − r32 · l2 = 2π · 0,572 − 0,152 · 1.45 = 2,755cm3
Oswaldo Guiñansaca Soria 73
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
El volumen total es
VT = V1 + V2 = 25,28cm3 + 2,755cm3 = 28,04cm3
Las masas m1 y m2 son
mT 41gr
m1 = V1 VT
= 25,28cm3 28,04cm3
= 36,97gr
mT 41gr
m2 = V2 VT
= 2,755cm3 28,04cm3
= 4,0287gr
Aplicando la fórmula 4.7 se encuentra la inercia de la masa añadida al rotor
1
Jmasa = 2
36,97 · 1,782 + 4,028 0,572 + 0,152 = 59,27gr · cm2
Y la inercia total del rotor es
J = Jrotor + Jmasa = 10,9 + 59,27 = 70,17gr · cm2
La constante de amortiguamiento b del motor se determina mediante una com-
paración entre las respuestas real y simulada con ayuda del modelo del motor,
Ecuación (4.5), en Simulink.
El experimento se divide en dos partes y consiste en aproximar la respuesta
teórica a la respuesta real de la fuerza electromotriz del motor.
Primera parte del experimento
1. Realizamos la conexión mostrada en la Figura 4.7.
Figura 4.7: Conexión utilizada para determinar la constante de amortiguamiento
2. Se levanta la pala para evitar la fuerza de fricción provocada por la
misma.
3. Activamos el switch que se observa en la Figura 4.7, dejando que el
motor empiece a girar libremente y se estabilice. Generalmente, se
tarda de 5 a 10 segundos en alcanzar una velocidad estable.
Oswaldo Guiñansaca Soria 74
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
4. Una vez que el motor está girando libremente se desactiva el switch,
provocando una caída en la tensión en los bornes del motor, provocan-
do su detención. En la Figura 4.8 se observa como el voltaje del motor
empieza a descender lentamente antes de llegar a cero. A esta fuerza
se la conoce como Fuerza Electromotriz del motor.
Figura 4.8: Respuesta de la fuerza electromotriz del motor
Las muestras importantes de la Figura 4.8 son los que se encuentran a
partir de la desactivación del switch. También, los valores se encuentran
en una escala de 0 a 1023 que corresponden a los datos recogidos
directamente por el sensor, por lo que hay que transformarlos a un
rango de 0 5V.
5. Una vez procesados los datos entre 0 y 5V, y recortada la parte de la
señal que nos interesa, obtenemos la señal mostrada en la Figura 4.9.
Guardamos estos datos para la siguiente parte del experimento.
Figura 4.9: Datos válidos de la fuerza electromotriz del motor
Oswaldo Guiñansaca Soria 75
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Segunda parte del experimento
1. Simulamos el modelo descrito por la Ecuación (4.5) en Simulink me-
diante su respectivo diagrama de bloques, ver Figura 4.10. Nótese que
el bloque de amortiguamiento pertenece a −b/J .
Figura 4.10: Diagrama de bloques del modelo del motor - Simulink
2. Con el modelo corriendo, se empieza a generar respuestas del sistema
mediante la manipulación de los bloques pertenecientes a las constan-
tes de Coulomb y de amortiguamiento. En el bloque integrador se da
una condición inicial de 2.5V, misma que encontramos en el paso 5 de
la primera parte del experimento.
3. Las respuestas simuladas se comparan con la respuesta real encontrada
en el paso 5 del anterior procedimiento hasta obtener la mejor aproxi-
mación entre las respuestas teórica y experimental, determinando de
esta manera las constantes C y b/J.
En nuestro caso utilizamos una función de costo para determinar dichas cons-
tantes de manera óptima como se observa en la Figura 4.12. Obteniendo
C = 0.5477 [N m2/C 2 ]
b
= 1,42
J
Simulando el diagrama de bloques con los valores anteriormente encontrados
obtenemos la respuesta mostrada en la Figura 4.12.
Oswaldo Guiñansaca Soria 76
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.11: Aproximación del modelo teórico y real mediante una función de
optimización
Figura 4.12: Señal obtenida en Simulink del modelo del motor
Como
b
= 1,42
J
y
J = 70,17 gr · cm2
entonces
b = 1,42 · J = 1,42 · 7,017e − 6
Oswaldo Guiñansaca Soria 77
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
h i
Kg·m2
b = 9,96e − 6 seg
4.2.2. Torque del motor
Es la fuerza o par que puede generar el motor ante una determinada corriente
que circula por el mismo y esta determinado por la Ecuación (4.8). Una caracte-
rística importante del motor Maxon 353144, elegido para la interfaz, es que ejerce
un gran torque a pequeñas corrientes.
τ = km i (4.8)
La determinación del torque del motor se realizó experimentalmente con ayuda
de diferentes instrumentos y materiales.
Materiales e instrumentos
Amperímetro
Balanza
Fuente de 8V
Motor con su rueda motriz
Diferentes masas con diferentes pesos
Cinta adhesiva
Los pasos a seguir se presentan a continuación
1. Se conecta el amperímetro en serie entre la salida del Ardumoto Shield y el
motor.
2. Se coloca una objeto en el extremo de la rueda motriz del motor, y se la
sujeta con cinta adhesiva. Previamente se mide la masa del objeto.
3. Se energiza el sistema y se empieza a variar el PWM desde cero hasta que
el motor equilibre la masa, tal como se observa en la Figura 4.13.
Oswaldo Guiñansaca Soria 78
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.13: Experimento para determinar el torque del motor
4. Se procede a registrar la lectura de corriente proporcionada por el amperí-
metro.
5. Se repite el proceso variando las masas, tres o cuatro veces más.
Una vez realizado este procedimiento, se calcula el torque producido por el
motor para cada masa, con la ecuación
τ = rF (4.9)
donde
r = 1.78 cm (radio de la rueda motriz)
F = mg
La tabulación de los datos obtenidos se presenta en la Tabla 4.1.
Tabla 4.1: Datos de corriente y torque
Corriente (mA) Torque (Nm)
300 1.920798
440 2.968506
690 5.23854
780 6.286248
880 6.98472
Oswaldo Guiñansaca Soria 79
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
La Figura 4.14 muestra la grá ca de la relación entre la corriente y el tor-
que. La constante del torque del motor está determinada por la pendiente de la
ecuación mostrada en la Figura 4.14, y es igual a
km = 0,009 [N m/mA]
Figura 4.14: Grá co del torque en función de la corriente para determinar la
constante km
4.2.3. Fricción del motor
Para determinar la fricción del motor se debe medir la mínima cantidad de
corriente necesaria para mantener el movimiento del motor y/o para empezar el
movimiento del mismo.
Se utiliza la constante km encontrada en la Ecuación (4.9) para determinar el
torque o par de fricción del motor.
El experimento consta de los siguientes pasos
1. Se realiza la conexión de acuerdo a la Figura 4.15.
Figura 4.15: Conexión utilizada para determinar la fricción del motor
Oswaldo Guiñansaca Soria 80
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Tabla 4.2: Medidas de corriente para encontrar la fricción del motor
Corriente (mA)
Primer Paso 64.8
Segundo Paso 68
Promedio 66.4
2. Con el motor totalmente en reposo y con la fuente también en cero, se in-
crementa la corriente hasta que el motor empiece a girar. Se debe encontrar
un valor de corriente para el cual el motor no pueda girar por su cuenta,
pero pueda empezar a girar una vez que se le da un impulso inicial con la
mano. Tabular esta corriente.
3. Con el motor girando libremente se reduce la corriente que circula por el
mismo y se mide el valor para la cual el motor se detiene completamente.
Se debe registrar esta corriente.
4. Una vez realizadas las mediciones, ver Tabla 4.2, se tiene un rango de valores
que representan la fricción estática y cinética. Se procede a realizar un
promedio entre estos valores para obtener una aproximación de la fricción.
La fricción del motor es
τ = 0,0009 · 66,4 = 0,598 [mN · m]
4.2.4. Inercia de la pala háptica
La determinación de la inercia de la pala de la interfaz se realizó experimental-
mente, mediante la observación de la frecuencia natural de la misma, utilizando
el modelo de un péndulo bi lar, cuya fórmula es
mgD2
Iz = (4.10)
16π 2 fn2 h
donde
m = masa de la pala
D = distancia entre los dos sujetadores
h = altura desde el punto de sujeción al soporte
fn = frecuencia natural de la pala
Oswaldo Guiñansaca Soria 81
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
La mayoría de variables de la Ecuación (4.10) son medibles directamente con
excepción de la frecuencia natural de la pala, por lo cual, se utiliza el siguiente
experimento para su determinación.
