MEJORA DE ROBOT SUMO 3kg
MEDIANTE ESTRATEGIAS DE
MANUFACTURA Y CONTROL
IMPROVEMENT OF 3kg SUMO ROBOT BY
MANUFACTURING AND CONTROL STRATEGIES
Juan Camilo Cuervo Restrepo1
Miyer Jaiver Valdés Ortiz2
Juan Sebastian Botero Valencia3
Juan Gonzalo Ardila Marín4
1. Ingeniero Mecatrónico (c). Laboratorista en Laboratorio de Sistemas de
Control y Robótica. Facultad de Ingenierías. Instituto Tecnológico
Metropolitano. Medellín. Colombia. E-Mail:
[email protected]2. Ingeniero Electromecánico, MSc (c). Técnico Especializado en
Laboratorio de Simulación, Modelamiento y Prototipos. Docente
Cátedra. Facultad de Ingenierías. Instituto Tecnológico Metropolitano.
Medellín. Colombia. E-Mail:
[email protected]3. Ingeniero Electrónico, MSc, PhD (c). Docente Líder en Laboratorio de
Sistemas de Control y Robótica. Docente Tiempo Completo. Facultad
de Ingenierías. Instituto Tecnológico Metropolitano. Medellín.
Colombia. E-Mail:
[email protected]4. Ingeniero Mecánico, MSc. Docente Líder en Laboratorio de Simulación,
Modelamiento y Prototipos. Docente Tiempo Completo. Facultad de
Ingenierías. Instituto Tecnológico Metropolitano. Medellín. Colombia.
E-Mail:
[email protected] RESUMEN
La disciplina Sumo Robot consiste en la lucha de dos robots autónomos que
buscan sacar del dohyo al oponente. En este estudio se logró mejorar un
Robot Sumo de 3kg por dos vías. Desde la construcción se aprovecharon
tecnologías de control numérico computarizado (CNC) para mejorar los
diseños y los materiales empleados, se fabricaron ocho piezas estructurales
de aluminio y nylon en un centro de mecanizado LEADWELL V40iT® de 5
ejes, programado con el software SprutCAM®, y se usó la impresora 3D
MakerBot Replicator 2X® para la impresión de tres piezas en PDA; estas
piezas reemplazaron las de MDF diseñadas y fabricadas anteriormente con
cortadora láser, aumentando la resistencia sin comprometer el peso. Desde
la programación y el control se usó un sistema embebido Teensy 3.2®
basado en procesadores ARM de 32 bits y se contó con sensores de
distancia por tiempo de vuelo con comunicación i2C, y con sensores
análogos infrarrojos marca SHARP®, las mejora fueron porque los sensores
ultrasónicos anteriores tenían rebote de señales y conos de detección
estrechos, y la implementación de un puente H con cinco amperios por
canal mediante PWM para cada uno de los actuadores y para el control de
giro, que conllevó un torque considerable en los motores de 12V utilizados.
ABSTRACT
Sumo Robot discipline consists in two autonomous robots fight that seek to
dohyo opponent remove. This study achieved to improve a 3kg Sumo Robot
in two ways. Since construction, computerized numerical control (CNC)
technologies were used to designs and materials used improve, eight
aluminum and nylon structural pieces were manufactured in a 5-axis
machining center LEADWELL V40iT®, programmed with SprutCAM®
software, and MakerBot Replicator 2X® 3D printer was used for printing
three PDA pieces; these pieces replaced those of MDF designed and
manufactured previously with laser cutter, increasing resistance without
compromising weight. From the programming and control, an embedded
Teensy 3.2® system based on 32-bit ARM processors was used, and there
were flight time sensors with i2C communication, and infrared analog
SHARP® sensors, improvements were because the previous ultrasonic
sensors had rebound of signals and narrow cones of detection, and
implementation of a H bridge with five amps per channel by PWM for each
actuators and for turn control, which entailed considerable torque in the
12V motors used.
PALABRAS CLAVE
Robot Sumo, CNC, Robot Móvil, Estrategias de Control, Competición
Robótica.
KEY WORDS
Sumo Robot, CNC, Mobile Robot, Control Strategies, Robotic Competition.
REFERENCIAS BIBLIOGRÁFICAS
Ahmed Syed, U., Kunwar, F., & Iqbal, M. (2014). Guided Autowave Pulse
Coupled Neural Network (GAPCNN) based real time path planning and
an obstacle avoidance scheme for mobile robots. Robotics and
Autonomous Systems (62), 474-486.
Básaca-Preciado, L., Sergiyenko, O., & Rodríguez-Quinonez, J. (2014).
Optical 3D laser measurement system for navigation of autonomous
mobile robot. Optics and Lasers in Engineering (54), 159-169.
Medina-Santiago, A., & Camas-Anzueto, J. (2014). Neural Control System in
Obstacle Avoidance in Mobile Robots Using Ultrasonic Sensors. Journal
of Applied Research and Technology, 104-110.
Vale, A., Fonte, D., & Valente, F. (2014). Trajectory optimization for
autonomous mobile robots in ITER. Robotics and Autonomous Systems
(62), 871-888.
Zi, B., Lin, J., & Qian, S. (2015). Localization, obstacle avoidance planning
and control of a cooperative cable parallel robot for multiple mobile
cranes. Robotics and Computer-Integrated Manufacturing, 34, 105–123.
