Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Sala, Davi Alberto
Orientador(a): Brusamarello, Valner Joao
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Redes neurais
Controlador PID
Robótica
Sistemas de controle
Palavras-chave em Inglês:
Sensor fusion
Spiking neural networks
Liquid state machines
Positioning control
BAXTER robot
PID controller
Link de acesso: http://hdl.handle.net/10183/163752
Resumo: A ideia de usar redes neurais biologicamente inspiradas na computação tem sido amplamente utilizada nas últimas décadas. O fato essencial neste paradigma é que um neurônio pode integrar e processar informações, e esta informação pode ser revelada por sua atividade de pulsos. Ao descrever a dinâmica de um único neurônio usando um modelo matemático, uma rede pode ser implementada utilizando um conjunto desses neurônios, onde a atividade pulsante de cada neurônio irá conter contribuições, ou informações, da atividade pulsante da rede em que está inserido. Neste trabalho é apresentado um controlador de posição no eixo Z utilizando fusão de sensores baseado no paradigma de Redes Neurais Recorrentes. O sistema proposto utiliza uma Máquina de Estado Líquido (LSM) para controlar o robô colaborativo BAXTER. O framework foi projetado para trabalhar em paralelo com as LSMs que executam trajetórias em formas fechadas de duas dimensões, com o objetivo de manter uma caneta de feltro em contato com a superfície de desenho, dados de sensores de força e distância são alimentados ao controlador. O sistema foi treinado utilizando dados de um controlador Proporcional Integral Derivativo (PID), fundindo dados de ambos sensores. Resultados mostram que a LSM foi capaz de aprender o comportamento do controlador PID em diferentes situações.
id URGS_7db50a95692e2d5bf35c0cc54462d676
oai_identifier_str oai:www.lume.ufrgs.br:10183/163752
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Sala, Davi AlbertoBrusamarello, Valner Joao2017-07-06T02:46:04Z2017http://hdl.handle.net/10183/163752001024772A ideia de usar redes neurais biologicamente inspiradas na computação tem sido amplamente utilizada nas últimas décadas. O fato essencial neste paradigma é que um neurônio pode integrar e processar informações, e esta informação pode ser revelada por sua atividade de pulsos. Ao descrever a dinâmica de um único neurônio usando um modelo matemático, uma rede pode ser implementada utilizando um conjunto desses neurônios, onde a atividade pulsante de cada neurônio irá conter contribuições, ou informações, da atividade pulsante da rede em que está inserido. Neste trabalho é apresentado um controlador de posição no eixo Z utilizando fusão de sensores baseado no paradigma de Redes Neurais Recorrentes. O sistema proposto utiliza uma Máquina de Estado Líquido (LSM) para controlar o robô colaborativo BAXTER. O framework foi projetado para trabalhar em paralelo com as LSMs que executam trajetórias em formas fechadas de duas dimensões, com o objetivo de manter uma caneta de feltro em contato com a superfície de desenho, dados de sensores de força e distância são alimentados ao controlador. O sistema foi treinado utilizando dados de um controlador Proporcional Integral Derivativo (PID), fundindo dados de ambos sensores. Resultados mostram que a LSM foi capaz de aprender o comportamento do controlador PID em diferentes situações.The idea of employing biologically inspired neural networks to perform computation has been widely used over the last decades. The essential fact in this paradigm is that a neuron can integrate and process information, and this information can be revealed by its spiking activity. By describing the dynamics of a single neuron using a mathematical model, a network in which the spiking activity of every single neuron will get contributions, or information, from the spiking activity of the embedded network. A positioning controller based on Spiking Neural Networks for sensor fusion suitable to run on a neuromorphic computer is presented in this work. The proposed framework uses the paradigm of reservoir computing to control the collaborative robot BAXTER. The system was designed to work in parallel with Liquid State Machines that performs trajectories in 2D closed shapes. In order to keep a felt pen touching a drawing surface, data from sensors of force and distance are fed to the controller. The system was trained using data from a Proportional Integral Derivative controller, merging the data from both sensors. The results show that the LSM can learn the