1. Se sujeta la pala de dos extremos. Cada uno, a una distancia D/2 desde el
centro de masa de la pala, y a la misma altura como se observa en la Figura
4.16.
Figura 4.16: Montaje utilizado para determinar la frecuencia natural de la pala
háptica, paso 1
El centro de masa de la pala lo ubicamos de manera directa gracias al
programa Solidworks, y es
Centro_M asa = 6.50 [mm]
ubicado a partir del eje de rotación de la pala.
2. Se desplaza la pala un ángulo φ, el cual, no debe ser muy grande. Otorgán-
dole, así, una condición inicial al sistema, ver Figura 4.17.
Oswaldo Guiñansaca Soria 82
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Tabla 4.3: Parámetros útiles para encontrar la inercia de la pala
Parámetros
fn 0.886 Hz
m 106 gr
D 10 cm
h 21 cm
Figura 4.17: Montaje utilizado para determinar la frecuencia natural de la pala
háptica, paso 2
3. Contamos el número de oscilaciones completas que realiza la pala en un
tiempo determinado. En nuestro caso, la pala hizo 20 oscilaciones en 22.571
segundos, lo que nos da una frecuencia natural de 0.886 Hz, ver Tabla 4.3.
Por lo tanto
(0,106Kg) (9,81m/s2 ) (0,1m)2
= 0,0004 Kg · m2
Iz = 2
16π 2 (0,886Hz) (0,21m)
4.3. Control del interfaz háptico mediante PID
4.3.1. Control retroalimentado
El PID es el primer controlador utilizado sobre la planta. El diagrama de
bloques de la Figura 4.18 ilustra, claramente, y de manera detallada, las variables
involucradas en el control de lazo cerrado de la pala háptica. En dicho diagrama
se observa el camino que sigue la señal de control.
Oswaldo Guiñansaca Soria 83
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
La señal ingresa al controlador del motor -Arduino en nuestro caso-, el cual,
determina el torque que debe imprimir el motor para que se sienta la fuerza en
la pala háptica. Antes de enviar la señal directamente al Arduino, se realiza la
conversión de fuerza a torque determinado por la relación (4.4).
Figura 4.18: Control clásico del interfaz háptico
Mediante la realimentación, el valor que provee el sensor se convierte a un
ángulo, agregando transparencia hacia el usuario. El ángulo se puede convertir
hacia una relación cinemática de manera opcional, ya que esta relación es útil
para la interacción dentro de ambientes virtuales, y no en el control en sí.
El diagrama de bloques en lazo cerrado de Simulink se muestra en la Figura
4.19,
Figura 4.19: Controlador PID para el interfaz háptico - Simulink
4.3.2. Sintonización del PID
Se realizó la sintonización para diferentes valores de kc , Ti y Td , y con dos
respuestas al escalón, una positiva y la otra negativa, cabe señalar que la referencia
se encuentra en metros debido a que se está utilizando el factor de conversión
cinemática descrito por la relación (4.2). El tiempo de muestreo es de 0.005 seg.
A continuación se presentan los resultados de las grá cas obtenidas durante
la sintonización.
PID >P = 35, D = 0.05, I = 0
Oswaldo Guiñansaca Soria 84
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Como se observa en las grá cas, el tiempo de respuesta es muy rápido pero
presenta sobreoscilaciones con una amplitud considerable.
Figura 4.20: Respuesta del controlador PID para una entrada escalón a) positivo
y b) negativo
PID >P = 35, D = 0.05, I = 0.1
Para este caso las sobreoscilaciones también están presentes como en el caso
anterior. Además, el error de estado permanente es mayor que el anterior.
Figura 4.21: Respuesta del controlador PID para una entrada escalón a) positivo
y b) negativo
PID >P = 35, D = 0.075, I = 0.5
Las respuestas de la planta de la Figura 4.22 no presentan sobreoscilaciones
y el tiempo de respuesta es igual o aproximado a los dos casos anteriores.
Oswaldo Guiñansaca Soria 85
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.22: Respuesta del controlador PID para una entrada escalón a) positivo
y b) negativo
A diferencia de las demás grá cas, en la Figura 4.22, el error de estado per-
manente es casi cero por lo que estos valores son los óptimos y los escogidos para
el controlador PID.
4.4. Control del interfaz háptico utilizando técni-
cas de control moderno
4.4.1. Identi cación del sistema
La identi cación paramétrica de sistemas dinámicos permite obtener un mo-
delo matemático para el diseño de algún controlador, entender fenómenos obser-
vados, pronosticar eventos futuros, etc.
La identi cación del sistema para encontrar el modelo de la interfaz háptica,
se basa en un método experimental que consiste en recolectar un conjunto de
datos e inferir en el modelo a partir de un análisis de entradas y salidas luego de
someter a la planta a un conjunto de valores -señal- que provocan perturbaciones
a la misma, ver Figura 4.23.
Oswaldo Guiñansaca Soria 86
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.23: Diagrama de bloques para la identi cación de los sistemas dinámicos
4.4.2. Identi cación de la planta para diseño de controla-
dores
Se utiliza una señal de identi cación ID Signal - que puede ser de diferen-
tes tipos como un escalón, sinusoidales, etc. Lo importante es que la planta sea
sometida a un amplio rango de excitación. La mejor señal para la identi cación
sería una señal de ruido blanco que contiene componentes de frecuencia en todo
el espectro, pero es complicada de generar, por lo que se utiliza una señal binaria
pseudoaleatoria -PRBS por sus siglas en inglés- que tiene propiedades similares
a los del ruido blanco en su espectro. Es una señal que toma dos posibles valores
-binaria- dentro de un determinado rango de bits N. Por cada ciclo de reloj, la
señal, sin seguir un patrón, toma un valor aleatorio, de los dos posibles, es decir,
cada valor que compone la señal es independientes de los demás, hasta 2N − 1.
Luego de este tiempo la señal se repite, de ahí se debe su nombre de PSEUDO.
Para valores grandes de N, sus propiedades se asemejan al ruido blanco.
El modelo resultante captura la información esencial del sistema a partir de
la relación observada entre la señal que provoca la perturbación y la salida del
sistema. Se escoge el modelo que puede interpretar los datos con el menor número
posible de parámetros de control.
La identi cación de entradas y salidas se la realiza en lazo abierto utilizando
un modelo autorregresivo con variable externa -ARX, por sus siglas en inglés-,
Ecuación (2.10), que modela el sistema de acuerdo a la comparación del error
y ajustando los parámetros del ARX. La secuencia del diagrama de bloques de
Simulink se observa en la Figura 4.24.
Oswaldo Guiñansaca Soria 87
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.24: Diagrama de bloques para la identi cación del sistema - Simulink
Generamos una señal aleatoria en MATLAB, ver Figura 4.25, con las siguien-
tes propiedades:
N = 128 -número de muestras-
T = 0,1seg -tiempo de muestreo-
Niveles Binarios = [−0,7 0,7]
Figura 4.25: Señal PRBS
En el bloque de entrada de la Figura 4.25 se carga la señal de identi cación
PRBS, cuya salida u(k) se aplica a la planta haciendo que ésta empiece a ope-
rar sobre un punto de trabajo determinado, generalmente cero, generando una
respuesta dinámica de la planta que se observa en la Figura 4.26.
Oswaldo Guiñansaca Soria 88
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.26: Respuesta de la planta
Se procede a realizar un análisis entre las entradas y salidas de la planta, ver
Figura 4.27, producto de la excitación a la que fue sometida.
Figura 4.27: Señal PRBS vs salida de la planta
El análisis se realiza con la herramienta de MATLAB: ident . Luego de im-
portar la señal de entrada, u(k), y la señal de salida, y(k), y luego de escoger una
estimación polinomial del modelo ARX, se obtiene una gran cantidad de modelos,
ver Figuras 4.28 y 4.29. Pero se procede a elegir el modelo que mejor se ajuste a
los requerimientos de diseño de acuerdo al rendimiento que puede proporcionar
gracias a las características de sus parámetros. También se presta atención al
número de polos que ofrece cada modelo y la bondad de ajuste que ofrecen los
mismos entre las señales de salida: medida y estimada.
Oswaldo Guiñansaca Soria 89
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.28: Modelos estimados vs varianza de salida
Figura 4.29: Salida medida vs salida simulada de los modelos que mejor rendi-
miento presentan
Para el caso de la interfaz háptica, se escoge el modelo arx232, ver Figura
4.30, el cual, consta de dos polos para el control de la planta. Además, brinda un
ajuste del 79.14 %, el cual no hay que confundir con la estimación de la Figura
4.29, cuyo porcentaje representa la diferencia del error entre las salidas medida y
simulada de la planta.
Oswaldo Guiñansaca Soria 90
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.30: Señal de salida de la planta vs aproximación arx232
Una vez escogido el modelo a ocupar, se procede a encontrar las matrices de
las ecuaciones de estado G, H, C yD.
Primero se obtiene la función de transferencia discreta mediante los comandos
de MATLAB
1 % Determinacion de las matrices de estado G, H, C, D
2 arx232 = arx ( [Y U] , [2 3 2])
3 HGid = t f ( arx232 .B, arx232 .A,T)
entonces
0,01079z 2 − 0,003185z − 0,002687
HGid = (4.11)
z 2 − 1,229z + 0,3432
Hecho esto, se procede a encontrar las matrices del sistema con el comando
de MATLAB
1 [G H C D] = ssdata (HGid)
Las matrices encontradas son
" #
1,2285 −0,6863
G=
0,5 0
" #
0,125
H=
0
C = [0,0806 − 0,1022]
D=0
Oswaldo Guiñansaca Soria 91
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
4.4.3. Controlabilidad y observabilidad del sistema
Comprobamos la controlabilidad completa y observabilidad completa del sis-
tema mediante
. . . n−1
rango H..GH.. · · · ..G H =n
y
T .. T T .. .
. T n−1 T
rango C .G C . · · · . G C =n
respectivamente, donde n es el rango de G, y es igual a
" #!
1,2285 −0,6863
rango =2
0,5 0
Entonces, mediante el comando rank de MATLAB encontramos que
" # " #" #!
0,125 1,2285 −0,6863 0,125
rank =2
0 0,5 0 0
" #T
1,2285 −0,6863
rank [0,0806 − 0,1022]T [0,0806 − 0,1022]T = 2
0,5 0
Por lo que el sistema es completamente controlable y completamente observable.
4.4.4. Control por reubicación de polos
Una vez encontradas las matrices de las ecuaciones de estado, ya se puede
realizar algún tipo de control del sistema, el primero a realizar es un regulador a
través de la realimentación de los estados del sistema y el diseño de un observador,
cuyo diagrama de bloques se muestra en la Figura 4.31.
Oswaldo Guiñansaca Soria 92
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.31: Control con estado observado para la interfaz háptica - Simulink
El observador necesita de las matrices de realimentación K y Ke .
Primero, ubicamos los polos deseados de la planta, en nuestro caso, ocupamos
las raíces de los polinomios de Bessel normalizados del Anexo C. Como el rango
de nuestro sistema es dos, ocupamos los polos
p1 = −4,503 + j 2,34
p2 = −4,503 − j 2,34
Discretizamos los polos mediante
z = eT pi (4.12)
donde T es el tiempo de muestreo.
Los polos quedan de la siguiente manera
z1 = exp(T p1) = exp(T (−4,503 + j 2,34))
z2 = exp(T p2) = exp(T (−4,503 − j 2,34))
Para encontrar la matriz de realimentación, K, utilizamos los polos ubicados
Oswaldo Guiñansaca Soria 93
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
anteriormente en la fórmula de Ackermann, Sección 2.6.5.
Este paso se simpli ca utilizando el comando de MATLAB
1 K = acker (G, H, [ z1 z2 ] )
el cual nos entrega la matriz de realimentación
K = [−0,0185 0,2021]
Lo mismo hacemos para encontrar la matriz Ke . El comando de MATLAB
es
1 Ke = acker (G' , C' , [0 0])
y la respuesta obtenida es
Ke = [116,9292 80,1450]
Con estos datos es posible implementar el regulador en Simulink. Para comprobar
el correcto funcionamiento del regulador tenemos que jarnos que la salida de la
planta siempre se ubique en cero, y si existe cualquier perturbación, ésta debe
regresar a su punto de origen como se observa en la Figura 4.32.
Figura 4.32: Respuesta de la interfaz háptica con regulador implementado en
Simulink
4.4.5. Seguidor de referencias constantes
Al regulador realizado le agregamos una etapa de compensación que se encar-
gue de cambiar el punto de trabajo de la pala háptica. El diagrama de bloques
se observa en la Figura 4.33.
Oswaldo Guiñansaca Soria 94
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.33: Sistema de seguimiento de referencias constantes para el interfaz
háptico en Simulink
Al cambiar el punto de trabajo se cambia el punto de equilibrio de las variables
de estado. En la Figura 4.34 se presenta la respuesta al escalón de la interfaz
háptica, así como la salida de voltaje para el control del torque aplicado al motor.
También se puede apreciar el comportamiento de la interfaz al momento que es
sometida a perturbaciones externas.
Figura 4.34: Respuesta de la interfaz háptica ante un escalón
En la Figura 4.35 se presenta la respuesta de la interfaz háptica, a la cual, se
le cambia el punto de referencia dos veces, y como se observa en dicha imagen,
el tiempo de respuesta es muy rápido y e ciente comparado con el PID ya que
tampoco presenta demasiadas oscilaciones.
Oswaldo Guiñansaca Soria 95
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.35: Respuesta de la interfaz háptica ante dos cambios de referencia
4.4.6. Sistema de seguimiento con integrador y realimen-
tación de estado observado
Al control desarrollado en la Sección 4.4.5, le sumamos un integrador para
eliminar el error de estado permanente. Este integrador añade un polo más al
sistema. La Figura 4.36 muestra el diagrama de bloques utilizado en Simulink.
Figura 4.36: Seguimiento con integrador y estado observado para la interfaz háp-
tica - Simulink
De la misma manera que hicimos con el observador, escogemos las raíces
pertenecientes a los polinomios de Bessel de la tabla descrita en el Anexo C.
p1 = −5,0093
p2 = −3,9668 + j 3,7845
p3 = −3,9668 − j 3,7845
Oswaldo Guiñansaca Soria 96
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
discretizando
z1 = exp(T (−5,0093))
z2 = exp(T (−3,9668 + j ∗ 3,7845))
z3 = exp(T (−3,9668 − j ∗ 3,7845))
Utilizando nuevamente la fórmula de Ackermann, Sección 2.6.5, encontramos
la matriz de realimentación Kc . Los comandos de MATLAB utilizados son
1 Gc = [G H; 0 0 0 ] ;
2 Hc = [ 0 ; 0; 1 ] ;
3 Kc = acker (Gc, Hc, [ z1 z2 z3 ] ) ;
donde " #
1,2285 −0,6863
G=
0,5 0
" #
0,125
H=
0
La matriz de realimentación Kc es
Kc = [0,7669 − 0,9411 − 0,6273]
A partir de la cual, podemos encontrar las matrices K1 y K2, como se muestra
en el siguiente código de MATLAB
1 K2K1 = (Kc + [0 0 1]) ∗ [G−eye (2) H; C∗G C∗H]^( − 1)
donde
K2K1 = [1,2363 − 1,1051 21,6553]
a partir de lo cual
K2 = [1,2363 − 1,1051]
K1 = [21,6553]
Una vez encontrados todos los parámetros necesarios para el seguidor con inte-
grador, procedemos a realizar la simulación, obteniendo los siguientes resultados.
La Figura 4.37 presenta la respuesta de la interfaz háptica ante varias per-
turbaciones. Como se observa, el error de estado permanente se elimina con este
tipo de seguimiento. El proceso que realiza el seguidor es de integrar el error
acumulado para posteriormente eliminarlo.
Oswaldo Guiñansaca Soria 97
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.37: Respuesta del seguidor con integrador y estado observado ante una
referencia cero - Simulink
La Figura 4.38 muestra la respuesta de la planta ante una entrada tipo escalón.
Al inicio la repuesta presenta un error de estado permanente, el cual, como en el
caso anterior, es eliminado por completo gracias al seguidor con integrador.
Figura 4.38: Respuesta del seguidor con integrador y estado observado ante una
entrada escalón - Simulink
4.5. Control PID neuronal del interfaz háptico
Para el control con redes neuronales descrito en la Sección 2.7, utilizamos el
diagrama de bloques mostrado en la Figura 4.39.
Oswaldo Guiñansaca Soria 98
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
Figura 4.39: Controlador PID neuronal del interfaz háptico - Simulink
El bloque S-Function contiene todo el código del controlador con redes neu-
ronales, especí camente, ADALINE.