behavior of a PID controller on di erent situations.application/pdfporRedes neuraisControlador PIDRobóticaSistemas de controleSensor fusionSpiking neural networksLiquid state machinesPositioning controlBAXTER robotPID controllerControle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machinesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2017mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001024772.pdf001024772.pdfTexto completoapplication/pdf6189619http://www.lume.ufrgs.br/bitstream/10183/163752/1/001024772.pdfc749845e9ed98e2f1f4e9ed34d0de90fMD51TEXT001024772.pdf.txt001024772.pdf.txtExtracted Texttext/plain109028http://www.lume.ufrgs.br/bitstream/10183/163752/2/001024772.pdf.txta22cda3f3a2a1ad331f6b17ef2a431caMD52THUMBNAIL001024772.pdf.jpg001024772.pdf.jpgGenerated Thumbnailimage/jpeg1021http://www.lume.ufrgs.br/bitstream/10183/163752/3/001024772.pdf.jpg0254609631350f82f3c340d1166cad71MD5310183/1637522022-10-26 04:48:43.907513oai:www.lume.ufrgs.br:10183/163752Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-10-26T07:48:43Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines
title Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines
spellingShingle Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines
Sala, Davi Alberto
Redes neurais
Controlador PID
Robótica
Sistemas de controle
Sensor fusion
Spiking neural networks
Liquid state machines
Positioning control
BAXTER robot
PID controller
title_short Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines
title_full Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines
title_fullStr Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines
title_full_unstemmed Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines
title_sort Controle de posição com múltiplos sensores em um robô colaborativo utilizando liquid state machines
author Sala, Davi Alberto
author_facet Sala, Davi Alberto
author_role author
dc.contributor.author.fl_str_mv Sala, Davi Alberto
dc.contributor.advisor1.fl_str_mv Brusamarello, Valner Joao
contributor_str_mv Brusamarello, Valner Joao
dc.subject.por.fl_str_mv Redes neurais
Controlador PID
Robótica
Sistemas de controle
topic Redes neurais
Controlador PID
Robótica
Sistemas de controle
Sensor fusion
Spiking neural networks
Liquid state machines
Positioning control
BAXTER robot
PID controller
dc.subject.eng.fl_str_mv Sensor fusion
Spiking neural networks
Liquid state machines
Positioning control
BAXTER robot
PID controller
description A ideia de usar redes neurais biologicamente inspiradas na computação tem sido amplamente utilizada nas últimas décadas. O fato essencial neste paradigma é que um neurônio pode integrar e processar informações, e esta informação pode ser revelada por sua atividade de pulsos. Ao descrever a dinâmica de um único neurônio usando um modelo matemático, uma rede pode ser implementada utilizando um conjunto desses neurônios, onde a atividade pulsante de cada neurônio irá conter contribuições, ou informações, da atividade pulsante da rede em que está inserido. Neste trabalho é apresentado um controlador de posição no eixo Z utilizando fusão de sensores baseado no paradigma de Redes Neurais Recorrentes. O sistema proposto utiliza uma Máquina de Estado Líquido (LSM) para controlar o robô colaborativo BAXTER. O framework foi projetado para trabalhar em paralelo com as LSMs que executam trajetórias em formas fechadas de duas dimensões, com o objetivo de manter uma caneta de feltro em contato com a superfície de desenho, dados de sensores de força e distância são alimentados ao controlador. O sistema foi treinado utilizando dados de um controlador Proporcional Integral Derivativo (PID), fundindo dados de ambos sensores. Resultados mostram que a LSM foi capaz de aprender o comportamento do controlador PID em diferentes situações.
publishDate 2017
dc.date.accessioned.fl_str_mv 2017-07-06T02:46:04Z
dc.date.issued.fl_str_mv 2017
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/163752
dc.identifier.nrb.pt_BR.fl_str_mv 001024772
url http://hdl.handle.net/10183/163752
identifier_str_mv 001024772
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/163752/1/001024772.pdf
http://www.lume.ufrgs.br/bitstream/10183/163752/2/001024772.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/163752/3/001024772.pdf.jpg
bitstream.checksum.fl_str_mv c749845e9ed98e2f1f4e9ed34d0de90f
a22cda3f3a2a1ad331f6b17ef2a431ca
0254609631350f82f3c340d1166cad71
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316021637545984

Registros relacionados