Primero, se inicializan las variables a utilizar
1 OPss=0;
2 PVss=0;
3 SPss=0;
y se las guarda en los vectores
1 p .OP = [ OPss OPss OPss ] ; % [ y(k −1) , y(k −2) , y(k −3) ]
initialized at ss
2 p .PV = [ PVss PVss PVss ] ; % [ u(k −1) , 0 , 0] i n i t i a l i z e d at ss
3 p .SP = [ SPss SPss SPss ] ; % [w( k ) , w(k −1) , w(k −2) ] i n i t i a l i z e d
at ss
a estos vectores los guardamos en el archivo pid
1 save pid p ;
Dentro de la función mdlOutputs del bloque S-Function agregamos el siguiente
código
1 function sys = mdlOutputs ( t , x , u)
2
3 gama = 1e − 5; % constante de aprendizaeje
4
5 if t>0
6 load pid ; %se cargan los vectores guardados en pid
7
8 ref = u(1) ; %se obtiene la entrada u(1)
9 y = u(2) ; %se obtiene la entrada u(2)
10 ER0 = ref −y ; %se obtiene el error actual
11 ER1 = ref −p .OP(1) ; %se obtiene el error anterior
12 ER2 = ref −p .OP(2) ; %se obtiene el error hace 2 muestras
13 ER3 = ref −p .OP(3) ; %se obtiene el error hace 3 muestras
Oswaldo Guiñansaca Soria 99
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
14 w = p .SP; %se carga vector de pesos
15
16 uc = w(1) ∗ER1 + w(2) ∗ER2 + w(3) ∗ER3 + ER0; %procesamiento del
error
17 w = [ER0∗ gama ∗ER1 ER0∗ gama ∗ER2 ER0∗ gama ∗ER3] + w; %
actualizacion pesos
18
19 p .OP = [ y p .OP(1) p .OP(2) ] ; %se actualiza el vector p .OP
20 p .PV = [ uc p .PV(1) p .PV(2) ] ; %se actualiza el vector p .PV
21 p .SP = w; %se actualiza el vector p .SP
22
23 save pid p ; %se guardan los vectores p .OP, p .PV y p .SP en pid
24
25 sys = uc ; %se escribe el error procesado en la salida
26
27 else
28 sys =0;
29 end
Los resultados del control mediante redes neuronales se describen a continua-
ción.
La Figura 4.40 muestra la respuesta de la planta, pudiéndose observar una
respuesta rápida del controlador. Las oscilaciones que se observan en la Figura
4.40 se deben a perturbaciones del sistema. Algo claro que también se nota es
que el error no se reduce a cero en todos los casos. Hay que recordar que este
tipo de controlador depende en su mayoría de la tasa de aprendizaje, γ, por lo
que la variación de este parámetro es clave para encontrar la mejor respuesta de
la planta.
Figura 4.40: Respuesta del controlador PID neuronal del interfaz háptico - Simu-
link
Oswaldo Guiñansaca Soria 100
CAPÍTULO 4. CONTROL DE LA INTERFAZ HÁPTICA
La Figura 4.41 muestra la respuesta al escalón de la planta utilizando el con-
trolador con redes neuronales, tanto para una referencia positiva como para una
negativa. La respuesta no presenta oscilaciones pero si un error de estado perma-
nente.
Figura 4.41: Respuesta del controlador con redes neuronales ante una referencia
escalón a) positiva y b)negativa
Oswaldo Guiñansaca Soria 101
Capítulo 5
Aplicaciones con la interfaz háptica
5.1. Péndulo invertido virtual
El péndulo invertido es un sistema comúnmente utilizado en sistemas de con-
trol debido a la inestabilidad que presenta si no posee un control.
La perspectiva de control en esta tesis cambia, debido a que la presencia
de la interfaz háptica trae consigo la forma o manera de controlar el péndulo
invertido y los sistemas en general, ya que el que se encarga de controlar el
péndulo no es el sistema de control en su totalidad, sino que se complementa con
la retroalimentación del operador que está interactuando con el entorno virtual.
El modelo del péndulo se lo realizo en el programa Solidworks. Consta de
dos partes, básicamente: un soporte para el péndulo y el péndulo mismo, las dos
piezas se pueden observar en las Figuras 5.1 y 5.2, respectivamente.
Figura 5.1: Base del péndulo invertido virtual - Solidworks
102
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
Figura 5.2: Péndulo virtual - Solidworks
Luego de haber construido las dos piezas, se procedió a ensamblarlas con el
mismo programa, resultando el modelo que se observa en la Figura 5.3. Cabe
señalar que una vez ensamblado el péndulo en Solidworks, el sistema adquiere
todos los parámetros físicos involucrados en la simulación del péndulo invertido,
por lo que no se necesitan explícitamente las ecuaciones dinámicas que modelan
dicho péndulo.
Figura 5.3: Ensamble nal del péndulo invertido virtual - Solidworks
El modelo es exportado desde Solidworks a MATLAB para realizar el control
con las herramientas Simulink y Simmechanics. Las Figuras 5.4 y 5.5 muestran el
diagrama de bloques en Simulink y el entorno grá co de Simmechanics, respecti-
vamente.
Oswaldo Guiñansaca Soria 103
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
Figura 5.4: Diagrama de bloques importado a Simulink desde Solidworks
Figura 5.5: Interfaz grá ca en Simmechanics del péndulo virtual
5.1.1. Control del péndulo invertido en lazo abierto
La Figura 5.6 muestra el diagrama de bloques del péndulo en lazo abierto.
Este tipo de control permite la interacción del usuario con el entorno virtual,
permitiéndole que sea él, el que controle el péndulo de manera manual, mediante
la realimentación de su visión.
El bloque VR_Pendulo de la Figura 5.6 contiene todos los elementos del
péndulo virtual que constan en la Figura 5.4.
En las propiedades del bloque Revolute de la Figura 5.4, podemos cambiar los
valores de los parámetros del péndulo virtual como el amortiguamiento, rigidez,
etc. También podemos seleccionar si existe, o no, realimentación, y qué magnitu-
des queremos medir: posición, velocidad o aceleración, ver Figura 5.7. Para este
control seleccionamos la opción de posición.
Oswaldo Guiñansaca Soria 104
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
Figura 5.6: Control en lazo abierto del péndulo invertido virtual - Simulink
Tabla 5.1: Valores del PID para el control en lazo abierto del péndulo invertido
virtual
Parámetros PID
kc 17
Ti 0.35
Td 0.07
Figura 5.7: Interfaz de las propiedades del bloque Revolute - Simulink
El control PID que se observa en la Figura 5.6 es para la interfaz háptica,
más no para el péndulo invertido. Los parámetros del PID para esta aplicación
se presentan en la Tabla 5.1.
El control consiste en estabilizar el péndulo virtual con el torque provisto por
la interfaz háptica. La referencia del control se encuentra en cero para poder dar
Oswaldo Guiñansaca Soria 105
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
el mismo torque en las dos direcciones posibles de movimiento.
5.1.2. Control del péndulo invertido en lazo cerrado
La Figura 5.8 muestra el diagrama de bloques utilizado para el control en lazo
cerrado del péndulo invertido. Se utilizan dos controles en cascada, uno para la
interfaz háptica y el otro para el péndulo virtual.
Figura 5.8: Control en lazo cerrado del péndulo invertido virtual - Simulink
La interfaz háptica, a diferencia del control en lazo abierto que entrega direc-
tamente el torque al péndulo virtual, esta vez, entrega su posición como referencia
al péndulo invertido virtual.
Las Figuras 5.9 y 5.10 presentan la respuesta de salida de los dos controles,
tanto de la interfaz háptica como la del péndulo invertido, respectivamente. Los
parámetros de los dos PID utilizados se presentan en la Tabla 5.2.
Figura 5.9: Respuesta del controlador de la interfaz háptica en lazo cerrado para
la aplicación del péndulo invertido - Simulink
Oswaldo Guiñansaca Soria 106
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
Tabla 5.2: Valores del PID para el control en lazo cerrado del péndulo invertido
virtual
PID Péndulo PID Interfaz Háptica
kc 5 16
Ti 0 0.3
Td 0.05 0.07
Figura 5.10: Respuesta del controlador del péndulo invertido virtual en lazo ce-
rrado - Simulink
5.2. Seguidor del movimiento de una rodilla hu-
mana
La interfaz háptica tiene varios campos de aplicación como se lo ha menciona-
do a lo largo de esta tesis. Una de ellas, es la ayuda que puede brindar a personas
que tienen algún tipo de impedimento físico en cualquier articulación del cuerpo
humano y que impide su libre movimiento.
En esta sección, se presenta una aplicación que puede ser útil para un estudio
más amplio de la interfaz háptica, que por ejemplo, puede ser un exoesqueleto. Se
presenta un sistema de seguimiento de una articulación humana, especí camente,
la rodilla.
En primer lugar, se procedió a recolectar datos del movimiento de la rodilla
con ayuda del programa Kinovea.
1
En el programa se carga un video , ver Figura 5.11, y se hace el seguimiento
de un punto en especí co que deseemos, obviamente, en nuestro caso se hizo el
1 [Link]
Oswaldo Guiñansaca Soria 107
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
seguimiento de la rodilla.
Figura 5.11: Interfaz del programa Kinovea
Para la medida del desplazamiento angular de la articulación se tomó como
referencia la cadera de la persona y el piso, tal como se observa en la Figura 5.12.
Figura 5.12: Ángulo medido en la recolección de datos
La cantidad medida por el programa la restamos de 90◦ y obtenemos el ángulo
de desplazamiento de la pala háptica.
Los datos son exportados a Excel y posteriormente a MATLAB. La Figura
5.13 muestra la señal obtenida producto del movimiento de la rodilla a partir de
los datos recolectados.
Oswaldo Guiñansaca Soria 108
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
Figura 5.13: Señal obtenida de los datos del movimiento de la rodilla, utilizada
como referencia en el seguidor
Se utiliza un PID como sistema de seguimiento. El diagrama de bloques en
Simulink se presenta en la Figura 5.14.
Figura 5.14: Diagrama de bloques para el seguidor de movimiento de la rodilla -
Simulink
En el bloque de entrada se carga la señal que contiene el movimiento de la
rodilla. Los datos están muestreados cada 0.1 segundos.
Los valores de los parámetros del PID utilizados para el sistema de seguimiento
se presentan en la Tabla 5.3.
Tabla 5.3: Valores del PID para el seguidor de movimiento de la rodilla
Parámetros PID
kc 5
Ti 0.43
Td 0.1
Oswaldo Guiñansaca Soria 109
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
La Figura 5.15 muestra el seguimiento de la interfaz con respecto a la señal
de referencia, pudiéndose observar un seguimiento bastante aceptable, existiendo
un error considerable en los picos superiores de la señal de referencia.
Figura 5.15: Respuesta del seguidor ante el movimiento de la rodilla
5.3. Evaluación de la interfaz háptica
En esta sección se realiza una evaluación del péndulo virtual invertido de
acuerdo a algunos estamentos de la Sección 2.4 y al diagrama de la Figura 2.5, a
partir de los cuales se puede decir lo siguiente:
La pala háptica no presenta restricciones en su movimiento. La respuesta del
motor Maxon, ante cambios de referencia, no in uye en el comportamiento
del interfaz, además, su fuerza de fricción interna es muy baja como se
determinó en la Sección 4.2.3.
Debido a que no se presenta más de un objeto virtual, la diferenciación de
densidades de los objetos virtuales es imposible.
El diseño realizado en Solidworks, al poseer un grado de libertad, representa
un costo computacional bajo. La estabilidad que se obtiene del péndulo
invertido en Simmechanics es permanente, sin presentar interrupciones una
vez que la aplicación ha iniciado.
El dispositivo cumple con los parámetros de operación de transparencia
y estabilidad; tanto en lazo abierto como en lazo cerrado, el controlador
Oswaldo Guiñansaca Soria 110
CAPÍTULO 5. APLICACIONES CON LA INTERFAZ HÁPTICA
PID no tiene respuestas negativas que provoquen una mala interacción del
usuario dentro del ambiente virtual.
La interacción se torna transparente e intuitiva por parte del usuario, la
calibración de la fuerza de fricción entre la pala háptica y la rueda motriz
es mucho menor que la fuerza mínima que debe aplicar el usuario cuando
manipula el péndulo invertido, sin provocar, de esa manera, agotamiento
en el usuario mientras éste interactúa con el ambiente virtual.
Oswaldo Guiñansaca Soria 111
Capítulo 6
Conclusiones
Las pruebas de hardware de la pala háptica mostraron problemas que se sol-
ventaron utilizando métodos empíricos. Por ejemplo, fue usada una banda
adicional en la rueda motriz, debido a que no se tenía la su ciente trac-
ción entre los dos objetos, lo cual, di cultó el control del interfaz háptico,
provocando un error constante en la referencia de la pala.
La fricción entre la pala háptica y la rueda motriz debe ser mínima, asi-
mismo, se debe asegurar que la pala háptica gire libremente en su punto de
rotación sin presentar ninguna oposición al movimiento. Estos dos factores
in uyen de manera directa en el control del interfaz, ocasionando un gasto
variable de energía dependiendo del caso.
El desempeño que presenta la interfaz háptica permite la interacción en
tiempo real. La velocidad en la comunicación serial no in uye en el control
del interfaz háptico. Se realizaron pruebas entre los 19200 y 115200 baudios,
obteniendo similares rendimientos del interfaz.
El tiempo de muestreo in uye directamente en el control con PID, provocan-
do un retardo en la respuesta del controlador si se utilizan menos muestras
por segundo, es decir, un tiempo de muestreo grande. En el caso del control
moderno, el tiempo de muestreo está implícito en el diseño de los contro-
ladores, por lo que no afecta en la práctica. El controlador PID neuronal,
no ve in uenciado su desempeño con el tiempo de muestreo debido a sus
características de adaptación.
La identi cación paramétrica del sistema para el control mediante espacio
de estados no siempre arroja una aproximación exacta del sistema, especial-
mente de la matriz de realimentación, por lo que se ajustó este parámetro
112
CAPÍTULO 6. CONCLUSIONES
experimentalmente en cada uno de los controladores modernos realizados.
En el control mediante PID neuronal la constante de aprendizaje in uye
de manera directa en la convergencia del algoritmo de control haciendo
que el sistema responda de manera lenta o rápida, por lo que es el valor
más importante a considerar dentro del diseño. El valor de la constante de
aprendizaje puede variar entre 0 y 1.
El péndulo invertido virtual presenta un claro ejemplo del manejo de la
interfaz háptica tanto en lazo abierto como en lazo cerrado, mostrando un
buen rendimiento en tiempo real, con cero error de fase entre la interfaz
y el péndulo virtual. Por tanto, se concluye que la interfaz cumple con su
cometido inicial de interacción en ambientes virtuales.
El seguimiento de la rodilla presenta un error que con un PID clásico no
se puede disminuir, por lo que se necesita un controlador moderno para
reducir dicho error.
En la evaluación del interfaz háptico, queda claro que se necesitan más apli-
caciones para realizar una evaluación más completa, así como del número
de usuarios que puedan de nir experimentalmente la calidad y rendimiento
del mismo.
Oswaldo Guiñansaca Soria 113
Anexos
114
Anexo A
Hoja de especi caciones del driver L298
115
® L298
DUAL FULL-BRIDGE DRIVER
.. OPERATING SUPPLY VOLTAGE UP TO 46 V
.. TOTAL DC CURRENT UP TO 4 A
LOW SATURATION VOLTAGE
. OVERTEMPERATURE PROTECTION
LOGICAL "0" INPUT VOLTAGE UP TO 1.5 V
(HIGH NOISE IMMUNITY)
DESCRIPTION PowerSO20
Multiwatt15
The L298 is an integrated monolithic circuit in a 15-
lead Multiwatt and PowerSO20 packages. It is a
high voltage, high current dual full-bridge driver de-
signed to accept standard TTL logic levels and drive ORDERING NUMBERS : L298N (Multiwatt Vert.)
L298HN (Multiwatt Horiz.)
inductive loads such as relays, solenoids, DC and L298P (PowerSO20)
stepping motors. Two enable inputs are provided to
enable or disable the device independently of the in-
put signals. The emitters of the lower transistors of nection of an external sensing resistor. An additional
each bridge are connected together and the corre- supply input is provided so that the logic works at a
sponding external terminal can be used for the con- lower voltage.
BLOCK DIAGRAM
Jenuary 2000 1/13
L298
ABSOLUTE MAXIMUM RATINGS
Symbol Parameter Value Unit
VS Power Supply 50 V
VSS Logic Supply Voltage 7 V
VI,Ven Input and Enable Voltage –0.3 to 7 V
IO Peak Output Current (each Channel)
– Non Repetitive (t = 100µs) 3 A
–Repetitive (80% on –20% off; ton = 10ms) 2.5 A
–DC Operation 2 A
Vsens Sensing Voltage –1 to 2.3 V
Ptot Total Power Dissipation (Tcase = 75°C) 25 W
Top Junction Operating Temperature –25 to 130 °C
Tstg, Tj Storage and Junction Temperature –40 to 150 °C
PIN CONNECTIONS (top view)
15 CURRENT SENSING B
14 OUTPUT 4
13 OUTPUT 3
12 INPUT 4
11 ENABLE B
10 INPUT 3
9 LOGIC SUPPLY VOLTAGE VSS
Multiwatt15 8 GND
7 INPUT 2
6 ENABLE A
5 INPUT 1
4 SUPPLY VOLTAGE VS
3 OUTPUT 2
2 OUTPUT 1
1 CURRENT SENSING A
TAB CONNECTED TO PIN 8 D95IN240A
GND 1 20 GND
Sense A 2 19 Sense B
N.C. 3 18 N.C.
Out 1 4 17 Out 4
Out 2 5 PowerSO20 16 Out 3
VS 6 15 Input 4
Input 1 7 14 Enable B
Enable A 8 13 Input 3
Input 2 9 12 VSS
GND 10 11 GND
D95IN239
THERMAL DATA
Symbol Parameter PowerSO20 Multiwatt15 Unit
Rth j-case Thermal Resistance Junction-case Max. – 3 °C/W
Rth j-amb Thermal Resistance Junction-ambient Max. 13 (*) 35 °C/W
(*) Mounted on aluminum substrate
2/13
L298
PIN FUNCTIONS (refer to the block diagram)
MW.15 PowerSO Name Function
1;15 2;19 Sense A; Sense B Between this pin and ground is connected the sense resistor to
control the current of the load.
2;3 4;5 Out 1; Out 2 Outputs of the Bridge A; the current that flows through the load
connected between these two pins is monitored at pin 1.
4 6 VS Supply Voltage for the Power Output Stages.
A non-inductive 100nF capacitor must be connected between this
pin and ground.
5;7 7;9 Input 1; Input 2 TTL Compatible Inputs of the Bridge A.
6;11 8;14 Enable A; Enable B TTL Compatible Enable Input: the L state disables the bridge A
(enable A) and/or the bridge B (enable B).
8 1,10,11,20 GND Ground.
9 12 VSS Supply Voltage for the Logic Blocks. A100nF capacitor must be
connected between this pin and ground.
10; 12 13;15 Input 3; Input 4 TTL Compatible Inputs of the Bridge B.
13; 14 16;17 Out 3; Out 4 Outputs of the Bridge B. The current that flows through the load
connected between these two pins is monitored at pin 15.
– 3;18 N.C. Not Connected
ELECTRICAL CHARACTERISTICS (VS = 42V; VSS = 5V, Tj = 25°C; unless otherwise specified)
Symbol Parameter Test Conditions Min. Typ. Max. Unit
VS Supply Voltage (pin 4) Operative Condition VIH +2.5 46 V
VSS Logic Supply Voltage (pin 9) 4.5 5 7 V
IS Quiescent Supply Current (pin 4) Ven = H; IL = 0 Vi = L 13 22 mA
Vi = H 50 70 mA
Ven = L Vi = X 4 mA
ISS Quiescent Current from VSS (pin 9) Ven = H; IL = 0 Vi = L 24 36 mA
Vi = H 7 12 mA
Ven = L Vi = X 6 mA
ViL Input Low Voltage –0.3 1.5 V
(pins 5, 7, 10, 12)
ViH Input High Voltage 2.3 VSS V
(pins 5, 7, 10, 12)
IiL Low Voltage Input Current Vi = L –10 µA
(pins 5, 7, 10, 12)
IiH High Voltage Input Current Vi = H ≤ VSS –0.6V 30 100 µA
(pins 5, 7, 10, 12)
Ven = L Enable Low Voltage (pins 6, 11) –0.3 1.5 V
Ven = H Enable High Voltage (pins 6, 11) 2.3 VSS V
Ien = L Low Voltage Enable Current Ven = L –10 µA
(pins 6, 11)
Ien = H High Voltage Enable Current Ven = H ≤ VSS –0.6V 30 100 µA
(pins 6, 11)
VCEsat (H) Source Saturation Voltage IL = 1A 0.95 1.35 1.7 V
IL = 2A 2 2.7 V
VCEsat (L) Sink Saturation Voltage IL = 1A (5) 0.85 1.2 1.6 V
IL = 2A (5) 1.7 2.3 V
VCEsat Total Drop IL = 1A (5) 1.80 3.2 V
IL = 2A (5) 4.9 V
Vsens Sensing Voltage (pins 1, 15) –1 (1) 2 V
3/13
Anexo B
Hoja de especi caciones del motor Maxon
353144
119
�max 26 26 mm, Graphite Brushes, 6 Watt
maxon -max
M 1:2
Stock program
Standard program Order Number
Special program (on request)
with terminals 110946 110947 110948 110949 110950 110951 110952 110953 110954 110955 110956 110957
with cables 353143 353144 353145 353146 353147 353148 353149 353150 353151 353152 353153 353154
Motor Data
Values at nominal voltage
1 Nominal voltage V 7.2 9.0 12.0 12.0 18.0 18.0 24.0 24.0 30.0 36.0 42.0 48.0
2 No load speed rpm 9270 10000 10000 8300 8260 7410 8590 7870 8810 8440 8170 6240
3 No load current mA 118 104 76.8 59.7 39.2 34.0 30.8 27.6 25.4 20.0 16.4 10.3
4 Nominal speed rpm 7160 7620 7600 5590 5640 4790 5880 5100 6210 5850 5550 3550
5 Nominal torque (max. continuous torque) mNm 6.73 7.97 11.1 13.0 13.6 13.8 13.1 12.9 13.7 13.8 13.7 13.7
6 Nominal current (max. continuous current) A 1.08 1.08 1.08 1.03 0.708 0.642 0.532 0.481 0.452 0.365 0.300 0.201
7 Stall torque mNm 38.2 39.7 52.7 43.8 45.6 41.0 43.5 38.1 47.9 46.4 43.7 32.6
8 Starting current A 5.50 4.90 4.80 3.29 2.25 1.82 1.67 1.34 1.51 1.16 0.911 0.455
9 Max. efficiency % 67 69 73 72 74 73 74 73 75 75 75 72
Characteristics
10 Terminal resistance 1.31 1.84 2.50 3.65 8.00 9.91 14.4 17.9 19.9 31.0 46.1 106
11 Terminal inductance mH 0.101 0.138 0.254 0.372 0.862 1.07 1.42 1.69 2.13 3.35 4.85 10.8
12 Torque constant mNm / A 6.94 8.09 11.0 13.3 20.2 22.5 26.0 28.3 31.8 39.9 48.0 71.6
13 Speed constant rpm / V 1380 1180 869 718 472 423 367 337 300 239 199 133
14 Speed / torque gradient rpm / mNm 260 268 198 197 186 186 203 213 188 186 191 197
15 Mechanical time constant ms 33.4 30.5 27.9 27.1 25.4 25.2 24.9 24.9 24.5 24.3 24.2 24.2
16 Rotor inertia gcm 2 12.3 10.9 13.5 13.2 13.0 12.9 11.7 11.2 12.5 12.5 12.1 11.7
Specifications Operating Range Comments
Thermal data n [rpm]
17 Thermal resistance housing-ambient 13.2 K / W Continuous operation
18 Thermal resistance winding-housing 3.2 K / W In observation of above listed thermal resistance
19 Thermal time constant winding 12.4 s (lines 17 and 18) the maximum permissible winding
temperature will be reached during continuous
20 Thermal time constant motor 660 s
operation at 25°C ambient.
21 Ambient temperature -30 ... +85°C
= Thermal limit.
22 Max. permissible winding temperature +125°C
Short term operation
Mechanical data (ball bearings)
The motor may be briefly overloaded (recurring).
23 Max. permissible speed 10400 rpm
24 Axial play 0.1 - 0.2 mm
25 Radial play 0.025 mm
Assigned power rating
26 Max. axial load (dynamic) 5N
27 Max. force for press fits (static) 75 N
(static, shaft supported) 1200 N
28 Max. radial loading, 5 mm from flange 20.5 N
maxon Modular System Overview on page 16 - 21
Mechanical data (sleeve bearings)
Planetary Gearhead Encoder MR
23 Max. permissible speed 10400 rpm 26 mm 128 - 1000 Imp.,
24 Axial play 0.1 - 0.2 mm 0.5 - 2.0 Nm 3 channels
25 Radial play 0.012 mm Page 228 Page 262
26 Max. axial load (dynamic) 1.7 N
Spur Gearhead Encoder Enc
27 Max. force for press fits (static) 80 N 30 mm 22 mm
(static, shaft supported) 1200 N 0.07 - 0.2 Nm 100 Imp., 2 channels
28 Max. radial loading, 5 mm from flange 5.5 NPage 229 Page 265
Planetary Gearhead Encoder HED_ 5540
Other specifications 32 mm 500 Imp.,
29 Number of pole pairs 1 0.4 - 6.0 Nm 3 channels
30 Number of commutator segments 13 Page 230 / 231 / 233 Page 267 / 269
31 Weight of motor 100 g Spur Gearhead Recommended Electronics:
LSC 30/2 Page 282 Encoder MEnc
38 mm EPOS2 Module 36/2 304 13 mm
Values listed in the table are nominal. 0.1 - 0.6 Nm EPOS2 24/5 305 16 Imp., 2 channels
Explanation of the figures on page 49. Page 237 EPOS2 50/5 305 Page 275
Spindle Drive EPOS2P 24/5 308
Option 32 mm Notes 18
Sleeve bearings in place of ball bearings Page 249 / 250 / 251
106 maxon DC motor May 2010 edition / subject to change
Anexo C
Raíces de los polinomios normalizados de
Bessel
121
Tabla C.1: Raíces de los polinomios normalizados de Bessel
k
ANEXO C.
1 −4,62
2 −4,053 ± j2,34
3 −5,0083 −3,9668 ± j3,7845
4 −4,0156 ± j5,0723 −5,5281 ± j1,6553
5 −6,448 −4,1104 ± j6,3142 −5,9268 ± j3,0813
6 −4,2169 ± j7,53 −6,2613 ± j4,4018 −7,1205 ± j1,454
Oswaldo Guiñansaca Soria
7 −8,0271 −4,3361 ± j8,7519 −6,5714 ± j5,6786 −7,6824 ± j2,8081
8 −4,4554 ± j9,9715 −6,8554 ± j6,9278 −8,1682 ± j4,1057 −8,7693 ± j1,3616
9 9,6585 −4,5696 ± j11,1838 −7,1145 ± j8,1557 −8,5962 ± j5,3655 −9,40113 ± j2,6655
10 −4,6835 ± j12,4022 −7,3609 ± j9,3777 8,9898 ± j6,6057 −9,9657 ± j3,9342 −10,4278 ± 1,307
122
RAÍCES DE LOS POLINOMIOS NORMALIZADOS DE BESSEL
ANEXO C. RAÍCES DE LOS POLINOMIOS NORMALIZADOS DE BESSEL
Oswaldo Guiñansaca Soria 123
Bibliografía
[1] A. Gallace and C. Spence, The science of interpersonal touch: an overview,
Neuroscience & Biobehavioral Reviews, vol. 34, no. 2, pp. 246259, 2010.
[2] K. E. MacLean, Designing with haptic feedback, in Robotics and Automa-
tion, 2000. Proceedings. ICRA'00. IEEE International Conference on, vol. 1.
IEEE, 2000, pp. 783788.
[3] S. D. Laycock and A. Day, Recent developments and applications of haptic
devices, in Computer Graphics Forum, vol. 22, no. 2. Wiley Online Library,
2003, pp. 117132.
[4] V. Hayward, O. R. Astley, M. Cruz-Hernandez, D. Grant, and G. Robles-
De-La-Torre, Haptic interfaces and devices, Sensor Review, vol. 24, no. 1,
pp. 1629, 2004.
[5] F. P. Brooks Jr, Walkthrougha dynamic graphics system for simulating
virtual buildings, in Proceedings of the 1986 workshop on Interactive 3D
graphics. ACM, 1987, pp. 921.
[6] R. J. Stone, Haptic feedback: A brief history from telepresence to virtual
reality, in Haptic Human-Computer Interaction. Springer, 2001, pp. 116.
[7] F. Barbagli and K. Salisbury, The eect of sensor/actuator asymmetries in
haptic interfaces, in Haptic Interfaces for Virtual Environment and Tele-
operator Systems, 2003. HAPTICS 2003. Proceedings. 11th Symposium on.
IEEE, 2003, pp. 140147.
[8] Y.-S. Lee, S. Lin, and R. Narayan, Interactive forces analysis and haptic
modeling for virtual prototyping and product development, in Manufactu-
ring Automation (ICMA), 2010 International Conference on. IEEE, 2010,
pp. 271278.
124
BIBLIOGRAFÍA
[9] A. Gupta and M. K. O'Malley, Design of a haptic arm exoskeleton for
training and rehabilitation, Mechatronics, IEEE/ASME Transactions on,
vol. 11, no. 3, pp. 280289, 2006.
[10] B. Hannaford and J.-H. Ryu, Time-domain passivity control of haptic in-
terfaces, Robotics and Automation, IEEE Transactions on, vol. 18, no. 1,
pp. 110, 2002.
[11] U. Unterhinninghofen, T. Schauÿ, and M. Buss, Control of a mobile haptic
interface, in Robotics and Automation, 2008. ICRA 2008. IEEE Internatio-
nal Conference on. IEEE, 2008, pp. 20852090.
[12] V. Hayward and O. R. Astley, Performance measures for haptic interfaces,
in Robotics research. Springer, 1996, pp. 195206.
[13] C. Martín, Interfaces hápticos, aplicación en entornos virtuales, in Memo-
rias del XVI Congreso Internacional de Ingeniería Grá ca, 2004.
[14] S. D. Eppinger and W. P. Seering, Understanding bandwidth limitations in
robot force control, in Robotics and Automation. Proceedings. 1987 IEEE
International Conference on, vol. 4. IEEE, 1987, pp. 904909.
[15] D. Hecht, M. Reiner, and G. Halevy, Multimodal virtual environments: res-
ponse times, attention, and presence, Presence: Teleoperators and virtual
environments, vol. 15, no. 5, pp. 515523, 2006.
[16] W.-C. Wu, C. Basdogan, and M. A. Srinivasan, Visual, haptic, and bimodal
perception of size and stiness in virtual environments, ASME DYN SYST
CONTROL DIV PUBL DSC., vol. 67, pp. 1926, 1999.
[17] F. Danieau, A. Lécuyer, P. Guillotel, J. Fleureau, N. Mollet, and M. Christie,
Enhancing audiovisual experience with haptic feedback: a survey on hav,
Haptics, IEEE Transactions on, vol. 6, no. 2, pp. 193205, 2013.
[18] T. W. Fong, F. Conti, S. Grange, and C. Baur, Novel interfaces for re-
mote driving: gesture, haptic, and pda, in Intelligent Systems and Smart
Manufacturing. International Society for Optics and Photonics, 2001, pp.
300311.
[19] A. Bolopion and S. Régnier, A review of haptic feedback teleoperation sys-
tems for micromanipulation and microassembly, Automation Science and
Engineering, IEEE Transactions on, vol. 10, no. 3, pp. 496502, 2013.
Oswaldo Guiñansaca Soria 125
BIBLIOGRAFÍA
[20] M. Benali-Khoudja, M. Hafez, J.-M. Alexandre, and A. Kheddar, Tactile
interfaces: a state-of-the-art survey, in Int. Symposium on Robotics, vol. 31.
Citeseer, 2004, pp. 2326.
[21] B. Varalakshmi, J. Thriveni, K. Venugopal, and L. Patnaik, Haptics: state
of the art survey, Int. J. Comput. Sci. Issues (IIJCSI), vol. 9, no. 5, pp.
234244, 2012.
[22] E. Samur, F. Wang, U. Spaelter, and H. Bleuler, Generic and systematic
evaluation of haptic interfaces based on testbeds, in Intelligent Robots and
Systems, 2007. IROS 2007. IEEE/RSJ International Conference on. IEEE,
2007, pp. 21132119.
[23] M. A. Srinivasan and C. Basdogan, Haptics in virtual environments: Ta-
xonomy, research status, and challenges, Computers & Graphics, vol. 21,
no. 4, pp. 393404, 1997.
[24] A. E. Kirkpatrick and S. A. Douglas, Application-based evaluation of haptic
interfaces, in Haptic Interfaces for Virtual Environment and Teleoperator
Systems, 2002. HAPTICS 2002. Proceedings. 10th Symposium on. IEEE,
2002, pp. 3239.
[25] G. H. Hostetter, C. J. Savant, R. T. Stefani, and A. B. Ramos, Sistemas de
control. McGraw-Hill, 1990.
[26] P. Meshram and R. G. Kanojiya, Tuning of pid controller using ziegler-
nichols method for speed control of dc motor, in Advances in Enginee-
ring, Science and Management (ICAESM), 2012 International Conference
on. IEEE, 2012, pp. 117122.
[27] C.-C. Yu, Autotuning of PID controllers: A relay feedback approach. Sprin-
ger Science & Business Media, 2006.
[28] K. Ogata, Sistemas de control en tiempo discreto. Pearson educación, 1996.
[29] Vanderbilt University, The Vanderbilt Haptic Paddle, [Link]
[Link]/MEDLab/haptic_paddle.html, accessed: 15 December
2015.
Oswaldo Guiñansaca Soria 126
También podría gustarte
- Protocolo de Proyecto Integrador-1Aún no hay calificacionesProtocolo de Proyecto Integrador-137 páginas
- Interfaz Háptica para Espacios 3DAún no hay calificacionesInterfaz Háptica para Espacios 3D17 páginas
- Banco de Pruebas para Controlador PIDAún no hay calificacionesBanco de Pruebas para Controlador PID134 páginas
- Prototipo Vehículo Autobalanceado PIDAún no hay calificacionesPrototipo Vehículo Autobalanceado PID22 páginas
- Sistema de Control Haptico Con Retroalimentacion de FuerzaAún no hay calificacionesSistema de Control Haptico Con Retroalimentacion de Fuerza11 páginas
- Desarrollo de Electrofitness DeportivoAún no hay calificacionesDesarrollo de Electrofitness Deportivo75 páginas
- PFC Roberto Gregorio Moreno ResumenAún no hay calificacionesPFC Roberto Gregorio Moreno Resumen10 páginas
- Manual de Laboratorio: Control y RobóticaAún no hay calificacionesManual de Laboratorio: Control y Robótica51 páginas
- 5 Interfaz Háptica de Cuatro Grados de Libertad para Aplicaciones QuirúrgicasAún no hay calificaciones5 Interfaz Háptica de Cuatro Grados de Libertad para Aplicaciones Quirúrgicas8 páginas
- Control PID en Péndulo Invertido con ArduinoAún no hay calificacionesControl PID en Péndulo Invertido con Arduino7 páginas
- Biomath: Sep Tecnológico Nacional MéxicoAún no hay calificacionesBiomath: Sep Tecnológico Nacional México104 páginas
- Interfaz Kinestésica y Control HapticoAún no hay calificacionesInterfaz Kinestésica y Control Haptico244 páginas
- Cómo Ajustar Un Controlador PID en ArduinoAún no hay calificacionesCómo Ajustar Un Controlador PID en Arduino1 página
- Diseño PID para Péndulo InvertidoAún no hay calificacionesDiseño PID para Péndulo Invertido20 páginas
- Modelado de Sistemas FisiologicosAún no hay calificacionesModelado de Sistemas Fisiologicos109 páginas
- Controladores en Sistemas RetroalimentadosAún no hay calificacionesControladores en Sistemas Retroalimentados129 páginas
- Diseño de Control para Dispositivos ProtésicosAún no hay calificacionesDiseño de Control para Dispositivos Protésicos6 páginas
- Microcontroladores y Electronica Da PotenciaAún no hay calificacionesMicrocontroladores y Electronica Da Potencia4 páginas
- Control de Una Mano Biónica Basado en Redes Neuronales y Técnicas de Reconocimiento de Gestos Mediante Múltiples Sensores EMGAún no hay calificacionesControl de Una Mano Biónica Basado en Redes Neuronales y Técnicas de Reconocimiento de Gestos Mediante Múltiples Sensores EMG8 páginas
- Instrumentación y Actualización de Un Banco de Pruebas para Las Materias de Instrumentación y Dinámica de Procesos PDFAún no hay calificacionesInstrumentación y Actualización de Un Banco de Pruebas para Las Materias de Instrumentación y Dinámica de Procesos PDF126 páginas
- Sistema de Control de Movimiento para Un Manipulador Movil PDFAún no hay calificacionesSistema de Control de Movimiento para Un Manipulador Movil PDF98 páginas
- Implementación de Circuito para Microcontrolador100% (1)Implementación de Circuito para Microcontrolador207 páginas
- Universidad de Alcalá Escuela Politécnica Superior: Ingeniería Técnica Industrial Especialidad en Electrónica IndustrialAún no hay calificacionesUniversidad de Alcalá Escuela Politécnica Superior: Ingeniería Técnica Industrial Especialidad en Electrónica Industrial124 páginas
- LLÁCER - Control en Cascada de La Temperatura de Un Reactor Continuo de Tanque Agitado EncamisadoAún no hay calificacionesLLÁCER - Control en Cascada de La Temperatura de Un Reactor Continuo de Tanque Agitado Encamisado48 páginas
- Bachelorcastanos - PENDULO INVERTIDOAún no hay calificacionesBachelorcastanos - PENDULO INVERTIDO59 páginas
- Proyecto de Balancín en Control HidráulicoAún no hay calificacionesProyecto de Balancín en Control Hidráulico23 páginas
- Control PID para Motor DC con ArduinoAún no hay calificacionesControl PID para Motor DC con Arduino4 páginas
- Exoesqueleto de brazo para amplificación de fuerzaAún no hay calificacionesExoesqueleto de brazo para amplificación de fuerza164 páginas
- Diseño y Control de Péndulo InercialAún no hay calificacionesDiseño y Control de Péndulo Inercial114 páginas
- Proceso del Alto Horno y Producción de ArrabioAún no hay calificacionesProceso del Alto Horno y Producción de Arrabio2 páginas
- Capacidades en Ingeniería QuímicaAún no hay calificacionesCapacidades en Ingeniería Química14 páginas
- Certificado de Vacunación COVID-19Aún no hay calificacionesCertificado de Vacunación COVID-191 página
- Segmentación de Mercado y Perfil del ConsumidorAún no hay calificacionesSegmentación de Mercado y Perfil del Consumidor12 páginas
- Métodos Efectivos para Selección de IdeasAún no hay calificacionesMétodos Efectivos para Selección de Ideas11 páginas
- Capitulo - I - Introducción - A - La - Ingeniería - de - Plantas - Parte3Aún no hay calificacionesCapitulo - I - Introducción - A - La - Ingeniería - de - Plantas - Parte326 páginas
- Análisis de Vibraciones MecánicasAún no hay calificacionesAnálisis de Vibraciones Mecánicas21 páginas
- Examen de Dinámica: Preguntas y RespuestasAún no hay calificacionesExamen de Dinámica: Preguntas y Respuestas16 páginas
- Movimientos de La Tierra, Fases Lunares y Eclipses - Secuencia Didáctica 5° GradoAún no hay calificacionesMovimientos de La Tierra, Fases Lunares y Eclipses - Secuencia Didáctica 5° Grado6 páginas
- San Ignacio 1RO DE SECUNDARIA PDFAún no hay calificacionesSan Ignacio 1RO DE SECUNDARIA PDF6 páginas
- DISCUSIÓN No5 CANTIDAD DE MOVIMIENTO, IMPULSO Y CHOQUESAún no hay calificacionesDISCUSIÓN No5 CANTIDAD DE MOVIMIENTO, IMPULSO Y CHOQUES20 páginas
- Taller de Física: Movimiento y Aceleración100% (1)Taller de Física: Movimiento y Aceleración13 páginas
- INFORME DE PRACTICAS PREPROFESIONALES - Esteban Vega Landa - 20120087KAún no hay calificacionesINFORME DE PRACTICAS PREPROFESIONALES - Esteban Vega Landa - 20120087K88 páginas
- PE Temas Selectos de Matemáticas 2Aún no hay calificacionesPE Temas Selectos de Matemáticas 218 páginas
- Plan de Estudios de Ingeniería en SistemasAún no hay calificacionesPlan de Estudios de Ingeniería en Sistemas41 páginas
- Cinemática y Vínculos en RobóticaAún no hay calificacionesCinemática y Vínculos en Robótica9 páginas
- Acustica Musical y Organologia Tirso de OLAZABAL100% (1)Acustica Musical y Organologia Tirso de OLAZABAL90 páginas
- Movimiento Vertical en Cuerpos RígidosAún no hay calificacionesMovimiento Vertical en Cuerpos Rígidos19 páginas
- Dinámica de Sistemas: Centro de MasasAún no hay calificacionesDinámica de Sistemas: Centro de Masas8 páginas
- Elementos de Transmisión de Fuerza y Movimiento.Aún no hay calificacionesElementos de Transmisión de Fuerza y Movimiento.27 páginas
- Análisis Topológico de MecanismosAún no hay calificacionesAnálisis Topológico de Mecanismos8 páginas
